在临床流行病学研究中，UK Biobank（UKB）数据库的应用已经成为发表高水平SCI的利器。本期我们聚焦一项以体成分-心血管疾病-神经退行性疾病为主线的研究，解构其常用的分析套路组合：Cox回归+中介分析，旨在为UKB数据库的选题和方法设计提供启发。
套路总结：
定义暴露模式：主成分分析（PCA）
关联性分析：多变量Cox比例风险回归
机制探索：中介分析
特殊人群中的关联探索：亚组分析
案例文章：
文章亮点：
-
创新性的暴露定义：使用PCA方法从28项身体测量指标中提取出7种身体成分模式，超越了传统BMI的局限性。
-
双重结局验证：不仅使用临床诊断的神经退行性疾病作为结局，还使用MRI脑老化生物标志物进行验证。
-
全面中介分析：量化了不同心血管疾病在身体成分与神经退行性疾病关联中的中介比例，对身体成分影响神经退行性疾病的作用机制进行了探索。
-
大样本长随访：基于UK Biobank超过40万人的数据，平均随访9.1年。
文章解读：
1️⃣ 主成分分析（PCA）提取身体成分模式
研究者首先对28项身体成分测量指标进行PCA分析，识别出7种主要身体成分模式：（1）“脂肪与瘦体重比”模式；（2）“瘦体重”模式；（3）“中心性肥胖”模式；（4）“肌肉力量”模式；（5）“骨密度”模式；（6）“腿部主导脂肪分布”模式；（7）“手臂主导脂肪分布”模式。这些模式在两性间表现出高度一致性，共同解释了超过90%的变异。这种分析方法避免了传统BMI指标的局限性，能够更全面地反映身体成分特征。
2️⃣ Cox回归分析身体成分模式与神经退行性疾病的关联
在平均9.1年的随访中，共发现8,224例新发神经退行性疾病。主要发现包括：
-
保护性模式：“肌肉力量”模式（HR=0.74-0.81），“脂肪与瘦体重比”模式（HR=0.92），“骨密度”模式（HR=0.94），“腿部主导脂肪分布”模式（HR=0.94）；
-
风险性模式：“中心性肥胖”模式（HR=1.13），“手臂主导脂肪分布”模式（HR=1.18）。
值得注意的是，“肌肉力量”模式显示出最强的保护作用，高风险组比低风险组的神经退行性疾病风险降低了26%。
3️⃣ 中介分析探索心血管疾病在身体成分与神经退行性疾病关联中的作用
中介分析结果发现心血管疾病在身体成分与神经退行性疾病关联中起显著中介作用：
-
“中心性肥胖”模式：35.3%的效应由心血管疾病中介，其中脑血管疾病贡献最大(28.9%)；
-
“肌肉力量”模式：10.7%的效应由心血管疾病中介；
-
“手臂主导脂肪分布”模式：14.3%的效应由心血管疾病中介。
这一结果提示，改善身体成分可能部分通过减少心血管疾病风险来降低神经退行性疾病风险。
4️⃣ 分层分析探索遗传易感性的修饰效应
以AD和PD的多基因风险评分（PRS）、APOE-e4、家族史作为分层变量进行了亚组分析，发现体成分与神经退行性疾病的关联在不同易感人群中保持一致性，提示研究结论具有广泛适用性。
5️⃣ 脑老化生物标志物验证
以大脑衰老生物标志物为结局验证身体成分模式与大脑衰老的关联。结果显示“中心性肥胖”和“手臂优势脂肪分布”模式与较差的脑萎缩和cSVD相关生物标志物呈正相关，而“肌肉力量”模式与这些生物标志物呈负相关，从亚临床层面验证了主要分析结果。
文章总结：
这项研究通过创新的PCA方法识别了7种身体成分模式，并发现这些模式与神经退行性疾病风险存在显著关联，其中“肌肉力量”模式最具保护性，“中心性肥胖”和“手臂主导脂肪分布”模式风险最高。研究还发现心血管疾病，特别是脑血管疾病，在这些关联中起重要中介作用。提示临床对于神经退行性疾病的预防策略应关注身体成分的改善，而不仅仅是体重控制，而增强肌肉力量和减少中心性肥胖可能是有效的干预靶点，并且早期心血管疾病管理可能有助于降低神经退行性疾病风险。
评论列表