口腔健康与心脏健康：揭示牙周炎、生物衰老与心血管疾病的隐秘联系

1 摘要与主要研究

牙周炎与心血管疾病 （CVD） 之间的关系已被广泛研究，但生物衰老在这种关系中的作用仍然知之甚少。本研究致力于调查牙周炎对 CVD 发病率的影响，并阐明生物衰老的潜在中介作用。此外，本研究将寻求阐明牙周炎、CVD 和生物衰老之间的因果关系。

我们纳入了来自全国健康和营养检查调查 （2009-2014） 的 3269 名参与者，其中包含牙周炎和复合 CVD 事件的诊断信息。通过使用 Klemera-Doubal 方法的计算生物年龄 （KDMAge） 和表型年龄 （PhenoAge） 来评估生物衰老。采用 Logistic 回归、限制性三次样条法 （RCS） 分析和亚组分析进行数据分析。采用中介分析探讨生物衰老的中介作用。随后，使用全基因组关联研究数据库进行孟德尔随机化 （MR） 分析，以探索牙周炎、CVD 和生物衰老之间的潜在因果关系。

牙周炎与 CVD 风险较高相关。发现患有牙周炎的参与者生物衰老水平增加，生物衰老水平升高与 CVD 风险增加相关。中介分析显示生物衰老的部分中介作用 （PhenoAge： 44.6%;KDMAge：22.9%），在牙周炎和 CVD 风险之间。MR 分析显示，牙周炎在增加小血管卒中风险方面起因果作用，而发现心肌梗死增加牙周炎风险。此外，反向 MR 分析显示，表型衰老会增加牙周炎的风险，CVD 与生物衰老之间存在双向因果关系。

牙周炎与 CVD 风险增加有关，部分由生物衰老介导，具有复杂的因果相互关系。针对牙周健康的针对性干预措施可能会减缓生物衰老过程并降低 CVD 风险。

在所有模型中，PhenoAge 和 KDMAge 与 CVD 风险显著呈正相关 （p < 0.001）。在粗模型中，PhenoAge 加速与 CVD 风险呈显著正相关 （OR 2.14;95% CI 1.66–2.75;p < 0.001），这在模型 1 和 2 中仍然显著（模型 1：OR 1.85;95% CI 1.40-2.43;p < 0.001;型号 2： OR 1.60;95% CI 1.21–2.12;p < 0.001），但在模型 3 中未见 （OR 1.28;95% CI 0.96–1.70;p = 0.088）。KDMAge 加速在粗略模型中获得了相同的结论 （OR 1.30;95% CI 1.02–1.67;p = 0.037），这在模型 1 中仍然显著 （OR 1.34;95% CI 1.04-1.75;p = 0.026），但在模型 2 和 3 中，这种关系不显著（模型 2：OR 1.21;95% CI 0.92-1.57;p = 0.168;model3：OR 0.97;95% CI 0.74–1.27;p = 0.823）。在调整了所有混杂因素后，在 PhenoAge/KDMAge 和 CVD 之间没有观察到显着的非线性关系。

在所有模型中，牙周炎和 CVD 风险之间存在显着的正相关 （p 趋势< 0.006）。具体来说，在粗模型中，中度牙周炎与 PhenoAge 加速的风险显著呈正相关 （OR 1.42;95% CI 1.22-1.65;p < 0.001），严重牙周炎的风险更高 （OR 2.72;95% CI 2.18-3.40;p < 0.001）。它在模型 1 中仍然显着 （p < 0.032）。然而，在模型 2 和 3 中，严重牙周炎与加速表型衰老之间的正相关仍然显着 （p < 0.002），但中度牙周炎不再显着 （p 从 0.089 到 0.523）。牙周炎和 KDMAge 加速之间的关系相似。例如，在模型 3 中，严重牙周炎与 KDMAge 加速的风险呈显著正相关 （OR 1.42;95% CI 1.10-1.82;p = 0.006）。随后的深入分析未发现平均 PPD/CAL 与生物衰老之间存在显着的非线性关系。

图中显示了生物衰老在牙周炎 （包括牙周炎状态、平均 PPD 和平均 CAL） 和 CVD 之间关联的显着中介作用 （均 p < 0.01）。例如，通过 PhenoAge 影响 CVD 发生的牙周炎的中介比例为 46.60%，通过 KDMAge 的中介比例为 22.92%。敏感性分析的结果表明，本研究中建立的中介模型是可靠的。

牙周炎和 CVD 的 MR 分析

在使用三个不同的牙周炎数据库对各种 CVD 进行 MR 分析，我们发现牙周炎 （IEU） 与小血管卒中呈显著正相关 （OR 1.15;95% CI 1.00-1.33; p = 0.049），表明其潜在的因果效应。未发现与其他 MR 方法有显著关联。我们没有检测到水平多效性，留一法分析显示与牙周炎的关联是由所有单个 SNP 驱动的。异质性分析显示 SNP 之间没有显着的异质性。我们进行了额外的 MR 分析以调查反向因果关系的可能性。发现了 MI 对牙周炎的潜在因果影响 （FinnGen），随后的分析证明了这一结论的可靠性。

牙周炎和生物衰老的 MR 分析

MR 分析的结果并未为牙周炎对生物衰老的因果影响提供实质性支持。然而，在检查牙周炎对生物衰老的反向因果效应时，我们发现 DNAm Hannum 年龄加速对牙周炎 （FinnGen） 有显着的因果效应（OR 1.056;95% CI 1.01-1.11;p = 0.023）。有趣的是，我们发现 PhenoAge 加速具有可能降低牙周炎风险的因果效应 （FinnGen） （OR 0.965;95% CI 0.93–1.00;p = 0.035）。额外的 MR 分析和敏感性分析表明，我们的结果是可靠的。

生物老化和 CVD 的 MR 分析

已确定GrimAge 加速对小血管卒中的潜在因果影响（OR 0.925;95% CI 0.87-0.99;p = 0.017）;AF 的 Hannum 年龄加速 （OR 1.019;95% CI 1.00–1.03;p = 0.010）;和 AF 上的 PhenoAge （OR 1.014;95% CI 1.00–1.03;p = 0.015）、MI （OR 1.026;95% CI 1.00–1.04;p = 0.003）、CHD （OR 1.001;95% CI 1.00–1.00;p = 0.002）、IHD（OR 1.001;95% CI 1.00–1.00;p = 0.030）和小血管卒中 （OR 1.073;95% CI 1.03–1.12;p = 0.001）。在检查生物衰老对 CVD 的反向因果效应时，我们发现 AF 对 Hannum 年龄加速有潜在的因果效应（OR 1.103;95% CI 1.01-1.20;p = 0.027）、GrimAge 加速时心源性栓塞性卒中 （OR 1.119;95% CI 1.00–1.25;p = 0.039），以及 GrimAge 加速时的小血管卒中 （OR 0.901;95% CI 0.81–1.00;p = 0.049）。随后的敏感性分析证实了我们的结论。

2 统计学方法

本研究利用 NHANES 2009-2014 年的数据来代表大多数美国人口。选择 2009 年至 2014 年的数据是因为仅在此期间进行牙周炎相关检查。有关 NHANES 招募程序、种群特征和研究设计的详细信息，请访问疾病控制和预防中心 （CDC） 的网站。只有接受了完整的牙科检查并完成了作为 NHANES 一部分的自我报告 CVD 问卷的参与者才被纳入当前研究。本研究的分析包括年龄、性别、种族/民族、教育程度、体重指数 （BMI）、贫困收入比 （PIR）、吸烟状况、饮酒、糖尿病、高血压和高脂血症等变量。这是由于它们以前在科学文献中与牙周炎和 CVD 的关联，以及它们作为关键人口和健康因素的作用，有可能影响研究结果。 二次数据分析不需要伦理批准。本研究遵循流行病学观察性研究报告 （STROBE） 指南。

口腔健康检查由持有正式执照的牙医在移动检查中心 （MEC） 进行。在 30 岁的参与者中，使用牙周探针在每颗牙齿的 6 个部位（不包括第三磨牙）使用牙周探针测量临床附着水平 （CAL） 和探诊袋深度 （PPD） ≥。牙周炎是根据 2012 年 CDC/美国牙周病学会分类定义的。根据参与者的牙周炎状况，将参与者分为三组：无/轻度牙周炎、中度牙周炎和重度牙周炎 [18]。平均 CAL 和 PPD 被纳入分析。CVD 的定义是通过个人访谈数据中自我报告的充血性心力衰竭 （CHF）、心绞痛、心肌梗死 （MI）、卒中和冠心病 （CHD） 病史来确定的。这些问题是由训练有素的访谈员在家中使用计算机辅助个人访谈 （CAPI） 系统提出的。使用 Klemera-Doubal 方法 （KDMAge） 和表型年龄 （PhenoAge） 作为评估生物衰老的标志物。使用 9 个与衰老相关的变量确定 PhenoAge，包括白蛋白水平、肌酐水平、血糖水平、C 反应蛋白 （CRP） 水平、淋巴细胞百分比、平均细胞体积、红细胞分布宽度、碱性磷酸酶水平和白细胞计数。KDMAge 根据 8 个生物标志物确定：ln-CRP、血肌酐、糖化血红蛋白、血清白蛋白、血清总胆固醇、血清尿素氮、血清碱性磷酸酶和收缩压。KDMAge 或 PhenoAge 加速是使用实际年龄回归的残差计算的。补充方法中概述了详细的计算方法。

本研究包括的协变量如下：年龄（30-59 岁或 ≥ 60 岁）;性别（男性或女性）;种族/民族（非西班牙裔白人、非西班牙裔黑人或其他）;教育程度（高中以下、高中或同等学历，或大专及以上）;BMI（< 25.0、25-29.9 或 ≥ 30.0）;PIR（< 1、1-2.99 或 ≥ 3）;吸烟状况（从不、从不或当前）;饮酒（从不、偶尔或经常）;高血压（是或否）;高脂血症（是或否）和糖尿病（是或否）。

我们使用适用于 NHANES 设计的分析方法，考虑分层和加权，以产生具有全国代表性的估计值。分类变量表示为百分比，连续变量表示为平均值±标准差 （SD）。进行正态性检验以评估连续变量的分布。对缺失数据进行了多次插补。使用 Logistic 回归模型评估牙周炎、 CVD 和生物衰老之间的关联。除了具有未调整协变量的粗略模型外，还构建了三个模型：模型 1，针对年龄、性别和种族/民族进行了调整;模型 2，针对教育、BMI 和 PIR 进行调整;和 Model 3，进一步调整了吸烟状况、酒精使用、高血压、高脂血症和糖尿病。进行亚组分析以测试模型的稳健性。限制性三次样条法 （RCS） 分析用于检查牙周炎、 CVD 和生物衰老之间的非线性关系。此外，使用平行中介模型评估了生物衰老在牙周炎与 CVD 关联中的潜在中介作用。

牙周炎、生物衰老和 CVD 的遗传工具的选择

从 GWAS 数据库获得单核苷酸多态性 （SNP），并采用 MR 分析探讨牙周炎、CVD 和生物衰老之间的因果关系。我们从三个GWAS数据库获取了牙周炎数据，包括GLIDE联盟（17,353例，28,210例对照）、FinnGen联盟（4784例，272,252例对照），以及IEU的Meta分析（1740例，347,186例对照）。生物衰老数据来自对 28 个队列中 34,710 名欧洲血统个体的 GWAS 荟萃分析，包括 DNA 甲基化 （DNAm）、GrimAge 加速、DNAm Hannum 年龄加速、内在表观遗传年龄加速和 DNAm PhenoAge 加速。选择 5 例 CVD 进行研究。AF 数据来源于一项涉及 6 个欧洲 GWAS 的荟萃分析（60,620 例，970,216 例对照）。MI 数据来源于一项纳入 2 项队列研究（61,505 例，577,716 例对照）的 GWAS meta 分析。缺血性心脏病 （IHD） 数据（20,857 例;340,337 例对照）和 CHD 数据（10,157 例;351,037 例对照）取自英国生物样本库。卒中（40,585例，406,111例对照）及其亚型的数据，包括缺血性脑卒中（34,217例，406,111例对照）、大动脉卒中（4373例，406,111例对照）、小血管卒中（5386例，406,111例对照）和心源性栓塞性卒中（7193例，406,111例对照）的数据来自MEGASTROKE联盟。

这项 MR 研究是根据 STROBE-MR 指南进行的。原始研究的所有参与者都提供了知情同意，并获得了伦理许可。

统计分析

在工具变量的筛选中，稍微宽松的阈值 p < 5 × 10–6由于满足严格阈值的 SNP 数量有限 （p < 5 × 10），因此被选择筛选 SNP–8).独立聚类 （r2截断 0.001;距离窗口 10,000 kb）然后使用 1000 个 Genomes 数据对欧洲样本进行。在标准化 GWAS 数据中的效应等位基因后，我们使用 MRPRESSO 方法去除异常值，然后使用 Radial MR 方法再次去除异常值。我们确保这些工具的 F 统计量超过阈值 10。逆方差加权 （IVW） 用作主要指标。此外，使用 MR-Egger 、加权中位数、简单模型和加权模型方法来评估我们研究结果的稳健性。反向 MR 分析用于检查暴露与结果之间的反向因果关系。我们进行了敏感性分析，以检测 MR 估计中潜在的多效性和异质性。源自 IVW 方法的异质性标志物用于识别潜在的水平多效性 （Cochran Q 衍生测试 p < 0.05）。此外，还进行了留一法分析以评估单个 SNP 对 MR 估计的影响或偏倚。

所有统计分析均使用 R 4.3.3 版进行。所有检验均为双尾，显著性水平设置为 p < 0.05。

3 小结

研究采用了双样本孟德尔随机化分析，发现牙周炎不仅与CVD风险增加有关，还与生物衰老的加速相关。具体而言，生物衰老通过PhenoAge和KDMAge的中介作用，分别占牙周炎与CVD风险之间关联的44.6%和22.9%。此外，反向孟德尔随机化分析显示，生物衰老与牙周炎之间存在双向因果关系，心肌梗死（MI）也可能增加牙周炎的风险。

研究结果强调了针对牙周健康的干预可能有助于减缓生物衰老过程，从而降低CVD风险。这一发现为临床实践提供了重要的启示，表明维护口腔健康不仅对局部健康至关重要，也可能对全身健康产生深远影响。未来的研究应进一步探索牙周炎与生物衰老及CVD之间的复杂关系，以寻找更有效的干预策略。