Associations of cumulative exposure and dynamic trajectories of the Modified Life’s Essential 8 with incident cardiometabolic multimorbidity: a longitudinal analysis based on the China Health and Retirement Longitudinal Study (CHARLS)

技术摘要：累积暴露量与改良版生命健康核心指标 8（mLE8）动态轨迹与心血管代谢多病共存（CMM）发病率之间的关联研究

问题陈述
心血管代谢多病共存（CMM）定义为两种或两种以上心血管代谢疾病（心脏病、中风和糖尿病）并存，这给中老年人群带来了显著负担，导致复杂的管理难度、更高的医疗利用率以及增加的死亡风险。虽然美国心脏协会的“生命健康核心指标 8”（Life's Essential 8, LE8）框架提供了一个全面的心血管健康度量标准，但以往的研究主要依赖于单时间点的测量。这种方法无法捕捉长期心血管健康状态、累积暴露量或健康行为及因素的动态维持情况。因此，关于持续或累积的 LE8 水平与 CMM 发病率之间的联系——特别是在中国中老年人群中——目前证据仍然有限。

研究方法
本研究利用了中国健康与养老追踪调查（CHARLS）的纵向数据，涵盖了基线调查（2011–2012年）以及直至2020年的随访波次。

• 队列： 基线分析纳入了 8,815 名无既往 CMM 的参与者（年龄 $\ge$ 45岁）。针对具有 2011–2012 年和 2015 年完整数据的 5,394 名参与者，进行了累积量和纵向轨迹分析。
• 暴露度量指标： 由于 CHARLS 数据中缺乏详细的饮食数据，研究构建了一个**改良版生命健康核心指标 8（mLED8）**评分，包含七个组成部分：体力活动、尼古丁暴露、睡眠健康、体重指数（BMI）、血脂、血糖和血压。评分范围为 0 到 100 分。
• 暴露变量：
  1. 基线 mLE8： 2011–2012 年的单次测量值。
  2. 累积 mLE8 (cumLE8)： 计算方式为 2011–2012 年与 2015 年评分的平均值乘以时间间隔。
  3. 纵向轨迹： 通过 k-means 聚类识别为三组：持续低水平、持续中等水平和持续高水平 mLE8 水平。
• 结局指标： 发病 CMM，定义为：对于已有一种疾病的参与者，发展出第二种心血管代谢疾病；或者对于无任何疾病的参与者，发展出两种或两种以上疾病。
• 统计分析：
  • 使用 Cox 比例风险模型评估 mLE8 指标与 CMM 发病率之间的关联，并进行逐步调整，包括人口统计学、生活方式和临床生物标志物。
  • 使用限制性立方样条函数评估线性与非线性关联。
  • 使用多状态模型分析从状态 0（无疾病）或状态 1（单一疾病）向状态 2（CMM）的疾病进展。
  • 开发了一个预测模型（70% 用于训练，30% 用于验证），采用逐步 Cox 回归，并通过 C-index、AUC、校准曲线和决策曲线分析进行评估。使用 SHapley Additive exPlanations (SHAP) 来解释特征重要性。

关键结果

• 发病率： 在随访期间，812 名参与者（9.21%）发展为 CMM。
• 基线关联： 较高的基线 mLE8 与较低的 CMM 风险显著相关。基线 mLE8 每增加 10 分，风险降低 20%（HR = 0.80, 95% CI 0.76–0.85）。最高四分位数（Q4）的风险比最低四分位数（Q1）低 53%（HR = 0.47）。该关联呈近似线性关系。
• 累积暴露： 较高的 cumLE8 也与 CMM 呈负相关。cumLE8 每增加 10 分，风险降低 12%（HR = 0.88）。最高 cumLE8 四分位数的风险比最低四分位数低 72%（HR = 0.28）。该关系呈现非线性负相关。
• 纵向轨迹： 与“持续低水平”组相比，“持续高水平”组参与者的 CMM 风险降低了 66%（HR = 0.34）。“持续中等水平”组的风险降低了 35%（HR = 0.65）。
• 疾病进展： 多状态模型证实，较高的 mLE8 降低了从无疾病向 CMM 转化的风险（HR = 0.85），以及从单一疾病向 CMM 转化的风险（HR = 0.88）。
• 预测模型： 在包含传统风险因素（年龄、性别、高血压等）的模型中加入 mLE8，可提高区分度（C-index 从 0.69 提升至 0.72）和重新分类能力。最终模型在 96 个月时的训练队列 AUC 为 0.81，验证队列 AUC 为 0.80。SHAP 分析表明，虽然既往疾病状况（心脏病、高血压、血脂异常）是最强的预测因子，但 mLE8 提供了额外的预测价值。
• 亚组分析： 基线 mLE8 与 CMM 之间的负相关在 45–60 岁人群、已婚人士、不饮酒者以及无高血压患者中更为显著。累积暴露效应在各亚组中保持一致。

意义与主张
作者主张，本研究提供了强有力的证据，证明长期维持良好的心血管健康（通过累积和动态 mLE8 轨迹衡量）是预防心血管代谢多病共存的关键因素。

• 超越单次测量： 研究结果表明，仅依赖单次基线评估是不充分的；通过重复评估来捕捉累积暴露量和持续的健康水平，能提供更优的风险分层。
• 预防策略： 本研究支持将重复的心血管健康监测整合到临床实践中，用于 CMM 的风险分层和预防。
• 适度主张： 作者明确指出了局限性，包括排除了饮食成分（导致其成为“改良版”评分）、依赖于对疾病诊断的自我报告，以及研究的观察性质限制了因果推断。他们强调，mLE8 的预测贡献虽然显著，但它是对既往病史和传统风险因素的补充，而非替代。研究结论认为，维持高水平的 mLE8 与较低的 CMM 风险相关，突显了在中老年中国人群中进行纵向评估的价值。