《Scientific Reports》：Association between modified cardiometabolic index and cardiometabolic multimorbidity in middle-aged and older adults: evidence from two nationwide cohort studies
编辑推荐：
为解决改良心脏代谢指数(MCMI)能否有效预测多种心脏代谢疾病共患风险(CMM)的问题，研究人员在CHARLS和ELSA两大中老年人群中开展前瞻性队列研究。结果显示，MCMI升高显著增加CMM风险，其预测性能优于传统心脏代谢指数(CMI)。该研究为MCMI作为新型整合生物标志物用于临床风险评估提供了证据。
当高血压、糖尿病、心脏病、中风这些词汇接连出现在同一份病历上时，问题就不再是单一的疾病管理，而是对复杂共病状态的挑战。心脏代谢多病(CMC)，或称心脏代谢共病(CMM)，是指个体同时患有多种心脏代谢疾病。这种情况在中老年人群中尤为常见，不仅显著降低生活质量，还带来沉重的医疗负担。传统上，医生依赖于测量血压、血糖、血脂等多项指标来评估风险，过程繁琐且难以综合。有没有一个更便捷、更有效的“综合指标”能够预警这种复杂的共病风险呢？这就是本研究试图解答的核心问题。为此，研究团队将目光投向了“改良心脏代谢指数”(MCMI)，一个结合了血脂(甘油三酯、高密度脂蛋白胆固醇)、血糖和腹型肥胖(腰围身高比)的新型整合生物标志物。它能否在东西方不同人群中，稳定地预测未来发生多种心脏代谢疾病的风险？这项发表在《Scientific Reports》上的研究，基于中国和英国两大国家级老龄追踪队列，为我们提供了重要见解。
为了评估MCMI与CMM发病风险的关联，研究人员主要运用了以下技术方法：首先，利用两个大型前瞻性队列——中国健康与养老追踪调查(CHARLS)和英国老龄化纵向研究(ELSA)——的基线(分别为2011年和2012年)及多年随访数据(分别截至2018年和2019年)，构建研究人群。其次，采用Cox比例风险模型计算风险比(HR)以评估关联强度；运用限制性立方样条(RCS)分析探索剂量-反应关系的非线性趋势；并使用时间依赖性受试者工作特征(ROC)曲线分析来动态比较MCMI与传统CMI在预测不同随访时间点CMM发生风险的性能差异。
研究结果：
1. MCMI与CMM发病风险显著正相关
在中国CHARLS队列中，经过超过7年的随访，较高的MCMI水平与显著增加的CMM风险相关(HR 1.19, 95% CI 1.16–1.21)。在ELSA队列中也观察到了更强的关联(HR 1.74, 95% CI 1.42–2.12)。当将参与者按MCMI水平分为四组(四分位数)时，风险呈现出明显的梯度上升趋势。在CHARLS队列中，MCMI最高四分位数组的参与者，其CMM风险是最低组的3.81倍(95% CI 3.18–4.56)；在ELSA队列中，这一风险比为2.77倍(95% CI 1.81–4.23)。
2. 剂量-反应关系模式存在队列差异
通过限制性立方样条分析发现，MCMI与CMM风险之间的关系模式在两个队列中有所不同。在CHARLS队列中，这种关联呈现出非线性特征(P < 0.001)，意味着风险的增长速度在MCMI达到一定水平后可能发生变化。而在ELSA队列中，则观察到一个线性的剂量-反应趋势。
3. 亚组分析显示特定人群风险更高
在CHARLS队列中，MCMI与CMM风险的正相关性在所有亚组中基本一致，但在某些特定亚组中风险尤其显著。例如，在年龄更大、男性、教育程度更高、吸烟以及饮酒的参与者中，观察到更高的CMM风险(交互作用P值 < 0.05)。在ELSA队列中，除了教育水平亚组外，其他亚组的关联性也基本一致，且未发现显著的交互作用。
4. MCMI的预测性能优于传统CMI
时间依赖性ROC曲线分析显示，在预测3年和5年CMM风险时，MCMI的曲线下面积(AUC)值均高于传统的CMI，表明其具有更优的预测能力。这一优势在CHARLS队列中尤其明显，德隆检验(DeLong’s test)结果显著(P < 0.05)。然而，在ELSA队列中，MCMI与CMI的预测性能差异未达到统计学显著性。
结论与讨论：
本项跨国队列研究证实，改良心脏代谢指数(MCMI)作为一种新型的综合生物标志物，在东西方两种不同背景的中老年人群中，均能稳定地预测未来发生心脏代谢共病(CMM)的风险。MCMI值越高，个体罹患两种或以上心脏代谢疾病(包括高血压、糖尿病、心脏病和中风)的可能性就越大。特别值得注意的是，该指标在中国人群(CHARLS)中表现出了卓越的预测性能，其区分能力显著优于传统的心脏代谢指数(CMI)。这一发现具有重要的临床转化潜力，意味着MCMI有望成为一个简便、有效的工具，帮助临床医生更早地识别出那些具有高共病风险的个体，从而实现更精准的早期干预和风险管理。尽管在英国的ELSA队列中未观察到MCMI预测性能的显著优势，但这提示该指标的应用效能可能受到人群特征、遗传背景或环境因素的影响。因此，研究团队在结论中强调，MCMI可能有助于改善中国人群的临床风险评估，但其在不同种族群体中的预测价值，仍需更多证据来加以验证。这项研究为利用整合生物标志物进行复杂慢性病共病风险的评估迈出了坚实的一步。
