微精选

2025年7月26日，浙江省嘉兴市海盐县人民医院学者用CHARLS数据库，在期刊《Cardiovascular Diabetology》（医学一区Top，IF=10.6）发表了一篇题为：“Associations of cumulative exposure and dynamic trajectories of the C-reactive protein-triglyceride-glucose index with incident cardiovascular disease in middle-aged and older Chinese adults: a nationwide cohort study”的研究论文，旨在探讨中国中老年人群中累积CTI（cuCTI）及CTI的动态变化轨迹与新发心血管疾病（CVD）风险之间的关联。

研究采用K-means聚类方法识别CTI的动态变化轨迹，通过Cox回归模型和RCS曲线评估cuCTI与CVD风险的关联，并进行分层分析和敏感性分析以验证结果的稳健性。

主要研究结果

研究通过K-means聚类识别出三种CTI轨迹。其中，与CTI水平持续低（集群2）的参与者相比，CTI水平持续高（集群1）及适度增加（集群3）的参与者发生CVD的风险显著增加。

图2 2012-2015年CTI变化的聚类分析

A.采用基于欧氏距离的K-means聚类算法得到三个集群；B.2012-2015年CTI变化情况；C.三组CVD发病情况

表1 cuCTI、CTI轨迹与新发CVD风险关系的多因素Cox回归分析

模型1：未调整；

模型2：经性别、年龄、婚姻状况、文化程度调整；

模型3：模型2＋经BMI、吸烟状况、饮酒状况、高血压、血脂异常、心脏病、高血压药物、血脂异常药物、降压药物、降糖药物、降脂药物调整

同时，参与者的cuCTI水平与新发CVD风险呈线性正相关。具体而言，与cuCTI最低分位（Q1）组相比，最高分位（Q3）组的风险增加36%。

研究通过ROC分析进一步表明，CTI预测CVD风险的能力优于单独的CRP或TyG，其中反映CTI动态变化的cuCTI（AUC = 0.589）性能最佳。

图3 ROC曲线

此外，亚组分析和敏感性分析始终支持主要发现，表明了研究结果的稳健性。

综上所述，cuCTI和CTI的动态变化与中老年群体的CVD风险独立相关，特别是那些持续高CTI水平的中老年个体，CVD风险显著增加。因此，监测CTI的长期变化并将其维持在相对较低的水平可能有助于早期识别心血管疾病高风险个体

我们将为您分享更多CHARLS数据库的高分发文思路！