CHARLS数据库发文思路(一)横断面+纵向分析

官方
阅读 179 0 收藏 0 2025-05-09 19:03:00

今天给大家解读一篇基于CHARLS数据库的一个发文思路:采用流行病学研究中常见的纵向队列研究设计(longitudinal cohort study),结合横断面分析 + 队列随访分析的方法来探讨一个生物标志物(SI = 血清肌酐与胱抑素C比值 × 100)与心血管疾病(CVD)之间的关系。
这项研究利用中国健康与养老追踪调查(CHARLS)数据,首次在全国范围内探讨了肌少症指数(SI,血清肌酐/胱抑素C比值)与中老年人群心血管疾病(CVD)风险的关联,为临床筛查提供了新的生物标志物思路。
 
案例文章
 
标题:《Association Between the Serum Creatinine to Cystatin C Ratio and Cardiovascular Disease in Middle-Aged and Older Adults in China: A Nationwide Cohort Study》
期刊:Journal of the American Heart AssociationIF=5.0
研究主题:结合了横断面+纵向分析,可以增强证据等级,还利用RCS分析,明确线性关系。

研究背景与科学问题

  • 肌少症(sarcopenia)是老年人肌肉质量下降的重要表现,近年研究发现其与心血管疾病(CVD)密切相关。

  • SI(肌少症指数)= (血清肌酐/胱抑素C) × 100,可反映肌肉量,同时减少肾功能的影响,是更稳定的肌少症指标。

  • 核心问题:SI是否独立预测中国中老年人群的CVD风险?是否存在剂量-反应关系?

CHARLS数据库应用策略

数据来源与样本选择

✅  横断面分析:2015年CHARLS数据(n=11,115)

✅ 纵向队列分析:2015-2018年随访数据(n=8,589,中位随访3年)

✅ 关键变量:

  • SI计算:血清肌酐/胱抑素C × 100;

  • CVD定义:自我报告的充血性心力衰竭、冠心病、心脏病发作、心绞痛、其他心脏问题或卒中;

  • 协变量调整:年龄、性别、BMI、吸烟、饮酒、居住地等。

统计分析方法

✅ 横断面分析:多因素logistic回归(评估SI与CVD患病风险的关系)

✅ 纵向分析:Cox比例风险模型(计算不同SI四分位数的CVD风险比HR)

✅ 高级统计:限制性立方样条(RCS)分析剂量-反应关系

✅ 稳健性分析:

  • 亚组分析:评估SI对几个亚组 CVD 发病风险的影响;

  • 敏感性分析:为了消除肌肉减少症对研究结果的潜在影响,在排除 2015 年诊断患有肌肉减少症的参与者后重复分析;其次,为了减轻缺失值对研究结果的影响,在排除包含 BMI 、教育水平、吸烟、饮酒、肝病、癌症、高血压、血脂异常、糖尿病和高敏 C 反应蛋白缺失值的参与者 (N=756) 后重复分析。

主要研究结果

横断面分析:SI越低,CVD患病风险越高

  • SI最低组(Q4) vs. 最高组(Q1):CVD风险显著降低(OR=0.71, 95%CI 0.58-0.86)

  • 饮酒差异:不饮酒关联更强

纵向分析:SI和新发CVD呈负相关

  • 3年随访:854例新发CVD(9.94%)

  • SI与CVD风险呈负相关:

  • Q2 vs. Q1:HR=0.94(0.79-1.12)

  • Q3 vs. Q1:HR=0.63(0.51-0.78)

  • Q4 vs. Q1:HR=0.60(0.47-0.75)

  • RCS分析:SI与CVD风险呈线性负相关(无拐点,P非线性>0.05)

研究亮点与临床意义

✅ 创新性:首次在中国人群中验证SI对CVD的预测价值

✅ 方法学严谨:横断面+纵向设计,增强因果推断

✅ 临床启示:

  • SI可作为肌少症相关CVD风险的血清标志物

  • 低SI人群应加强CVD筛查

CHARLS数据库发文思路总结

  • 选题策略:结合肌少症+心血管代谢疾病热点,挖掘CHARLS生物标志物数据

  • 方法学设计:

  • 横断面+纵向分析,增强证据等级

  • RCS分析,明确线性关系

  • 统计流程:数据清洗 → 变量计算(SI) → 回归建模 → 高级分析(RCS) → 结果可视化


评论列表

发表评论