Association between modified triglyceride glucose indices and stroke risk in middle-aged and older Chinese adults: a prospective cohort study

一、一段话总结

该研究基于中国健康与养老追踪调查（CHARLS）2011-2018年的数据，以8677名中国中老年人为研究对象，采用前瞻性队列研究设计，通过Cox比例风险回归模型、限制性立方样条（RCS）、ROC曲线等方法，分析了TyG-BMI、TyG-WC、TyG-WHtR三个改良甘油三酯葡萄糖（TyG）指数与脑卒中发病风险的关联。结果显示，三者均与中老年人脑卒中风险呈正相关且存在等级效应，TyG-BMI与卒中呈非线性关系（拐点179.279），TyG-WC、TyG-WHtR呈线性关系，三者预测能力相当（TyG-WC稍优），提示通过体重和腰围管理维持改良TyG指数在良好水平，可能有助于降低中老年人脑卒中风险。

二、文献介绍

• 中文标题：改良甘油三酯葡萄糖指数与中国中老年人脑卒中风险的关联：前瞻性队列研究
• 发表期刊：Cardiovascular Diabetology
• 发表时间：2025年7月

三、研究背景

1. 脑卒中的公共卫生负担：脑卒中（又称脑出血）是急性神经功能障碍疾病，主要由出血或血流梗阻引起，是全球第二大死因（年死亡约600万），具有高发病率、高致残率、高死亡率、高复发率和高经济负担的特点，需早期识别高危人群以开展预防干预。
2. 胰岛素抵抗（IR）的关键作用：IR是脑卒中的重要代谢危险因素，尤其与2型糖尿病、动脉粥样硬化相关；但评估IR的金标准“高胰岛素-正常血糖钳夹试验”难以用于大规模流行病学研究。
3. TyG指数的应用基础：甘油三酯葡萄糖指数（TyG）由空腹血糖（FPG）和甘油三酯（TG）计算得出，是简单可靠的IR替代指标，已被证实与心血管危险因素、脑血管疾病相关。
4. 研究空白：近年研究提出结合人体测量参数的改良TyG指数（TyG-BMI、TyG-WC、TyG-WHtR），其在糖尿病、高血压、心血管疾病风险预测中已显价值，但针对脑卒中发病风险的前瞻性证据有限，且缺乏三者预测效能的对比研究，需进一步验证其在中老年人中的应用价值。

四、数据来源

1. 数据平台：中国健康与养老追踪调查（CHARLS），该调查是针对中国中老年人的全国性队列研究，采用多阶段概率抽样，覆盖28个省份150个县450个社区，旨在收集45岁及以上人群的健康、社会经济等数据，经北京大学伦理委员会批准（IRB00001052-11015）。
2. 数据时间跨度：使用2011年（基线）、2013年、2015年、2018年四波调查数据，基线调查（2011-2012）初始纳入17708人。
3. 研究对象筛选：排除以下人群后最终纳入8677人：
• 数据缺失（年龄、FPG、身高/体重/腰围等）者648人；
• 基线已患脑卒中者470人；
• 脑卒中结局数据不完整者168人；
• 随访次数不足2次者956人；
• 无血糖测量值者4936人；
• 改良TyG指数值超出均值3个标准差的异常值者247人；
• 此外，5682人有2011年和2015年两波改良TyG指数数据，用于分析指数变化与卒中风险的关联。

五、研究框架及详细技术路线图

（一）研究框架

4. 研究设计为
前瞻性队列研究
5. ，核心框架是“暴露因素（改良TyG指数）→结局（随访期间新发脑卒中）”，通过多维度统计分析验证两者关联及预测效能，并通过敏感性和亚组分析验证结果稳健性。

（二）详细技术路线图

1. 第一步：研究对象确定
• 输入：CHARLS 2011-2018年四波原始数据（17708人）；
• 处理：应用排除标准筛选，最终确定8677人（用于基线指数与卒中风险关联）、5682人（用于指数变化与卒中风险关联）；
• 输出：纳入研究对象的基线数据库。
2. 第二步：变量定义与测量
• 暴露变量（改良TyG指数）：
• 基础TyG指数：TyG = Ln [(FPG（mg/dL）× TG（mg/dL）)/2]；
• 改良指数：TyG-BMI = TyG × BMI（kg/m²）、TyG-WC = TyG × 腰围（cm）、TyG-WHtR = TyG × 腰高比（腰围/身高，cm/cm）；
• 结局变量（新发脑卒中）：通过随访问卷确认，定义为“基线无卒中，随访期间经医生诊断为卒中”，记录发病时间；
• 协变量：包括人口学指标（性别、年龄）、生活方式（吸烟、饮酒）、临床疾病（高血压、糖尿病、慢性肺病、慢性肾病、癌症）、生化指标（血压、血脂、血糖、肾功能等）。
3. 第三步：统计分析
• 描述性分析：基线特征（连续变量用均值 ± 标准差或中位数（四分位距），分类变量用频数（百分比）），比较卒中组与非卒中组差异（χ²检验、ANOVA或Kruskal-Wallis检验）；
• 关联分析：Cox比例风险回归模型（三个调整模型：Model I未调整、Model II调整性别年龄、Model III全调整协变量），分析改良TyG指数与卒中风险的关联；
• 剂量反应关系：限制性立方样条（RCS）分析，检验改良TyG指数与卒中风险的线性/非线性关系，TyG-BMI需确定拐点；
• 预测效能比较：ROC曲线分析，计算AUC值，用DeLong检验比较三者预测能力；
• 指数变化分析：K-means聚类（基于欧氏距离）将5682人分为“低指数轨迹组”和“高指数轨迹组”，用多变量logistic回归分析两组卒中风险差异；
• 稳健性验证：敏感性分析（非糖尿病人群7349人、非慢性肾病人群8143人、BMI<24 kg/m²人群5157人）、亚组分析（年龄、性别、高血压、吸烟、饮酒亚组），检验结果一致性。
4. 第四步：结果输出与结论推导
• 输出：脑卒中发生率、Cox回归HR值（95% CI）、RCS剂量反应曲线、ROC曲线及AUC、聚类分析OR值、敏感性/亚组分析结果；
• 推导：基于统计结果，明确改良TyG指数与卒中风险的关联模式、预测价值，提出预防建议。

六、研究步骤及结果展示

（一）研究步骤

1. 完成研究对象筛选，建立基线数据库并描述基线特征；
2. 计算随访期间脑卒中发生率（按改良TyG指数四分位数分层）；
3. 采用Cox模型分析改良TyG指数与卒中风险的关联（分三个调整模型）；
4. 用RCS分析剂量反应关系，确定TyG-BMI的拐点；
5. 通过ROC曲线比较三者预测效能；
6. 聚类分析改良TyG指数变化轨迹与卒中风险的关联；
7. 开展敏感性和亚组分析，验证结果稳健性。

（二）结果展示

1. 基线特征
• 纳入人群平均年龄58.0（52.00, 65.00）岁，男性4031人（46.46%），女性4646人（53.54%）；
• 卒中组（807人）vs 非卒中组（7870人）：卒中组高血压（65.76% vs 45.67%）、糖尿病（19.43% vs 14.21%）比例更高，SBP、DBP、BMI、TG、FPG及三个改良TyG指数均显著更高（P<0.001）；
• 改良TyG指数均呈正态分布：TyG-BMI均值204.44±38.87、TyG-WC均值743.20±117.30、TyG-WHtR均值4.72±0.76。
2. 脑卒中发生率
• 总发生率：115.33例/10万人年；
• 四分位分层发生率（以Q1为最低层）：
• TyG-BMI：Q1 72.90、Q2 101.51、Q3 127.48、Q4 159.01例/10万人年（P趋势 < 0.001）；
• TyG-WC：Q1 65.90、Q2 99.89、Q3 126.80、Q4 169.93例/10万人年（P趋势 < 0.001）；
• TyG-WHtR：Q1 67.78、Q2 98.29、Q3 131.75、Q4 164.48例/10万人年（P趋势 < 0.001）。
3. 改良TyG指数与卒中风险的关联（Cox模型，Model III全调整）
• 连续变量关联：
• TyG-BMI：每增加10单位，卒中风险增加5.5%（HR=1.055，95% CI 1.033-1.078，P<0.001）；
• TyG-WC：每增加10单位，卒中风险增加2.0%（HR=1.020，95% CI 1.012-1.027，P<0.001）；
• TyG-WHtR：每增加1单位，卒中风险增加32.4%（HR=1.324，95% CI 1.178-1.487，P<0.001）；
• 四分位关联（以Q1为参照）：
• TyG-BMI：Q2（HR=1.391）、Q3（HR=1.621）、Q4（HR=1.861），风险逐quartile升高（P<0.001）；
• TyG-WC：Q2（HR=1.406）、Q3（HR=1.630）、Q4（HR=1.888），风险逐quartile升高（P<0.001）；
• TyG-WHtR：Q2（HR=1.365）、Q3（HR=1.657）、Q4（HR=1.837），风险逐quartile升高（P<0.001）。
4. 剂量反应关系（RCS）
• TyG-BMI：与卒中呈非线性关系（P非线性 < 0.05），拐点为179.279；低于拐点时，TyG-BMI每增加1个标准差，卒中风险增加108%（HR=2.080，95% CI 1.399-3.090）；高于拐点时，风险仅增加16%（HR=1.160，95% CI 1.054-1.276）；
• TyG-WC：与卒中呈线性关系（P非线性 = 0.107），随指数升高风险持续增加；
• TyG-WHtR：与卒中呈线性关系（P非线性 = 0.082），随指数升高风险持续增加。
5. 预测效能（ROC曲线）
• AUC值：TyG-BMI 0.593（95% CI 0.573-0.613）、TyG-WC 0.608（95% CI 0.588-0.628）、TyG-WHtR 0.603（95% CI 0.583-0.623）；
• DeLong检验：TyG-WC预测能力稍优于TyG-BMI（Z=-2.910，P<0.05），但与TyG-WHtR无显著差异（Z=-1.828，P=0.198），三者整体预测能力相当。
6. 改良TyG指数变化轨迹与卒中风险（K-means聚类）
• 聚类结果：低指数轨迹组（2011-2015年指数持续较低）、高指数轨迹组（指数持续较高）；
• 风险差异（Model III调整后）：
• TyG-BMI：高轨迹组比低轨迹组卒中风险高29.9%（OR=1.299，95% CI 1.055-1.599，P=0.014）；
• TyG-WC：高轨迹组比低轨迹组卒中风险高45.1%（OR=1.451，95% CI 1.178-1.788，P<0.001）；
• TyG-WHtR：高轨迹组比低轨迹组卒中风险高29.1%（OR=1.291，95% CI 1.045-1.596，P=0.018）。
7. 稳健性验证
• 敏感性分析：在非糖尿病人群、非慢性肾病人群、BMI<24 kg/m²人群中，改良TyG指数与卒中风险的正相关仍显著（HR值与总人群接近，P<0.001）；
• 亚组分析：在不同年龄（<50岁、50-60岁、60-70岁、>70岁）、性别、高血压状态、吸烟/饮酒状态亚组中，关联均一致，无显著交互作用（P交互 > 0.05）。

七、研究结论

1. 核心关联：在中国中老年人中，TyG-BMI、TyG-WC、TyG-WHtR三个改良甘油三酯葡萄糖指数均与脑卒中发病风险呈显著正相关，且存在“指数越高，风险越高”的等级效应。
2. 剂量反应模式：TyG-BMI与脑卒中呈非线性关系，存在拐点179.279，低于拐点时指数升高对卒中风险的影响更显著；TyG-WC、TyG-WHtR与脑卒中呈线性关系，风险随指数升高持续增加。
3. 预测效能：三者对脑卒中风险的预测能力相当，TyG-WC的预测效能稍优于TyG-BMI，可作为中老年人脑卒中风险筛查的简易指标。
4. 实践意义：通过体重管理（控制BMI）和腰围管理（降低WC、WHtR），维持改良TyG指数在良好水平，可能是降低中国中老年人脑卒中风险的有效措施，可为脑卒中预防策略制定提供流行病学依据。