编辑推荐:
摘要背景血脂异常和血小板计数升高是卒中的独立风险因素,但它们的联合效应尚不清楚。本研究旨在探讨动态血脂变化和血小板计数对中国中老年人新发卒中风险的共同影响。方法共有7,917名无卒中史的参与者被纳入CHARLS队列,并根据血脂变化轨迹分为四组。分析采用了多变量逻辑回归、限制性三次
血脂异常和血小板计数升高是卒中的独立风险因素,但它们的联合效应尚不清楚。本研究旨在探讨动态血脂变化和血小板计数对中国中老年人新发卒中风险的共同影响。
共有7,917名无卒中史的参与者被纳入CHARLS队列,并根据血脂变化轨迹分为四组。分析采用了多变量逻辑回归、限制性三次样条回归、交互作用分析、Cox比例风险模型和Fine–Gray竞争风险模型。所有模型均调整了药物使用和其他混杂因素的影响。通过相对超额风险(RERI)、归因比例(AP)和协同指数(SI)来评估加性交互作用。
随访期间,9.22%的参与者发生了卒中。血小板计数与新发卒中呈线性相关(每增加10个标准差:aOR = 1.019,p < 0.001),且这种关联仅在新发和持续性血脂异常组中显著。观察到显著的乘性交互作用(p < 0.001),但未发现显著的加性交互作用(所有RERI的95%置信区间包含0)。Cox模型和Fine–Gray模型的结果与主要发现一致。使用标准化平均差异(SMD)确认了纳入组和排除组之间的基线平衡。
在血脂状况恶化或持续存在的个体中,血小板计数会增加卒中风险,表现出线性剂量-反应关系。综合评估血脂动态和血小板计数有助于识别高风险人群,从而实现精准的卒中预防。
血脂异常和血小板计数升高是卒中的独立风险因素,但它们的联合效应尚不清楚。本研究旨在探讨动态血脂变化和血小板计数对中国中老年人新发卒中风险的共同影响。
共有7,917名无卒中史的参与者被纳入CHARLS队列,并根据血脂变化轨迹分为四组。分析采用了多变量逻辑回归、限制性三次样条回归、交互作用分析、Cox比例风险模型和Fine–Gray竞争风险模型。所有模型均调整了药物使用和其他混杂因素的影响。通过相对超额风险(RERI)、归因比例(AP)和协同指数(SI)来评估加性交互作用。
随访期间,9.22%的参与者发生了卒中。血小板计数与新发卒中呈线性相关(每增加10个标准差:aOR = 1.019,p < 0.001),且这种关联仅在新发和持续性血脂异常组中显著。观察到显著的乘性交互作用(p < 0.001),但未发现显著的加性交互作用(所有RERI的95%置信区间包含0)。Cox模型和Fine–Gray模型的结果与主要发现一致。使用标准化平均差异(SMD)确认了纳入组和排除组之间的基线平衡。
在血脂状况恶化或持续存在的个体中,血小板计数会增加卒中风险,表现出线性剂量-反应关系。综合评估血脂动态和血小板计数有助于识别高风险人群,从而实现精准的卒中预防。
生物通 版权所有