📄 medicine

Pulse Pressure Dynamics and Cardiovascular-Kidney-Metabolic Syndrome Progression, Incident Hypertension, and Mortality: A Longitudinal Study from the CHARLS Cohort

这项针对12,853名中国成年人的纵向研究表明，脉压不仅是心血管-肾脏-代谢综合征进展（特别是在亚临床心血管疾病中）的阶段特异性预测因子，也是高血压发病强有力的指标，且是全因死亡率的U型风险因素，凸显了其作为血管衰老和风险分层低成本生物标志物的实用价值。

原作者： Shuzhi Zhao, Changqing Liu, Xun Jiang, Feng Wang

发布于 2026-08-06

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Shuzhi Zhao, Changqing Liu, Xun Jiang, Feng Wang

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

想象一下，你身体里的血管就像一个庞大的橡胶软管网络，向房子里的每个房间输送水。随着时间的推移，就像旧的花园软管一样，这些软管会失去弹性并变得僵硬。在医学领域，这种僵硬被称为“动脉硬化”，它是人体衰老的一个重要标志。科学家们最近创造了一种新方法，来绘制出不同的健康问题——比如心脏、肾脏和代谢（你的身体如何利用能量）方面的问题——是如何相互关联的。他们称之为“心血管-肾脏-代谢”（CKM）综合征。你可以把它想象成一张统一的地图，展示了这些系统是如何作为一个整体而非孤立地发生故障的。

为了追踪这些“软管”有多硬，医生通常会观察一种被称为“脉压”（Pulse Pressure）的指标。这并不是什么新机器，而是一个简单的数学技巧：用你的血压高压值（心脏收缩时）减去低压值（心脏舒张时）。这两个数字之间的差距越大，说明你的动脉被认为越僵硬。虽然我们知道高血压有害，但我们一直不确定这个“差距”数字究竟如何预测谁会变得更糟、谁会在晚年患上高血压，以及人们能活多久。这项研究深入探讨了这个谜团，探讨观察这个差距随时间的变化是否能帮助我们预见健康的未来。

脉压侦探故事

一个研究小组决定利用一个名为 CHARLS 的庞大数据库来扮演侦探角色，该数据库追踪了中国 12,000 多名中老年人的生活情况。他们想看看血压中的“差距”（脉压）是否可以作为三个特定事物的“水晶球”：向“疾病阶梯”攀升（CKM 进展）、获得新的高血压以及长寿。

“疾病阶梯”之谜
首先，团队研究了 CKM 分级系统，这就像是一个电子游戏关卡。你从第 0 级（健康）开始，可以上升到第 4 级（严重心脏病）。研究人员想知道：高脉压是否预示着某人即将跳到下一个等级？

这里有一个他们发现的转折点：脉压仅对那些已经处于第 3 级的人起到预警作用。第 3 级是一个微妙的阶段，此时人们已有心脏问题的迹象，但尚未发生重大心脏病或中风。对于这些人来说，每当脉压差距增加 10 mmHg 时，他们跳向第 4 级（全面心脏病）的概率就会增加 28%。

然而，对于处于较低等级（0、1 或 2 级）的人，脉压差距并不具有预测性。这就像是“硬化软管”的警报只有在损伤已经开始显现但在大崩溃发生之前才会响起。对于较年轻或较健康的人来说，饮食和体重等因素似乎才是驱动病情进展的主导因素，而非动脉的僵硬程度。

预测高血压的“差距”
接下来，团队观察了四年内脉压的变化情况。他们称之为“Delta PP”（即差距的变化）。他们在这里发现了一个巨大、甚至令人震惊的联系。

如果一个人的脉压差距在四年内增长了仅 10 mmHg，其患高血压的风险就会飙升。事实上，风险增加了近 5 倍（具体为 4.90 倍）。即使在科学家控制了年龄、体重、吸烟情况以及初始血压等变量后，这一结论依然成立。

他们还发现了一个“临界点”。风险并不是缓慢上升的；在差距四年内增长约 40 mmHg 之前，风险一直保持在较低水平。一旦超过 40 mmHg 这个界限，患高血压的风险就会像火箭一样蹿升。这表明，观察差距随时间如何“变化”，比仅仅看单次的血压读数是更好的预测指标。

长寿的“金发姑娘”区间
最后，研究人员观察了谁能活得最久。他们原本预期较低的脉压（更柔软、更有弹性的动脉）总是更好的。但数据却告诉了另一个故事。

他们发现了一个 U 型曲线。这意味着，脉压过低与脉压过高一样危险。

过高： 硬化的动脉会对心脏和器官造成过大压力。
过低： 这可能意味着心脏泵血功能不够强，或者 person 身体非常虚弱。

生存的“甜点位”（最佳区间）被发现是在脉压约为 44 mmHg 时。拥有这个差距左右的人死亡风险最低。如果差距远低于 44 或远高于 44，死亡风险就会上升。这证实了对于老年人来说，“越低并不总是越好”。

这对我们意味着什么

这项研究并不声称治愈了心脏病，但它确实为医生提供了一个非常简单、廉价的工具。它表明，我们不应只是看一次血压就置之不理。相反，我们应该观察血压高压与低压之间的“差距”随时间的变化情况。

如果你在 CKM 量表的第 3 级，差距的扩大是一个需要警惕心脏病的严重信号。
如果你的差距增长很快（四年内超过 40 mmHg），你很快就会面临患高血压的高风险。
关于长寿，将差距维持在 44 mmHg 左右似乎是最安全的做法，而不是试图将其压到尽可能低。

通过关注这个简单的数字，医生或许能够更早地发现问题，并帮助人们保持更长久的健康。

技术摘要：脉压动态变化与心血管-肾脏-代谢（CKM）综合征进展、高血压发病及死亡率

问题陈述
心血管-肾脏-代谢（CKM）综合征代表了一种整合的、重叠的代谢、肾脏和心血管病理过程。尽管美国心脏协会（AHA）已建立了分期系统（第0–4阶段）用于风险分层，但目前仍缺乏简单、广泛可及的生物标志物来追踪跨越这些特定阶段的 CKM 进展，以指导临床决策。脉压（PP，定义为收缩压与舒张压之差）是公认的动脉硬化和血管衰老的标志物。然而，仍存在关键的知识空白：即 PP 是否能预测在连续 CKM 阶段中的进行性演变；PP 的动态变化如何与高血压的发生相关联；以及在统计学上，基线 PP 与中老年中国人群长期全因死亡率之间的精确关系。具体而言，尚不清楚 PP 的预测价值是否随疾病分层而变化，或者纵向 PP 轨迹是否比静态基线测量具有叠加价值。

研究方法
本研究采用基于中国健康与养老追踪调查（CHARLS）数据的回顾性前瞻性纵向设计。分析纳入了 12,853 名参与者（平均年龄 58.5 岁），其中死亡率随访中位时间为 9 年，CKM 进展和高血压发病随访窗口期为 4 年。

暴露指标：
- 基线 PP： 计算为 2011 年基线时平均收缩压（SBP）减去平均舒张压（DBP）的差值。
- 动态 PP 变化 ( $\Delta$ PP)： 定义为 2015 年随访 PP 与 2011 年基线 PP 之间的差值。
结局指标：
- CKM 进展： 定义为从 2011 年到 2015 年 CKM 阶段（0–4）的上移，基于经适配 CHARLS 数据可用性的 2023 年 AHA 标准。
- 高血压发病： 识别为在基线时未患该病，但在 2015 年前符合 SBP $\ge$ 140 mmHg、DBP $\ge$ 90 mmHg、自报诊断或使用降压药物标准的初发高血压患者。
- 全因死亡率： 通过截至 2020 年的死亡登记记录和家属访谈进行验证。
统计分析：
- CKM 进展： 使用多变量逻辑回归进行序列协变量调整（人口统计学、生活方式、代谢指标、合并症），以评估基线 PP 对 4 年后进展的影响。按基线 CKM 阶段进行分层分析，并测试交互项以评估阶段特异性效应。
- 高血压发病： 使用逻辑回归模型评估 $\Delta$ PP 与新发高血压之间的关联，包括对基线 SBP 进行调整，以分离纵向变化的影响。采用限制性立方样条（RCS）对非线性关系进行建模。
- 死亡率： 使用 Cox 比例风险模型评估基线 PP 与全因死亡率之间的关联。使用 RCS 模型可视化非线性关系并识别风险低谷（nadir）。
- 敏感性分析： 分析包括亚组分层（年龄、性别）、缺失数据多重插补，以及排除不合理的 PP 值或既往疾病患者，以验证结果的稳健性。

核心贡献与结果

CKM 进展的阶段特异性预测：
- 在调整初始阶段后，基线 PP 并不能预测整个队列的 CKM 进展。
- 然而，研究识别出了阶段特异性效应。基线 PP 仅在 CKM 第 3 阶段（亚临床心血管疾病）参与者中显著预测进展。在该亚组中，PP 每增加 10 mmHg，进展至第 4 阶段（临床 CVD）的风险增加 28%（OR = 1.28, 95% CI 1.03–1.59, P = 0.028）。在第 0–2 阶段未发现显著关联。
动态 PP 变化作为高血压发病的预测因子：
- 纵向 PP 变化 ( $\Delta$ PP) 是新发高血压的强有力独立预测因子。
- 在调整基线 SBP 后，4 年 $\Delta$ PP 每增加 10 mmHg，高血压发病风险增加 4.90 倍（OR = 4.90, 95% CI 4.09–5.94, P < 0.001）。
- RCS 分析揭示了阈值效应：当 $\Delta$ PP 低于约 40 mmHg 时，风险曲线保持平缓，之后高血压风险急剧上升。纳入 $\Delta$ PP 的全调整模型表现出极佳的判别能力（AUC = 0.886）。
与全因死亡率的 U 型关联：
- 基线 PP 与全因死亡率呈现 U 型关系。
- 风险低谷（最低死亡风险）出现在约 44 mmHg 处。
- 当 PP 值低于 40 mmHg 或高于 80 mmHg 时，死亡风险均显著增加。这种非线性模式在敏感性分析和亚组分层中依然存在。
- 值得注意的是，基线高血压状态显示出负相关（HR = 0.746），作者将其归因于幸存者偏差、治疗效应或反向因果关系，但 PP 对于死亡率仍具有超越二元高血压诊断的独立预测价值。

意义与主张
作者声称，本研究提供了有力证据，支持将脉压作为一种低成本、无创的生物标志物，用于监测血管衰老并进行风险分层评估，特别是在老龄化程度较高的中国人群中。研究结果的临床意义在于三个具体的洞察：

分层效用： PP 监测为**亚临床 CVD（CKM 第 3 阶段）**患者提供了增量预后价值，有助于识别有向临床心血管事件转化的风险人群，而在早期代谢阶段其效用有限。
动态监测： 连续追踪 PP 轨迹对于识别高血压高风险个体优于单次时间点测量，特别是当 4 年增幅超过 40 mmHg 时。
最佳范围： 对 U 型死亡曲线的识别表明，对于老年人而言，“越低并不总是越好”；维持适度的 PP 范围（约 44 mmHg）可能有利于生存，这挑战了可能将 PP 推入低风险区的激进降压策略。

研究结论认为，PP 动态变化提供了补充性的预后信息，符合不断发展的精准血管护理范式，支持将 PP 纳入分层 CKM 风险评估协议。

脉压侦探故事

这对我们意味着什么

类似论文