这篇文档属于类型a，即报告了一项原创性研究的学术论文。以下是针对该研究的详细学术报告：
作者及发表信息
本研究由Yingzhen Gu, Xiaorong Han, Jinxing Liu, Yifan Li, Wei Zhang, Xiaopeng Yuan, Xiao Wang, Naqiang Lv, Aimin Dang等作者合作完成，主要来自中国医学科学院阜外医院（Fuwai Hospital）及国家心血管病中心。论文标题为《Estimated Pulse Wave Velocity and Stroke Among Middle-Aged and Older Population: Insights From 3 Prospective Cohorts》，发表于Journal of the American Heart Association (JAHA)，2025年卷14期，DOI编号10.1161/jaha.124.038376。
学术背景
研究领域：本研究属于心血管病学与神经病学的交叉领域，聚焦于动脉硬化（arterial stiffness）与脑卒中（stroke）的关联性。
研究动机：
- 脑卒中是全球第二大死亡和致残原因，尤其在低收入和中等收入国家负担最重。2016年全球新增1370万脑卒中病例，预计到2030年相关死亡将增至780万。早期识别高风险人群至关重要。
- 动脉硬化已被认为是脑卒中的新型风险因素，但其间接测量指标估算脉搏波速度（estimated pulse wave velocity, ePWV）在老年人群中的预测价值尚未充分研究。
- 现有评估动脉硬度的金标准是颈-股脉搏波速度（carotid-femoral pulse wave velocity, cfPWV），但因其需昂贵设备和专业操作，临床推广受限。ePWV基于年龄和平均动脉压（mean blood pressure, MBP）计算，是一种简便替代方案。
研究目标：
通过分析美国（Health and Retirement Study, HRS）、英国（English Longitudinal Study of Aging, ELSA）和中国（China Health and Retirement Longitudinal Study, CHARLS）三大前瞻性队列，验证ePWV与中老年人群脑卒中风险的关联性，并探讨其临床应用潜力。
研究流程与方法
1. 数据来源与研究对象
- 队列选择：
- HRS（美国）：6458名参与者（平均年龄66.99岁，40.4%男性），随访10.28年。
- ELSA（英国）：6458名参与者（平均年龄66.32岁，44.4%男性），随访9.95年。
- CHARLS（中国）：12,415名参与者（平均年龄58.60岁，46.2%男性），随访6.30年。
- 排除标准：基线时已患脑卒中、数据缺失或失访者。最终纳入25,331人。
2. ePWV计算与分组
- 计算公式：
- 有心血管风险因素（吸烟、高血压、血脂异常或糖尿病）者：
ePWV = 9.587 − 0.402×年龄 + 4.560×10−3×年龄² − 2.621×10−5×年龄²×MBP + 3.176×10−3×年龄×MBP − 1.832×10−2×MBP
- 无风险因素者：
ePWV = 4.62 − 0.13×年龄 + 0.0018×年龄² + 0.0006×年龄×MBP + 0.0284×MBP
- MBP计算：舒张压 + 0.4×（收缩压 − 舒张压）。
3. 协变量与结局定义
- 协变量：包括年龄、性别、婚姻状况、教育水平、吸烟饮酒史、BMI、血压、血脂、血糖、C反应蛋白（CRP）及慢性病史（如高血压、糖尿病）等。
- 结局：自我报告的医生诊断脑卒中事件，随访至首次发病或截尾时间。
4. 统计分析方法
- 生存分析：Kaplan-Meier曲线评估ePWV四分位数与脑卒中风险的关联，Log-rank检验比较差异。
- 回归模型：Cox比例风险模型计算风险比（HR）及95%置信区间（CI），调整多变量（模型1-4逐步增加协变量）。
- 非线性分析：限制性立方样条（restricted cubic spline）检验ePWV与风险的剂量-反应关系。
- 敏感性分析：剔除随访前2年发病者、多重插补处理缺失数据，并通过Meta分析整合三队列结果。
主要结果
基线特征：
- HRS参与者ePWV最高（中位数10.81 m/s），CHARLS最低（9.16 m/s）。
- 随访期间，HRS、ELSA、CHARLS的脑卒中发病率分别为9.7%、5.8%、5.3%。
ePWV与脑卒中风险：
- 线性关联：HRS和ELSA中，ePWV每增加1 m/s，脑卒中风险分别升高29%（HR 1.29, 95%CI 1.24–1.35）和37%（HR 1.37, 95%CI 1.28–1.46）。
- 非线性关联：CHARLS中ePWV与风险呈非线性（P非线性=0.002），但整体趋势一致（HR 1.20, 95%CI 1.15–1.25）。
亚组分析：
- 年龄：<65岁人群关联更强（CHARLS中P交互<0.001）。
- 合并症：无高血压或糖尿病者ePWV预测价值更显著（ELSA中无高血压者HR 1.49 vs. 有高血压者1.24）。
敏感性分析：排除早期发病者或缺失数据后，结果保持稳健。
结论与价值
科学意义：
- 首次在多国队列中证实ePWV可独立预测中老年人群脑卒中风险，为动脉硬化的无创评估提供可靠工具。
- 揭示ePWV在不同人群中的异质性（如中国队列的非线性关系），提示需结合地域特征优化风险评估。
临床应用：
- ePWV作为简便指标，可整合至基层医疗的脑卒中一级预防策略，尤其适合资源有限地区。
- 针对高风险人群（如中年、无合并症者），早期干预动脉硬化或可降低脑卒中负担。
研究亮点
方法创新：
- 首次将ePWV应用于跨国队列比较，验证其普适性。
- 采用限制性立方样条揭示非线性关系，增强结果可靠性。
数据规模：
- 整合三大权威老龄化队列（HRS、ELSA、CHARLS），总样本量超2.5万，结论代表性高。
临床启示：
- 提出ePWV作为脑卒中筛查的补充指标，弥补cfPWV的实操局限性。
其他价值
- 公共卫生意义：研究强调中低收入国家脑卒中防控的紧迫性，ePWV的推广可助力早期识别高风险个体。
- 未来方向：需进一步探索ePWV与脑卒中亚型（缺血性/出血性）的关联，以及干预动脉硬化对风险的影响。
（全文约2000字）