引言
还在为传统代谢指标预测中风性能的瓶颈发愁？
2026年4月发表于Cardiovascular Diabetology（郑州大学附属郑州中心医院团队）的这项全国性队列研究，或许能带来新思路。
该研究直击甘油三酯-葡萄糖指数与血浆动脉粥样生成指数的联合价值，不仅刷新了我们对代谢风险的认知，更揭示了特定人群的预警新维度。
研究概况
标题：甘油三酯-葡萄糖（TyG）与血浆动脉粥样生成指数（AIP）与中风风险的联合关联：全国前瞻性队列的发现
发表期刊：Cardiovascular Diabetology
发表时间：2026年4月3日
影响因素：10.6
研究背景
Research Background
代谢异常与中风的关系一直是个热点，但多数研究只盯着单一指标。TyG和AIP分别从胰岛素抵抗和血脂致动脉粥样硬化角度刻画风险，理论上联手会更有看头。不过，两者联合能否真正提升预测能力，目前证据还不够，值得深挖一下。
研究方法
Research Methodology
数据来自CHARLS（7,652人，9年随访，744例中风）。用Cox回归评估TyG与AIP的单独及联合效应，RCS探非线性，ROC及重分类指标比预测增量，并检验加性/乘性交互。联合模型AUC提升有限，但高-高组风险信号明确。
研究亮点
Research Highlights
核心发现TyG与AIP双高组合中风风险最高（HR=1.49），但联合模型AUC仅0.633，未显著优于单一指标，提示其价值在于锁定极端高危个体，而非提升整体预测能力。
重点人群<60岁或无糖尿病/心脏病史者中，双高组合风险比（HR=1.90）尤为突出，乘积交互显著（P=0.021）但相加交互不显著，反映两条代谢通路高度重叠。
局限与价值结局依赖自报诊断，排除6037例可能引入偏倚。联合指标可作为年轻及无基础病人群的早期代谢风险筛查工具。
研究结果
01
队列筛选与偏倚风险
图1.参与者筛选流程图
复现思路
自己数据合并时，务必记录每一轮剔除的样本量和原因，敏感性分析里专门评估一下“被剔除人群”是否影响结论走向。
0
2
指标分布与中位数切分
TyG和AIP都呈右偏分布，说明人群里代谢异常的那撮尾巴确实存在。但他们直接按中位数砍成高低两组，等于默认风险和指标是线性关系——后面RCS自己都说了AIP是非线性的，这不自相矛盾么？ 不过用中位数分组确实方便临床分层，这个妥协能理解（图2）。
图2.TyG指数与AIP指数的分布
连续变量转分类时，别光靠中位数，先跑个RCS看形状再决定切点，否则容易漏掉阈值效应。
3
非线性关系与拐点效应
图3.AIP和TyG与卒中发病率的非线性关联
凡是做风险预测的，先用RCS扫一遍非线性关系，别上来就套线性模型，否则拐点前后的风险差异会被平均掉。
04
联合分组的生存分层
图4.按AIP和TyG分层的卒中发病率K-M曲线
分组策略可以直接抄——把两个连续指标各自二分，形成2×2四分组，比单独用连续变量建模更直观，也更容易跟临床沟通。
05
联合模型的预测增益评估
联合模型的AUC 0.633，单指标0.632，这0.001的差距纯属数字游戏。NRI和IDI也不显著，说明加不加入AIP，模型对个体风险的重新分类能力没实质提升。说白了，联合指标的价值不在于“预测更准”，而在于“筛出极端高危个体”，作用场景不一样（图5）。
图5.AIP、TyG及AIP+TyG预测卒中发病率的受试者工作特征曲线
新指标加进去后，别只盯着AUC，一定要算NRI和IDI，前者反映临床净获益，比AUC那点微小提升更有说服力。
结论
Conclusion
本研究提示TyG与AIP联合升高对中老年人群卒中风险具有协同增效，但在整体预测性能上未见显著增益。个人认为，联合指标的价值或更在于精细化极高危个体识别，而不宜过度解读其统计交互；同时，年轻及无基础病人群中的风险放大效应值得前瞻性验证。
END
专属生信分析
数据挖掘
思路复现
