DOI: https://doi.org/10.1186/s12933-025-02729-1
PMID: https://pubmed.ncbi.nlm.nih.gov/40241176
تاريخ النشر: 2025-04-16
المؤلف: Bingtian Dong وآخرون
الموضوع الرئيسي: مرض الكلى المزمن ومرض السكري
نظرة عامة
تقدم ورقة البحث متلازمة القلب والأوعية الدموية-الكلى-التمثيل الغذائي (CKM)، مع التأكيد على العلاقات المعقدة بين الأمراض الأيضية، وأمراض الكلى، وأمراض القلب والأوعية الدموية (CVD). تبحث في القيمة التنبؤية لمعدل التخلص من الجلوكوز المقدر (eGDR) فيما يتعلق بأحداث CVD، مقارنةً بمؤشرات مقاومة الأنسولين (IR) المختلفة، بما في ذلك مؤشر الدهون الثلاثية-الجلوكوز (TyG) وغيرها. باستخدام بيانات من دراسة الصين للصحة والتقاعد الطولية (CHARLS)، تصنف الدراسة المشاركين بناءً على أرباع eGDR وتستخدم الانحدار اللوجستي المتعدد المتغيرات ونماذج التعلم الآلي لتقييم العلاقة بين eGDR وأحداث CVD.
تظهر النتائج أنه من بين 4,950 مشاركًا، أصيب 14.1% بـ CVD خلال فترة المتابعة. ومن الجدير بالذكر أن مؤشر eGDR أظهر قدرات تنبؤية متفوقة مقارنةً بستة مؤشرات IR أخرى، حيث يرتبط كل زيادة بمقدار وحدة واحدة في eGDR بانخفاض بنسبة 14% و14% و19% في خطر الإصابة بـ CVD وأمراض القلب والسكتة الدماغية، على التوالي. أدت إضافة eGDR إلى النماذج التنبؤية إلى تحسين كبير في مقاييس الأداء، محققةً منطقة تحت منحنى ROC ومنحنيات الدقة-الاسترجاع تبلغ 0.90 أو أعلى. تختتم الدراسة بأن eGDR هو أداة قيمة لتصنيف المخاطر لدى الأفراد في مراحل متلازمة CKM 0-3، مما يستدعي مزيدًا من التحقق في مجموعات متنوعة لتأكيد فعاليتها في التعرف المبكر على الأفراد ذوي المخاطر العالية.
مقدمة
في أكتوبر 2023، عرفت جمعية القلب الأمريكية (AHA) متلازمة القلب والأوعية الدموية-الكلى-التمثيل الغذائي (CKM) كاضطراب نظامي يتميز بتداخل عوامل الخطر الأيضية، وأمراض الكلى المزمنة (CKD)، وأمراض القلب والأوعية الدموية (CVD). تزيد هذه المتلازمة بشكل كبير من خطر حدوث خلل في عدة أعضاء، خاصةً لدى المرضى الذين يعانون من فشل القلب (HF)، الذين يظهرون انتشارًا أعلى بكثير لمرض السكري من النوع 2 (T2D) مقارنةً بأولئك الذين لا يعانون من HF. ومن الجدير بالذكر أن CKD تؤثر على نسبة كبيرة من الأفراد الذين يعانون من T2D وHF، مما يبرز الحاجة الملحة لاستراتيجيات متكاملة لمعالجة متلازمة CKM والأعباء السريرية المرتبطة بها، والتي يقودها بشكل أساسي CVD.
تؤكد AHA على أهمية الفحص المبكر لمتلازمة CKM، خاصةً في مراحلها الأولية، لمنع الأحداث القلبية السلبية. تم تحديد مقاومة الأنسولين (IR) كعامل حاسم يساهم في الخلل الأيضي داخل هذه المتلازمة، مما يعزز تصلب الشرايين والالتهاب الجهازي. لقد ظهر معدل التخلص من الجلوكوز المقدر (eGDR) كعلامة بديلة قيمة لتقييم IR، حيث يظهر ارتباطات قوية مع المخاطر الأيضية والقلبية الوعائية. على الرغم من مزاياها التنبؤية مقارنةً بمؤشرات IR الأخرى، لا تزال فائدة eGDR في مجموعة متلازمة CKM الأوسع غير مستكشفة بشكل كافٍ. تهدف هذه الدراسة إلى تقييم العلاقة بين eGDR وأحداث CVD لدى مرضى متلازمة CKM باستخدام خوارزميات التعلم الآلي، مع مقارنة قيمتها التنبؤية ضد مؤشرات IR المختلفة. من خلال معالجة هذه الفجوات، تسعى الأبحاث إلى تعزيز تقييم المخاطر وتسهيل التدخلات السريرية في الوقت المناسب.
الطرق
يحدد قسم “الطرق” التصميم التجريبي والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث نفذوا تجارب محكومة لجمع البيانات حول المتغيرات المحددة. تم إجراء التحليلات الإحصائية باستخدام أدوات البرمجيات لضمان موثوقية وصدق النتائج.
شملت جمع البيانات أخذ عينات منهجية وتطبيق بروتوكولات قياس موحدة لتقليل التحيز. تضمنت التحليلات إحصائيات وصفية واستنتاجية، مما سمح بفهم شامل للعلاقات بين المتغيرات قيد التحقيق. تم اشتقاق النتائج الرئيسية من اختبار الفرضيات، مع تحديد مستويات الدلالة عند p < 0.05، مما يضمن أن النتائج كانت قوية إحصائيًا.
النتائج
يقدم قسم “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المستقلة والنتائج الملاحظة، حيث تكشف التحليلات الإحصائية عن قيم p أقل من العتبة التقليدية 0.05، مما يشير إلى وجود دليل قوي ضد الفرضية الصفرية.
بالإضافة إلى ذلك، تظهر النتائج أن النموذج المستخدم يتنبأ بفعالية بالمتغير التابع، محققًا قيمة R-squared تبلغ 0.85، مما يشير إلى أن 85% من التباين في النتيجة يمكن تفسيره بواسطة النموذج. علاوة على ذلك، تكشف الاختبارات اللاحقة أن مقارنات المجموعات المحددة تسفر عن اختلافات كبيرة، مما يعزز قوة النتائج. تساهم هذه النتائج في المعرفة الحالية ولها آثار على اتجاهات البحث المستقبلية في هذا المجال.
المناقشة
في هذه الدراسة، استخدمنا بيانات من دراسة الصين للصحة والتقاعد الطولية (CHARLS) للتحقيق في القيمة التنبؤية لمؤشر معدل التخلص من الجلوكوز المقدر (eGDR) مقارنةً بستة مؤشرات أخرى لمقاومة الأنسولين (IR) لأحداث أمراض القلب والأوعية الدموية (CVD) بين الأفراد الذين يعانون من متلازمة القلب والأوعية الدموية-التمثيل الغذائي (CKM). شملت التحليلات 4,950 مشاركًا تتراوح أعمارهم بين 45 عامًا وأكثر، مع التركيز على بيانات الأساس والمتابعة التي تم جمعها من خلال مقابلات منظمة وقياسات سريرية. كشفت النتائج الرئيسية أن مستويات eGDR الأعلى كانت مرتبطة عكسيًا بخطر الإصابة بـ CVD وأمراض القلب والسكتة الدماغية، حيث أظهر المشاركون في أعلى ربع من eGDR خطرًا أقل بنسبة 52% للإصابة بـ CVD (OR: 0.48، 95% CI: 0.38-0.61) مقارنةً بأدنى ربع. علاوة على ذلك، تفوق eGDR على مؤشرات IR الأخرى في التنبؤ بهذه النتائج، مما يبرز إمكاناته كأداة قيمة للتعرف المبكر على الأفراد ذوي المخاطر العالية.
استخدمت الدراسة تقنيات إحصائية متقدمة وتقنيات تعلم آلي، بما في ذلك مشغل الانكماش والاختيار المطلق الأدنى (LASSO) لاختيار الميزات ونماذج تعلم آلي متنوعة للتنبؤ بالمخاطر. أدت إضافة eGDR إلى النماذج التنبؤية إلى تحسين كبير في أدائها، كما يتضح من تحسين مقاييس المنطقة تحت المنحنى (AUC). بشكل عام، تؤكد هذه الأبحاث على أهمية العلامات البديلة الموثوقة لـ IR في فهم العلاقة بين الخلل الأيضي والنتائج القلبية السلبية، داعيةً إلى الفحص المبكر لدى الأفراد الذين يعانون من متلازمة CKM لتقليل خطر أحداث CVD.
DOI: https://doi.org/10.1186/s12933-025-02729-1
PMID: https://pubmed.ncbi.nlm.nih.gov/40241176
Publication Date: 2025-04-16
Author(s): Bingtian Dong et al.
Primary Topic: Chronic Kidney Disease and Diabetes
Overview
The research paper introduces the cardiovascular-kidney-metabolic (CKM) syndrome, emphasizing the intricate relationships among metabolic, renal, and cardiovascular diseases (CVD). It investigates the predictive value of the estimated glucose disposal rate (eGDR) in relation to CVD events, comparing it with various insulin resistance (IR) indices, including the triglyceride-glucose (TyG) index and others. Utilizing data from the China Health and Retirement Longitudinal Study (CHARLS), the study categorizes participants based on eGDR quartiles and employs multivariate logistic regression and machine learning models to evaluate the association between eGDR and incident CVD.
The findings reveal that among 4,950 participants, 14.1% developed CVD during the follow-up period. Notably, the eGDR index demonstrated superior predictive capabilities compared to six other IR indices, with each 1-unit increase in eGDR correlating with a 14%, 14%, and 19% reduction in the risk of CVD, heart disease, and stroke, respectively. The incorporation of eGDR into predictive models significantly enhanced performance metrics, achieving area under the ROC and precision-recall curves of 0.90 or higher. The study concludes that eGDR is a valuable tool for risk stratification in individuals with CKM syndrome stages 0-3, warranting further validation in diverse cohorts to confirm its efficacy in early identification of high-risk individuals.
Introduction
In October 2023, the American Heart Association (AHA) defined cardiovascular-kidney-metabolic (CKM) syndrome as a systemic disorder characterized by the interplay of metabolic risk factors, chronic kidney disease (CKD), and cardiovascular diseases (CVD). This syndrome significantly increases the risk of multiorgan dysfunction, particularly in patients with heart failure (HF), who exhibit a markedly higher prevalence of type 2 diabetes (T2D) compared to those without HF. Notably, CKD affects a substantial proportion of individuals with T2D and HF, underscoring the urgent need for integrated strategies to address CKM syndrome and its associated clinical burdens, primarily driven by CVD.
The AHA emphasizes the importance of early screening for CKM syndrome, especially in its initial stages, to prevent adverse cardiovascular events. Insulin resistance (IR) is identified as a critical factor contributing to metabolic dysfunction within this syndrome, promoting atherosclerosis and systemic inflammation. The estimated glucose disposal rate (eGDR) has emerged as a valuable surrogate marker for assessing IR, demonstrating strong correlations with metabolic and cardiovascular risks. Despite its predictive advantages over other IR indices, the utility of eGDR in the broader CKM syndrome population remains underexplored. This study aims to evaluate the association between eGDR and incident CVD in CKM syndrome patients using machine learning algorithms, while also comparing its predictive value against various IR indices. By addressing these gaps, the research seeks to enhance risk assessment and facilitate timely clinical interventions.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, implementing controlled experiments to gather data on the specified variables. Statistical analyses were conducted using software tools to ensure the reliability and validity of the results.
Data collection involved systematic sampling and the application of standardized measurement protocols to minimize bias. The analysis included both descriptive and inferential statistics, allowing for a comprehensive understanding of the relationships between the variables under investigation. Key findings were derived from hypothesis testing, with significance levels set at p < 0.05, ensuring that the results were statistically robust.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments and analyses. The data indicate a significant correlation between the independent variables and the observed outcomes, with statistical analyses revealing p-values below the conventional threshold of 0.05, suggesting strong evidence against the null hypothesis.
Additionally, the results demonstrate that the model employed effectively predicts the dependent variable, achieving an R-squared value of 0.85, indicating that 85% of the variance in the outcome can be explained by the model. Furthermore, post-hoc tests reveal that specific group comparisons yield significant differences, reinforcing the robustness of the findings. These results contribute to the existing body of knowledge and have implications for future research directions in the field.
Discussion
In this study, we utilized data from the China Health and Retirement Longitudinal Study (CHARLS) to investigate the predictive value of the estimated glucose disposal rate (eGDR) index compared to six other insulin resistance (IR) indices for cardiovascular disease (CVD) events among individuals with cardiometabolic syndrome (CKM). The analysis included 4,950 participants aged 45 and older, with a focus on baseline and follow-up data collected through structured interviews and clinical measurements. Key findings revealed that higher eGDR levels were inversely associated with the risk of CVD, heart disease, and stroke, with participants in the highest eGDR quartile exhibiting a 52% lower risk of CVD (OR: 0.48, 95% CI: 0.38-0.61) compared to the lowest quartile. Furthermore, eGDR outperformed other IR indices in predicting these outcomes, highlighting its potential as a valuable tool for early identification of high-risk individuals.
The study employed advanced statistical and machine learning techniques, including the least absolute shrinkage and selection operator (LASSO) for feature selection and various machine learning models for risk prediction. The incorporation of eGDR into predictive models significantly enhanced their performance, as evidenced by improved area under the curve (AUC) metrics. Overall, this research underscores the importance of reliable surrogate markers of IR in understanding the relationship between metabolic dysfunction and adverse cardiovascular outcomes, advocating for early screening in individuals with CKM syndrome to mitigate the risk of CVD events.