截止2023/7/31，NHANES+MR研究论文仅35篇，最高影响因子37.8（CIRCULATION），发文量呈曲线上升，那么公共数据库和孟德尔随机化分析是否更应该受到临床科研人员的关注和重视呢？

　　检索式：("NHANES"[All Fields] OR "National Health and Nutrition Examination Survey"[All Fields]) NOT ("KNHANES"[All Fields] OR "Korea National Health and Nutrition Examination Survey"[All Fields]) AND ("Mendelian randomization"[All Fields])

 

　　文献解读

　　2023年7月14日，题为：Hypertension and NAFLD risk: Insights from the NHANES 2017-2018 and Mendelian randomization analyses（高血压与非酒精性脂肪肝风险：来自2017-2018年NHANES和孟德尔随机分析的启示）的研究论文在《Chinese medical journal》（Q1，IF=6.1）发表。

　　该研究通过NHANES 2017-2018的数据和孟德尔随机化分析方法，探究了高血压与非酒精性脂肪肝病（NAFLD）之间的关系。研究发现高血压与NAFLD的风险呈正相关，并通过遗传分析证实了高血压对NAFLD的因果关系。

　　摘要

　　标题：高血压和非酒精性脂肪肝风险：2017-2018年NHANES和孟德尔随机分析的启示

　　研究目的：高血压和非酒精性脂肪性肝病（NAFLD）有一些共同的病理生理危险因素，两者之间的确切关系尚不清楚。研究旨在通过分析2017-2018年全国健康和营养检查调查（NHANES）和孟德尔随机化（MR）分析的数据，提供高血压与NAFLD之间关系的证据。

　　数据来源：在NHANES的观察性研究中共招募了3144名参与者。

　　方法：采用2017-2018年NHANES的数据，采用加权多变量调整logistic回归评估高血压与NAFLD风险之间的关系。随后，采用全基因组关联研究（GWAS）汇总统计进行了两份样本MR研究，以确定高血压、收缩压（SBP）、舒张压（DBP）和NAFLD之间的因果关系。采用主要反向方差加权（IVW）和其他辅助MR方法验证高血压与NAFLD之间的因果关系。采用灵敏度分析来验证结果的稳健性。

　　结果：加权多变量校正logistic回归分析提示高血压与NAFLD的危险优势比（OR）= 1.677呈正相关;（95%置信区间[CI]， 1.159-2.423）。收缩压≥130 mmHg、舒张压≥80 mmHg与NAFLD也呈显著正相关。此外，高血压与肝脏脂肪变性独立相关（β= 7.836 [95% CI, 2.334-13.338]）。MR分析结果也支持高血压（OR=7.203 [95% CI, 2.297-22.587]）与NAFLD之间的因果关系。在SBP（OR = 1.024 [95% CI, 1.003-1.046]）、DBP （OR = 1.047 [95% CI, 1.005-1.090]）和NAFLD之间的因果探究中观察到类似的结果。敏感性分析进一步证实了上述结果的稳健性和可靠性。

　　结论：高血压与NAFLD风险增加相关。

　　研究设计

　　X 暴露因素：高血压

　　Y 结局：非酒精性脂肪性肝病（NAFLD）

　　Z 协变量：性别、年龄、种族和教育水平等基本人口学特征，体重指数（BMI）、腰围、总胆固醇、甘油三酯、高密度脂蛋白胆固醇（HDL-C）、糖尿病、糖化血红蛋白（HbA1c）、吸烟状态和体力活动

　　S（Study design）：横断面研究

　　N（Number）：纳入3144名参与者

　　P（Population）：NHANES数据库的数据2017-2018年年龄在20岁或以上的5569名参与者。

　　M 模型比较：

　　Model 1：未进行任何调整。

　　Model 2：调整了性别、年龄、种族和教育水平等基本人口学特征。

　　Model 3：在Model 2的基础上，额外调整了体重指数（BMI）、腰围、总胆固醇、甘油三酯、高密度脂蛋白胆固醇（HDL-C）、糖尿病、糖化血红蛋白（HbA1c）、吸烟状态和体力活动等其他多个协变量。

　　统计方法

　　1、加权多变量调整logistic回归

　　采用多变量调整的logistic回归分析来评估高血压、收缩压、舒张压和非酒精性脂肪性肝病（NAFLD）之间的关系。研究使用了三个不同的模型进行协变量调整。结果以比值比（OR）或β系数（95%置信区间）呈现。由于NHANES具有复杂的概率聚类设计，研究中在统计分析中考虑了权重。这种多因素调整的分析方法可以控制潜在的混杂因素，增加了研究结果的可靠性。同时，考虑到NHANES的设计特点，将权重纳入统计分析中可以更准确地估计总体参数，提高研究的准确性和可靠性。

　　2、MR分析

　　在双样本 MR 分析中，采用了逆方差加权法（inverse-varianceweighted，IVW）作为主要方法来评估高血压、收缩压、舒张压和非酒精性脂肪肝病（NAFLD）之间的因果关系。IVW 方法利用基因变异作为工具变量，根据其与暴露和结果之间的关联来估计因果效应。通过对IVW结果的验证，研究人员还使用了 MR Egger、加权中位数、加权模态和 MR-Pleiotropy residual sum and outlier （MR-PRESSO） 等四种互补的 MR 分析方法。

　　MR Egger方法用于评估基因变异引起的平行性偏倚（horizontal pleiotropy），即基因变异是否影响了结果除了通过暴露变量的影响之外的其他途径。加权中位数方法和加权模态方法用于增强结果的稳健性，通过考虑多个基因变异的权重来减轻潜在的偏倚。MR-PRESSO方法则用于检测潜在的多效性效应和离群值，进一步验证因果关系的可靠性。

　　这些互补的 MR 分析方法能够帮助研究人员检测潜在的偏倚因素和多效性效应，并提供更全面和可靠的因果效应估计。通过敏感性分析，可以解决因引入多效工具变量而引起的因果估计偏差问题。这些方法的应用增强了研究结果的可靠性，并提供了更具说服力的证据，有助于更准确地理解高血压、收缩压、舒张压和 NAFLD 之间的因果关系。

　　3、Cochrane's Q检验

　　使用Cochrane's Q检验评估潜在的异质性。当发现存在异质性时，采用随机效应的逆方差加权（IVW）分析来调整已测得的异质性（P<0.05）。接下来，采用MR-Egger截距来估计基因变异的水平上的平均效应（P<0.05 被视为存在水平上的多效应）。MR-PRESSO方法通过比较观察到的残差平方和预期残差平方来评估多效应的存在。此外，进行了留一法分析，以确定结果是否受到单个变异位点的影响。这些方法的使用有助于评估MR分析中潜在的异质性和水平上的多效应，以确保结果的可靠性和可解释性。

　　4、R软件采用版本4.1.3进行统计分析。

　　研究结果

　　1.基线特征

　　本研究纳入了3144名参与者，非NAFLD组平均年龄为48岁，男性占47.7%，NAFLD组平均年龄为55岁，男性占57.9%。研究发现，参与者中高血压的发病率非NAFLD组为49.3%，NAFLD组为70.1%。与非NAFLD组（SBP/DBP=118/71.3，BMI=26.3）相比，NAFLD组的参与者平均SBP为124.3mmHg，平均DBP为75.7mmHg，BMI为32.7，血脂异常、糖尿病和肥胖的发病率较高。此外，NAFLD组的参与者血清ALT、AST、GGT、总胆固醇、甘油三酯、HbA1c等指标明显偏高，而高密度脂蛋白水平较低。这些基线特征揭示了高血压与NAFLD之间的相关性，并为进一步分析两者之间的关联提供了基础。

　　2、参与MR研究的GWAS的特征

　　MR研究中使用的GWAS数据具有大规模、多样性和严谨的特征，涵盖了近46.3万个体的欧洲人群数据和约75.8万名参与者的血压相关遗传变异数据。通过筛选和验证这些遗传变异，研究确定了与高血压、收缩压和舒张压以及NAFLD相关的SNPs。

　　3、通过多因素回归分析揭示了高血压与NAFLD之间存在显著关联。

　　调整了潜在混杂因素后，130 mmHg ≤SBP <140 mmHg、SBP ≥140 mmHg、80 mmHg ≤DBP <90 mmHg和DBP ≥90 mmHg与NAFLD之间也存在显著正相关。然而，在模型3中根据协变量进行调整后，120 mmHg ≤SBP <130 mmHg与NAFLD之间的显著相关性消失。

　　表4显示高血压与肝脂肪含量（CAP）呈正相关（β值为7.836）。

　　模型1和模型2中高血压与肝脏硬度也呈显著正相关（β值分别为1.142和0.985）。然而，在模型3中根据协变量进行调整后，高血压与肝脏硬度之间的显著关联消失。这些结果表明高血压与NAFLD之间的关系可能受到其他协变量的调整影响，进一步强调了混杂因素的重要性和多因素回归分析在控制混杂因素方面的作用。

　　5、该文献通过MR分析进一步探讨了高血压对NAFLD风险的因果关系。

　　研究结果显示，利用IVW方法测得的结果表明，高血压、收缩压和舒张压与NAFLD之间存在正向的因果关系。此外，其他补充性的MR方法在因果估计的方向和效应大小上与IVW方法的结果一致，表明这些发现可靠且稳健。图1展示了不同MR方法测得的暴露对NAFLD的效应估计。

　　需要注意的是，表5中DBP对NAFLD的效应可能存在潜在的统计学SNP异质性（IVW: P = 0.041，MR Egger: P = 0.041）。

　　因此，研究采用多重随机效应IVW方法对DBP和NAFLD之间的因果关联进行了调整。为了评估这三个暴露相关SNP是否通过其他潜在途径导致NAFLD，研究进一步进行了水平多因果效应分析。

　　结果显示，利用MR-Egger测试未发现这三个暴露因子存在多因果效应（所有P值 >0.05）。此外，MR-PRESSO全局检验也未发现水平多因果效应和任何异常SNP（所有P值 >0.05）。漏一SNP分析进一步确认了高血压、收缩压、舒张压和NAFLD之间的因果关系不受任何单个SNP的驱动。

　　因此，上述结果表明研究结果具有稳健性和可靠性。

 

　　小结

　　这篇文章的创新之处在于它结合了两种不同的研究方法，即观察性研究和孟德尔随机化分析。

　　观察性研究利用了NHANES数据集的大样本，通过多变量调整的logistic回归模型评估了高血压与非酒精性脂肪性肝病（NAFLD）之间的关系，强调了高血压与NAFLD之间的紧密关联，并探讨了可能的机制解释。通过分层分析，发现高血压在不同年龄和性别群体中与NAFLD的关系存在差异。

　　而MR分析则利用基因变异作为工具变量，进一步评估了高血压对NAFLD的因果效应。采用IVW方法和其他互补的MR方法进行验证，结果一致可靠。此外，该文献还对水平共变性和杂波效应进行了敏感性分析和统计验证，结果进一步巩固了研究结论的可靠性。

　　这种结合不同研究方法的设计可以提供更加全面和可靠的结果，减少了混淆和反向因果的可能性。通过这种创新的研究设计，我们得以更好地理解高血压与NAFLD之间的关系，并提供了因果性的证据，为进一步研究和干预措施提供了新的方向。

文章来源：临床科学家公众号