这个杂志，审稿到录用仅需一个月！毕业生的梦中情刊，本科生用NHANES数据库发文2区...

最新推荐文章于 2024-09-09 15:30:06 发布

公共数据库与孟德尔随机化

最新推荐文章于 2024-09-09 15:30:06 发布

阅读量924

点赞数 8

本文链接：https://blog.csdn.net/weixin_47988917/article/details/139457630

版权

Lipids in Health and Disease 是一个公开的、同行评议的期刊，主要发表关于脂质所有方面的文章，影响因子逐年上升，国人发文占比排第一，年刊量100多篇！最重要的是，该期刊文章审稿速度特别快，最快一个月就能发表。

除了贵一点（版面费2290美元），稿件的处理速度还是很快的，着急毕业或者评职称需要论文的学友可以试着投一下。

2024年5月23日，郑老师团队带的本科生，也就是浙江中医药大学的学生用NHANES数据库，在期刊《Lipids in Health And Disease》（医学二区，IF=4.5）发表题为：“Independent and joint associations of monocyte to high-density lipoprotein-cholesterol ratio and body mass index with cardiorenal syndrome: insights from NHANES 2003–2020 ”的研究论文，旨在探讨单核细胞与高密度脂蛋白胆固醇比值（MHR）和体重指数（BMI）对心肾综合征（CRS）的独立和联合作用。

本公众号回复“ 原文”即可获得文献PDF等资料，如果进一步需要全流程指导公共数据库挖掘，请联系郑老师团队，微信号：zz566665

随着病理生理学的发展，心肾综合征（CRS）作为一种复杂且严重的疾病，已经引起了越来越多的关注。HDL-C因其强大的抗氧化能力和在维持及增强血管弹性中的关键作用，是公认的“心血管保护伞”。研究表明，单核细胞有诱导局部缺血和炎症的作用，被认为是导致CRS和心血管疾病的关键风险因素。

因此，本研究试图通过分析MHR和BMI这两个指标，来增进对CRS风险因素的理解

主要研究结果

1.研究设计

本研究采用了美国国家健康和营养调查(NHANES)2003-2020年的数据，最终纳入了42,178名年龄≥18岁符合条件的参与者。

计算MHR的公式为：MHR=单核细胞计数(×103cells/ul) /高密度脂蛋白-胆固醇(mg/dL)。在夜间禁食至少9个小时后，在早上采集血样。
计算 BMI 的公式是 BMI = 体重（公斤）/ 身高（米）的平方。
研究者将CRS定义为同时患有心血管疾病（CVD）和慢性肾脏病（CKD）的个体。
（ CVD由自我报告的冠脉病、心绞痛、充血性心脏、心脏病发作或脑卒中确定；CKD通过评估 eGFR（eGFR < 60 mL/min/1.73 m²）来确定）

2.基线数据

参与者被分为非CRS组和CRS组。

非CRS组的平均年龄（SD）为48.69（17.91），而CRS组的平均年龄（SD）为73.89（17.79）。
与非CRS参与者相比，CRS患者的MHR显著高于非CRS受试者，且CRS患者中男性以及高血压和糖尿病的比例更高。

3.MHR 和 BMI 与 CRS 的独立和联合关联

在纳入研究的42,178名参与者中，CRS患病率为3.45%。

调整协变量后，加权Logistic回归表明，MHR的增加与CRS患病率的增加相关(Ln MHR:OR= 1.799,95% CI -2.129 = 1.520, P < 0.001)。
与MHR的第一个四分位数相比，每增加一个四分位数的MHR与CRS的OR增加显著相关，且存在显著趋势(P-trend < 0.001)。

表1 Ln MHR与CRS的横断面关联

模型1:调整了年龄、性别、种族、婚姻状况和教育程度

模型2:额外调整的吸烟状况和饮酒状况

模型3:额外调整高血压和糖尿病

同样，BMI每增加1,CRS的发生几率也相应增加(OR=1.037, 95% CI 1.023-1.051,P < 0.001)。
与BMI低于25的参与者相比，BMI为30或更高的参与者CRS患病率更高(OR= 1.453,95% CI= 1.177-1.794, P<0.001)。

表2 BMI与CRS的横断面关联

下图显示了BMI和Ln MHR的分布，通过RCS分析，BMI和Ln MHR与CRS没有非线性关联。

图1Ln MHR和BMI与CRS的非线性关系

(A) Ln MHR分布；(B) Ln MHR与CRS之间的RCS曲线；(C) BMI分布； (D) BMI与CRS关系的RCS曲线。

研究团队进一步探讨了Ln MHR和BMI与CRS的联合关系。

研究结果显示，BMI≥30 kg/m2且Ln MHR第4分位数的个体与BMI<25 kg/m2且Ln MHR第1分位数的个体相比，OR为3.45 (95% CI= 2.40-4.98, P<0.001)。
研究就结果支持Ln MHR和BMI与CRS具有联合关系的结论，即同时具有高MHR和BMI的个体患CRS的风险更高。

图2 在完全调整模型中，MHR和BMI与CRS的联合关联

4.交互作用

下图展示了BMI对MHR与CRS的相关性，结果表明MHR和BMI对CRS没有显著的交互作用(MHR连续型P-interaction为0.248；MHR四分位型P-interaction为0.363)。

图3 在一个完全调整的模型中，BMI与MHR与CRS的关系

统计学方法

本文的研究思路非常清晰，统计学方法直接借鉴：

1、进行统计描述

对于连续变量，使用均数±标准差(SD)来描述，并使用Student’s t检验在两组之间进行比较。
对于分类变量，使用频率和百分比来描述，并使用卡方检验进行比较。
所有分析均使用R Studio(4.3.2版本)和风暴统计平台(www.medsta.cn/software)进行。研究者认为双侧P值<0.05为显著性。

2、进行缺失填补

对协变量中的缺失值进行了多重填补。

3、进行独立和联合关联的分析

采用了多变量加权Logistic回归来评估MHR和BKI与CRS的独立和联合关联的比值比（OR）和95%置信区间（CI）。
进行了限制性立方样条（RCS）分析以探索非线性关联。
为了评估MHR和BMI与CRS的联合关系，根据MHR(4个四分位数)和BMI将参与者分为12组(3组:<25 kg/m2, 25 - 30 kg/m2和≥30 kg/m2)。以BMI<25且MHR在第一四分位数的个体为对照，评估各组CRS的OR值和95% CI。

4、交互作用分析