关于CHG指数与中老年中国人卒中风险关联的全国性前瞻性队列研究的学术报告
一、 研究基本信息
本研究由来自中国武汉市第四医院神经内科的王敏（Min Wang）与深圳大学第一附属医院（深圳市第二人民医院）神经内科的朱佳倩（Jiaqian Zhu）共同完成。研究论文以“Total cholesterol, high-density lipoprotein, and glucose (CHG) index and risk of stroke in middle-aged and elderly Chinese adults: a nationwide prospective cohort study”为题，于2026年发表在BMC Neurology期刊上（卷26，文章号108）。该研究是一项基于大型全国性队列的流行病学调查，聚焦于心血管与代谢性疾病预防领域。
二、 学术背景与研究目的
卒中（中风）是全球范围内导致死亡和残疾的主要疾病之一，在中国中老年人群中的负担尤为沉重。识别可干预的风险因素对于卒中的一级预防至关重要。血脂异常（如总胆固醇升高、高密度脂蛋白胆固醇降低）和血糖代谢异常（如空腹血糖升高）均是已知的卒中风险因素。近年来，复合指标因其能更综合地反映生理状态而受到关注。例如，甘油三酯-葡萄糖指数已被广泛研究。本研究关注的是一个较新的复合指标——总胆固醇、高密度脂蛋白胆固醇和葡萄糖指数，简称CHG指数（CHG = ln[TC * FPG / (2 * HDL-C)]）。该指数由Amin Mansoori等人于2025年提出，早期研究表明其在预测糖尿病及其并发症、心血管事件方面具有价值。然而，在论文发表时，尚无研究系统评估CHG指数与卒中风险之间的关联。
因此，本研究旨在填补这一知识空白。其核心科学问题是：在中国中老年人群中，CHG指数是否与卒中发病风险独立相关？这种关联是线性的还是非线性的？与传统的单一指标（如TC、HDL-C、FPG）或其他复合指标（如TC/HDL-C比值、TyG指数）相比，CHG指数对卒中风险的预测能力如何？解答这些问题有助于探索一个新的、易于获取的生物标志物，用于早期识别卒中高风险人群，优化风险分层和预防策略。
三、 详细研究流程与方法
本研究是一项前瞻性队列研究，数据来源于具有全国代表性的“中国健康与养老追踪调查”（CHARLS）项目。具体工作流程如下：
1. 研究设计与数据源： - 数据来源：使用CHARLS在2011年至2020年间进行的五轮调查数据（2011、2013、2015、2018、2020年）。CHARLS采用分层多阶段概率抽样，基线覆盖中国28个省的150个县区，旨在评估中国中老年人群的经济、社会与健康状况。 - 伦理与知情同意：研究获得了北京大学伦理审查委员会的批准，所有参与者在入组前均签署了书面知情同意书。
2. 研究人群筛选： - 初始人群：从2011-2012年基线调查的17,708名45岁及以上参与者开始。 - 排除标准：按顺序应用了严格的排除标准以构建最终分析队列： a. 排除基线时已自我报告患有卒中的486名参与者。 b. 排除卒中信息不完整的59名参与者。 c. 排除随访期间失访的1,060名参与者。 d. 排除基线时缺乏空腹血糖、总胆固醇或高密度脂蛋白胆固醇测量数据的5,200名参与者。 e. 排除CHG指数值异常或极端的196名参与者。 f. 排除年龄小于45岁的311名参与者。 - 最终样本：经过上述筛选，共有10,396名参与者被纳入最终分析。流程图清晰地展示了这一筛选过程。
3. 变量定义与测量： - 主要暴露变量：CHG指数，作为连续变量计算，公式为：CHG = ln [TC (mg/dL) * FPG (mg/dL) / (2 * HDL-C (mg/dL))]。 - 结局变量：新发卒中事件。通过问卷收集，定义为基线时无卒中病史，但在随访期间自我报告被医生诊断为卒中的事件。以自我报告的诊断日期作为事件发生时间。 - 协变量（混杂因素）：收集了广泛的基线信息用于调整分析，包括： - 人口学与生活方式：年龄、性别、饮酒状态、吸烟状态、体力活动水平。 - 疾病史：慢性肺病、高血压、慢性肾病、冠心病、糖尿病。 - 体格测量：身高、体重、腰围、收缩压、舒张压、体重指数。 - 生化指标：低密度脂蛋白胆固醇、血小板计数、尿酸、血尿素氮、C反应蛋白、糖化血红蛋白、血红蛋白、血清肌酐、白细胞计数、甘油三酯、胱抑素C等。 - 其他比较指标：为了对比，同时计算了甘油三酯-葡萄糖指数和TC/HDL-C比值。
4. 数据处理与统计分析方法： - 缺失数据处理：针对部分协变量存在缺失值的情况（缺失比例从0.01%到62.70%不等），研究采用了多重插补技术进行处理，以减少因缺失数据导致的偏倚。插补基于“随机缺失”的假设，使用线性回归方法进行了10次迭代。 - 基线特征描述：将参与者按CHG指数三分位数分组，使用方差分析、Kruskal-Wallis检验或卡方检验比较组间基线特征的差异。 - 主要关联分析：使用Cox比例风险回归模型评估CHG指数与卒中风险的关系。构建了三个模型： - 模型I：未调整任何协变量。 - 模型II：调整了年龄、性别、腰围、体重指数。 - 模型III（完全调整模型）：进一步调整了糖尿病、冠心病、饮酒状态、慢性肾病、C反应蛋白、舒张压、糖化血红蛋白、血小板计数、腰围、白细胞计数、血清肌酐、性别、体重指数、体力活动、吸烟状态。由于收缩压与甘油三酯与其他变量存在多重共线性，未纳入最终模型。 - 非线性关系探索：使用限制性立方样条函数的Cox比例风险模型探索CHG与卒中风险之间是否存在非线性关联。如果存在非线性，则通过递归算法确定拐点，并在拐点两侧分别构建两段式Cox模型。 - 亚组分析与交互作用检验：按年龄、性别、收缩压、舒张压、体力活动、吸烟状态、冠心病史进行分层分析，并使用似然比检验评估交互作用。 - 敏感性分析：为验证结果的稳健性，进行了一系列敏感性分析： a. 使用广义加性模型将连续协变量以曲线形式纳入。 b. 排除体重指数≥28 kg/m²的参与者。 c. 分别排除患有糖尿病、高血压、慢性肾病的参与者。 d. 仅分析从不饮酒的参与者。 e. 构建不包含急性期反应物（白细胞、血小板、C反应蛋白）的模型。 f. 进行完整病例分析，排除任何协变量有缺失值的参与者。 g. 计算E值以评估未测量混杂因素对观察到的关联可能产生的影响。 - 预测价值评估：绘制受试者工作特征曲线，比较CHG指数、TC、HDL-C、FPG、TC/HDL-C比值、TyG指数对卒中风险的预测能力，计算曲线下面积、最佳截断值、灵敏度和特异度。
四、 主要研究结果
1. 参与者基线特征： 最终纳入的10,396名参与者平均年龄约59岁，女性占53.27%。CHG指数近似正态分布，平均值为4.49。按CHG三分位数分组比较发现，与低CHG组相比，高CHG组的参与者年龄更大，总胆固醇、空腹血糖、甘油三酯、糖化血红蛋白、收缩压等水平更高，高密度脂蛋白胆固醇水平更低，同时患有高血压、糖尿病的比例更高，当前饮酒者和女性的比例也更高。这提示高CHG指数与一系列不良代谢特征相关。
2. 卒中发病率： 在中位随访期内，共发生953例新发卒中事件，总发病率为每1万人年113.97例，累积发病率为9.17%。随着CHG指数三分位数的升高，卒中发病率呈上升趋势（T1: 106.66/万人年；T2: 107.53/万人年；T3: 129.19/万人年）。
3. CHG指数与卒中风险的主要关联： - 连续变量分析：在完全调整的模型III中，CHG指数每增加1个单位，卒中风险显著增加33.5%（风险比 = 1.335；95%置信区间：1.063–1.677）。趋势性检验显示风险随CHG升高而增加。 - 分类变量分析：以最低三分位数组为参照，中间组风险比无显著变化，最高组风险比有升高趋势但不显著。这提示可能存在非线性关系。
4. 非线性关系与阈值效应： 限制性立方样条分析显著揭示了CHG指数与卒中风险之间存在非线性关联。研究发现了一个明确的拐点，位于CHG = 4.556。 - 拐点左侧：当CHG < 4.556时，每增加1单位CHG，卒中风险增加12.6%，但此关联无统计学显著性。 - 拐点右侧：当CHG ≥ 4.556时，每增加1单位CHG，卒中风险显著增加58.0%。 这一结果意味着，CHG指数对卒中风险的影响存在一个“阈值效应”。低于该阈值时，风险增长平缓；一旦超过该阈值，风险则急剧上升。
5. 预测价值比较： ROC曲线分析显示，在预测卒中风险方面，CHG指数的曲线下面积为0.5737，其预测效能略高于TyG指数、TC/HDL-C比值、空腹血糖、高密度脂蛋白胆固醇和总胆固醇。其最佳截断值为3.9976（原文中表格显示为399.7645，疑为笔误，根据公式和数值范围，应为3.9976左右），约登指数为0.1200。
6. 亚组分析与敏感性分析结果： - 亚组分析：按年龄、性别、血压等因素分层后，CHG与卒中风险的正向关联在不同亚组中基本一致，且交互作用检验均不显著，表明这些因素未显著改变该关联。 - 敏感性分析：在所有敏感性分析中（包括排除特定疾病人群、仅分析从不饮酒者、使用广义加性模型、完整病例分析等），CHG指数与卒中风险的正向关联均保持稳健。E值计算表明，未测量的混杂因素不太可能完全解释所观察到的关联。
五、 研究结论与价值
本研究得出以下核心结论： 1. 独立正相关：在中国中老年人群中，较高的CHG指数与增加的卒中风险存在独立的、显著的正相关关系。 2. 非线性阈值关系：两者之间存在明显的非线性关系，拐点为4.556。当CHG指数超过此阈值时，卒中风险会急剧上升。 3. 预测价值：CHG指数对卒中风险的预测能力优于其单个组分指标及常用的TyG指数和TC/HDL-C比值。
科学价值与应用意义： - 理论价值：本研究首次在大规模前瞻性队列中证实了CHG指数与卒中风险的关联，并揭示了其非线性特征，丰富了我们对复合代谢指标与脑血管疾病关系的认识。研究结果支持“血脂-血糖联合代谢异常”是卒中重要驱动因素的观点，其机制可能与胰岛素抵抗、氧化应激、炎症反应及内皮功能障碍的协同加剧有关。 - 应用价值：CHG指数作为一个由常规体检项目（血脂、血糖）计算得出的简单、低成本指标，具有转化为临床工具的潜力。研究提示，CHG ≥ 4.556 可作为一个重要的风险分层临界点。对于超过此临界点的个体，临床医生应予以高度重视，并积极采取干预措施，如强化生活方式管理（增加体力活动、改善饮食）以及对其他相关代谢指标（如血压、尿酸）进行管控，以降低卒中风险。该指标尤其适用于资源有限地区的初级卒中风险筛查。
六、 研究亮点
七、 其他有价值的内容
研究也坦诚地指出了其局限性： 1. 人群局限性：研究对象仅限于中国中老年人，结论推广至更年轻人群或其他种族/地区需谨慎。 2. 观察性研究设计：尽管调整了大量协变量并进行了稳健性检验，但仍不能完全排除残余混杂或确立因果关系。 3. 信息限制：缺乏一些潜在混杂因素的数据，如饮食习惯、药物使用（特别是降脂降糖药）和卒中家族史。不过，E值分析在一定程度上缓解了对此的担忧。 4. 结局定义：卒中事件基于自我报告，虽经医生诊断，但可能存在误报或漏报，且未区分缺血性与出血性卒中。
未来研究需要在更广泛、更多样化的人群中进行验证，并纳入更详细的混杂因素，以进一步确认CHG指数的预测价值及其在卒中一级预防中的实际应用效果。