检索历史 清除

摘要背景：<br>　　美国心脏协会于2022年发布了新版的心血管健康(Cardiovascular health,CVH)评估方法 “Life''s essential 8(LE8)”。LE8 在既往评估方法 “Life''s Simple 7(LS7)”的基础上，将“睡眠”作为一个新指标完善CVH评估体系。目前，基于LE8评估的心血管健康评分与全因死亡风险之间关系的研究证据十分有限。<br>　　目的：<br>　　基于LE8,探究CVH总评分、CVH行为指标评分及CVH代谢指标评分与全因死亡风险的关系，并比较纳入睡眠指标前后CVH总评分对发生全因死亡的预测能力。<br>　　方法：<br>　　本研究采用整群随机抽样的方法于2007-2008年从河南省新安县磁涧镇和铁门镇随机抽取了 81个村庄，共纳入20194名18岁及以上的常住居民为研究对象，通过问卷调查、人体测量及实验室检测对其进行基线调查。在2013-2014年完成了第一次随访调查，随访调查内容与基线相同，共有17265名研究对象被随访到，随访率为85.5％。本研究排除185名无法计算基线心血管健康评分的研究对象后，共计有17080名研究对象纳入分析。将研究对象分别依据基线CVH总评分、CVH行为指标评分及CVH代谢指标评分分为低水平组(0-49分)、中等水平组(50-79分)及高水平组(80-100分)，采用Cox比例风险回归模型计算CVH总评分、CVH行为指标评分及CVH代谢指标评分不同水平组和各评分每增加10分所对应的全因死亡风险比(Hazard ratio,HR)及95％置信区间(Confidence interval,CI),并通过限制性立方样条模型分别拟合CVH总评分、CVH行为指标评分及CVH代谢指标评分与全因死亡风险之间的剂量-反应关系。按照研究对象的性别及年龄进行亚组分析，并通过在Cox比例风险回归模型中纳入乘积项来分析三种评分与性别及年龄间可能存在的相乘交互作用。通过以下两种方法进行敏感性分析来评估结果的稳健性:(1)排除随访前两年内死亡者;(2)排除基线癌症患者及心血管疾病患者。最后，采用受试者工作特征曲线(Receiver operator characteristic curve,ROC),计算纳入睡眠指标前后 CVH 总评分预测全因死亡的曲线下面积(Area under the curvve,AUC),比较纳入睡眠指标前后CVH总评分对发生全因死亡的预测能力。<br>　　结果：<br>　　1.研究对象CVH总评分、CVH行为指标评分及CVH代谢指标达到高水平者所占比例分别为28.55％、31.14％及41.69％。经过6.01年(累计随访100545.63人年)的随访，在纳入分析的17080名研究对象中累计记录到1084例死亡，累积死亡率和死亡密度分别为6.35％和10.78/1000人年。CVH总评分低、中等及高水平组的死亡密度分别为30.25/1000人年、11.91/1000人年及4.25/100人年。<br>　　2.调整潜在的混杂因素后，与CVH总评分低水平组相比，中等及高水平组的全因死亡风险分别降低 42.7％(HR:0.573,95％CI:0.487-0.674)和 59.3％(HR:0.407,95％CI:0.323-0.514);随着CVH总评分的增加，全因死亡风险呈现下降趋势(Ptrend＜0.05),CVH总评分每增加10分，全因死亡风险下降16.6％(HR:0.834,95％CI:0.795-0.874)。CVH行为指标评分及CVH代谢指标评分与其各自低水平组相比，中等及高水平组的全因死亡风险也均降低，且随着CVH行为指标评分及CVH代谢指标评分的增加，全因死亡风险均呈现出下降的趋势(Ptrend＜0.05)。CVH行为指标评分及CVH代谢指标评分每增加10分，发生全因死亡的风险分别下降 10.5％(HR:0.895,95％CI:0.866-0.925)及 6.7％(HR:0.933,95％CI:0.901-0.966)。敏感性分析结果均保持稳定。<br>　　3.限制性制性立方样条模型结果显示，CVH总评分及CVH代谢指标评分与全因死亡风险之间呈非线性的剂量-反应关系(Pnonlinear＜0.05),CVH行为指标评分与全因死亡风险呈线性剂量-反应关系(Pnonlinear=0.892)。<br>　　4.对于CVH总评分及CVH行为指标评分，在不同年龄及不同性别的人群中，与低水平组相比，中等及高水平组的全因死亡风险均下降(P均＜0.05);对于CVH代谢指标评分，仅在男性或＜60岁的人群中观察到CVH代谢指标评分与全因死亡风险间的负相关关系，与低水平组相比，高水平组的全因死亡风险下降(P均＜0.05)。相乘交互模型分析结果显示，CVH总评分、CVH行为指标评分及CVH代谢指标评分与性别之间均存在显著的相乘交互作用(Pinteraction均＜0.05),此外，CVH代谢指标评分与年龄之间也存在显著的相乘交互作用(Pinteraction＜0.05)。<br>　　5.ROC曲线分析结果显示，纳入睡眠指标前与纳入睡眠指标后CVH总评分预测全因死亡发生的AUC(95％CI)分别为0.656(0.649-0.663)及0.669(0.662-0.676),后者高于前者(P＜0.05)。<br>　　结论：<br>　　1.采用LE8评估的CVH总评分、CVH行为指标评分及CVH代谢指标评分均与全因死亡风险之间存在负相关关系。提示可以基于LE8,通过健康教育、定期监测及强化干预等方式改善人群的行为生活方式和代谢水平，进而降低死亡负担。<br>　　2.相乘交互作用分析结果提示，CVH总评分及CVH行为指标评分与全因死亡风险的关联强度可能由于性别因素的作用存在差异;CVH代谢指标评分与全因死亡风险的关系可能会因为性别或年龄不同而存在差异。<br>　　3.与未纳入睡眠指标时相比，将睡眠纳入CVH的评估体系后，CVH总评分对全因死亡风险的预测能力更优。