详细内容
一、一段话总结
该研究基于中国健康与养老追踪调查（CHARLS）和美国健康与退休研究（HRS）两个前瞻性队列，探讨了估计葡萄糖处置率（eGDR，胰岛素抵抗的可靠替代指标）与衰弱进展的关联。通过筛选 14736 名参与者（CHARLS 8872 人、HRS 5864 人），采用线性回归分析 eGDR 与基线衰弱指数（FI）的关系，线性混合效应模型分析 eGDR 与衰弱进展的关系，并结合分层分析（糖尿病状态）和多维度敏感性分析验证结果。最终发现，无论是否患有糖尿病，较高的 eGDR 均与较低的基线 FI 及减缓的衰弱进展显著相关，为通过改善 eGDR 预防老年人群衰弱进展提供了证据支持。
二、文献介绍
| 项目 | 详情 |
| 中文标题 | 估计的葡萄糖处置率与虚弱进展的关系：来自两个前瞻性队列的结果 |
| 发表期刊 | Cardiovascular Diabetology（《心血管糖尿病学》） |
| 发表时间 | 2025 年2月 |
三、研究背景
- 衰弱的公共卫生意义：衰弱是常见的老年综合征，以多器官系统生理储备下降、对压力源敏感性增加为特征，与跌倒、心血管疾病、慢性肝病及全因死亡等不良健康结局密切相关，且相关医疗成本逐年上升。同时，衰弱具有动态可逆性，早期识别风险因素并干预可降低不良结局风险。
- 胰岛素抵抗（IR）与衰弱的关联基础：IR 被认为是衰弱的潜在风险因素，其可通过激活慢性炎症、降低骨骼肌胰岛素敏感性、引发能量代谢紊乱，进而促进衰弱发生发展。
- eGDR 的优势与研究缺口：
- 金标准 "高胰岛素 - 正葡萄糖钳夹试验"（HIEG）因有创、成本高难以普及；
- 常用 IR 替代指标（如 HOMA-IR 需空腹血糖和胰岛素，TyG 指数敏感性 / 特异性有限）存在应用局限；
- eGDR 基于腰围、高血压状态和糖化血红蛋白（HbA1c）计算，简便可靠，与 HIEG 测量 IR 的准确性相近，但目前尚无研究探讨 eGDR 与衰弱进展的关联，且其作用是否受糖尿病状态影响仍不明确。
四、数据来源
研究采用两个国家层面的前瞻性队列数据，具体信息如下：
| 队列名称 | 国家 / 地区 | 数据时间范围 | 基线 wave | 样本量（最终用于衰弱进展分析） | 随访中位数 | 伦理审批机构 |
| 中国健康与养老追踪调查（CHARLS） | 中国 | 2011 年（Wave1）-2018 年（Wave4） | Wave1（2011） | 8872 人（平均年龄 58.9 岁，女性 53.3%） | 7.0 年 | 北京大学伦理审查委员会 |
| 健康与退休研究（HRS） | 美国 | 2006 年（Wave8）-2020 年（Wave15） | Wave8（2006） | 5864 人（平均年龄 67.0 岁，女性 59.0%） | 12.8 年 | 密歇根大学伦理审查委员会 |
注：两个队列均要求参与者提供知情同意，数据具有全国代表性。
五、研究框架及详细技术路线图
1. 研究总体框架
采用 "队列筛选→变量定义→统计分析→结果验证" 的前瞻性队列研究框架，核心是探索 eGDR（暴露因素）与衰弱进展（结局变量）的关联，控制潜在混杂因素，并通过分层、敏感性分析确保结果稳健性。
2. 详细技术路线图
阶段 1：队列数据提取与样本筛选
- 初始样本纳入：
- CHARLS：初始纳入 17139 名≥45 岁参与者；
- HRS：初始纳入 17938 名≥45 岁参与者。
- 排除标准应用（按顺序）：
- 排除 eGDR 计算所需数据（腰围、高血压、HbA1c）缺失者：CHARLS 排除 7572 人，HRS 排除 11753 人；
- 排除基线衰弱指数（FI）数据缺失者：CHARLS 排除 216 人，HRS 排除 1 人；
- 排除无随访 FI 数据（无法评估衰弱进展）者：CHARLS 排除 479 人，HRS 排除 320 人；
- 最终分析样本：CHARLS 8872 人（用于衰弱进展分析）、HRS 5864 人（用于衰弱进展分析）；另有 CHARLS 9351 人、HRS 6184 人用于基线 FI 关联分析。
阶段 2：关键变量定义与测量
- 暴露变量：eGDR
- 计算公式：eGDR（mg/kg/min）=21.158 - 0.09× 腰围（cm） - 3.407× 高血压（是 = 1 / 否 = 0） - 0.551×HbA1c（%）；
- 分类方式：按三分位数（T1：低 tertile，T2：中 tertile，T3：高 tertile）分组，同时保留连续变量形式（按 1 个标准差（SD）增量分析）；
- 高血压定义：自我报告医生诊断、使用降压药，或基线血压≥140/90 mmHg（敏感性分析中采用 130/80 mmHg 验证）；
- HbA1c 测量：CHARLS 用静脉血硼酸亲和液相色谱法，HRS 用干血斑法。
- 结局变量：衰弱指数（FI）与衰弱进展
- FI 构建：基于 31 项健康缺陷（疾病、症状、躯体功能、残疾、抑郁、认知），每项缺陷赋值 0（无）或 1（有），认知相关项（记忆、定向测试）为 0-1 连续值；FI=（缺陷总和 / 总项数）×100（0-100 分，分数越高衰弱越严重）；
- 衰弱定义：FI≥25；
- 衰弱进展：通过随访期间多次 FI 测量（每 2 年 1 次）评估，用 "FI 年变化率" 反映进展速度。
- 协变量：年龄、性别、教育水平（高中以下 / 高中 / 大专及以上）、婚姻状态（已婚 / 伴侣 vs 其他）、吸烟（当前 vs 非当前）、饮酒（当前 vs 非当前）、体力活动（剧烈 / 中度 / 轻度 / 不活动）、BMI（kg/m²）、总胆固醇（TC）、C 反应蛋白（CRP）。
阶段 3：统计分析方案
- 描述性统计：
- 连续变量：用均值 ±SD 或中位数（四分位距 IQR）表示，组间比较用单因素方差分析（ANOVA）或 Kruskal-Wallis 检验；
- 分类变量：用频数（百分比）表示，组间比较用卡方检验。
- 关联分析模型：
- 基线 FI 关联：采用线性回归模型，计算 β 值及 95% 置信区间（95% CI），模型 1 未调整，模型 2 调整全部协变量；
- 衰弱进展关联：采用线性混合效应模型，纳入 "eGDR× 时间" 交互项（反映 eGDR 对 FI 进展速度的影响），固定效应包含 eGDR、时间、协变量，随机效应包含个体基线截距和随访斜率（校正个体差异）；
- 参考组：eGDR 三分位数中 T1 为参考，连续变量按 "每增加 1 SD eGDR" 分析。
- 分层与敏感性分析：
- 分层分析：按糖尿病状态（是 / 否，糖尿病定义：医生诊断、用降糖药、空腹血糖≥7.0 mmol/L 或 HbA1c≥6.5%）、年龄（<60 岁 /≥60 岁）、性别、肥胖状态分层；
- 敏感性分析：① 用 130/80 mmHg 定义高血压计算 eGDR₁₃₀；② FI 排除糖尿病相关项（30 项）；③ 额外调整药物使用（降压药、降糖药、降脂药）；④ 额外调整合并症（心脏病、中风、慢性肾病）；⑤ 排除协变量缺失者；⑥ 排除 FI 项有缺失者；⑦ 模型纳入 "协变量 × 时间" 交互项。
阶段 4：结果验证与结论推导
- 一致性验证：比较两个队列结果是否一致；
- 稳健性验证：通过敏感性分析确认结果是否受变量定义、混杂因素影响；
- 结论推导：结合关联强度（β 值）、统计学显著性（P<0.05）及临床意义，得出 eGDR 与衰弱进展的关联结论。
六、研究步骤及结果展示
1. 研究步骤（对应技术路线图阶段）
- 完成两个队列的数据提取与样本筛选，确定最终分析样本；
- 计算所有参与者的 eGDR、FI 及协变量数值，进行描述性统计；
- 用线性回归分析 eGDR 与基线 FI 的关联；
- 用线性混合效应模型分析 eGDR 与衰弱进展的关联；
- 按糖尿病状态进行分层分析，探索效应修饰作用；
- 开展 8 项敏感性分析，验证结果稳健性。
2. 主要结果展示
（1）基线特征（按 eGDR 三分位数分组）
两个队列中，高 eGDR 组（T3）均呈现以下特征（与低 eGDR 组 T1 相比）：
- 人口学：CHARLS 中 T3 组年龄更低（57.6 岁 vs 60.5 岁），女性比例更低（49.8% vs 56.1%）；HRS 中 T3 组年龄更低（64.7 岁 vs 67.5 岁），女性比例更高（65.3% vs 48.9%）；
- 生活方式：婚姻率、教育水平、体力活动水平更高，吸烟 / 饮酒率在 HRS 中更高（CHARLS 中差异不显著）；
- 生理指标：BMI、腰围、收缩压（SBP）、HbA1c、CRP 均显著更低；
- 衰弱水平：FI 中位数显著更低（CHARLS：15.3 vs 18.1；HRS：8.6 vs 17.4）。
（2）eGDR 与基线 FI 的关联（调整协变量后）
| 分析场景 | 队列 | eGDR T3 vs T1（β，95% CI，P 值） | eGDR 每增加 1 SD（β，95% CI，P 值） | 趋势检验 P 值 |
| 所有参与者 | CHARLS | -2.289（-2.995~-1.583），<0.001 | -1.146（-1.435~-0.857），<0.001 | <0.001 |
| 所有参与者 | HRS | -3.021（-3.873~-2.168），<0.001 | -1.683（-2.068~-1.298），<0.001 | <0.001 |
| 无糖尿病参与者 | CHARLS | -1.985（-2.747~-1.224），<0.001 | -0.849（-1.173~-0.524），<0.001 | <0.001 |
| 无糖尿病参与者 | HRS | -1.472（-2.414~-0.530），0.002 | -0.819（-1.237~-0.401），<0.001 | 0.001 |
| 有糖尿病参与者 | CHARLS | -1.585（-3.640~0.469），0.131 | -1.299（-1.995~-0.602），<0.001 | 0.034 |
| 有糖尿病参与者 | HRS | -2.079（-4.396~0.238），0.079 | -1.410（-2.447~-0.372），0.008 | 0.062 |
注：有糖尿病组 T3 vs T1 的 β 值无统计学显著性，但连续 eGDR 仍显著关联，提示剂量效应。
（3）eGDR 与衰弱进展的关联（调整协变量后，结局为 FI 年变化率）
| 分析场景 | 队列 | eGDR T3 vs T1（β，95% CI，P 值） | eGDR 每增加 1 SD（β，95% CI，P 值） | 趋势检验 P 值 |
| 所有参与者 | CHARLS | -0.294（-0.390~-0.198），<0.001 | -0.142（-0.181~-0.103），<0.001 | <0.001 |
| 所有参与者 | HRS | -0.378（-0.474~-0.281），<0.001 | -0.170（-0.209~-0.130），<0.001 | <0.001 |
| 无糖尿病参与者 | CHARLS | -0.221（-0.326~-0.117），<0.001 | -0.108（-0.153~-0.063），<0.001 | <0.001 |
| 无糖尿病参与者 | HRS | -0.323（-0.433~-0.212），<0.001 | -0.175（-0.221~-0.130），<0.001 | <0.001 |
| 有糖尿病参与者 | CHARLS | -0.575（-0.861~-0.290），<0.001 | -0.228（-0.324~-0.133），<0.001 | <0.001 |
| 有糖尿病参与者 | HRS | -0.365（-0.679~-0.052），0.023 | -0.019（-0.134~0.097），0.752 | 0.144 |
注：排除基线衰弱者后，HRS 糖尿病组 T3 vs T1 关联更显著：β=-0.556（-0.922~-0.191），P=0.003，提示基线衰弱可能存在 "天花板效应" 掩盖关联。
（4）敏感性分析结果
所有 8 项敏感性分析结果均与主分析一致，例如：
- 用 130/80 mmHg 定义高血压计算 eGDR₁₃₀，仍显著关联衰弱进展（CHARLS T3 vs T1 β=-0.287，P<0.001；HRS β=-0.369，P<0.001）；
- 排除糖尿病相关项的 FI（30 项），关联强度无显著变化；
- 额外调整药物或合并症后，β 值及 P 值基本稳定，证明结果稳健。
七、研究结论
- 核心结论：无论参与者是否患有糖尿病，较高的估计葡萄糖处置率（eGDR）均与显著更低的基线衰弱指数（FI）及更慢的衰弱进展速度相关，且该关联在两个独立队列（中国 CHARLS、美国 HRS）中均一致，经敏感性分析验证具有稳健性。
- 临床与公共卫生意义：
- 强调 eGDR 可作为评估老年人群衰弱进展风险的简便指标，尤其适用于缺乏复杂 IR 检测条件的场景；
- 建议通过改善 eGDR（如增加体力活动、提高膳食纤维摄入等已证实可提升 eGDR 的干预措施），为预防老年人群衰弱进展提供新的靶点；
- 对糖尿病患者，需关注 eGDR 水平以延缓衰弱，对非糖尿病人群，早期监测 eGDR 有助于提前干预衰弱风险。
- 研究局限性：为观察性研究，无法推断因果关系；存在轻微失访偏倚（失访率 5.1%）；未完全排除饮食、遗传等未测量混杂因素的影响。
