发布时间： 2024-04-03 09:34:34
最近，出现了一种新的评分方法，称为胰岛素抵抗代谢评分 (METS-IR)。与高胰岛素正常血糖钳夹试验(HEC)不同，METS-IR不依赖胰岛素，并且已根据HEC结果进行了验证。METS-IR指数显示与内脏脂肪和空腹胰岛素水平显着相关，为评估IR提供了一种简单可靠的方法。
2024年3月，华中科技大学同济医学院附属武汉市中心医院康复科学者在《Journal of Affective Disorders》（中科院二区，IF6.6）发表了题为“Association of METS-IR index with depressive symptoms in US adults: A cross-sectional study”的研究论文。
本文章基于美国全国健康和营养检查调查（National Health and Nutrition Examination Survey,NHANES）中2005年至2018年的数据。目的是调查METS-IR指数与美国成年人抑郁症患病率之间的关系，应用多因素Logistics回归模型和限制性立方样条回归评估暴露与抑郁症状之间的非线性关系。结果表明，调整潜在的混杂因素后，METS-IR指数每增加一个单位，抑郁症患病率就会增加1.1个百分点。这表明较高的METS-IR分数可能增加美国成年人出现抑郁症状的发生风险。
摘要与研究结果
摘要
背景：近年来已发现胰岛素抵抗（IR）与抑郁症之间存在关联。本研究的目的是探讨一般人群中IR与抑郁症之间的关系。
方法：这项横断面研究的人群包括 2005 年至 2018 年间参加国家健康和营养检查调查 (NHANES) 的成年人。使用 IR 代谢评分 (METS-IR) 指数评估胰岛素敏感性，而使用 IR 代谢评分 (METS-IR) 指数评估抑郁症患者健康调查问卷 (PHQ-9)。进行逻辑回归分析、亚组分析和剂量反应曲线来评估 METS-IR 指数与抑郁症之间的关联。
结果：这项研究共有 13,157 名 20 岁以上的成年人参与。调整潜在的混杂因素后，发现 METS-IR 指数每增加一个单位，抑郁症患病率就会增加 1.1 个百分点（OR = 1.011；95% CI：1.008，1.014）。与第一四分位数的患者相比，METS-IR 指数第四分位数的患者患抑郁症的可能性更高（OR = 1.386，95% CI：1.239，1.549）。分层分析表明，除男性、40 岁以下患者和有癌症病史的患者外，所有亚组的结果都是一致的。剂量反应曲线表明METS-IR指数与抑郁风险之间存在非线性关系，根据阈值效应分析，拐点值为32.443。
结论：我们的研究结果表明，较高的 METS-IR 分数与美国成年人出现抑郁症状的可能性增加有关。
研究结果
2.1 研究参与者的基线特征
表 1总结了参与者的特征。在 13,157 人中，男性 6599 人（50.2%），女性 6588 人（49.8%），平均年龄为 50.24 ± 17.68 岁。其中，1140人（8.66%）出现抑郁症状。大多数抑郁症患者为女性、受教育程度较高、独居、家庭 PIR 较低、目前吸烟、缺乏体力活动、体重指数较高、同时患有睡眠障碍，并与高血压、糖尿病等基础疾病有关、冠状动脉疾病、中风和高胆固醇水平。抑郁组的METS-IR指数为47.39±15.09，高于非抑郁组的43.14±12.42。
2.2 METS-IR指数与抑郁症的关系
在多因素回归分析中，我们发现在调整模型4中的混杂因素后，METS-IR指数与抑郁症之间存在显着的正相关（OR = 1.011，95% CI：1.008，1.014）。为了进一步分析 METS-IR 指数，我们将其分为四分位数。在模型4调整模型下Q1和Q2的比较没有显示出显着差异（OR = 0.932，95％CI：0.828，1.05），以Q1作为参考组。然而，我们观察到，与 Q1 相比，Q3 和 Q4 抑郁症患病率显着增加，分别增加了 18.5% 和 38.6%（OR = 1.185，95% CI：1.057、1.328），（OR = 1.386， 95% CI: 1.239, 1.549)，如表 2所示。
此外，根据模型 4 调整混杂因素后，我们观察到 METS-IR 指数与抑郁症发生率之间存在非线性关系（非线性，p = 0.022）（图 2）。通过阈值分析，我们计算出拐点值为32.443。我们的结果表明，当 METS-IR 高于阈值时，抑郁症的风险随着 METS-IR 指数评级的升高而增加（OR = 1.017，95% CI：1.01，1.024）。这意味着 METS-IR 指数每增加一个单位，抑郁风险就会增加 1.7%。相反，对于METS-IR指数值<32.443，观察到负相关曲线（参见图2），而阈值分析结果表明METS-IR指数与患抑郁症的风险之间没有显着相关性（参见表3））。
2.3 亚组分析
为了评估 METS-IR 指数与抑郁症之间关联的可靠性，我们根据性别、年龄、婚姻状况、家庭 PIR、睡眠障碍、中风、糖尿病和癌症进行了亚组分析。除男性亚组、40岁以下个体亚组和癌症诊断亚组外，所有其他亚组均表现出METS-IR指数与抑郁症风险呈正相关（见图3，表S2） ）。在任何亚组中均未观察到显着的相互作用（所有相互作用的p值均 > 0.05）。
2.4 敏感性分析
为了评估结果的稳定性，进行了敏感性分析。我们比较了完整数据集和多重插补后的数据集之间的基线信息，发现两个数据集之间的差异不具有统计显着性（表S3-S4）。此外，我们使用完整的数据集进行了多重回归分析，得到了与表 2一致的结果，这些结果是从多重插补后的数据集获得的（表 S5）。
研究设计与统计学方法
研究设计
P：2005年至2018年的NHANES受访者
E：胰岛素抵抗代谢评分 (METS-IR)
O：抑郁症状
S：一项横断面、多阶段、分层、聚类概率调查
统计学方法
使用卡方检验呈现并比较基线特征的分类变量的比例（%）。如果正态分布，连续变量以平均值（标准差，SD）报告；如果呈偏态分布，则以中位数（四分位距，IQR）报告。采用单向方差分析或 Kruskal-Wallis H 检验来比较这些变量。
使用逻辑回归模型来评估与 METS-IR 指数、METS-IR 指数四分位数和抑郁症之间的关联相关的比值比 (OR) 和 95% 置信区间 (CI)。为了解决混杂变量，构建了四个多变量调整模型。模型 1 将年龄、性别和种族作为调整因素。模型 2 纳入了对教育水平、婚姻状况和家庭 PIR 的额外调整。模型3进一步包括对个人习惯的调整，例如饮酒、吸烟状况、睡眠障碍和体力活动。最后，模型 4 在模型 3 中进行的调整的基础上，将调整范围扩大到涵盖病史因素，包括血清胆固醇水平、高血压、糖尿病、冠心病、中风和癌症。
利用限制三次样条 (RCS) 模型来检查 METS-IR 指数和抑郁症之间任何可能的剂量反应关系。 METS-IR 指数被视为连续变量，位于第 5、35、65 和 95 个百分位数。如果存在非线性关联，则利用似然比检验来确定 METS-IR 指数和抑郁症之间的阈值效应。
为了探讨不同情况下 METS-IR 指数与抑郁症之间的关系，我们按性别（男性或女性）、年龄（<40、40-60 或 ≥ 60）、婚姻状况（同居或独居）、家庭 PIR 进行分层（低、中或高）、睡眠障碍（是或否）、中风（是或否）、糖尿病（是或否）和癌症（是或否），并进行了交互分析。
在本研究中，我们利用多重插补来处理协变量的缺失值，并创建了三个数据集进行分析。为了评估研究结果的稳健性，对多重插补前后的数据集以及排除缺失值后的完整数据集进行了敏感性分析。本研究的样本量是根据 NHANES 提供的数据确定的，没有进行预先的统计估计。
小感悟
这篇研究采用的是横断面研究设计，利用国家健康和营养调查（NHANES）2005至2018年的数据。统计分析采用了多元逻辑回归模型来评估METS-IR与抑郁症状之间的关系，并考虑了多种可能的混杂因素。此外，研究使用限制性立方样条回归（RCS）来探索METS-IR与抑郁症状之间可能的非线性关系，并且寻找到阈值，增加了本研究的临床意义和价值。最后文章还对比了缺失值插补前后数据集的结果，以增加本文的可信度。事实上，本研究的统计分析思路和方法都是公共数据库挖掘的基本套路，结局指标也是老生常谈的抑郁症状，但是暴露变量确实比较新颖，大家都可以用起来！
下一篇：揭秘疾病之链：孟德尔随机化带你了解子宫内膜异位症与癌症的新联系
