详细内容
一、一段话总结
本研究通过分析美国国家健康与营养检查调查（NHANES，2013-2023）的 26289 个样本及中国健康与养老追踪调查（CHARLS，2011-2020）的 19328 个外部验证样本，系统探索 49 项常规健康指标与心血管疾病、糖尿病、肝病、癌症及共病（肾病、慢性支气管炎等）的关联；先识别出五种疾病各自的 Top10 诊断预测指标，通过 Venn 图筛选出 7 个跨疾病共同核心指标，进而开发出新型复合糖脂指数 GLM7（整合年龄、甘油三酯、空腹血糖、体重指数、高密度脂蛋白胆固醇、低密度脂蛋白胆固醇、胰岛素）；利用限制性立方样条（RCS）分析确定 GLM7 对不同疾病的风险阈值（整体 > 7.5 时疾病风险显著升高），并构建基于 7 个核心指标的极端梯度提升（XGBoost）模型，该模型在 NHANES 训练 / 测试集及 CHARLS 验证集中均表现出优异的预测性能（如糖尿病训练集 auROC 达 0.98、心血管疾病验证集 auROC 达 0.85），最终证实常规指标的有效性并验证 GLM7 在多疾病诊断与预测中的价值，为精准疾病管理提供新工具。
二、文献介绍
| 项目 | 内容 |
| 中文标题 | GLM7—— 一种源自常规健康指标的新型复合糖脂指数，用于增强多种疾病诊断和预测 |
| 发表期刊 | Advanced Science（《先进科学》） |
| 发表时间 | 2025 年（接收日期：2025 年 6 月 9 日，修订日期：2025 年 7 月 24 日，在线发表时间未标注具体日，DOI：10.1002/advs.202510552） |
三、研究背景
- 常规体检的现状与矛盾：健康成人常规体检包含身高、体重、血液生化、血常规、尿常规等基础项目，是人群健康维护的基石，可早期识别健康风险；但当前体检项目不断扩张，部分项目对病理机制的提示价值存疑，既消耗时间与医疗资源，又加重患者经济负担。
- 传统指标的价值与优化需求：传统指标（如血压、胆固醇、血糖）已被证实与心血管疾病、糖尿病等慢性病密切相关，且近年衍生出甘油三酯 - 葡萄糖指数（TYG）、血浆致动脉粥样硬化指数（AIP）等新型衍生指标；但临床仍需区分 "高价值指标" 与 "低贡献指标"，避免冗余检测，提升诊断效率。
- 研究缺口：现有研究缺乏对多疾病（心血管、糖尿病、肝病、癌症、共病）的统一指标筛选，且缺乏整合多常规指标的复合指数，难以实现 "一站式" 风险评估，因此需开发更精准、高效的诊断与预测工具。
四、数据来源
本研究采用 "发现队列 + 外部验证队列" 双数据源设计，具体信息如下：
| 数据队列 | 时间范围 | 样本量 | 疾病分布（部分关键疾病） | 排除标准 |
| NHANES（发现队列） | 2013-2023 | 最终纳入 26289 例（初始 56893 例，排除 < 20 岁 22795 例、疾病数据缺失 7809 例） | 心血管疾病 3097 例（11.8%）、糖尿病 5136 例（19.5%）、肝病 1249 例（4.75%）、癌症 2690 例（10.2%）、共病 4582 例（17.4%） | 1. 年龄 < 20 岁；2. 心血管疾病（心衰、中风等）、糖尿病、肝病、癌症、共病（肾病等）数据缺失；3. 关键检测指标（如血脂、血糖）数据不全 |
| CHARLS（外部验证队列） | 2011-2020 | 最终纳入 19328 例 | 心血管疾病 1903 例、糖尿病 1541 例、肝病 853 例、癌症 240 例、共病 880 例 | 同 NHANES，且需符合 CHARLS 数据库标准化数据录入标准 |
注：NHANES 为美国全国性调查，CHARLS 为中国全国性调查，两队列覆盖不同种族与地域，可提升研究结果的外推性。
五、研究框架及详细技术路线图
1. 研究整体框架
以 "指标筛选→指数开发→性能验证→模型构建" 为核心逻辑，分三阶段开展研究：
- 第一阶段：指标筛选与核心变量确定；
- 第二阶段：GLM7 复合指数开发与风险阈值分析；
- 第三阶段：机器学习模型构建与跨队列验证。
2. 详细技术路线图
六、研究步骤及结果展示
1. 步骤 1：基线特征分析
- 操作：描述 NHANES 队列的人口学特征（年龄、性别、种族、教育程度、生活习惯）及疾病患病率，并按 GLM7 四分位（<7.0、7.0-7.5、7.5-8.0、>8.0）分层比较。
- 结果：
- 年龄分布：20-44 岁占 40.2%，45-64 岁占 34.8%，≥65 岁占 25%；性别：男性 48.3%；
- 生活习惯：18.9% 重度饮酒，57.7% 不吸烟，56.6% 缺乏运动；
- GLM7 分层差异：随 GLM7 升高，疾病患病率显著上升（如糖尿病：GLM7<7.0 组 5.80% vs>8.0 组 57.6%，p<0.001），所有基线差异均有统计学意义（p<0.05）。
2. 步骤 2：49 项指标的单变量分析与 Top10 指标筛选
- 操作：对 49 项指标（如年龄、TG、LDL-c、TYG 等）进行 ROC 分析，以 AUC 值衡量预测能力，筛选每种疾病的 Top10 指标。
- 结果：
- 跨疾病高价值指标：年龄、LDL-c、TG、胰岛素、TYG、TYG_BMI、AIP 在 5 种疾病中均表现优异（AUC>0.6）；
- 各疾病 Top10 代表：
- 心血管疾病：年龄（AUC≈0.70）、LDL-c（AUC≈0.68）、TYG（AUC≈0.67）；
- 糖尿病：糖化血红蛋白（HbA1c，AUC≈0.88）、TYG（AUC≈0.80）、胰岛素（AUC≈0.78）；
- 肝病：TYG（AUC≈0.75）、AIP（AUC≈0.73）、GGT（AUC≈0.70）；
- Venn 图确认 7 个跨疾病共同指标，为 GLM7 开发奠定基础。
3. 步骤 3：GLM7 复合指数开发与关联分析
- 操作：
- 公式推导：基于 7 个基础指标，将 "正向关联指标乘积（年龄、BMI、FBG、胰岛素、TG、LDL-c）" 除以 "负向关联指标（HDL-c）"，再经 log10 转换（避免数值过大），公式为：
\(GLM7=log _{10}\left(\frac{年龄(岁) × BMI(kg/m²) × FBG(mg/dL) × 胰岛素 (pmol/L) × TG(mmol/L) × LDL-c(mmol/L)}{HDL-c(mmol/L)}\right)\)
- 单因素 logistic 回归：分析 GLM7 与 5 种疾病的关联强度；
- RCS 分析：探索 GLM7 与疾病的非线性关系及风险阈值。
- 结果：
- GLM7 与疾病的 OR 值（95% CI）：
- 心血管疾病：9.98（8.48-11.74）；
- 糖尿病：12.19（10.61-14.00）；
- 肝病：3.52（2.93-4.22）；
- 癌症：3.08（2.70-3.51）；
- 共病：3.00（2.70-3.33）；
（所有 p<0.001，证实 GLM7 与疾病显著关联）
- RCS 风险阈值：
- 心血管疾病：7.7，糖尿病：7.9，肝病：7.8，癌症：7.5，共病：7.6；
- 整体规律：GLM7>7.5 时，所有疾病风险显著上升（OR 值翻倍）。
4. 步骤 4：GLM7 亚组分析
- 操作：按 GLM7 四分位分层（<7.0、7.0-7.5、7.5-8.0、>8.0），分析不同年龄（20-44 岁、45-64 岁、≥65 岁）和性别亚组的疾病风险。
- 结果：
- GLM7<7.0：各疾病 OR 值 < 1.1（除 65 岁以上糖尿病亚组），风险较低；
- GLM7 7.0-7.5：疾病风险上升，65 岁以上人群风险显著高于年轻人群（如心血管疾病 OR：65 岁以上 1.41 vs 20-44 岁 1.26）；
- GLM7 7.5-8.0：风险骤升，所有年龄组 OR 值 > 2（如癌症 OR：45-64 岁 7.76 vs 20-44 岁 2.06）；
- GLM7>8.0：心血管 / 糖尿病风险持续升高（OR>11），肝病 / 癌症 / 共病风险趋于稳定（OR≈5）；
- 结论：7.5 是 GLM7 的临床关键阈值，且老年人群在相同 GLM7 水平下风险更高。
5. 步骤 5：XGBoost 模型构建与验证
- 操作：
- 模型输入：7 个核心指标（年龄、TG、FBG、BMI、HDL-c、LDL-c、胰岛素）；
- 模型训练：NHANES 队列按 7:3 分训练 / 测试集，5 折交叉验证优化超参数（学习率 0.1，树深度 6 等）；
- 模型评估：用 auROC（ROC 曲线下面积）、auPRC（精确召回曲线下面积）、混淆矩阵评估性能；
- 外部验证：在 CHARLS 队列中重复评估。
- 结果：
- NHANES 队列性能（训练集 / 测试集 auROC）：
- 心血管疾病：0.93/0.85，糖尿病：0.98/0.95，肝病：0.89/0.89，癌症：0.92/0.83，共病：0.92/0.84；
- CHARLS 队列性能（训练集 / 验证集 auROC）：
- 心血管疾病：0.913/0.923，糖尿病：0.900/0.895，肝病：0.732/0.728，癌症：0.836/0.790，共病：0.891/0.915；
- 结论：模型在中美人群中均表现优异，auROC 普遍 > 0.8，糖尿病预测效果最佳（auROC>0.89）。
七、研究结论
- 常规指标的价值确认：年龄、TG、LDL-c、FBG 等 7 项常规健康指标是心血管疾病、糖尿病、肝病、癌症及共病的核心预测因子，可作为体检重点项目，减少冗余检测。
- GLM7 的创新价值：新型复合糖脂指数 GLM7 整合 7 项常规指标，对多疾病具有良好诊断与预测能力，且存在明确风险阈值（>7.5 时疾病风险显著升高），可作为临床 "一站式" 风险评估工具。
- 机器学习模型的应用潜力：基于 7 项指标的 XGBoost 模型在 NHANES（美国）和 CHARLS（中国）队列中均表现优异，可整合至电子健康记录系统，实现实时疾病风险评估，助力从 "被动治疗" 向 "主动预防" 转型。
- 研究局限性：
- 基于观察性数据，无法建立因果关系；
- 未纳入非常规生物标志物（如基因、代谢组学指标）；
- 对疾病亚型（如不同类型癌症、肝病）的分析不足，未来需进一步细化。
综上，本研究为优化常规体检项目、开发精准疾病预测工具提供了循证依据，对提升人群健康管理效率具有重要临床与公共卫生意义。
