以下文章来源于公共数据库与孟德尔随机化 ，作者Yang
2023年6月，美国约翰霍普金斯大学的学者在《Eur Heart J》（一区，IF=53.86）发表题为：High-sensitivity troponins and mortality in the general population 的研究论文。
这项研究目的是探索四种测量心肌肌钙蛋白T和肌钙蛋白I方法之间的相关性，以及与死亡率的比较关联。结果表明，hs-肌钙蛋白T和三种hs-肌钙蛋白I测定之间只有适度的相关性，并且hs-肌钙蛋白I测定可以为一般人群的死亡率提供不同的风险信息。
摘要与主要结果
一、摘要
背景： 心肌肌钙蛋白T和肌钙蛋白I可以使用多种高灵敏度（hs）测定法进行测量。本研究旨在表征四种此类测定之间的相关性，并测试它们与死亡率的比较关联。
方法：在1999-2004年全国健康和营养检查调查中，在无心血管疾病的成年人中，使用一种测定法（罗氏）测量hs-肌钙蛋白T，使用三种测定法（雅培Abbott，西门子Siemens和Ortho）测量hs-肌钙蛋白I。Cox回归用于估计与全因死亡率和心血管死亡率的关联。比较每种测定浓度的皮尔逊相关系数范围为0.53至0.77。
结果：2188名参与者中有488人死亡（9810名心血管）。每个肌钙蛋白测定[对数转换，每1个标准差（SD）]与全因死亡率独立相关：Abbott肌钙蛋白I的危险比（HR）1.20[95%置信区间（CI）1.13-1.28]；西门子hs-肌钙蛋白I的HR 1.10（95%CI 1.02–1.18）；Ortho肌钙蛋白I的HR 1.23（95%CI 1.14–1.33）；罗氏hs-肌钙蛋白T的HR 1.31（95%CI 1.21–1.42）。每个hs-肌钙蛋白测定也与心血管死亡率独立相关（HR 1.44至1.65/1SD）。在校正了hs-肌钙蛋白I后，hs-肌钙蛋白T与全因死亡率和心血管死亡率的相关性仍然显著。此外，在相互调整来自其他个体测定的肌钙蛋白I后，肌钙蛋白I的相关性仍然显著：例如，调整西门子测定后Abbott的心血管死亡率HR 1.46（95%CI 1.19–1.79），调整Ortho测定后Abbott的HR 1.29（95%CI 1.09–1.53）。
结论：本研究表明hs-肌钙蛋白T和三种hs-肌钙蛋白I测定之间只有适度的相关性，并且hs-肌钙蛋白I测定可以为一般人群的死亡率提供不同的风险信息。
二、研究结果
1. 美国成年人肌钙蛋白升高的患病率
hs-肌钙蛋白T值高于制造商指定的性别特异性第99百分位的患病率为3.1%（660万）。肌钙蛋白I（Abbott）的0.6%（130万）、肌钙蛋白I（Siemens）的0.9%（200万）和肌钙蛋白I（Ortho）的0.7%（160万）。
2.高灵敏度肌钙蛋白与死亡率结果
在17.2年的中位随访中，有2188人死亡（488人死于心血管原因）。
所有四种测定，高灵敏度肌钙蛋白与全因和CVD死亡率密切且独立相关：Abbott肌钙蛋白I的危险比（HR）1.20[95%置信区间（CI）1.13-1.28]；西门子hs-肌钙蛋白I的HR 1.10（95%CI 1.02–1.18）；Ortho肌钙蛋白I的HR 1.23（95%CI 1.14–1.33）；罗氏hs-肌钙蛋白T的HR 1.31（95%CI 1.21–1.42）。
每个hs-肌钙蛋白测定也与心血管死亡率独立相关（HR 1.44至1.65/1SD）。且每种测定与全因死亡率和心血管疾病死亡率之间的关联强度（斜率）总体相似。
3.调整变量后
在相互调整来自其他个体测定的肌钙蛋白I后，肌钙蛋白I的相关性仍然显著：例如，调整西门子测定后Abbott的心血管死亡率HR 1.46（95%CI 1.19–1.79），调整Ortho测定后Abbott的HR 1.29（95%CI 1.09–1.53）。
4.分层分析
与年轻人相比，hs-肌钙蛋白与全因和心血管疾病死亡率的相关性在老年人（≥60岁）中往往更强。
5.敏感性分析/竞争性风险模型
将样本分层为基线肌钙蛋白I（Abbott）浓度高于或低于第75百分位的人，然后重复了连续Cox模型。这些分析表明，各种肌钙蛋白测定的独立预后价值存在于高浓度和低浓度下（即在整个肌钙蛋白值范围内）。在心血管疾病死亡的敏感性分析中，使用将非心血管疾病死亡作为竞争结果的Fine–Gray模型，结果与主要的Cox回归分析没有显著差异。
6.高敏肌钙蛋白测定浓度之间的不一致性
测定之间的成对Pearson相关性适中，从hs-肌钙蛋白T和西门子hs-肌钙蛋白I的r=0.53到Abbott和西门子hs肌钙蛋白I的r=0.77不等。回归线的典型偏差（RMSE）在0.45到0.76之间。
设计与统计学方法
一、研究设计
P：1999年至2004年NHANES无心血管疾病且有死亡信息的9810名18岁或以上的成年人。
O：四种方法测量血清样本中的肌钙蛋白浓度：
使用一种测定法（罗氏）测量hs-肌钙蛋白T，
使用三种测定法（雅培Abbott，西门子Siemens和Ortho）测量hs-肌钙蛋白I。
其他：人口统计和生活方式的自我报告信息，包括种族/民族、吸烟、家族史和药物使用。
S：纵向研究
二、统计方法
1.考虑权重。使用泰勒级数线性化获得了所有估计的标准误差。总结了美国成年人的加权患病率（使用2003-04年美国人口普查数据，以比例和数百万人为单位）。
2.对数变换为近似正态分布后，生成散点图，并评估四种肌钙蛋白测定与线性回归模型的均方根误差（RMSE）之间的成对皮尔逊相关系数。在这些相关性计算中，我们排除了浓度低于空白限值的参与者。
3. 我们根据每次测定的hs-肌钙蛋白浓度的四分位数对参与者进行交叉分类，并使用泊松回归生成热图来比较全因死亡率和心血管疾病死亡率的发病率（每1000人-年）。还根据肌钙蛋白升高状态和每种测定评估了全因死亡率和心血管疾病死亡率的累积发生率。
4.使用Cox回归对基线hs-肌钙蛋白与事件全因和CVD死亡率的前瞻性关联进行建模。还使用限制性立方样条（第5、第35、第65和第95个百分位数处的节点）对hs-肌钙蛋白进行了建模，以灵活评估log（hs-肌钙蛋白）与全因和CVD死亡率之间的关联形状。
5.调整不同变量：模型1包括年龄、性别和种族/民族。模型2包括模型1中的所有变量，加上BMI、总胆固醇、高密度脂蛋白胆固醇、收缩压、吸烟状况、糖尿病、心血管疾病家族史、降压药物的使用、降胆固醇药物的使用和eGFR。
6.分层分析：并测试了年龄、性别和种族/民族群体的倍增效应修正。
7.敏感性分析：①我们通过高于或低于第75百分位的基线hs-肌钙蛋白对Cox模型进行分层。②我们估计了每种hs-肌钙蛋白测定与非心血管疾病死亡的相关性。③我们使用竞争风险方法（即Fine–Gray模型）对CVD死亡率进行了分析，将非CVD死亡作为竞争结果处理。④我们使用C统计量来比较全因死亡率和心血管疾病死亡率的模型区分，将仅进行一次肌钙蛋白测定的基础模型与进行额外肌钙蛋白T或I测定的模型进行比较。
8.使用软件STATA版本17.0进行分析。
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！
