胰岛素抵抗代谢评分预测一般人群全因和心血管死亡：来自NHAN

这是一篇关于胰岛素抵抗代谢评分预测一般人群全因和心血管死亡：来自NHAN的思维导图，METS-IR是一种用于评估胰岛素抵抗的代谢评分系统，它通过综合考虑多个代谢因素（如空腹血糖、甘油三酯、身体质量指数等）来量化胰岛素抵抗的程度。这种评分系统已被证明在预测心血管疾病（CVD）风险方面具有价值。主要内容包括：表不如图，字不如表，摘要，题目。

胰岛素抵抗代谢评分预测一般人群全因和心血管死亡：来自NHANES 2001 - 2018的证据

• 题目
  • Metabolic score for insulin resistance (METSIR) predicts all-cause and cardiovascular mortality in the general population: evidence from NHANES 2001–2018
• 摘要
  • 背景/目的
    • 胰岛素抵抗( insulin resistance，IR )
    • 肥胖相关的 IR 的患病率随着肥胖率的增加而增加
    • 本研究基于Boruta算法筛选出的关键变量，比较了IR 4个替代指标在一般人群中对全因死亡和心血管死亡的预测效用
      • 甘油三酯葡萄糖指数( Ty G指数)
      • 胰岛素抵抗代谢评分( METS-IR )
      • 甘油三酯/高密度脂蛋白胆固醇( TG / HDL-C )比值
      • 稳态模型胰岛素抵抗指数( HOMA-IR )
    • 目的是寻找IR的最佳替代指标
  • 方法
    • 本研究从NHANES ( 2001 - 2018年)中筛选出14653名参与者
    • 根据公式分别计算Ty G指数、METS - IR、TG / HDL - C和HOMA - IR
    • 评估IR替代指标对总人群全因死亡和心血管死亡的预测价值
    • 在大样本数据的基础上，应用Boruta算法选择多因素Cox回归的纳入因子，提高了研究的置信度和准确性
  • 结果
    • 中位随访时间为116个月，全因死亡2085例( 10.23 % )，心血管疾病相关死亡549例( 2.61 % )
    • 多因素Cox回归和限制性立方样条分析显示，在4个指标中，仅METS - IR与全因死亡和CVD死亡均显著相关，且均呈近似" U "型的非线性关联
    • 基线METS - IR低于拐点( 41.33 )与死亡率[全因死亡的风险比( HR )为0.972 ]呈负相关
    • 基线METS - IR高于拐点( 41.33 )与死亡率(全因死亡的HR 1.019 , CVD死亡的HR 1.028 )呈正相关
    • 进一步对METS - IR进行分层，发现METS - IR水平与全因死亡和心血管死亡的显著关联主要存在于年龄< 65岁的非老年人群中
  • 结论
    • 结合Boruta算法的结果，METS - IR在美国人群中显示出比其他三个IR替代指标( Ty G指数、TG / HDL - C、HOMA - IR)更显著的全因死亡率和心血管死亡率的关联，特别是在65岁以下的个体中尤为明显
• 字不如表
  • Table 1
    • NHANES 2001 - 2018年Ty G指数、METS - IR、TG / HDL - C和HOMA - IR四分位数的基线特征
      • Q1-4
  • Table 2
    • 根据Ty G指数、METS - IR、TG / HDL - C和HOMA - IR四分位数分组的实验室特征基线水平，NHANES 2001 - 2018
  • Table 3
    • NHANES 2001 - 2018年，根据不同的预后进行亚组分析
      • 全因死亡
      • 心血管死亡
  • Table 4
    • NHANES 2001 - 2018年TyG指数、METS - IR、TG / HDL - C和HOMA - IR四分位数分组死亡率的HRs ( 95 % CIs )
      • 模型1：未调整
      • 模型2：调整年龄、性别、种族
      • 模型3 (全因死亡)：调整年龄、性别、种族、BMI、PIR、教育、饮酒、吸烟、CVD、Scr、SBP、BUN、高血压
      • 模型3 (心血管病死亡率)：调整年龄、性别、种族、BMI、PIR、教育、饮酒、吸烟、HbA1C、FPG、Scr、ALT、SBP
  • Table 5
    • Ty G指数、METS - IR、TG / HDL - C和HOMA - IR对全因和心血管死亡的阈值效应分析
      • 4个x
      • 2个y
      • 拐点两侧HR
• 表不如图
  • Figure 1
    • 患者选择流程图
  • Figure 2
    • 根据Ty G指数四分位数、METS - IR、TG / HDL - C和HOMA - IR分层绘制全因死亡和心血管死亡条形图
  • Figure 3
    • 基于Boruta算法的全死因死亡率特征选择过程( A )和筛选过程中Z - score的取值演变过程( B )
    • 基于Boruta算法的心血管病死亡率特征选择过程( C )和筛选过程中Z - score的值演化( D )
    • 在A和C中，横轴表示变量名，纵轴表示每个变量的Z值
    • 在B和D中，横轴表示迭代次数，纵轴表示筛选过程中Z值的变化
      • 蓝色框和线对应阴影特征的最小、平均和最大Z - score
      • 绿色方框和线条代表模型计算中的确认变量
      • 红色方框和线条代表模型计算中的拒绝变量
  • Figure 4
    • 普通人群Ty G指数与全因死亡( A )和心血管死亡( B )的关联
      • 以Ty G指数水平为8.61为参照，计算各风险比
    • 一般人群中METS - IR与全因死亡( C )和心血管死亡( D )的关联
      • 以METS - IR水平41.33为参照，计算各风险比
    • 一般人群中TG / HDL - C与全因死亡( E )和心血管死亡( F )的关联
      • 以TG / HDL - C水平1.98为参照，计算各风险比
      • 根据Ty G指数四分位数、METS - IR、TG / HDL - C和HOMA - IR分层绘制全因死亡和心血管死亡条形图
    • 普通人群HOMA - IR与全因死亡( G )和心血管死亡( H )的关系
      • 以HOMA - IR水平2.49为参照，计算各风险比
    • 调整年龄、性别、种族、BMI、PIR、教育、饮酒、吸烟、CVD、Scr、SBP、BUN、高血压等因素后的全因死亡率
    • 调整年龄、性别、种族、BMI、PIR、教育程度、饮酒、吸烟、HbA1C、FPG、Scr、ALT、SBP等因素后，计算心血管死亡率
  • Figure 5
    • 亚组分析METS - IR与全因死亡的相关性
  • Figure 6
    • 分组分析METS - IR与心血管死亡的相关性