Behavioral–Physiological Risk Discordance and Incident Cardiometabolic Multimorbidity in Middle-Aged and Ol der Chinese Adults: A Longitudinal Analysis Based on CHARLS

Sintesi Tecnica: Discordanza del Rischio Comportamentale-Fisiologico e Multimorbilità Cardiometabolica Incidentale

Definizione del Problema
La multimorbilità cardiometabolica (CMM), definita come la cooccorrenza di molteplici condizioni cardiometaboliche (ad esempio, diabete, malattie cardiache, ictus), rappresenta una significativa sfida di salute pubblica tra gli adulti di mezza età e anziani. Sebbene i profili comportamentali avversi (fumo, consumo di alcol, inattività fisica, durata del sonno) e il carico fisiologico elevato (adiposità, pressione sanguigna, metabolismo del glucosio/lipidi, infiammazione, funzione renale) siano singoli fattori di rischio ben stabiliti, la ricerca esistente li ha ampiamente esaminati in isolamento. Esiste una lacuna critica nella comprensione della "discordanza del rischio comportamentale-fisiologico": il disallineamento tra il profilo di rischio comportamentale di un individuo e il suo accumulato carico fisiologico. Nello specifico, non è chiaro se questa discordanza, o specifici fenotipi derivanti dall'interazione di questi due domini, offra una stratificazione del rischio superiore per la CMM incidentale rispetto alle valutazioni a dominio singolo.

Metodologia
Questo studio ha condotto un'analisi secondaria di dati longitudinali provenienti dalla China Health and Retirement Longitudinal Study (CHARLS).

• Coorte: L'analisi finale ha incluso 7.454 partecipanti di età pari o superiore a 45 anni, privi di CMM al baseline. I partecipanti sono stati seguiti per una mediana di 5 anni (fino al 2020).
• Metriche di Esposizione:
  • BPRDI (Indice di Discordanza del Rischio Comportamentale-Fisiologico): Calcolato come la differenza standardizzata tra il punteggio del carico fisiologico (PLS) e il punteggio del rischio comportamentale (BRS4). Un BPRDI più elevato indica una maggiore discordanza in cui il carico fisiologico supera il rischio comportamentale.
  • Fenotipi BRS4–PLS: I partecipanti sono stati classificati in quattro gruppi distinti in base ai livelli di BRS4 e PLS al baseline: Low-Low (basso rischio/basso carico), High-Low (alto rischio/basso carico), Low-High (basso rischio/alto carico) e High-High (alto rischio/alto carico).
• Esito: La CMM incidentale è stata definita come la nuova diagnosi di due o più condizioni cardiometaboliche (diabete, malattie cardiache o ictus) durante il periodo di follow-up, confermata tramite diagnosi medica auto-riportata.
• Analisi Statistica:
  • Modelli di regressione dei rischi proporzionali di Cox (non aggiustati, aggiustati per variabili demografiche e pienamente aggiustati per comorbidità basali e fattori socioeconomici) sono stati utilizzati per stimare gli Hazard Ratio (HR) per BPRDI e fenotipi.
  • La regressione con spline cubiche ristrette (RCS) ha valutato la non linearità nella relazione dose-risposta.
  • Le prestazioni predittive sono state valutate utilizzando l'Area Sotto la Curva Caratteristica di Ricezione Operativa (AUC) per il rischio di CMM incidentale a 5 anni, confrontando i modelli base con i modelli che incorporano BPRDI, BRS4, PLS e fenotipi.
  • Sono state condotte analisi di sottogruppo per testare le interazioni attraverso età, sesso, residenza e stato di malattia basale.

Risultati Chiave

• Incidenza: Durante il periodo di follow-up, 690 partecipanti (9,3%) hanno sviluppato CMM incidentale.
• Associazione BPRDI: È stata osservata un'associazione significativa e approssimativamente lineare tra BPRDI e il rischio di CMM incidentale. Nel modello pienamente aggiustato, ogni incremento di 1 unità nel BPRDI è stato associato a un aumento del 21% del rischio di CMM incidentale (HR = 1,21, 95% CI: 1,13–1,31, P < 0,001). Il quarto quartile (Q4) del BPRDI più elevato ha mostrato un rischio superiore del 92% rispetto al primo quartile (Q1).
• Analisi dei Fenotipi: Rispetto al gruppo di riferimento Low-Low:
  • Low-High (Basso rischio comportamentale, Alto carico fisiologico): HR = 2,47 (95% CI: 1,87–3,25).
  • High-High (Alto rischio comportamentale, Alto carico fisiologico): HR = 2,51 (95% CI: 1,90–3,33).
  • High-Low (Alto rischio comportamentale, Basso carico fisiologico): Non è stata osservata alcuna associazione significativa (HR = 1,16, P = 0,470).
  • Ciò suggerisce che l'elevato carico fisiologico è un driver più forte del rischio di CMM rispetto al solo rischio comportamentale, e che gli individui con un alto carico fisiologico "nascosto" nonostante un basso rischio comportamentale sono a rischio sostanziale.
• Valore Predittivo: Il modello combinando BPRDI e i fenotipi BRS4–PLS ha raggiunto la massima performance predittiva (AUC = 0,839), mostrando un miglioramento modesto ma statisticamente significativo rispetto al modello clinico di base (AUC = 0,827, P = 0,042). I singoli marcatori (BRS4, PLS o BPRDI da soli) non hanno migliorato significativamente il potere predittivo del modello di base.
• Sottogruppi: Le associazioni sono rimaste coerenti attraverso i sottogruppi stratificati per età, genere, residenza e comorbidità basali, senza che siano state rilevate interazioni significative.

Significato e Rivendicazioni
Lo studio conclude che la discordanza del rischio comportamentale-fisiologico è un predittore significativo della CMM incidentale tra gli adulti cinesi di mezza età e anziani. Gli autori affermano che:

1. La Discordanza Conta: Affidarsi esclusivamente al rischio comportamentale o al carico fisiologico può sottostimare il rischio. Il BPRDI cattura un modello di rischio specifico in cui il carico fisiologico è elevato anche quando il rischio comportamentale appare basso.
2. Utilità dei Fenotipi: I fenotipi BRS4–PLS, in particolare i gruppi "Low-High" e "High-High", identificano individui a rischio significativamente elevato. Il gruppo "High-Low" (alto comportamento, basso fisiologia) non ha mostrato un aumento significativo del rischio, suggerendo che l'accumulo fisiologico sia il determinante più critico per l'insorgenza della CMM in questo contesto.
3. Applicazione Clinica: BPRDI e i fenotipi BRS4–PLS fungono da strumenti di stratificazione del rischio a basso costo e facilmente accessibili. Possono aiutare i clinici a identificare individui con un elevato carico fisiologico che potrebbero altrimenti essere trascurati a causa di profili comportamentali apparentemente sani, informando così strategie di prevenzione mirata e gestione precoce.

Gli autori mantengono un tono modesto riguardo al valore predittivo incrementale (notando che il miglioramento dell'AUC era piccolo ma significativo) e riconoscono i limiti, tra cui la dipendenza da diagnosi auto-riportate, l'uso di valutazioni al baseline che potrebbero non catturare cambiamenti dinamici, e la natura osservazionale dello studio che preclude l'inferenza causale. Essi sottolineano la necessità di una validazione esterna in altre popolazioni.