《DIABETES-METABOLISM RESEARCH AND REVIEWS》：Glycaemic Status Modifies the Association Between Cardiometabolic Index and Cardio-Kidney Outcomes: A Multi-Cohort Analysis
编辑推荐：
本综述基于大规模前瞻性队列研究，系统评估了心脏代谢指数（CMI，即腰围身高比与甘油三酯-高密度脂蛋白胆固醇比的乘积）作为心肾事件（CKE）早期预测指标的价值。研究发现CMI升高与基线心肾共病及新发CKE风险显著相关，且这种关联在血糖正常个体中最强，随着糖尿病进展逐渐减弱。非线性分析揭示CMI与CKE风险存在阈值效应（拐点约0.70），机器学习模型进一步验证CMI是预测心肾风险的核心指标。研究强调了CMI在心血管-肾脏-代谢（CKM）综合征早期风险分层中的临床意义。
引言
心血管疾病（CVD）和慢性肾脏病（CKD）是全球重大健康负担，近年来提出的心血管-肾脏-代谢（CKM）综合征概念强调了代谢风险因素（如肥胖和2型糖尿病）、CKD和CVD之间的相互关联病理生理学。复合心肾事件（CKE）已成为临床试验和队列研究的重要终点。心脏代谢指数（CMI）作为整合肥胖指标（腰围身高比，WHtR）和血脂异常（甘油三酯/高密度脂蛋白胆固醇比，TG/HDL-C）的新型复合标志物，显示出预测心肾风险的潜力。然而，既往研究多孤立考察心血管或肾脏结局，且缺乏对不同血糖状态下CMI预测价值异质性的系统评估。
研究方法
研究人群与设计
本研究基于英国生物样本库（UK Biobank）327,902名成年人数据，排除基线已患心肾疾病者后，303,113人进入前瞻性分析。外部验证采用中国健康与养老追踪调查（CHARLS）和美国国家健康与营养调查（NHANES）数据。CMI计算公式为：CMI = WHtR × (TG/HDL-C)。血糖状态分为血糖正常（HbA1c <5.7%）、糖尿病前期（HbA1c 5.7%–6.4%）和2型糖尿病（T2D）。
结局指标与统计方法
主要结局为 incident CKE（即随访期间同时发生CVD和CKD）。采用多因素Cox比例风险模型评估CMI与结局的关联，通过限制性立方样条（RCS）分析非线性关系，并利用机器学习生存模型（随机生存森林、CoxBoost等）评估预测性能。
研究结果
基线特征与横断面关联
参与者平均年龄56.3岁，49%为男性。CMI中位数0.56（四分位距0.33–0.97）。随CMI升高，代谢参数恶化趋势显著：TG从0.95升至2.80 mmol/L，HDL-C从1.76降至1.14 mmol/L，T2D患病率从2.2%升至13%。横断面分析显示，CMI每增加1单位，基线心肾共病风险增加38%（OR 1.38, 95% CI 1.34–1.41）。
CMI与心肾事件的前瞻性关联
中位随访14.3年间，CMI最高三分位组发生CKE的风险是最低组的2.18倍（HR 2.18, 95% CI 2.01–2.38）。非线性分析发现CKE风险在CMI<0.70时急剧上升，此后增幅趋缓。类似模式见于心肾死亡（拐点CMI≈0.95），而全因死亡风险与CMI呈线性关系。
血糖状态的修饰效应
分层分析显示，CMI与CKE的关联强度在血糖正常个体中最显著（HR 1.31, 95% CI 1.25–1.38），在糖尿病前期（HR 1.26）和T2D患者（HR 1.15）中逐步减弱（交互作用P<0.001）。心肾死亡风险也呈现相同梯度模式。
机器学习模型验证
CMI在多种机器学习生存模型中均被识别为关键预测因子，模型判别性能优异（C指数达0.83）。变量重要性排序中，CMI仅次于年龄、C反应蛋白（CRP）等传统强预测因子。
讨论
本研究首次在多队列框架下系统证实CMI是心肾风险的独立预测指标，且其预测效能受血糖状态调节。CMI在血糖正常个体中表现出的强关联性和非线性特征，提示其可作为CKM综合征早期风险识别的敏感指标。这种"早期预警"价值可能源于CMI对内脏肥胖和脂代谢紊乱的整合能力，这两者在代谢性疾病早期即已启动心肾损伤通路。而T2D患者中关联减弱，可能与长期高血糖导致的心肾损伤已达平台期有关，即"天花板效应"。
优势与局限性
研究优势包括大规模样本、多队列验证、先进统计模型应用等。局限性在于CMI为间接指标，缺乏动态监测数据，且未包含SGLT2抑制剂等新型药物信息。
结论
CMI是心肾疾病早期风险分层的简单、有效工具，尤其在血糖正常人群中有显著预测价值。其非线性关联特征提示临床关注CMI<0.70–0.95区间的风险快速上升阶段。未来研究应探索降低CMI是否可改善心肾结局，并将CMI与新兴生物标志物结合以优化风险预测。
