Cardiometabolic Risk Patterns Among Adults: A Latent Class Analysis from the Hoveyzeh Cohort Study
这项针对霍维泽队列研究中1,660名成年人的前瞻性队列研究通过潜在类别分析识别出两种截然不同的心血管代谢风险特征，但发现属于高风险特征组与五年随访期内发生新发血脂异常的风险增加之间并无显著相关性。
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
人体是一个复杂的机器，不同的系统之间不断进行着交流。在心脏健康方面，医生们早已知晓某些预警信号往往会同时出现。高血压、腹部脂肪过多以及血糖问题并非孤立的随机问题；它们经常在同一群人身上聚集，形成一种危险的组合，从而增加了患心脏病和中风的风险。几十年来，理解这种风险的标准方法是分别观察每个因素，就像逐一检查汽车的机油、轮胎和刹车一样。然而，科学家们开始怀疑，将这些因素作为一个整体来观察是否能揭示隐藏的模式。或许人们可以根据特定的生活习惯和身体状况组合，被划分为不同的群体或特征谱系，从而产生独特的风险特征，而这正是简单的清单所遗漏的。了解这些自然的聚类方式，可以帮助研究人员识别谁是真正的风险人群以及为何处于风险之中，从而超越“一刀切”的健康观。
在一项针对伊朗南部成年人的大型研究中，研究人员试图寻找这些隐藏的群体。他们分析了1,660名在研究开始时血脂水平正常的健康男女的数据。团队检查了每个人的五个特定指标：是否患有高血压、是否患有糖尿病、体力活动水平、饱和脂肪摄入量以及是否腹部肥胖。通过使用一种类似于旨在寻找自然簇类的统计方法，研究人员探讨了这些成年人是否可以根据这五个因素的共同出现情况被划分为不同的组别。他们发现，该群体确实分成了两个清晰的特征谱系。第一组约占总人数的72%，通常患有这些风险因素的可能性较低。第二组占剩余的28%，其情况截然不同。第二组的人群更有可能患有高血压、糖尿病和腰围过大，同时也更有可能缺乏运动并摄入较多的饱和脂肪。这个第二组代表了一个清晰的高风险特征谱系，其中多种问题交织在一起。
随后，研究人员观察了未来五年的变化情况。他们想知道，属于那个高风险组是否意味着一个人更有可能出现高血脂现象（一种被称为血脂异常的状况），而这是导致心脏问题的重大原因。在此期间，超过一半的参与者出现了这种情况。令人惊讶的是，研究发现，属于高风险组并不能预测谁会生病。高风险组的人患上高血脂的可能性与低风险组的人一样高。统计分析显示，就这一特定结果而言，两组之间没有显著差异。这一结果出人意料，因为第二组拥有更多的预警信号。这表明，尽管这些风险因素确实以特定的模式聚集在一起，但那种特定的模式并不一定能告诉我们谁将来会患上高血脂。
研究还揭示了哪些人更有可能进入高风险组。第二组包含了更高比例的女性和高龄成年人，尤其是55岁以上的人群。此外，与农村地区相比，该组也包含更多受教育程度较低的人以及更多居住在城市的人。尽管这些构成各组的人员构成存在明显差异，但这些组别本身并不能作为预测研究人员追踪的特定疾病的“水晶球”。作者指出，这并不意味着高风险组是健康的；他们仍然承受着其他代谢问题的沉重负担。这仅仅意味着，他们所共享的特定因素组合并不会使他们比其他人更容易患上高血脂。研究结果表明，虽然我们可以识别出具有聚集性风险的人群，但这些聚类可能并不是预测这一特定健康结果的最佳方式。相反，这项研究强化了这样一个观点：心脏健康风险是多样化的，即使这些组合并不总是指向同一种未来的疾病，将人们视为具有独特习惯和生物学特征的个体也是至关重要的。
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。