以下文章来源于公共数据库与孟德尔随机化 ，作者Zhu
2023年，郑州大学学者在《Journal of Nutrition Health & Aging》（IF=5.285）发表题为：Association between Sarcopenia and Cognitive Trajectories among Middle-Aged and Older Adults in China: A Nationally Representative Cohort Study的研究论文。
这项研究基于中国健康与养老追踪调查（CHARLS）数据库，采用逻辑回归模型分析肌肉减少症与认知轨迹的关系。还进行了中介分析 。结果表明，晚年暴露在环境空气污染中可能会加速中老年人的认知老化；表明存在显著的性别差异，女性更易受影响。
摘要与主要结果
一、摘要
目的：肌减少症和认知功能之间的关系已经得到了广泛的研究，但通常是在一个单一的时间点进行研究。我们使用重复测量的认知数据来检测中国中老年人肌肉减少症和认知轨迹之间的关系。
方法：数据来自中国健康与退休纵向研究(CHARLS)的三波(2011，2013和2015)。共有8963名具有完整基线数据(第1波)和至少两项认知功能测试(第1-3波)的参与者参加了本研究。测量:肌肉减少症在基线时被诊断(第一波)。wave 1-3数据用于通过构建潜在类别轨迹模型(LCTM)来分析认知轨迹随时间的变化。使用逻辑回归模型分析少肌症和认知轨迹之间的关系。
结果：8693名参与者中，我们确定了两条认知功能发展轨迹，包括一条持续的低轨迹(n= 4856，55.86%)和一条持续的高轨迹(n= 3837，44.14%)。在对其他协变量进行调整后，肌肉减少症与全球认知的持续低认知轨迹相关(OR: 1.248，95%CI: 1.046-1.490)。当按年龄、性别、教育水平、婚姻状况、社会活动、吸烟状况和饮酒状况分层时，仍然可以观察到这种联系。中介分析显示，体重指数(身体质量指数)的中介功效占该关系的42.32%。
结论：我们的研究显示了全球认知功能的两个轨迹组。随着时间的推移，肌肉减少症与持续的低轨迹相关，身体质量指数介导了中国中老年人肌肉减少症与认知轨迹之间的关系。
二、研究结果
1. 基线特征
8693名参与者的平均年龄为57.49±7.81岁，其中男性占48.56%。根据AWGS标准，共有1003名（11.54%）参与者被归类为患有肌肉减少症。
2.认知功能轨迹模型
我们使用 LCTM 测试了四种类型的认知功能轨迹，以解释参与者整体认知评分的异质性（表 1）。对于具有两条轨迹的模型，BIC 最低 (BIC= 130937.9)。因此，我们确定具有两个轨迹的 LCTM 模型是最佳模型。 图 1 显示了两个全局认知功能评分的轨迹：第 1 类，“持续低轨迹”(n= 4856, 55.86%)；第 2 类，“持续高轨迹”（n= 3837，44.14%）。
3.轨迹亚群基线特征
表2显示了两个轨迹组中参与者的基线特征。与持续高轨迹组的参与者相比，“持续低”轨迹组的参与者更有可能是女性，教育和生活水平低，其他婚姻状况，社交不活跃，体重不足和肌肉减少症。
4.肌肉减少症与认知轨迹的关系
表3显示，在不调整协变量的情况下，与非肌肉减少症受试者相比，1类（持续低轨迹）中肌肉减少症的比值比（OR）为1.634（95%CI：1.424-1.879）。在调整性别、年龄、教育水平、生活水平、婚姻状况、吸烟状况、饮酒状况、社会活动、合并症和BMI后，肌肉减少症与1级（持续低轨迹）认知功能评分之间的关联仍然显着（OR：1.248，95%CI：1.046-1.490）。肌肉减少症也与精神完整轨迹的持续低轨迹显着相关（OR：1.253，95%CI：1.054-1.491）。此外，作为肌肉减少症组成部分之一的低肌肉力量与表1中整体认知评分（OR：1.406，95%CI：1.221-1.621）、情景记忆评分（OR：1.475，95%CI：1.273-1.713）和精神完整性评分（OR：1.325，95%CI：1.155-1.523）的3级（持续低轨迹）显着相关。
5.亚组分析
图2显示了亚组分析的结果。结果显示，在年龄较大、女性、中学以下、其他婚姻状况、社交活跃、不吸烟者和不饮酒者中，肌肉减少症与持续低认知轨迹之间存在显着关系。
6.BMI介导肌肉减少症与认知轨迹之间的关联
补充表6显示，肌肉减少症与BMI之间的关系具有统计学意义（β= −4.980，p<0.01）。此外，在补充表6中显示，BMI与持续低认知轨迹之间存在关联（OR= 965.95，0%CI：950.0-981.3）。中介分析发现，患有肌肉减少症的参与者可能通过影响BMI而具有持续的低认知轨迹（补充图5）。详细地说，BMI介导的疗效占肌肉减少症与持续低认知轨迹之间关系的42.32%（IE= 0.035，95%CI：0.019-0.050）。
设计与统计学方法
一、研究设计
P：2011年-2015年中国健康与养老追踪调查数据。
E：肌肉减少症
O：认知轨迹
S：前瞻性队列研究
二、统计方法
1.使用潜类别轨迹模型（LCTM）拟合认知轨迹，并根据贝叶斯信息准则 (BIC) 确定最佳拟合模型。
2.逻辑回归模型用于估计肌肉减少症与认知轨迹之间的关联。
3.分层分析
4.敏感性分析
5.中介分析
6.分析使用R软件进行。所有统计学检验均为双侧，P值<0.05被认为是统计学显著的。
转自：“医学论文与统计分析”微信公众号
如有侵权，请联系本站删除！
