CHARLS可发文指标：AIP
定义：甘油三酯（TG）与高密度脂蛋白胆固醇（HDL-C）比率的对数转换。
公式：AIP=log10[TG(mmol/L)/HDL−C(mmol/L)]
意义：能够综合反映我们身体里血脂代谢的复杂情况，还能揭示出很多与心血管疾病有关的健康问题，帮助更有效地预测心血管疾病的不良结局，通常AIP数值越高，提示患动脉粥样硬化的风险越大。
案例文章：
2025年5月，青岛大学研究团队在期刊《Cardiovasc Diabetol》（医学一区，IF=10.6）上发表了一篇研究论文，其中便使用到了AIP这个指标。
文章通过关联性分析、阈值效应分析及ROC曲线绘制，旨在探索AIP对不同人群高血压发生的预测价值，并通过将血压正常的个体与患高血压病的个体进行比较，来确定AIP是否可以作为高血压风险的重要生物标志物。
研究背景：
高血压作为一个严重的公共卫生问题，其未能控制的患病率在全球范围内仍急剧上升，因此急需一种简单、经济高效且预测能力强的生物标志物来帮助控制其患病率的升高。AIP作为一种新型生物标志物，近年来因其在各种疾病中的相关性而受到广泛关注，虽然已有研究发现AIP与高血压患者的全因死亡率和心血管疾病特异性死亡率相关，然而，目前缺乏探讨AIP与高血压以及血压升高患者之间关联的大规模队列研究。
研究方法：
研究使用了CHARLS数据库2011-2020年的5波调查数据，经过一系列的纳排，最终纳入6540名参与者，其中有4631名未发生高血压事件，1909名发生高血压事件。
基于以上人群，研究首先通过logistic回归得到AIP与高血压发生之间的关系，其次通过绘制RCS曲线更清楚地反映两者之间的剂量反应关系，并使用阈值效应分析检查了这种关系的准确性，最后通过ROC曲线的绘制以评估AIP对高血压发生的预测能力，且通过亚组分析识别了影响更明显的人群亚组。
主要结果：
Logistic回归
AIP与高血压发生呈现明显正向关联，且AIP水平越高，高血压发生的风险越大。
RCS曲线+阈值效应分析
AIP与高血压发生之间呈现明显的非线性正向关联，且在血压正常和血压升高人群中，均呈现先下降后明显上升的趋势，具体来说，当AIP值低于-0.43时，未发现AIP与高血压之间存在关联。相反，AIP超过-0.43时，AIP与高血压之间出现正相关。
ROC曲线
DeLong检验
与TG和HDL-C的单一指标相比，AIP对高血压发生的预测能力更好，且在3个logistic回归模型中，model3的性能最佳。
亚组分析
① 血压正常组
② 血压升高组
在正常血压组中，年龄和AIP之间存在显着交互作用。具体而言，AIP在45-60岁个体中的影响更强，然而，AIP对60岁以上个体的影响相对较弱。这些发现强调了年龄作为影响AIP适用性的一个因素的重要性。在血压升高组中，未观察到显著的统计交互作用。
研究结论：
AIP与高血压发生之间呈现明显非线性正向关联，在45-60岁人群中关联性更强。AIP能够作为高血压升高的重要标志物，也能够成为预测高血压水平的重要因子。
评论列表