IF4.5分，南京医科大学利用NHANES数据库构建中风风险预测模型，太好发文了！

经常有小伙伴私信说在临床上收集数据难，没有文章又没办法毕业/晋升。其实想发文章并不是一定要自己收集数据呀。

现在有很多国际权威的临床数据库，这些平台的数据都是鼓励科研人员去挖掘数据、做科学研究的。

近两年，NHANES数据库越来越热门，利用NHANES数据库发表的文章也越来越多：

▲2024年NHANES周均发文100+，数据来源：丁香园

今天就带大家来看一篇NHANES数据挖掘的临床SCI

标题：美国人群中饮食炎症指数与中风的关系：来自NHANES 1999-2018的证据

期刊：BMC Public Health

研究背景

中风是一个全球性的健康问题，困扰着成千上万的人，而且在中风后的康复期间会产生巨大的费用。虽然在过去几十年中，中风的诊断和治疗取得了巨大进步，但与1990年相比，2016年全球25岁及以上成年人的终生中风风险增加2.1%。目前学术界普遍认为饮食可能在全身炎症的调节中起重要作用。为了更全面、更准确地量化饮食的炎症能力，作者基于文献资料创建了基于人群的饮食炎症指数（DII, Dietary Inflammatory Index），以反映炎症生物标志物（包括IL-1β、IL-6、TNF-α和CRP）的水平。DII已被广泛应用于评估饮食诱导的炎症在各种疾病（如癌症、肥胖症、糖尿病和炎症性肠病等）发展中的作用。尽管有几项流行病学研究探索了DII和中风之间的联系，但目前的研究结果似乎存在争议。大多数研究发现DII评分与中风呈正相关，但尚未报告显著的相关性。因此，本文旨在通过使用美国国家健康和营养检查调查（NHANES）的横断面数据重新研究普通人群中DII和中风之间的联系。

数据来源

本研究纳入了连续10个周期（1999-2018年）的NHANES共101316名参与者的横断面数据。排除标准设定为：（1）年龄＜18岁或≥80岁的参与者（N=46469）；（2）怀孕的参与者（N=1516）；（3）没有饮食摄入（N=5747）和中风状态（N=3665）相关信息的参与者。经过手动筛选，最终选取44019名参与者进行后续分析。（ps: 公共数据库通常包含大量的数据和变量，当我们缺少实验室时，更需要对数据进行进一步的筛选以确保研究的可靠性和有效性，同时还需确保所使用的数据符合研究的目的与假设）

▲Fig.1参与者招募的详细流程图

研究思路

本研究收集了1999年至2018年间全国健康与营养检查调查（NHANES）的44019名参与者的横断面数据。采用加权多因素logistic回归分析评估饮食炎症指数（DII）与中风的关联，通过限制性立方样条（RCS）回归检验两者间的非线性关系。采用LASSO回归确定与中风相关的关键饮食因素。然后将其纳入风险预测模型，利用受试者工作特征（ROC）曲线评估其对中风的鉴别能力。

主要结果

1.研究参与者的基线特征

研究共纳入44019名参与者，加权平均年龄为45.83岁。所有参与者中风的总体患病率为3.38%，加权DII评分的中位数（95%CI）为1.39（1.34-1.43）。与非卒中患者相比，卒中患者主要是老年人、女性、非西班牙裔黑人、教育程度较低者、吸烟者、不饮酒者和糖尿病患者，且生理指标普遍不佳。中风组DII分数显著高于非中风组（1.99vs1.37，P<0.001），且饮食成分摄入量普遍较低，详细信息见表1，表2。

▲表1按中风状况分组的研究参与者基线特征

▲表2按中风状况分组的每种DII成分的膳食摄入量

2.饮食炎症指数（DII）与中风的关联

本研究进行抽样加权多元逻辑回归分析，发现DII与中风有较高的相关性。RCS曲线显示DII与中风呈非线性正相关。进一步分析发现，在男性中，DII和中风之间的关系仍然是非线性关系，而在女性中呈线性关系。分层分析表明，DII与中风之间的关联在不同亚组中保持稳定。详见Fig.2、Fig.3。

▲Fig.2A各研究对象体内DII与中风相关的RCS曲线；Fig.2B女性（红）和男性（蓝）的DII与卒中相关的RCS曲线

▲Fig.3亚组分析DII与中风之间的关系

3.确定与中风相关的关键饮食因素

基于LASSO回归构建风险预测模型，纳入26个膳食成分和3个协变量（性别、年龄和种族/民族），确定与中风密切相关的食物参数（Fig.4）（ps：基于已有数据建立风险预测模型，在医学研究和临床实践中具有广泛应用前景，也是文章发高分的一个助力点）。与中风密切相关的膳食因素包括碳水化合物、膳食纤维、胆固醇、PUFA、铁和酒精。纳入16个变量建立风险预测列线图模型。基于8个具有统计显著性的变量构建最终模型。ROC曲线验证模型对中风的预测性能［AUC=79.8％（78.2–80.1％）］（Fig.5）。

▲Fig.4采用LASSO回归分析以识别与中风相关的关键饮食因素

▲Fig.5中风风险预测模型的建立和验证

4.敏感性分析

敏感性分析结果与加权logistic回归相一致，表明了DII与中风正相关。在完全调整模型中，中风的几率随着DII评分的升高而增加，表明DII较高四分位数参与者更易患中风。总体而言，敏感性分析证明了抽样加权logistic回归分析结果的稳定性和可靠性。

END

本文收集了连续10个周期的NHANES超10万名参与者的庞大的横断面数据，样本量大且数据来源可靠，运用加权多变量logistic回归、受限立方样条回归以及LASSO回归，系统地评估了饮食炎症指数（DII）与中风的关联，并建立了风险预测模型，具有较高的科学价值。文中对关键的中风相关饮食因素进行深入的识别，为后续研究提供了重要的参考。通过敏感性分析验证了主要结果的稳健性和可靠性，进一步加强研究的信服力，也为临床实践提供了重要的指导。

看到其他团队纷纷发文，是不是也迫不及待想要拥有自己的文章了，利用数据库的数据进行临床研究，非常适合临床研究人员。如果有兴趣，赶紧行动起来吧！