在医学研究中，我们常问：“肺功能差会导致痛风吗？”——这已是UK Biobank的经典研究范式。但更关键的问题是：肺功能究竟通过什么机制引发痛风？是血尿酸升高？慢性炎症？还是免疫失调？
传统关联性研究如同“单点突破”，聚焦于暴露和结局指标之间的关系，而中介分析（Mediation Analysis）则像绘制“疾病地图”，能进一步定位暴露因素-中介变量-临床结局的作用路径。今天我们就以一篇高分文章为例，揭秘如何用UKB数据开展中介分析。
案例文章
标题：肺功能受损会增加痛风的风险：来自英国生物样本库的一项大型队列研究的证据
期刊：BMC medicine（2024年，IF=7）
研究方法
数据准备与变量定义
-
样本量：42万UKB参与者，排除基线痛风患者后保留41.2万人
-
核心变量：
-
暴露：肺功能（FEV1/FVC比值，分正常/PRISm/慢阻肺三组）
-
中介：22种血液标志物（尿酸、CRP、免疫细胞等）
-
结局：痛风（ICD-10代码M10）
-
结局指标：MACE（非致死性心肌梗死、卒中、心血管死亡）、心衰及全因死亡率
分析框架
-
第一步：验证肺功能→痛风的直接关联（Cox回归）
-
第二步：筛选潜在中介（线性回归分析肺功能→生物标志物）
-
第三步：计算中介效应（R包mediation，Bootstrap重复1000次）
敏感性验证
-
Cox回归孟德尔随机化（MR）验证因果性
-
剔除随访前2年病例（避免反向因果）
-
E-value评估未测量混杂的影响
结果解读
图表
结果解读
① 肺功能与痛风的直接关联
-
肺功能受损（如慢阻肺、PRISm）显著增加痛风风险。
-
非线性关系：FEV1<79%预测值时，痛风风险陡增（RCS曲线呈“倒S型”）。
② 中介机制解析
-
血尿酸是核心中介：贡献49.1%的效应，提示肺功能差可能通过减少尿酸排泄诱发痛风。
-
炎症与免疫参与：CRP（6.62%）、中性粒细胞（4.85%）等标志物共同构成“炎症-代谢”通路。
③ 人群异质性
-
肥胖和糖尿病患者的中介效应更强，提示这类人群需更严格监测肺功能与尿酸。
评论列表