引言

分析过程十分细致，快简单看一下吧！
随着全球人口老龄化加剧，年龄相关疾病负担显著增加。
表型年龄（PhenoAge）作为一种新型生物老化标志物，通过整合血液生化指标和生理参数，量化生物年龄与实足年龄的差异（即表型年龄加速，PhenoAgeAccel），可预测死亡风险和疾病发生。

2025年5月1日，贵州省黔西市人民医院学者用NHANES数据库，在期刊《Geroscience》（医学二区，IF=5.3）发表了一篇题为：“Association of longitudinal body mass index trajectories with phenotypic age acceleration: a cross-sectional study based on growth mixture modeling”的研究论文。

该研究旨在通过生长混合模型（GMM）识别BMI轨迹，探讨早期（从25岁到基线调查的10年前）和近期（从基线调查的10年前到基线调查时）BMI变化对表型年龄加速的影响。

本公号回复“ 原文”即可获得文献PDF等资料

研究团队使用了美国国家健康与营养调查（NHANES）数据库2005-2018年的数据，经过纳排，最终纳入5,404名年龄≥50岁的符合条件的参与者。他们均包含3次完整的BMI数据： 25 岁、基线调查10年前和基线调查1年前的体重。
图1 研究对象的筛选流程
研究通过生长混合模型（GMM）识别BMI轨迹类别，分析不同轨迹组与表型年龄加速的关联。同时，研究分阶段评估早期和近期BMI变化的阈值效应，并调整人口学、社会经济及疾病史等协变量，验证结果的稳健性。
、

主要研究结果

贵州市医院学者的分析居然做的这么细？活该这篇NHANES文章能够发表二区！

GMM共确定了四种BMI轨迹，分别为：
  • 体重稳定（29.07%）；
  • 中年增重（24.31%）；
  • 晚年增重（32.22%）；
  • 慢性肥胖（14.41%）。
图2 使用生长混合模型确定的轨迹类别在不同时间点上的平均BMI轨迹。
4个时间点分别为: 25年前，10年前，1年前和基线
研究探究了BMI轨迹与表型年龄加速的关联，结果显示，慢性肥胖组表型年龄加速最显著，而体重稳定组最低。
这意味着相较于其他参与者，慢性肥胖者看起来更老。
图3 表型年龄加速在不同BMI轨迹类别中的分布
表1 BMI轨迹类别与表型年龄加速的关联
并且，上述关联在不同的亚组中保持一致，证明了关联的稳健性。
此外，在早期和近期BMI变化与表型年龄加速之间观察到明显的U型关联。具体而言：
  • 早期BMI变化对表型年龄加速的影响尤为明显，增长>6%与加速老化相关，<6%则减缓老化；
  • 而近期BMI变化对生物衰老的影响较小，变化超过2%会加速老化。
表2 阈值效应分析
综上所述，研究结果显示，相较于同龄人，长期维持慢性肥胖者以及成年早期体重增加较大的个体看起来更老。而那些在早期和中年保持稳定体重的人往往看起来更年轻。这些发现强调了在早期和中年时期控制体重作为促进更健康的生物衰老的潜在策略的重要性。

NAHNES数据库统计服务

看到市医院学者纷纷用NHANES数据库发文，你是否也迫不及待想展示自己的能力？郑老师团队提供NAHNES数据库的统计服务，精准解决科研痛点，一站式服务你的发文流程！

总之，发文找郑老师团队就对了！

记得点个小小的关注👇

我们将为您分享更多公共数据库的高分发文思路和统计小技巧！