【资料图】

急性缺血性卒中（AIS）是指各种原因导致的脑组织血液供应障碍，并由此产生缺血缺氧性坏死，进而出现神经功能障碍的一组临床综合征。 2022年12月， 广州医科大学 学者 在《Front Endocrinol》（IF=6.06）发表题为： Body mass index has a non-linear association with three-month outcomes in men with acute ischemic stroke: An analysis based on data from a prospective cohort study的研究论文。 这项研究是一项前瞻性队列研究，使用二元logistic回归模型评估BMI与AIS患者不良预后之间的线性关系。采用广义相加模型（GAM）和平滑曲线拟合（惩罚样条法）来观察BMI与AIS患者不良结局之间是否存在非线性关联。结果表明， BMI (kg/m2 )与男性AIS患者3个月不良结局之间存在特殊的非线性联系和饱和效应，而女性AIS患者不存在这种关系。

摘要与主要结果

一、摘要背景 尽管有报道称身体质量指数（BMI）与中风预后之间存在联系，但研究结果仍存在争议。在这项研究中，我们试图确定BMI是否与急性缺血性卒中（AIS）患者3个月不良预后的概率相关。 方法 这是基于队列研究的第二项分析。从2010年1月到2016年12月在韩国一家医院接受治疗的1897名AIS患者被纳入了这项研究。使用二元logistic回归模型评估BMI与AIS患者不良预后之间的线性关系。采用广义相加模型（GAM）和平滑曲线拟合（惩罚样条法）来观察BMI与AIS患者不良结局之间是否存在非线性关联。 结果 在控制变量后，二元logistic回归模型未发现AIS患者BMI与不良结局之间有统计学意义的相关性。然而，两者之间的关联是非线性的，BMI拐点出现在23.07 kg/m 2 。在拐点左侧，BMI每增加1 kg/ m 2 ，不良结局的风险降低12% （OR=0.88, 95% CI: 0.82-0.96,p = 0.003）。我们将AIS患者按性别分层，进一步探讨他们之间的关系。结果显示BMI （kg/m 2 ）与3个月不良结局在男性患者中存在特定的非线性关系和饱和效应，而在女性患者中没有。BMI拐点为23.35 kg/m 2 。当男性AIS患者BMI低于23.35 kg/m 2 时，BMI与不良结局呈负相关（OR=0.89,95% CI: 0.80-0.98）。 结论 BMI （kg/m 2 ） 与男性AIS患者3个月不良预后之间存在特殊的非线性联系和饱和效应，但在女性AIS患者中不存在。23.35 kg/m 2 为BMI的第1拐点。当男性AIS患者BMI小于23.35 kg/m 2 时，不良结局发生的概率与BMI呈显著负相关。男性AIS患者BMI应不低于23.35 kg/m 2 ，以减少AIS后不良结局发生的概率。 二、研究结果1. 基线特征表1详细描述研究参与者的人口学和临床特征。最终的分析包括1897个人，其中61.47%是男性。60岁以下、60~70岁、70~80岁和80岁以上分别有431人（22.72%）、503人（26.52%）、668人（35.21%）和295人（15.55%）。BMI呈正态分布，范围为14.57~33.06kg/m2，平均值为23.44kg/m2（图2）。NIHSS评分呈偏态分布，范围为0~33，中位数（四分位数）为3（1,7）（补充图S1）。我们根据世界卫生组织对亚洲人群BMI分类的定义将成年人分成亚组。与体重过轻组相比，肥胖组的HGB、HCT、TC、TG、LDL-c、Scr、ALB、ALT和HBA1c均显著升高，而HDL-c、FIB和NIHSS评分则相反。此外，肥胖组的女性比例、吸烟状况、冠心病和糖尿病均较低。此外，肥胖组的中风病因更有可能是大动脉粥样硬化或心脏栓塞。 2.急性缺血性脑卒中后3个月不良结局的发生率表2显示总共有543名参与者有不良结局。不良结局的总发生率为28.62%。具体来说，体重过轻、正常、超重、 肥胖组分别为45.19%、33.42%、23.12%、24.01%。与体重不足组相比，超重组和肥胖组的不良结局发生率较低，超重组和肥胖组的不良结局发生率相似。 男性不良结局的总体发生率为24.61%。具体而言，在男性中，体重过轻、正常、超重和肥胖组的不良结局发生率分别为41.82%、30%、20.18%和19.78%。此外，女性AIS患者不良结局的总体发生率为24.61%。在体重过轻组、正常组、超重组和肥胖组中，AIS女性不良结局发生率分别为41.82%、30%、20.18%和19.78%（表2；图3）。 在以年龄<60岁、60~70岁、70~80岁和≥80岁为基础的年龄分层中，无论年龄组如何，女性AIS患者不良结局的发生率均高于男性。在男性和女性中，发病率也随着年龄的增长而增加（图4）。 3.采用二元逻辑回归模型进行单因素分析单因素分析结果显示，AIS患者不良结局风险与PLT（OR=0.999, 95%CI:0.998-1.001）、HDL-c（比值比OR=0.881, 95%CI: 0.662-1.173）、Scr （OR=1.017, 95%CI:0.927-1.117）、冠心病（OR=1.026, 95%CI: 0.753-1.398）无相关性（均P<0.05），但与FIB（OR=1.003, 95%CI:1.002-1.004）和BUN（OR=1.016, 95%CI: 1.006-1.027）呈正相关（均P<0.05）。此外，年龄≥80岁（OR=3.998, 95%CI:2.872-5.556）、高血压（OR=1.345, 95%CI:1.103-1.716）、糖尿病（OR=1.437, 95%CI: 1.167-1.771）、既往卒中/TIA（OR=1.345, 95%CI:1.089 -1.661），其他确定的卒中病因更容易出现不良结局（均P<0.05）。然而，HCT（OR=0.933, 95%CI:0.916-0.950）、HGB（OR=0.821, 95%CI: 0.662-1.173）、BMI（OR=0.908, 95%CI:0.879-0.938）、AST（OR=0.993, 95%CI:0.986-1.000）、ALB（OR=0.272, 95%CI:0.213-0.347）、TC（OR=0.835, 95%CI:0.762-0.916）、TG（OR=0.995, 95%CI:0.993-0.998）与不良结局发生概率呈负相关（补充表2）。 4.采用二元logistic回归模型进行多因素分析采用二元logistic回归模型构建了三个模型，以检验所有参与者（男性和女性）的BMI与AIS后不良结局风险之间的关系。 首先，在粗模型中，BMI每增加1个单位，不良结局的概率降低9.2% （OR=0.908, 95% CI 0.879-938, P<0.001）。然而，多元回归分析结果在最小调整和完全调整模型中均无统计学意义（P < 0.05）。此外，基于性别分层的多元回归分析结果同样无统计学意义（P>0.05）（表3）。 此外，我们将BMI从连续变量转换为分类变量，然后将分类后的BMI重新引入到模型中。基于多变量调整模型的结果显示，以BMI正常者为参照，体重过轻者OR为1.233（0.729,2.084），超重者OR为0.722（0.526,0.990），肥胖者OR为0.957（0.698,1.311）。置信区间的分布表明，模型导出的BMI（分类）与AIS后不良结局的概率之间无统计学意义的关系（表3）。 基于男性或 女性AIS患者的多变量调整模型也发现了类似的结果 。 5.广义相加模型解决了BMI与不良预后之间的非线性关系我们进一步探讨BMI与AIS患者不良结局之间是否存在非线性关联。我们使用GAM和平滑曲线拟合（调整后的性别、年龄、LDL-c、HGB、TG、HCT、AST、ALT、BUN、HBA1C、FIB、ALB、高血压、卒中病因、心房纤颤、既往卒中或TIA、吸烟状况、DM和NIHSS评分）发现AIS患者BMI与不良结局风险之间存在非线性关系（图5）。因此，我们将数据拟合到分段二元logistic回归模型中，以拟合两个不同的斜率。我们还使用了典型的二元逻辑回归模型来拟合数据，并使用对数似然比检验来确定哪个模型具有最大的拟合。在我们的调查中，对数似然比检验的P值小于0.05。首先采用递归算法确定BMI拐点为23.07kg/m 2 ，然后采用两分段二元logistic回归模型对拐点左右的效应大小和置信区间进行评估。在拐点左侧，BMI每升高一个单位，不良结果发生的概率降低12% (OR= 0.88, 95%CI:0.82-0.96,p = 0.003)。拐点右侧的效应量(OR)为1.04(95%CI:0.97-1.12, p = 0.27)（表4）。 通过同样的方法，我们发现BMI与男性AIS患者不良结局概率之间的关系也是非线性的（图6,P为对数似然比检验<0.05）。BMI的拐点为23.35 kg/m 2 ，在拐点左侧，BMI每增加1个单位，不良结局的风险降低11% （OR= 0.89, 95% CI: 0.80 ~ 0.98, P=0.023）。他们的关系在拐点的右边没有统计学意义。相反，在AIS女性患者中，BMI与不良结局概率之间没有建立非线性关联（对数似然比检验的P值大于0.05）。 6.敏感性分析我们进行了一系列的敏感性分析，以确保我们的发现是可靠的。首先，我们应用边际结构模型探讨了总体人群、男性和女性受试者中急性缺血性脑卒中患者BMI与不良结局之间的关系，发现两者之间无统计学意义的线性关联（p < 0.05）（补充表S3）。此外，我们对不吸烟的参与者进行了敏感性分析(n= 1149)。在校正混杂变量（包括年龄、HGB、LDL-c、TG、AST、HCT、ALT、BUN、HBA1C、FIB、ALB、既往卒中或TIA、高血压、NIHSS评分、DM、房颤、卒中病因）后，双段线性回归模型分析结果显示，男性AIS患者BMI与不良结局概率之间存在非线性关系，而女性AIS患者BMI与不良结局概率之间既不存在线性关系，也不存在非线性关系。在敏感性分析中，我们还排除了TC≥6.2 mmol/L的参与者(n=1,732)。混杂变量调整后（包括年龄、血红蛋白、DLL-c、TGST、HcT、LT, BUN、HB1c, FIB, ALB,先前的中风或TIA,高血压,署得分,DM,心房纤维性颤动,吸烟,和中风病因）,也得到了类似的结果，即男性AIS患者BMI与不良结局概率之间呈非线性关系，而女性AIS患者BMI与不良结局概率之间的关系无统计学意义（表5）。我们还计算了e值来评估对未测量混杂因素的敏感性。未知或未测量的变量可能对AIS患者BMI和不良结局之间的关联影响不大，因为e值（1.28）大于BMI和未测量混杂因素的相对风险（1.14）。基于所有的敏感性分析，很明显我们的发现是可靠的。

设计与统计学方法

一、研究设计P：2010年1月-2016年12月韩国单中心前瞻性登记系统收集的1897名AIS患者数据。 I：根据BMI分为体重过轻(BMI<18.5kg/m 2 )、正常(18.5≤BMI<23.0 kg/m 2 )、超重(23.0≤BMI<25.0kg/m 2 )和肥胖(BMI≥25.0kg/m 2 )。 O：AIS患者3个月的不良预后（二分类变量:不良预后，良好预后）。 S：前瞻性队列研究 二、统计方法1.统计描述：高斯分布的连续变量用均值和标准差表示，偏态分布用中位数表示，分类变量用频率和百分比表示。我们使用Kruskal-Wallis H检验（偏态分布）、单因素方差分析（正态分布）或X 2 （分类变量）来检验不同BMI组之间的差异。 2.在协变量筛选之后，我们使用单变量和多变量 二元logistic回归模型建立了三个不同的模型，以调查所有男性和女性参与者的BMI与AIS后不良结局之间的关系。模型如下:（i）未调整模型（未调整协变量）;（ii）最小调整模型（模型一:根据年龄、性别、吸烟、NIHSS评分进行调整）;（iii）全校正模型（模型II:校正性别、年龄、ldl、hg、tg、aST、HCT、aLT、BUN、HBa1c、FIB、aLB、高血压、DM、卒中病因、既往卒中或TIA、吸烟、心房颤动和NIHSS评分）。效应量为 以95%置信区间（95% CI）计算和报告。 此外，最终的多元logistic回归方程排除了TC，因为它与其他因素共线性（补充表S1）。我们还应用了一个 边缘结构模型来探讨BMI与急性缺血性卒中患者3个月不良预后之间的关系。 3.利用 广义相加模型(GAM)和 光滑曲线拟合（惩罚样条），我们进一步研究了BMI与男性、女性和 所有参与者的不良结局之间的非线性关系。 如果发现非线性关系，我们首先使用 递归算法找到拐 点。 递归算法从随机初始化开始，然后使用滤波/平滑步骤找到拐点。 然后，我们在拐点的两侧建立了一个 二元逻辑回归模型。 对数似然比检验用于寻找描述AIS患者BMI与不良结局之间联系的最佳模型。 4.进行了一些 敏感性分析来评估我们发现的稳健性。我们根据世界卫生组织对亚洲人口的定义，将BMI转化为一个分类变量。我们估计了趋势的P值，以确认BMI作为一个连续变量的发现，并调查BMI与3个月不利结果之间的非线性联系的可能性(使用的方法是 线性对线性关联)。由于吸烟和高胆固醇血症与AIS患者的不良结局密切相关，我们排除了吸烟和TC≥6.2 mmol/L的患者进行敏感性分析，分别探讨男性、女性和整个样本中BMI与AIS不良结局之间的关系。此外，通过计算 E值，我们研究了BMI和阴性结果之间可能存在的未观察到的混淆。 5.所有研究结果的写作都遵循了STROBE指南。为了进行必要的统计测试，我们使用了Empower Stats和R 。 统计学显著性的截止值为0.05（双侧） 。更多信息2022年孟德尔随机化论文大盘点！中国学者占总数的55% 老年人CHARLS和CLHLS数据库 美国癌症SEER数据库： 美国营养NHANES数据库： 一个专门做公共数据库的公众号，关注我们‍