📄 medicine

Association Between Triglyceride–Glucose Body Mass Index and Mortality in Acute Ischemic Stroke Patients With Medium Vessel Occlusion: A Multicenter Retrospective Cohort Study

这项多中心回顾性队列研究表明，较高的甘油三酯-血糖体重指数（TyG-BMI）与中等血管闭塞性急性缺血性卒中患者 90 天及 1 年全因死亡率的增加呈独立且线性的相关性，提示其作为风险分层工具的潜在效用。

原作者： zhengqiao bao, Tongyu Liu, Zhichao Liu, Fanyu Zhang Zhang, Yang Li, Yanli Sun, Jun Han, wei Deng, Peiyang Zhou

发布于 2026-08-15

📖 1 分钟阅读☕ 轻松阅读

原作者： zhengqiao bao, Tongyu Liu, Zhichao Liu, Fanyu Zhang Zhang, Yang Li, Yanli Sun, Jun Han, wei Deng, Peiyang Zhou

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

身体的仪表盘：为什么中风后你的代谢至关重要

把你的身体想象成一辆高性能汽车。为了让引擎平稳运行，它需要两样东西：正确的燃料（葡萄糖）和正确的润滑剂（如甘油三酯之类的脂肪）。当这两者失去平衡时，引擎就会开始熄火或运转不畅。在医学界，这种“运转不畅”通常被称为“胰岛素抵抗”，这是一种你的身体难以妥善管理糖分和脂肪的状态。科学家们早已知道，这种代谢紊乱对心脏和血管是不利的。

现在，把中风想象成大脑高速公路系统中的一场突发交通堵塞。当一条中型道路被堵塞时（即“中型血管闭塞”），血液就无法到达大脑的某些部分。医生一直在寻找线索，以预测患者的康复情况或生存概率。最近，研究人员开始关注一个新的“仪表盘数值”，叫做 TyG-BMI 指数。你可以把它看作是一个综合了你的血糖、血脂和体重指数（BMI）的单一数字。这就像汽车的电脑系统，它不仅单独检查机油或汽油，还能告诉你整个系统在压力下的整体表现。核心问题在于：如果患者到达医院时，这个仪表盘指示灯闪烁着红光（即高分值），是否意味着前方的道路更加危险？

研究：车祸后的仪表盘检查

来自中国三家不同医院的研究团队决定查明真相。他们回顾了 187 名近期因中型脑血管阻塞导致急性缺血性中风的患者记录。这些患者是在 2021 年 1 月至 2025 年 3 月期间入院的。科学家们希望观察，通过患者入院时进行的血液检测计算出的 TyG-BMI 分数，能否预测他们在未来 90 天内及未来一年内的生存情况。

为了分析数据，研究人员将患者分为两组：TyG-BMI 分数“低”的一组和“高”的一组。他们发现的临界点是 215.53。这就像设定一个限速值；如果你的分数高于这个数字，你就进入了“高风险”车道。

他们的发现：红灯是真实的

结果非常明确，且对于高分值人群来说，结果有些令人担忧。

短期视角（90 天）： 在 187 名患者中，有 18 人在 90 天内死亡。研究发现，与低分值患者相比，高 TyG-BMI 分数的患者在这一时期死亡的可能性显著更高。当研究人员对年龄、性别和中风严重程度等其他因素进行调整后发现，TyG-BMI 分数每增加一个点， 90 天内的死亡风险就会增加约 2.7%。
长期视角（1 年）： 这种趋势在整整一年内仍在持续。在这一组中，有 35 名患者在一年内去世。同样，高 TyG-BMI 组面临着困境。分数每增加一个点，一年的死亡风险就会上升 2.4%。

研究人员使用了一种特殊的统计工具（称为限制性立方样条函数）来检查这种关系是直线还是曲线。他们发现这是一个向上的直线。这意味着不存在一个风险突然停止攀升的“安全高点”；分数越高，风险就越高，一直向上攀升。

“糖尿病”的变数

研究还进行了深入探讨，以观察这一规则是否对所有人平等适用。他们观察了不同的群体，例如男性与女性，或者患有糖尿病与未患糖尿病的人群。有趣的是，他们发现了一个与糖尿病相关的特定相互作用。

对于已经患有糖尿病的患者，高 TyG-BMI 分数与 90 天内死亡之间的联系似乎更加紧密。研究人员指出存在“显著的相互作用”，这表明如果你既患有糖尿病，又有高 TyG-BMI 分数，这种组合在短期内可能特别危险。然而，在观察完整的一年时，这种“双重麻烦”效应似乎有所减弱，这表明虽然即时危险很高，但长期生存情况还取决于许多其他因素。

这意味着什么（以及它并不意味着什么）

作者得出结论，TyG-BMI 指数是一个有用的工具。它是一个简单的数字，医生可以在患者入院时，利用常规血液检测（糖和脂肪）和卷尺（身高和体重）直接计算出来。高分值意味着患者面临更高的死亡风险，无论是在短期还是长期。

然而，论文谨慎地指出它尚未证明的内容。由于这是一项“回顾性”研究（查看旧记录），它可以显示出强烈的关联性，但不能证明高分值本身导致了死亡。这就像看到轮胎没气的车更容易发生事故；没气的轮胎是一个警告信号，但事故也可能是由驾驶员或路况引起的。研究人员还指出，他们仅在最初测量了一次该分值，因此他们不知道该分值是否会随时间变化，也不清楚改善该分值是否能挽救生命。

简而言之，这项研究表明，对于中型血管中风患者来说，高 TyG-BMI 分数是仪表盘上一个明亮的红色警告灯。它虽然不能讲述整个旅程的全貌，但它确实提醒医生要格外留意。

技术摘要：甘油三酯-葡萄糖体重指数与中等血管闭塞型急性缺血性卒中患者死亡率的关系

问题陈述
急性缺血性卒中（AIS）仍是全球范围内导致死亡和残疾的主要原因。虽然中等血管闭塞（MeVO）——定义为大脑中动脉 M2/M3 段、大脑前动脉 A2/A3 段或大脑后动脉 P2/P3 段的闭塞——占 AIS 病例的 25%–40%，但针对这一特定亚组的可靠预后生物标志物仍然匮乏。尽管三分之一的 MeVO 患者在 90 天内未能实现功能独立，但甘油三酯-葡萄糖体重指数（TyG-BMI）在预测该人群死亡率方面的作用尚不明确。既往文献对于 TyG-BMI 与卒中结局的关系存在争议，一些研究表明在危重症人群中存在负相关（“肥胖悖论”），而另一些研究则表明存在正相关。因此，有必要进行疾病特异性的研究，以确定 TyG-BMI（一种反映胰岛素抵抗（IR）和肥胖的综合指标）是否可作为 MeVO 患者全因死亡率的预测因子。

研究方法
本研究采用多中心、回顾性队列设计，纳入了 2021 年 1 月至 2025 年 3 月期间在三家综合卒中中心收治的 187 例 MeVO 相关性 AIS 患者。

研究对象： 入选标准为年龄 $\ge$ 18 岁、通过血管影像学证实为 MeVO 诊断，且具有完整的空腹血糖（FPG）、甘油三酯（TG）和体重指数（BMI）数据。排除标准包括发病前改良 Rankin 量表（mRS）评分 $\ge$ 2 分、代谢数据缺失或失访。
暴露变量： 使用公式计算 TyG-BMI 指数： $Ln [TG (mg/dL) \times FPG (mg/dL) / 2] \times BMI (kg/m^2)$ 。
分层： 通过受试者工作特征（ROC）曲线分析确定最佳截断值 215.53，从而将患者分为低 TyG-BMI（<215.53）组和高 TyG-BMI（ $\ge$ 215.53）组。
结局指标： 主要终点为 90 天和 1 年的全因死亡率，通过医院记录或电话随访进行确认。
统计分析： 使用 Kaplan-Meier 曲线和对数秩检验（log-rank test）分析生存差异。使用 Cox 比例风险回归模型评估 TyG-BMI 与死亡率之间的关联，并设置三个调整水平：未调整模型（模型 1）、调整年龄和性别（模型 2），以及针对临床混杂因素（包括 NIHSS 评分、合并症［高血压、糖尿病、心房颤动、冠心病］、治疗变量［溶栓、再通］及实验室指标）进行完全调整的模型（模型 3）。使用限制性立方样条（RCS）分析评估剂量-反应关系，并进行亚组/交互作用分析以评估稳健性。

主要结果

基线特征： 在 187 例患者中（中位年龄 69 岁；男性占 35.8%），高 TyG-BMI 组的高血压（90.2% vs. 77.9%）和糖尿病（35.9% vs. 20.0%）患病率显著高于低 TyG-BMI 组。
死亡率： 在该队列中，18 例患者（9.6%）在 90 天内死亡，35 例患者（18.7%）在一年内死亡。
生存分析： Kaplan-Meier 曲线显示，高 TyG-BMI 组在 90 天（log-rank P = 0.039）和 1 年（log-rank P = 0.001）时的生存率均显著较低。
Cox 回归结果：
- 连续变量： 在完全调整的模型 3 中，TyG-BMI 每增加一个单位，与 90 天死亡风险增加 2.7%（HR = 1.027, 95% CI: 1.011–1.043, P = 0.001）以及 1 年死亡风险增加 2.4%（HR = 1.024, 95% CI: 1.012–1.037, P < 0.001）独立相关。
- 分类变量： 与低 TyG-BMI 组相比，高 TyG-BMI 组患者的 90 天死亡风险增加了 9.45 倍（95% CI: 2.315–38.584, P = 0.002），1 年死亡风险增加了 12.66 倍（95% CI: 4.291–37.355, P < 0.001）。
剂量-反应关系： RCS 分析证实，TyG-BMI 与死亡风险之间存在线性正相关，未发现非线性或阈值效应。
亚组分析： 该关联在大多数分层中保持一致（性别、心房颤动、NIHSS 评分、溶栓）。在糖尿病状态方面观察到显著的交互作用（针对 90 天死亡率，P for interaction = 0.043），表明其在糖尿病患者中的预测效应更强，尽管该交互作用在 1 年死亡率方面并不显著。

意义与结论
作者得出结论，TyG-BMI 与 MeVO 相关性 AIS 患者的全因死亡率呈显著线性相关。研究认为，源自常规入院数据（空腹血糖、甘油三酯和 BMI）的 TyG-BMI 指数，可作为该特定人群早期风险分层的实用且经济的生物标志物。

本文声称，这些发现扩展了关于胰岛素抵抗与脑血管结局的证据基础，表明 TyG-BMI 的综合特性（整合了脂质-葡萄糖代谢和肥胖）提供了比单一指标更优越的预后价值。作者指出，尽管该关联具有稳健性，但本研究存在局限性，包括回顾性设计、单时间点测量 TyG-BMI、使用 BMI 作为内脏脂肪的替代指标以及样本量适中。因此，作者表示，虽然针对胰岛素抵抗和肥胖可能是改善预后的可干预策略，但仍需要更大规模的前瞻性队列研究来验证这些发现。