摘要目的 基于美国国家健康与营养调查(National Health and Nutrition Examination Survey,NHANES)数据库构建新生物年龄模型,并评估模型对死亡结局的预测作用.方法 纳入NHANES 2007-2010年,年龄在20～79岁的参与者作为测试集,排除怀孕女性及临床资料不完整者,共计8 234名.另采用NHANESⅢ中18～79岁非怀孕的17 522名参与者作为训练集,用于构建新生物年龄模型.通过多重线性回归构建新生物年龄和新年龄校正生物年龄模型,并计算其他种类生物年龄.Pearson相关分析评估生物年龄与实际年龄相关性.基于新年龄校正生物年龄模型计算生物年龄加速,根据生物年龄加速将参与者分为生物衰老加速组(生物年龄加速≥0,n=3 884)和生物衰老延缓组(生物年龄加速<0,n=4 350).使用R软件survey包进行加权数据比较,Cox回归分析生物年龄加速对参与者死亡的影响.受试者特征曲线(ROC)计算新年龄校正生物年龄和生物年龄加速对参与者死亡受试者特征曲线下面积(AUC)的影响.结果 由9个变量构成的新年龄校正生物年龄模型对死亡结局具有最大AUC(AUC=0.889 2,P<0.001),且与实际年龄及其他生物年龄具有较高相关性.与生物衰老加速组相比,生物衰老延缓组男性、白种人、高中及以上教育程度、中高水平家庭收入、已婚(或有伴侣)、体育运动强度、私人保险及癌症人群比例显著升高(P<0.05);而BMI、生物年龄加速水平以及吸烟者、高血压、糖尿病、心血管疾病和慢性阻塞性肺疾病比例显著降低(P<0.05).Cox回归提示,与生物衰老延缓组比较,生物衰老加速组在Model3[调整年龄分组、性别、种族、BMI、教育程度、家庭收入、已婚(或有伴侣)、吸烟状态、重度饮酒、保险状况、体育运动、高血压、糖尿病、心血管疾病、慢性阻塞性肺疾病与癌症]中死亡风险显著增加(HR=1.62,95%CI:1.28-2.06,P<0.001).ROC结果显示,新年龄校正生物年龄模型显著增加中、老年人群AUC值(AUC=0.781,P<0.001;AUC=0.731,P<0.001),而生物年龄加速显著提高中年人群AUC值(AUC=0.756,P<0.001).结论 新年龄校正生物年龄模型与实际年龄及其他生物年龄具有较高相关性,且对死亡结局具有较好的预测作用,尤其适用于中老年人群.