乐于分享
好东西不私藏

一区 10.6 分模板:CHARLS + 衰弱指数 + 血糖分层,多模型 Cox 锁定髋部骨折线性关联!

一区 10.6 分模板:CHARLS + 衰弱指数 + 血糖分层,多模型 Cox 锁定髋部骨折线性关联!

点击蓝字

关注我们

本研究基于中国健康与养老追踪调查(CHARLS)10,049名中老年参与者9年随访数据,创新构建35项衰弱指数(FI35),并首次在不同血糖状态(正常血糖、糖尿病前期、糖尿病)下,系统评估了衰弱与髋部骨折风险的关联。研究采用“前瞻性队列+FI35多维度评估+血糖分层+Cox回归+多重敏感性分析”的技术框架,完整呈现了从人群筛选、关联分析、剂量-反应关系探索到亚组与稳健性检验的全流程。

  • 顶刊核心设计逻辑

以“代表性前瞻性队列+标准化衰弱评估工具+精细化血糖分层”为核心,构建了“人群筛选与定义-主要关联分析-分层与交互作用探索-稳健性验证”的四步研究框架。首先利用CHARLS全国代表性数据构建FI35并定义髋部骨折结局;再通过多模型校正的Cox回归确立FI35与髋部骨折风险的独立正向关联;进而按性别、年龄、血糖状态进行亚组分析,并通过限制性立方样条(RCS)描绘剂量-反应曲线;最后通过排除缺失数据、排除末次随访、更换Logistic模型及竞争风险模型等多重敏感性分析验证结论稳健性。研究发现FI35与髋部骨折风险呈显著线性正相关,且在糖尿病状态下风险更高,为髋部骨折高危人群的早期筛查与分层管理提供了新证据。


数据库综合分析平台简介

咨询培训或软件平台详细功能

可添加微信:KunG_369

软件部分功能介绍见如下链接,目前平台软件进行了全面升级优化,功能不止于此⬇️

FastAging 3.0上线!零代码复现一区文章结果!

NHANES数据检索、下载及处理视频教程,文章复现演示!

这个软件2天搞定你的文章!临床预测模型数据分析软件V3.0上线——新增AI文章写作功能!临床预测模型从入门到精通全套学习链接!

零代码文献计量软件V2.0重磅上线,AI智能解读+一键成文助力高效产出,学员免费使用!

零代码BioVis数据分析免费平台再升级!新增7种数据统计检验模块和多种样式火山图!(免费使用体验)


一、研究设计

研究设计聚焦“数据代表性、暴露与结局定义的标准化、分层逻辑的科学性”,每一步均有明确标准,无模糊表述。

  • 核心数据来源:中国健康与养老追踪调查(CHARLS),一项针对中国45岁及以上中老年人的全国性、纵向社会经济与健康调查。

  • 样本设计与筛选

    • 基线人群:2011年第一轮调查共纳入17,708名参与者,覆盖全国30个省、市、自治区。

    • 排除标准(流程图见图1):研究排除了45岁以下者(387人)、FI35数据缺失者(237人)、基线已有髋部骨折史、骨折数据缺失或随访中失访者(共7,150人)。

    • 最终分析样本10,049名参与者,其中髋部骨折组629人(6.26%),非骨折组9,420人。

  • 暴露因素(衰弱评估):采用35项衰弱指数(FI35)。该指数基于健康缺陷累积理论构建,涵盖合并症、躯体功能、失能、抑郁和认知五个维度,具体包括:11项日常生活活动能力、9项躯体功能限制、9种慢性病、5项心理健康指标及自评健康。FI35得分越高,表示衰弱程度越重。

  • 结局指标(髋部骨折):基于患者自我报告的医生诊断。调查中询问:“是否有医生曾诊断您患有髋部骨折?”。此为二分类结局变量(是/否)。

  • 协变量:为控制混杂,研究纳入了多类协变量,包括:社会人口学(年龄、性别、教育、居住地、婚姻状况)、生活方式(吸烟、饮酒)、体格测量(身高、体重、BMI)、慢性病史(高血压、糖尿病、血脂异常、心脏病、卒中、慢性肾病)及血液检测结果(空腹血糖、HbA1c)。各变量均有明确分组或连续型定义。

  • 血糖状态分层:根据基线血糖水平和病史,将参与者分为三组:

    • 正常血糖(NGR)组:5849人(58.29%)。

    • 糖尿病前期(Pre-DM)组:3024人(30.13%)。

    • 糖尿病(DM)组:1162人(11.58%)。


二、统计方法

统计方法覆盖“基线比较-生存分析-亚组与交互作用探索-稳健性验证”全流程,细节明确,符合前瞻性队列研究的报告规范。

1. 描述性统计与组间比较

  • 连续变量:使用均数 ± 标准差(Mean ± SD)表示,组间比较采用t检验。

  • 分类变量:使用频数和百分比(%)表示,组间比较采用χ²检验。

  • 结果呈现:详见表1,清晰展示了总人群及骨折/非骨折组的基线特征差异。

2. 衰弱与髋部骨折关联分析(核心统计方法)

  • 方法:采用Cox比例风险回归模型,计算风险比(HR)及其95%置信区间(CI)。

  • 模型构建策略(逐步校正)

    • 粗模型:未校正任何协变量。

    • 模型1:校正社会人口学变量(年龄、性别、教育、居住地、婚姻状况)。

    • 模型2:在模型1基础上,进一步校正生活方式、体格测量及慢性病史(吸烟、饮酒、身高、体重、BMI、高血压、血脂异常、心脏病等)。

    • 模型3:在模型2基础上,进一步校正血糖相关指标(空腹血糖、HbA1c、糖尿病状态)。

  • 比例风险假设检验:采用Schoenfeld残差检验,确认未违反比例风险假设。

  • 剂量-反应关系分析:采用限制性立方样条,在总人群及各亚组中可视化FI35与髋部骨折风险的连续关系,节点设置于第5、35、65、95百分位。

  • 结果呈现:关联分析结果详见表2-5及图3-5,Kaplan-Meier曲线见图2。

3. 分层分析与交互作用检验

  • 分层变量:预先设定并分析了性别(男/女)、年龄(中青年<60岁 vs. 老年≥60岁)及血糖状态(NGR/Pre-DM/DM)的分层效应。

  • 交互作用检验:在Cox模型中引入乘积项(如FI35×血糖状态),评估不同亚组间关联的异质性。结果见图6。

4. 敏感性分析与稳健性检验

  • 排除缺失数据:剔除协变量缺失的参与者后重新分析。

  • 排除末次随访:排除第5轮随访(9年)的数据进行分析。

  • 更换回归模型:使用Logistic回归模型替代Cox回归,评估关联的稳定性。

  • 竞争风险模型:考虑到老年人群的死亡竞争风险,使用竞争风险模型评估主要Cox结果的稳定性。

  • 结果呈现:所有敏感性分析结果均与主要发现一致,增强了结论的稳健性。


三、结果解读

结果呈现遵循“人群特征-主要关联-分层关联-稳健性验证”的逻辑,每个图表均有具体数据支撑。

1. 基线特征——骨折组更年长、衰弱、教育程度低、代谢指标差

  • 核心解读

    • 髋部骨折组平均年龄显著更高(62.08岁 vs. 57.94岁,P<0.0001),教育水平更低(小学以下学历者占80.0% vs. 67.7%,P<0.0001)。

    • 骨折组的身高、体重、BMI均显著低于非骨折组(P<0.01)。

    • 尽管两组空腹血糖均值差异不显著,但骨折组的HbA1c水平及DM患病率(13.4% vs. 11.5%)均呈更高趋势

    • 结论:基线特征揭示髋部骨折患者呈现出更年老、更衰弱、社会经济地位更低及代谢状况更差的特征,为后续关联分析提供了初步线索。

2.主要关联——FI35与髋部骨折风险呈显著正相关且存在剂量-反应关系

  • 表2:在最长9年的随访中,FI35作为连续变量,每增加0.1个单位,在完全校正的模型3中,髋部骨折风险增加56%(HR=1.56, 95%CI: 1.41-1.73, P<0.0001)。

  • 表2:将FI35四分位分组后,以最低四分位(Q1)为参照,最高四分位(Q4)的骨折风险是Q1的3.51倍(HR=3.51, 95%CI: 2.38-5.20, P<0.0001),且趋势性检验P值<0.0001。

  • 图2:Kaplan-Meier曲线显示,从Q1到Q4组,髋部骨折的累积发生率逐级递增,且差异显著。

  • 结论:FI35是髋部骨折的强独立预测因子,衰弱程度越重,骨折风险越高,且呈现清晰的剂量-反应关系。

3. 性别分层——男女中关联一致,但女性风险比略高

  • 表3:在完全校正模型中,FI35每增加0.1个单位,男性骨折风险增加55%(HR=1.55),女性增加59%(HR=1.59)。

  • 表3:按四分位分组,男性和女性的Q4组风险分别为Q1的3.54倍3.25倍

  • 图3B/C:限制性立方样条图显示,无论男女,FI35与髋部骨折风险均呈显著线性正相关

  • 结论:衰弱对男性和女性的髋部骨折风险均有显著影响,其关联模式高度相似,但女性中的风险估计值略高。

4. 年龄分层——老年人绝对风险更高

  • 表4:FI35每增加0.1个单位,中青年组(<60岁)骨折风险增加44%(HR=1.44),而老年组(≥60岁)风险增加62%(HR=1.62)。

  • 表4:在最高四分位组(Q4),老年组的风险比(HR=3.87)高于中青年组(HR=2.90)。

  • 图4A/B:两组人群均观察到显著的线性正相关关系。

  • 结论:衰弱与髋部骨折的关联在老年人群中更为强烈,提示在老年群体中控制衰弱的重要性尤为突出。

5. 血糖状态分层——风险随血糖状态恶化而递增

  • 表5:在完全校正模型中,FI35每增加0.1个单位:

    • 正常血糖(NGR)组骨折风险增加46%(HR=1.46)。

    • 糖尿病前期(Pre-DM)组骨折风险增加60%(HR=1.60)。

    • 糖尿病(DM)组骨折风险增加90%(HR=1.90)。

  • 表5:按四分位分组,Q4组相对于Q1组的风险比在NGR、Pre-DM和DM组中分别为2.93、3.42和9.73,呈现出明显的递增趋势。

  • 图5A/B/C:限制性立方样条分析在三个血糖亚组中均证实了显著的正线性关系。

  • 结论:这一发现是本研究的核心创新点,即血糖状态的恶化会放大衰弱对髋部骨折风险的负面影响,形成“衰弱+高血糖”的协同损害效应。

6. 亚组交互作用分析——多数亚组关联稳定,未见显著交互

  • 核心解读:在包括居住地、吸烟、高血压、心脏病、卒中史在内的绝大多数预设亚组中,FI35与髋部骨折风险的正向关联均保持稳定且显著。交互作用检验P值均大于0.05,提示这些因素并未显著改变衰弱与骨折风险之间的本质关系。

  • 结论:进一步证实了衰弱作为独立危险因素的普适性。


四、研究结论与 SCI 启示:顶刊密码拆解

  • 核心结论

  • 强关联:基于35项健康缺陷构建的衰弱指数(FI35)与中国中老年人群髋部骨折风险呈显著正向线性关系

  • 普适性:这种关联在男女性别和中老年不同年龄段中均稳定存在,但在女性和老年人中效应更强。

  • 效应修饰:血糖状态是重要的效应修饰因子。随着从正常血糖向糖尿病进展,衰弱对髋部骨折风险的影响效应逐级放大,在糖尿病患者中达到最高。

  • 临床工具:FI35作为一个可从常规临床和调查数据中计算得出的实用工具,能够有效识别髋部骨折高风险人群,尤其是在合并血糖异常的患者中,为精准预防提供了依据。

  • SCI 启示(顶刊核心要素)

  • 选题创新性:研究没有停留在重复验证“衰弱增加骨折风险”这一已知结论,而是深入探讨了血糖状态对这一关联的修饰作用。这一角度切中了“糖尿病骨脆性”和“衰弱-代谢交互”的临床痛点,具有明确的创新性。

  • 方法学严谨性:利用CHARLS这一高质量的全国代表性前瞻性队列,样本量大,随访时间长。采用多模型逐步校正的Cox回归、限制性立方样条探索剂量-反应关系、多重敏感性分析(包括竞争风险模型),统计方法链条完整,逻辑严密,极大增强了结论的可信度。

  • 临床转化价值:研究构建的FI35工具简单易行,分层变量(血糖状态)是临床常规检测项目,这使得研究成果极易转化为临床实践。研究明确指出,对于衰弱的糖尿病或糖尿病前期患者,应优先进行骨折风险评估和干预,为精准医疗提供了直接指导。

感谢您的阅读