重磅推荐 | 温医大学者用NHANES指标TyG再发一区top，这个平台帮了大忙！

引言

想找NHANES发文捷径，看看郑老师团队开发的NHANES Online平台！

今天分享的这篇文章，学者就通过该平台，快速提取了TyG指数及其肥胖相关指标的数据，大大缩短了发文时间！从接收到发表仅用时不到两个月，着实是一篇优秀文章！

接下来，让我们简单看一下这篇文章。

高血压（HTN）是心血管疾病（CVD）和死亡的主要风险因素之一，胰岛素抵抗（IR）在其发病机制中发挥了重要作用。但传统评估IR的方法复杂且成本高，难以大规模应用。

因此，为了评估IR的替代标志物——甘油三酯-葡萄糖（TyG）指数及其肥胖相关指数（如TyG-BMI、TyG-WC、TyG-WHtR），对高血压患者死亡风险的预测能力，研究团队进行了本次研究。

2025年1月29日，温州医科大学学者用NHANES数据库，在期刊《Cardiovascular Diabetology》（医学top一区，IF=8.5）发表题为：“The triglyceride-glucose index and its obesity-related derivatives as predictors of all-cause and cardiovascular mortality in hypertensive patients: insights from NHANES data with machine learning analysis”的研究论文。

研究结果表明，TyG指数及其肥胖相关指数与高血压患者死亡率密切相关，其中与TyG-WHtR的关联最强。并且将这些指标纳入到现有的机器学习模型中，能够提高它们的预测能力。

本公号回复“ 原文”即可获得文献PDF等资料。

研究团队基于美国国家健康与营养调查（NHANES）数据库1999-2018年的数据，经过纳排，最终纳入了9,432名年龄≥20岁的高血压患者。在平均随访110个月内，有2348名患者死亡，其中801名死于CVD。

图1 研究人群的筛选流程

主要结果显示，TyG指数及其肥胖相关指数是高血压患者全因以及CVD死亡率的独立预测因子。

• 其中，TyG-WHtR与死亡率的关联性最强。具体表现为，TyG-WHtR每增加一个单位，高血压患者全因及心血管死亡率分别增加41.7%和48.1%。

进一步研究发现，TyG指数及其肥胖相关指数与高血压患者全因及CVD死亡率之间均呈L形。这进一步证实了随着指标水平的升高，患者的死亡风险增加。

图2 RCS曲线

√加入TyG相关指标，对机器学习模型的影响

基于LASSO回归和Boruta算法筛选的10个关键变量（如年龄、BMI、C反应蛋白等），研究团队构建了六个机器学习模型。

其中，XGBoost对高血压患者死亡风险的预测性能最佳（全因死亡率：AUC=0.826；CVD死亡率：AUC=0.769）。

表1 以全因及CVD死亡率为结果变量构建的六个基本模型

研究团队进一步将TyG指数及其肥胖相关指数分别纳入到基本模型（XGBoost）中，在调整了关键变量后，比较基本模型与优化模型对高血压患者死亡风险的预测能力。

结果表明，加入TyG指数及其肥胖相关指数，能够增强现有模型的预测能力。 其中，纳入TyG-WC以及TyG-BMI时，模型预测高血压全因以及CVD死亡率的能力最佳。

图3 基本模型和四种优化模型的ROC曲线

综上所述，TyG指数及其肥胖相关指数是高血压患者死亡率的重要预测指标。同时，将它们纳入现有的预测模型可以提高预测能力。

值得一提的是，在数据获取环节，研究团队采用郑老师团队开发的NHANES Online平台，快速提取了TyG及其相关指标的数据。相较传统人工处理方式，该平台大大提高了发表文章的速度！

NHANES Online平台现已包含100种NAHNES指标，感兴趣的朋友，可点击下方链接试用：

NHANES数据下载与整合：

https://www.zstats.cn/software2/nhanes_data/nhanes_data_2.0.2.5.0_trial/

NHANES数据加权分析模块：

https://www.zstats.cn/software2/nhanes_weight/nhanes_weight_2.0.2.5.0_trial/

NHANES数据非加权分析模块：

https://www.zstats.cn/software2/nhanes_analysis/nhanes_analysis_2.0.2.5.0_trial/

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数据库或者机器学习的优秀文章！