NHANES数据库结合简单统计学方法便发表二区（IF=7.3）文章

Nhanes美国营养调查数据库的培训课程（直播回放）来了！

“Nhanes数据挖掘”课程（直播回放）! 欢迎报名, 发表文章即退款

目前的医学水平来说，类风湿性关节炎（RA）是一种无法被彻底治愈的疾病。故而对这种疾病的预防就显得尤为重要。相关领域的学者对其危险因素做了大量的研究，挥发性有机物（VOC）的暴露常与自身免疫性疾病相关联，然而还没有确切的证据证明这两者的关联。本期我们将会介绍一篇关于挥发性有机物暴露与类风湿性关节炎的文章。通过不断学习发文思路，与诸位在发文的道路上越走越远。

2023年6月，一篇题为：The exposure to volatile organic chemicals associates positively with rheumatoid arthritis: a cross-sectional study from the NHANES program的研究论文发表于《Front Immunol》，本文为中国学者写作，文章属于中科院分区医学二区，2023年IF=7.3。

这项研究利用美国营养健康（NHANES）的数据，通过多种方法，研究了挥发性有机物暴露与类风湿性关节炎之间的关系。结果表明，挥发性有机化合物暴露与类风湿性关节炎显著相关，为确定环境污染物与类风湿性关节炎相关提供了新的流行病学证据。

摘要与主要结果

一、摘要

背景：类风湿性关节炎（RA）是一种自身免疫性疾病，与遗传和环境因素密切相关。挥发性有机化学物质（VOC）是一种常见的环境污染物，与一些自身免疫性疾病有关，而VOC暴露或哪种VOC导致RA尚未得到澄清。

方法：使用NHANES计划的6个调查周期（2005-2006,2011-2012,2013-2014,2015-2016,2017-2018,2017-2020）的数据进行横断面研究。通过问卷调查确定参与者的RA或非关节炎状态。采用分位数logistic回归法对尿液中VOC代谢物（VOCs）与RA进行相关性分析。协变量包括年龄、性别、种族、教育水平、婚姻状况、总能量摄入、体力活动、吸烟、高血压、糖尿病、尿肌酐、白蛋白和大麻使用。

结果：最终纳入9536名受试者（20至85岁）15种挥发性有机化合物，包括618名RA受试者和8918名非关节炎受试者进行分析。RA组的参与者尿液中的VOCs高于非关节炎组。2 种挥发性有机化合物之间存在正相关（AMCC：Q4：OR=2.173,95%CI：1.021,4.627。3HPMA：Q2：OR=2.286,95%CI：1.207 - 4.330;Q4：OR=2.663， 95%CI：1.288 -5.508.）在模型 3 中检测到 RA，该模型独立于所有协变量。两种挥发性有机化合物的相对母体化合物包括N，N-二甲基甲酰胺和丙烯醛。

结论：这些发现表明，挥发性有机化合物暴露与类风湿性关节炎显著相关，为确定环境污染物与类风湿性关节炎相关提供了新的流行病学证据。此外，需要更多的前瞻性研究和相关的实验研究来进一步验证这项研究的结论。

二、研究结果

1. 研究人群的基线资料

RA和非RA亚组之间的基线或协变量数据的比较结果总结于表1中。

所有参与者均分为 RA 亚组和非RA亚组。两个亚组之间在年龄、性别、种族构成、教育程度构成、婚姻状况、BMI、吸烟、高血压和糖尿病方面存在显着差异，而在体力活动方面则不存在显着差异。与非关节炎亚组相比，RA亚组的参与者年龄更大、女性比例更高、BMI更高、超重和肥胖比例更高。此外，RA亚组中吸烟、高血压和糖尿病参与者的比例显着高于非关节炎亚组。另外，经采样权重调整后的RA组和非RA组的基线数据总结于表S1中，分析结果与未经采样权重调整后的分析结果几乎一致。

2.RA与非RA亚组尿液VOCs的比较

2个亚组之间尿液VOCs的比较结果总结于表2中。

表 S2 总结了与尿液 VOC 相对应的化合物的母体化合物。RA 亚组的参与者在 AMCC、CEMA、DHBMA、3HPMA、MHBMA3、PGA 和 HMPMA 方面的尿液浓度高于非RA亚组。对于其他 8 种 VOC，2 个亚组之间没有检测到显着差异。此外，经采样权重调整后的RA组和非关节炎组的VOCs比较总结于表S3中，分析结果与未调整采样权重时的分析结果几乎一致。

3.不同吸烟状况RA人群尿液VOCs比较

RA人群3个亚组之间尿液VOCs的比较结果总结于表S4中。

在RA人群中，当前吸烟者的尿液中2MHA、3,4-MHA、AAMA、AMCC、CEMA、CYMA、DHBMA、3HPMA、MA、MHBMA3、PGA和HMPMA的浓度显着高于不吸烟者或既往吸烟者吸烟者。而2HPMA和SBMA则没有检测到显着差异。

4.尿液 VOC 与 RA 之间的关联

采用分位数逻辑回归方法分析VOCs与RA之间的关联。首先，将每种VOCs的浓度从低到高分为4个分位数，样本量相等。以第1分位数（Q1）的RA发生率作为参考，通过将其他分位数（Q2-Q4）的发生率与Q1的发生率进行比较，得到相应的比值（OR）。尿液中 15 种 VOC 的浓度分布总结于表 3 中。然后构建了具有不同协变量的 3 个分位数 Logistic 回归模型来分析 VOC 暴露与 RA 之间的关联。

如表4所示，对于2MHA和RA之间的分析，在模型1和模型2的Q4和总分位数中没有检测到显着的OR。对于AAMA，在未调整的所有分位数中没有检测到显着的OR模型 1 和模型 2 的 Q3 和 Q4 中 OR 显着增加。同时，未调整和模型 1 的 Q3 和 Q4 中 AMCC、CEMA 和PGA，在模型 2 的第 3 季度也检测到。在模型 1 中检测到RA 和 CYMA 之间呈显著正相关。对于 DHBMA，在模型 1 的未调整模型、Q3 和 Q4 以及 Q4 模型 2 的总分位数中检测到 OR 显着增加。并且 2HPMA 的 OR 显着增加在模型 1 的 Q2 和 Q4 中检测到。对于 MA，在所有模型的 Q4 中检测到 OR 显着增加。对于MHBMA3，在模型1的Q3和Q4中检测到OR显着增加。并且在未调整模型和模型1的Q4中检测到RA和HMPMA之间显着正相关。此外，值得注意的是就 3HPMA 而言，在模型 1 的整个分位数上检测到显着的 OR。对于 3HPMA，模型 2 的 Q2 和 Q4 中的相对 OR 为 1.494（95%CI：1.124、1.985）和 1.621（95%CI：1.111、2.364）。

添加大麻使用作为协变量后（表 S5），仅在 AMCC 的 Q4（OR=2.173，95%CI：1.0214.627）和 Q2（OR=2.286，95%CI：1.207）中检测到正相关。4.3307) 和 3HPMA 的 Q4 (OR=2.663, 95%CI: 1.288-5.508)。值得注意的是，亚组分析表明 RA 和 VOC 之间没有显着关联（表 S6）。此外，使用平滑曲线拟合方法分析了 RA 与 15 种 VOC 之间的非线性关系（图 S1-15）。RA发病率随着AAMA（图S3）、SBMA（图S6）、DHBMA（图S9）和MA（图S9）的增加而增加。

设计与统计学方法

一、研究设计

P：2005-2020年五个周期的参与者，来自国家健康和营养检查调查NHANES数据。

I：暴露因素为尿液挥发性有机物。

O：结局：类风湿性关节炎发病。

S：横断面研究。

二、统计方法

1.分组并进行基线资料比较，首先，根据关节炎评估，所有纳入的参与者被分为 RA 或非关节炎亚组。然后分别采用分类数据的卡方检验和定量数据的Kruskal-Wallis检验对RA和非关节炎亚组的基线数据进行比较分析。同时，通过Kruskal-Wallis检验比较RA和非关节炎亚组之间各种尿液VOCs的浓度。并且，通过Kruskal-Wallis检验比较了不同吸烟状况的RA人群中各种尿液VOCs的浓度。

2.分位数逻辑回归分析，接下来，构建具有不同协变量的 3 个分位数逻辑回归模型来分析尿液 VOC 与 RA 之间的关联。在分位数逻辑回归分析中，所有VOCs浓度按照浓度从低到高分为4个浓度区间，每个浓度区间的人数大致相等。首先构建非调整模型直接分析尿液VOCs与RA之间的关联，随后应用另外2个模型进行进一步分析。模型1根据年龄、性别、种族、教育水平、婚姻状况、尿肌酐和白蛋白进行调整。模型2根据年龄、性别、种族、教育水平、婚姻状况、总能量摄入、体力活动、吸烟、高血压、糖尿病、尿肌酐和白蛋白进行调整。模型3根据年龄、性别、种族、教育水平、婚姻状况、总能量摄入、体力活动、吸烟、高血压、糖尿病、尿肌酐、尿白蛋白和大麻使用情况进行调整。

3.权重调整，非线性、亚组、敏感性分析，此外，利用平滑曲线拟合方法分析了RA与15种VOCs之间的非线性关系。进行亚组分析，以分析既不吸烟也不吸食大麻的人群中 VOC 与 RA 之间的关联。由于多个调查周期的结合，RA组和非关节炎组的基线数据和VOCs比较结果通过抽样权重进行了调整。通过限制无吸烟和大麻使用史人群的关联分析进行敏感性分析。

4.补充说明，此外，本研究还纳入了多个协变量进行分位数回归分析。在所有统计分析中，p < 0.05 被确定为具有统计显着性。R软件(https://www.r-project.org/)在EmpowerStats(https://www.empowerstats.com)的帮助下一起进行统计分析。

小感悟

本期介绍的是一篇二区文章，7.3分，二区里面分算高的了。

文章的研究方法并不复杂，先对基线资料进行性别分组再进行差异性分析，随后建立三个分位数逻辑回归模型，接着以扎实的功底进行非线性分析，亚组分析以及敏感性分析。

写文章第一步，还是要选好指标和对象，要找到新点，还要有足够的医学意义。像本文选取了在目前医学水平下是不治之症的类风湿性关节炎作为研究的对象，别出心裁的找到一个新指标：挥发性有机化合物，再加上扎实的统计学功底，想不发好文章都难。指标的选取，这要根据临床经验，还有统计实践，运气也是努力的一部分。总之多看多学多试，就是发文秘诀。

一个专门做公共数据库的公众号，关注我们

‍