高血压患者非高密度脂蛋白胆固醇与高密度脂蛋白胆固醇比值与死亡率的关系

快速阅读: 《Nature.com》消息，本研究遵循NHANES指南，采用复杂抽样设计和权重分析2003年至2018年的数据。通过多重插补处理缺失数据，并采用多变量模型调整混杂因素。采用ANOVA和卡方检验比较基线特征，利用Cox比例风险回归模型评估NHHR与死亡率的关系。使用限制性立方样条和分段模型检测非线性关系，并进行敏感性分析以确保结果的稳健性。所有分析均使用R 4.2和EmpowerStats软件完成。

分析遵循了NHANES的分析和报告指南，考虑了复杂的抽样设计和抽样权重。对于2003年至2018年的八个周期，16年MEC空腹亚样本权重被设置为原始权重的1/8。在分析之前，进行了几个预处理步骤来准备数据集。首先，通过应用多重插补（MI）使用链式方程（MICE）方法对缺失的协变量数据进行插补。缺失协变量的比例和MI的具体方法详见附录文件2：表S1。其次，提到了排除标准和NHHR的分类。第三，使用一系列多变量模型调整协变量，以考虑潜在的混杂因素。

对于连续变量，采用单因素方差分析（ANOVA）比较NHHR四分位数组之间的基线特征，而分类变量则使用卡方检验。为了评估NHHR与死亡率之间的关联，根据NHHR水平将参与者分为四分位数组。基于四分位数的分组在类似的队列研究中常用，以便于比较和解释。尽管我们认识到这种关系可能存在转折点，但选择四分位数是因为它们便于直接对参与者进行分层。使用多变量Cox比例风险回归模型检查NHHR与全因和心血管死亡率之间的关系。模型1未调整；模型2进一步调整年龄、性别和种族；模型3包括模型2中的所有协变量，并添加教育水平、婚姻状况、PIR、吸烟状态、饮酒、eGFR、BMI和体力活动；模型4进一步调整抗高血压治疗、CVDs、糖尿病、抗高血糖治疗、高脂血症和降脂治疗。

使用限制性立方样条（RCS）回归来检测NHHR与死亡率之间是否存在非线性关系。如果RCS表明存在非线性，则在拐点两侧应用分段Cox比例风险模型。按年龄（<60或≥60岁）、性别（男/女）、BMI（<25、25-30或≥30）、CVDs（是/否）、糖尿病（是/否）、吸烟状态（当前、以前或从未）、饮酒（是/否）和高脂血症的降脂治疗（是/否）进行分层和交互分析进行了敏感性分析以评估模型稳定性。为了验证基于四分位数分组的稳健性，采用了其他分组策略，包括基于中位NHHR的二分法分类和基于阈值效应的分类。这些敏感性分析的结果与使用四分位数分组得到的结果一致，进一步证实了我们的发现的稳健性。 此外，为了尽量减少缺失数据对主要结果的影响，移除了有缺失值的参与者。另外，那些在研究开始时就被诊断出患有癌症的参与者也被排除，以减少潜在的混杂影响。所有分析均使用R版本4.2和EmpowerStats软件进行。所有P值均为双尾检验，统计显著性水平设定为0.05。

(以上内容均由Ai生成)