编辑推荐：
慢性肾脏病（CKD）危害大且糖尿病成主因，探寻风险因素迫在眉睫。研究人员基于中国健康与养老追踪调查（CHARLS），探究心脏代谢指数（CMI）与肾病风险关系。结果显示，高基线 CMI 与肾功能快速下降和 CKD 相关，且在非糖尿病群体中更显著。这为肾病防治提供新方向。
在健康医学领域，慢性肾脏病（CKD）逐渐成为全球重大公共卫生问题，它就像一颗 “健康定时炸弹”，最终可能引发肾衰竭，严重影响患者生活质量，还大幅增加发病率和死亡率。目前，糖尿病已取代肾小球肾炎，成为 CKD 的首要病因，但针对糖尿病引发的肾脏严重后果，有效治疗手段依旧匮乏。同时，传统肥胖指标在评估 CKD 风险时存在不足，比如体重指数（BMI）无法精准识别腹部肥胖，而腰围身高比（WHtR）单独使用又不能全面评估内脏脂肪含量 。在这样的背景下，寻找新的可改变风险因素，加强肾病风险分层就显得尤为重要。
为了解决这些问题，重庆医科大学的研究人员开展了一项关于心脏代谢指数（Cardiometabolic Index，CMI）与肾病风险关系的研究。CMI 是一个新指标，它结合了脂肪分布和脂质谱信息。研究人员利用中国健康与养老追踪调查（CHARLS）的数据，对 3485 名 45 岁及以上的参与者进行研究，旨在探究 CMI 是否能预测肾功能快速下降和 CKD 进展，以及这种关系在不同糖代谢状态下的差异。研究成果发表在《Lipids in Health and Disease》杂志上。
研究人员主要采用了以下关键技术方法：一是利用 CHARLS 的大规模队列数据，这些数据涵盖了丰富的人口统计学、生活方式和健康信息；二是运用多变量逻辑回归分析，探索基线 CMI 与肾病风险的关系，并计算相对风险（RR）和 95% 置信区间（CI）；三是构建 9 种机器学习模型，验证 CMI 对肾病风险的预测能力；四是进行中介因果分析，判断新发糖尿病是否在 CMI 与肾病关系中起中介作用。
研究结果
- 参与者基本特征：研究发现，不同 CMI 四分位数分组的参与者在年龄、性别、吸烟饮酒状况、疾病患病率以及各项生理指标等方面存在显著差异。例如，较高 CMI 四分位数的参与者更年轻、女性比例更高，同时高血压、血脂异常和心脏病的患病率也更高，且糖代谢异常的比例增加。
- 基线 CMI 与肾功能快速下降和 CKD 的关联：随访期间，部分参与者出现肾功能快速下降和 CKD。多变量逻辑回归模型分析显示，调整潜在混杂因素后，基线 CMI 每增加 1 单位，肾功能快速下降风险增加 35.8%，CKD 风险增加 62.7%。进一步分析发现，在正常葡萄糖调节（NGR）组和糖尿病前期（Pre-DM）组，CMI 水平升高与肾功能快速下降风险增加密切相关，但在糖尿病（DM）组未观察到这种关联。
- 基线 CMI 对肾功能快速下降和 CKD 的预测价值：通过比较多种机器学习模型，逻辑回归模型在预测肾功能快速下降和 CKD 方面表现最佳。基线 CMI 预测两者的曲线下面积（AUC）均超过 0.6，表明其具有较好的预测能力。
- CMI 与肾功能快速下降和 CKD 风险关系受血糖状态调节：不同血糖状态的参与者中，肾功能快速下降和 CKD 的发生率存在显著差异。随着血糖状态从正常发展到糖尿病前期再到糖尿病，发病率逐渐增加，糖尿病组尤为明显。在 NGR 和 Pre-DM 组，基线 CMI 增加与肾功能快速下降和 CKD 风险增加显著相关，但在 DM 组无明显关联。
- 中介分析：中介分析表明，在非糖尿病群体中，新发糖尿病不是 CMI 与肾功能快速下降关系的主要中介因素，CMI 对肾功能快速下降的总效应和直接效应显著，间接效应不显著。对于 CKD，在非糖尿病群体中，新发糖尿病也不是基线 CMI 与 CKD 关系的重要中介因素。
- 敏感性分析：排除禁食时间不足 8 小时的参与者后进行敏感性分析，结果显示在 NGR 和 Pre-DM 组，基线 CMI 与肾病风险的关系依然显著，但在糖尿病患者中，两者无显著关联。
研究结论与讨论
该研究表明，较高的基线 CMI 水平与中老年人肾功能快速下降和 CKD 风险增加显著相关，且这种关系受糖代谢状态影响，在 NGR 和 Pre-DM 群体中关联更强，在 DM 群体中不显著。这意味着 CMI 有望成为预测肾病风险的有效指标，尤其是在非糖尿病群体中，有助于早期识别高风险人群，为肾病的一级预防提供帮助。
同时，研究也存在一些局限性，如未考虑药物对肾功能和代谢标志物的影响，可能存在血糖阈值附近参与者分类错误，样本量有限且存在选择偏倚，研究对象仅为中国中老年人，未研究 CMI 的纵向变化，未纳入白蛋白尿评估 CKD 等 。尽管如此，该研究首次揭示了 CMI 在非糖尿病群体中与肾病发病的关联，为后续研究奠定了基础。未来研究可进一步探索 CMI 的具体预测阈值，特别是在非糖尿病群体中的应用，同时结合更多生物标志物和更大数据集，提高预测准确性，为肾病的早期诊断和防治提供更有力的支持。
