源自风暴统计网一键统计分析与绘图的AI网站引言感觉指标难以创新看看同济大学提供的“热点新秀”指标结合的高分思路进行稀有指标CTI和体型指标的联合探索首次发现脑卒中早期识别的新标志物——CTI-WHtR成功拿下一区Topps优秀的idea往往是高分SCI的关键如果想get文章同款思路欢迎加入上方郑老师团队的双库保发表训练营零基础发文不是梦中风是全球范围内导致死亡和长期残疾的主要原因之一C反应蛋白-甘油三酯-葡萄糖指数CTI作为整合胰岛素抵抗IR和慢性炎症中风发生的关键生物学机制的复合指标已被证实与中风风险相关。然而以往的研究主要将TyG 指数与肥胖相关指标结合以增强心血管风险预测人体测量学指标如腰围、身高能否增强CTI的预测效能目前尚不清楚。2026年1月17日同济大学硕士用CHARLS公共数据库在期刊《Cardiovascular Diabetology》医学一区top IF10.6)发表了一篇题为“The predictive value of C-reactive protein-triglycerides-glucose index-waist-to-height ratio for stroke: a nationwide cohort study”的研究论文。研究旨在探讨CTI及其衍生指标与新发中风风险的关联比较不同指标的预测价值并确定最优的中风风险评估指标。涉及的指标主要包括CTIC反应蛋白-甘油三酯-葡萄糖指数CTI-BMICTI × 体重指数CTI-WHtRCTI × 腰围身高比CTI-BRICTI × 身体圆度指数CTI-WWICTI × 体重调整腰围指数研究表明CTI及其衍生指标与中风风险呈显著正相关其中CTI-WHtR预测效能最优。本公众号回复“ 原文”即可获得文献PDF等资料如需CHARLS数据库方法学习请联系郑老师团队微信号aq566665研究基于中国健康与退休纵向研究CHARLS)数据库2011~2020年的数据经过纳排最终纳入10,070名45岁及以上的参与者其中男性比例为46.92%平均年龄59.15岁。图1 参与者的筛选流程研究首先采用Boruta算法和递归特征消除RFE进行协变量特征筛选通过受试者工作特征曲线下面积AUC、净重分类改善指数NRI和综合判别改善指数IDI比较各指标的预测效能。之后进一步采用Cox比例风险模型、轨迹分析、限制性立方样条RCS分析和Kaplan-Meier曲线探讨最优指标与中风风险的关联。主要研究结果在随访期间共950名参与者9.43%新发卒中。预测效能比较显示CTI衍生指标对卒中的预测能力均优于原始CTI其中CTI-WHtR表现最优AUC值为0.612显著高于其他指标DeLong检验P0.05净重分类改善指数NRI和综合判别改善指数IDI分别为0.214和0.005在所有指标中增量改善效果最明显。图2 CTI及其衍生指标预测效能比较ROC曲线及AUC值Cox回归模型显示在完全调整模型中CTI-WHtR每增加一个单位卒中风险升高73%与最低四分位组Q1相比最高四分位组Q4卒中风险增加120%表1。轨迹分析识别出三种CTI-WHtR变化轨迹低值上升型卒中发生率6.5%、中值上升型卒中发生率9.2%和稳定高值型卒中发生率14.1%图1。与低值上升型相比稳定高值型卒中风险增加69%中值上升型卒中风险增加26%表1。图3 CTI-WHtR轨迹分析A聚类类型可视化B肘部法确定最佳K值C轨迹可视化表1 CTI-WHtR与卒中的关联模型1未调整变量模型2调整性别、年龄、吸烟、饮酒和心脏病史模型3进一步调整性别、年龄、吸烟、饮酒、心脏病史、收缩压、血红蛋白、总胆固醇、高密度脂蛋白胆固醇、甘油三酯、估算肾小球滤过率、尿酸、空腹血糖、糖化血红蛋白。此外限制性立方样条分析表明CTI-WHtR与卒中风险呈线性正相关当CTI-WHtR超过2.52时卒中风险急剧上升。图4 CTI-WHtR与卒中的RCS分析综上所述在中老年人群中CTI及其衍生指标尤其是CTI-WHtR与中风风险呈显著线性正相关。维持最佳水平的CTI-WHtR可能有助于识别中风高危人群并为风险分层和个体化预防策略提供科学依据。CHARLS整理分析平台指标数据多无从下手统计分析流程复杂不知所措看看郑老师团队推出的CHARLS整理分析平台不仅可以一键批量提取变量数据生成纳排流程图和动态队列还可以一键常见统计分析出图功能多多欢迎试用https://zs.medsta.cn/charls_encryption/CHALRS_data/charls_data_1.8_trial/记得点个小小的关注持续分享CHARLS数据库的高分发文思路
别只会用TyG！同济大学硕士用代谢-炎症-肥胖新指标发表一区Top/IF 10.6，全网仅一篇！
发布时间：2026/6/13 7:42:43
源自风暴统计网一键统计分析与绘图的AI网站引言感觉指标难以创新看看同济大学提供的“热点新秀”指标结合的高分思路进行稀有指标CTI和体型指标的联合探索首次发现脑卒中早期识别的新标志物——CTI-WHtR成功拿下一区Topps优秀的idea往往是高分SCI的关键如果想get文章同款思路欢迎加入上方郑老师团队的双库保发表训练营零基础发文不是梦中风是全球范围内导致死亡和长期残疾的主要原因之一C反应蛋白-甘油三酯-葡萄糖指数CTI作为整合胰岛素抵抗IR和慢性炎症中风发生的关键生物学机制的复合指标已被证实与中风风险相关。然而以往的研究主要将TyG 指数与肥胖相关指标结合以增强心血管风险预测人体测量学指标如腰围、身高能否增强CTI的预测效能目前尚不清楚。2026年1月17日同济大学硕士用CHARLS公共数据库在期刊《Cardiovascular Diabetology》医学一区top IF10.6)发表了一篇题为“The predictive value of C-reactive protein-triglycerides-glucose index-waist-to-height ratio for stroke: a nationwide cohort study”的研究论文。研究旨在探讨CTI及其衍生指标与新发中风风险的关联比较不同指标的预测价值并确定最优的中风风险评估指标。涉及的指标主要包括CTIC反应蛋白-甘油三酯-葡萄糖指数CTI-BMICTI × 体重指数CTI-WHtRCTI × 腰围身高比CTI-BRICTI × 身体圆度指数CTI-WWICTI × 体重调整腰围指数研究表明CTI及其衍生指标与中风风险呈显著正相关其中CTI-WHtR预测效能最优。本公众号回复“ 原文”即可获得文献PDF等资料如需CHARLS数据库方法学习请联系郑老师团队微信号aq566665研究基于中国健康与退休纵向研究CHARLS)数据库2011~2020年的数据经过纳排最终纳入10,070名45岁及以上的参与者其中男性比例为46.92%平均年龄59.15岁。图1 参与者的筛选流程研究首先采用Boruta算法和递归特征消除RFE进行协变量特征筛选通过受试者工作特征曲线下面积AUC、净重分类改善指数NRI和综合判别改善指数IDI比较各指标的预测效能。之后进一步采用Cox比例风险模型、轨迹分析、限制性立方样条RCS分析和Kaplan-Meier曲线探讨最优指标与中风风险的关联。主要研究结果在随访期间共950名参与者9.43%新发卒中。预测效能比较显示CTI衍生指标对卒中的预测能力均优于原始CTI其中CTI-WHtR表现最优AUC值为0.612显著高于其他指标DeLong检验P0.05净重分类改善指数NRI和综合判别改善指数IDI分别为0.214和0.005在所有指标中增量改善效果最明显。图2 CTI及其衍生指标预测效能比较ROC曲线及AUC值Cox回归模型显示在完全调整模型中CTI-WHtR每增加一个单位卒中风险升高73%与最低四分位组Q1相比最高四分位组Q4卒中风险增加120%表1。轨迹分析识别出三种CTI-WHtR变化轨迹低值上升型卒中发生率6.5%、中值上升型卒中发生率9.2%和稳定高值型卒中发生率14.1%图1。与低值上升型相比稳定高值型卒中风险增加69%中值上升型卒中风险增加26%表1。图3 CTI-WHtR轨迹分析A聚类类型可视化B肘部法确定最佳K值C轨迹可视化表1 CTI-WHtR与卒中的关联模型1未调整变量模型2调整性别、年龄、吸烟、饮酒和心脏病史模型3进一步调整性别、年龄、吸烟、饮酒、心脏病史、收缩压、血红蛋白、总胆固醇、高密度脂蛋白胆固醇、甘油三酯、估算肾小球滤过率、尿酸、空腹血糖、糖化血红蛋白。此外限制性立方样条分析表明CTI-WHtR与卒中风险呈线性正相关当CTI-WHtR超过2.52时卒中风险急剧上升。图4 CTI-WHtR与卒中的RCS分析综上所述在中老年人群中CTI及其衍生指标尤其是CTI-WHtR与中风风险呈显著线性正相关。维持最佳水平的CTI-WHtR可能有助于识别中风高危人群并为风险分层和个体化预防策略提供科学依据。CHARLS整理分析平台指标数据多无从下手统计分析流程复杂不知所措看看郑老师团队推出的CHARLS整理分析平台不仅可以一键批量提取变量数据生成纳排流程图和动态队列还可以一键常见统计分析出图功能多多欢迎试用https://zs.medsta.cn/charls_encryption/CHALRS_data/charls_data_1.8_trial/记得点个小小的关注持续分享CHARLS数据库的高分发文思路
的演进与通信机制)
