Beyond BMI: Chinese Visceral Adiposity Index (CVAI) improves machine learning prediction of 9-year cardiometabolic multimorbidity in the CHARLS cohort
本研究利用来自中国健康与养老追踪调查（CHARLS）队列的数据，证明了结合中国内脏脂肪指数（CVAI）和抑郁症状的机器学习模型能有效预测9年期心血管代谢共病风险，其表现优于基于体重指数（BMI）的方法，并强调了内脏脂肪和心理健康在复合疾病预测中的关键作用。
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
在人口老龄化的中国，有两种沉默的疾病常如影随形：糖尿病（一种身体难以管理糖分的疾病）和心血管疾病（涵盖了心脏问题和中风）。当这两种情况出现在同一个人身上时，它们便构成了一种被称为“心血管代谢共病”的疾病集群。这种组合尤其危险，会导致中青年及老年人的残疾和死亡。几十年来，医生一直依赖于像体重指数（BMI，一种基于身高和体重的计算方法）这样简单的测量指标来猜测谁可能发展出这些疾病。然而，这个单一的数字往往忽略了关于脂肪在体内储存位置以及它如何与其他因素（如血压、情绪和代谢）相互作用的深层真相。随着人口老龄化，预测风险的需求变得日益紧迫，必须从简单的猜测转向更精准的工具，以指导早期干预。
来自西安西进医院的一个研究团队致力于建立一种更好的方法，来预测未来九年内的这些风险。他们利用了一项具有全国代表性的中国成年人大型调查数据，即“中国健康与养老追踪研究”（CHARLS）。该数据库提供了对近1万名中国成年人的详细观察，追踪了他们从2011年到2020年的健康状况。研究人员不仅关注谁生病了，还使用了先进的计算机算法——即机器学习领域——来分析每个人的数千个数据点。这些数据点包括血糖水平、胆固醇、腰围、握力，甚至包括衡量抑郁症状的分数。其目标是教会计算机去识别人类医生可能忽略的模式，特别是预测谁会在未来九年内发展为糖尿病、心脏病或两者兼有。
结果揭示了预测这些疾病的难易程度存在明显的等级差异。计算机模型在预测糖尿病方面最为成功，AUC达到了0.71。这种高水平的表现表明，在疾病被诊断出来之前，糖尿病的征兆往往已经清晰地写在了常规血液检查和身体测量指标中。相比之下，预测心脏病则困难得多，模型的AUC仅为0.63。研究人员发现，心脏病是一个更为复杂的谜题，受突发事件和那些并非总能通过标准体检捕捉到的因素的影响。对于合并症（即一个人同时患上糖尿病和心脏病）的预测，其表现处于中间水平，AUC约为0.63。
是什么让这些预测发挥作用，又揭示了关于人体怎样的真相？对于糖尿病，计算机正确识别出高血糖和肥胖是主要的驱动因素。然而，对于心血管代谢共病这一合并症，另一套因素则脱颖而出。最强大的预测因子并非简单的体重测量，而是一个名为“中国内脏脂肪指数”的专门指数。该指数通过结合年龄、腰围和血脂水平，计算出储存在腹部深处、器官周围的脂肪量。研究表明，这种深层的腹部脂肪比单纯的体重测量更能有效地预警合并症的发生。
更令人震惊的是心理健康所扮演的角色。计算机分析将抑郁症状列为合并症的第二大重要预测因子，仅次于内脏脂肪指数。数据表明存在一种强大的联系：当一个人携带过多的深层腹部脂肪并伴有抑郁症状时，其发展为糖尿病和心脏病双重疾病的风险会显著增加。这两个因素似乎产生了相互放大作用，形成了一个比两者简单叠加更强的风险剖面。这一发现指向了一种“心理-代谢”的关联，即精神压力带来的心理负担与内脏脂肪带来的身体负担共同作用，损害了身体的代谢。
为了使这些发现能够服务于日常临床医疗，研究人员尝试将复杂的计算机模型简化为易于使用的评分卡。对于糖尿病和合并症，这种方法效果良好。他们根据关键风险因素（如血糖、腰围和抑郁分数）创建了简单的清单，这些清单保留了完整计算机模型几乎所有的预测能力。医生可以使用这些评分卡在诊室中快速筛查患者。然而，试图为心脏病创建一个类似的简化评分卡的尝试却失败了。该简化工具表现不佳，无法有效区分哪些人会生病以及哪些人不会。这一失败凸显了心脏病过于复杂，无法被简化为一个线性的清单；它可能需要更先进的工具或更多种类的医学数据才能实现准确预测。
研究结论指出，虽然我们现在可以利用常规数据较为准确地预测糖尿病以及糖尿病与心脏病的合并风险，但单独预测心脏病仍然是一个重大挑战。这项研究强调，观察“完整的人”至关重要。仅仅孤立地测量体重或血压是不够的。要真正理解中老年人的风险，我们必须观察脂肪在体内的储存位置，并承认心理健康对生理健康的深刻影响。通过整合这些见解，医疗工作者可以向着更全面的方式迈进，以预防代谢与心血管疾病的双重负担。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。