用NHANES横断面数据做队列研究，这个作者是懂挖掘的！

 引言

NHANES真是宝藏数据库！今天分享的这篇二区top文章，学者从NHANES数据库中挖掘了一份关于体重的详细问卷，将参与者先前的体重与目前的状态对比进行队列研究，竟也能拿下二区top(IF=6.0)！

接下来，让我们一起看看这篇文章吧！

代谢功能障碍相关性脂肪性肝病（MASLD）是全球范围内最为普遍的慢性肝病，其患病率的增加与全球肥胖率的增加趋势一致。

先前的研究表明，肥胖与心血管事件和2型糖尿病风险增加密切相关，即使个体减肥成功，这种危害仍然存在。因此，研究团队合理推测，肥胖对肝脏健康产生的不良影响，在减肥后也无法消除。

2024年11月22日，外国学者用NHANES数据库，在期刊《Liver International》（医学二区top，IF=6.0）发表题为：“MASLD, At-Risk MASH and Increased Liver Stiffness Are Associated With Young Adulthood Obesity Without Residual Risk After Losing Obesity”的研究论文，旨在探究人群与25岁左右时相比的肥胖现状，与MASLD、高风险的脂肪性肝炎（MASH）和肝硬度测定值（LSM）增加之间的关系。

研究结果表明，25岁左右时的肥胖是MASLD、高风险MASH和LSM增加的重要危险因素。然而，在成功减重后，这些增加的疾病风险可回归至正常水平。

本公号回复“ 原文”即可获得文献PDF等资料。想用NHANES发文，看看这个可一键提取和分析数据的NHANES零代码分析平台！如感兴趣请联系郑老师团队，微信号：aq566665

研究团队基于美国国家健康与营养调查（NHANES）数据库2017~2020年的数据，经过纳排，最终纳入了4,580名年龄在40~80岁、BMI≥18.5并且未患有心力衰竭的参与者，平均年龄为60岁，其中50%为男性。

通过问卷调查的形式，研究团队获得了参与者25岁时的体重，将其与目前的体重进行比较，将他们的肥胖现状分为四种（稳定型非肥胖、获得性肥胖、减肥成功型肥胖和稳定型肥胖）。

同时，团队采用logistic回归模型探究这四种肥胖状态与肝脏健康之间的关系，并通过敏感性分析对结果进一步进行验证。

相关定义：

控制衰减参数（CAP）：指通过测量肝脏组织中超声波的衰减程度来评估脂肪变性的程度，其值越高表示脂肪变性程度越严重。

脂肪变性程度：团队根据参与者的CAP水平将其分为三阶段：

• S1：248dB/m≤CAP水平<268dB/m；

• S2：268dB/m≤CAP水平<280dB/m；

• S3：CAP水平≥280db/m。

MASH：将纤维扫描-AST评分（FAST）≥0.35定义为高风险MASH。

LSM：LSM≥8kPa意味着肝硬度测定值增加。

减肥成功可使因肥胖增加的疾病风险降至普通人水平

初步分析的结果显示，与稳定型非肥胖者相比，稳定型肥胖和获得性肥胖的人群患MASLD的风险显著增加。

此外，在高风险MASH和LSM增加中结果一致。

图1 肥胖与MASLD、高风险MASH和LSM增加之间的关系

模型1：根据年龄、性别、种族、婚姻状况和教育程度进行调整；

模型2：根据甘油三酯、胆固醇、糖尿病和高血压进行调整

同时，团队根据脂肪变性的不同程度对参与者的肥胖状态进行进一步探究，尽管研究结果在统计学上没有意义，但团队认为，随着脂肪变性严重程度的增加，可以视为减肥成功者患MASLD风险降低。

图2 肥胖与脂肪变性程度的关联

此外，在敏感性分析中，研究人员进一步将非肥胖人群细分为正常体重和超重，结果发现：

• 与脂肪变性恶化相关的风险在超重和肥胖人群中逐渐增加；

• 在高风险MASH和肝硬度测定值增加中，仅肥胖人群的风险显著增加；

• 在现在处于肥胖状态的人群中，如果他们在25岁时就已经超重或肥胖，那么他们发生肝硬度测定值增加的几率会比25岁时体重正常的人更高。

图3 超重和肥胖与MASLD(A)、高风险MASH(B)和LSM增加(C)之间的关系

综上所述，在40~80岁的人群中，在25岁左右的肥胖是导致他们患MASLD和MASH风险增加以及LSM增加的重要危险因素。但只要能够减肥成功，这些风险就会降至普通人的水平。因此，研究人员强调了在肥胖人群中减重对维持肝脏健康的重要性。

统计知识点汇总

1. 数据来源

全国健康与营养检查调查（NHANES）：

一个大型流行病学调查，旨在评估美国人群的健康和营养状况，数据涵盖了多种健康指标。

2.研究设计思路：

P（Population）参与者：2017~2020年，NHANES数据库中符合条件的年龄在40~80岁、BMI≥18.5并且未患有心力衰竭的人群；

E（exposure）暴露因素：主要暴露因素是25岁时的肥胖状态以及后续肥胖状态的变化；

O（outcome）结局：MASLD、高风险MASH和LSM≥8kPa；

S（Study design）研究类型：横断面研究和纵向研究相结合。

3. 统计方法

• logistic回归

logistic回归是一种用于分类问题的回归分析方法，主要用于预测二元（0或1）结果。目的是通过自变量来估计因变量的概率。

例如，在本次研究中，研究者通过参与者的肥胖现状（与25岁时相比）来估计他们患MASLD、高风险MASH和LSM≥8kPa的风险。并根据参与者不同的特征建立了两个调整模型，模型如下：

（1）模型1：根据年龄、性别、种族、婚姻状况和教育程度进行调整；

（2）模型2：根据甘油三酯、胆固醇、糖尿病和高血压进行调整。

• 敏感性分析

敏感性分析是指在主分析后，使用不同的统计分析方法进行重复分析，以评估结果稳健性的统计分析方式。

例如，在本次研究中，研究团队进一步将非肥胖人群细分为正常体重和超重，再次进行了分析。该结果与逻辑回归结果一致，证明了研究结果的稳健性。

√统计学Tips

p值：用于判断结果是否具统计学意义。通常情况下，p值小于0.05被认为是显著的，表示观察到的结果不太可能是偶然的。

比值比（OR）：是对发病率低的疾病中相对危险度的估计。在logistic回归中，OR值为1表示无影响，大于1表示危险因素，小于1表示保护因素。

置信区间（CI）：表示基于样本统计量（如样本均值、样本比例等）来推断总体参数的可能值。随着置信度的增加，置信区间会变得更宽，以保证包含真实参数值的概率更高。

与MASLD相关的肝病研究很热门，如果你也想探究这类疾病，那本文中使用的NHANES肝脏脂肪变性指标CAP可以参考一下。对NHANES指标发文感兴趣的同学，可以看看郑老师的NHANES零代码分析平台！该平台后续可提供100多个NHANES综合指标的数据下载，轻松解决你在发文过程中遇到的数据难题！

欢迎关注“公共数据库与孟德尔随机化”公众号，我们将持续为你提供NHANES指标的发文思路和统计分析方法解读！

郑老师统计团队及公众号

全国较大的线上医学统计服务平台，专注于医学生、医护工作者学术研究统计支持，我们是你们统计助理！

我们提供以医学数据数据挖掘统计服务

①NAHANES：一二区论文占半数

②MIMIC：急诊数据分析与机器学习建模

③GBD：全球、中国各种疾病患病、死亡研究

④孟德尔随机化：疾病的因果推断研究

同时我们提供上述数据库的挖掘的一对一指导

GBD、NHANES医学数据库挖掘1对1R语言指导

联系助教陈老师咨询（微信号sas555777）