中老年人群認(rèn)知功能障礙風(fēng)險的心血管指標(biāo)聯(lián)合預(yù)測模型構(gòu)建及診斷價值

婁方麗，田維毅，田 輝，石國鳳

貴州中醫(yī)藥大學(xué)，貴州 550025

認(rèn)知功能障礙指與學(xué)習(xí)記憶以及思維判斷有關(guān)的大腦功能出現(xiàn)異常從而引發(fā)的一系列病理現(xiàn)象，被認(rèn)為是衰老過程中出現(xiàn)的最嚴(yán)重問題之一[1]。我國認(rèn)知功能障礙病人數(shù)以每年36 萬例以上的速度增長，成為全球增速最快的國家之一，預(yù)計(jì)到2060 年，我國認(rèn)知功能障礙病人總數(shù)將達(dá)到4 868 萬例[2]。此外，據(jù)國際阿爾茨海默病協(xié)會（ADI）2016 年公布的數(shù)據(jù)顯示，老年癡呆已呈現(xiàn)出發(fā)病年輕化現(xiàn)象，普遍公認(rèn)的發(fā)病年齡已從過去的65 歲變?yōu)?5 歲，整整提前了10 年，且有持續(xù)年輕化趨勢。隨著病情進(jìn)展，認(rèn)知功能障礙將會逐漸發(fā)展為癡呆癥或阿爾茨海默病,病人的日常生活能力下降，嚴(yán)重影響其生活質(zhì)量[3]。但是更值得關(guān)注的是，隨著年齡的增加，尤其是具有心血管指標(biāo)風(fēng)險的認(rèn)知功能障礙老年人死亡風(fēng)險會顯著增加。Paul[4]對老年人進(jìn)行了122 個月的隨訪研究，Kaplan-Meier 生存曲線顯示，低認(rèn)知功能且高心血管疾病(cardiovascular disease，CVD)風(fēng)險組老年人的生存概率顯著降低，表明高心血管疾病風(fēng)險能顯著增加低認(rèn)知功能老年人的死亡風(fēng)險。因此，識別和預(yù)測中老年人認(rèn)知功能障礙發(fā)生的心血管指標(biāo)風(fēng)險對于發(fā)現(xiàn)認(rèn)知功能障礙的預(yù)防新靶點(diǎn)、改善病人預(yù)后及實(shí)現(xiàn)健康老齡化等均具有非常重要的意義。對于心血管疾病風(fēng)險相關(guān)指標(biāo)是否能準(zhǔn)確反映病人的認(rèn)知功能障礙狀態(tài)，目前國內(nèi)鮮有報道。流行病學(xué)研究發(fā)現(xiàn)，心血管疾病、特定的血管生物標(biāo)志物和危險因素，如高血壓、高收縮壓、糖尿病、心臟病、腦卒中或心血管疾病、高膽固醇、血脂異常、纖維蛋白原水平、同型半胱氨酸（Hcy）、胱抑素C（Cys-C）、超敏C 反應(yīng)蛋白（hs-CRP）[3-8]、飲食、吸煙、飲酒和體力活動減少[5-7]等為認(rèn)知功能障礙的心血管疾病良好指標(biāo)，此外，年齡、性別、教育水平、婚姻狀況、共同居住者、收入[6-7]、日常生活能力（ADL）[8-9]、社會參與[10-11]、心理因素[12-13]等也均與認(rèn)知功能障礙的預(yù)后密切相關(guān)。本研究回顧性分析9 391 位中老年人的心血管疾病風(fēng)險相關(guān)指標(biāo)水平，構(gòu)建認(rèn)知功能障礙發(fā)生風(fēng)險的心血管指標(biāo)聯(lián)合預(yù)測模型，并探討其對預(yù)測認(rèn)知功能障礙發(fā)生風(fēng)險的診斷價值。

1 資料與方法

1.1 數(shù)據(jù)來源 本研究的人群來自中國健康與退休前瞻性隊(duì)列研究(China Health and Retirement Longitudinal Study,CHARLS)。CHARLS 是由北京大學(xué)國家發(fā)展研究院主持、北京大學(xué)中國社會科學(xué)調(diào)查中心與北京大學(xué)團(tuán)委共同執(zhí)行的跨學(xué)科調(diào)查項(xiàng)目，主要聚焦于我國45 歲及以上中老年人，用于分析我國人口老齡化相關(guān)問題。CHARLS 課題組于2011 年—2012 年在全國進(jìn)行了大規(guī)模基線調(diào)查，此次調(diào)查采取隨機(jī)抽樣方法以獲取更具代表性的樣本。樣本包括了150 個縣級單位，10 257 戶適齡家戶中的1 名至少年滿45 歲的居民，共17 708人。2年后（2013年）、再2年后（2015年）分別進(jìn)行了全國基線樣本常規(guī)調(diào)查的第1 次和第2 次追蹤訪問，共計(jì)完成20 284 人的訪問。CHARLS 家戶調(diào)查問卷包括以下內(nèi)容：①基本信息；②家庭結(jié)構(gòu)及親屬間在金錢、時間方面的轉(zhuǎn)移支付；③健康狀況、身體功能限制和認(rèn)知能力；④醫(yī)療保健與保險；⑤工作、退休和養(yǎng)老；⑥收入、支出及資產(chǎn)情況。其中，CHARLS問卷采集了多維度的自評健康信息，如醫(yī)生是否告訴過你有某種疾病、基本日常活動、需要輔助工具的日常活動和生理機(jī)能等信息；此外，CHARLS 還對受訪對象進(jìn)行體檢和血樣分析，其中包括11 項(xiàng)體檢指標(biāo)[如血壓、呼吸功能、握力、平衡能力、步行速度、重復(fù)從椅子站起的時間測試、身高、手臂長度、膝高、體重、體質(zhì)指數(shù)（BMI）、腰圍]，血樣分析指標(biāo)包括總膽固醇（TC）、三酰甘油（TG）、高密度脂蛋白膽固醇（HDL-C）、低密度脂蛋白膽固醇（LDL-C）、空腹血糖、糖化血紅蛋白（HbAlc）、Cys-C、hs-CRP 等。

1.2 研究對象 選取CHARLS 數(shù)據(jù)中2015 年的調(diào)研數(shù)據(jù)9 391 名作為本研究的研究對象。納入標(biāo)準(zhǔn)：研究期間血壓數(shù)據(jù)完整；研究期間認(rèn)知功能評分資料完整。排除標(biāo)準(zhǔn)：血糖（Glu）、TC、TG、HDL-C、LDL-C、hs-CRP、HbAlc、尿酸（UA）、Cys-C 數(shù)值缺失者；2015年采血前存在認(rèn)知功能障礙者；標(biāo)準(zhǔn)差、極差等判定為異常者（異常值定義為＜1%或＞99%的數(shù)據(jù)）。

1.3 認(rèn)知功能測量 CHARLS 通過標(biāo)準(zhǔn)認(rèn)知調(diào)查問卷測量視覺空間能力、情節(jié)記憶及定向力和注意力，這3 個方面能力分別通過畫圖、詞匯回憶和電話篩查認(rèn)知測試(TICS-10)進(jìn)行評估。為了與既往研究保持一致，對這3 項(xiàng)測試的分?jǐn)?shù)求和后作為總體認(rèn)知功能評分。總體認(rèn)知功能得分為0～21 分。量表得分越高提示認(rèn)知功能越好。①畫圖測試：出示兩個相互交叉的五邊形，要求受試者畫出一個相似的圖案，能畫出相似圖案得1 分，不能畫出的得0 分。畫圖測試用于評估視覺空間能力。②詞匯回憶：該測試分為即時回憶測試和延遲回憶測試兩部分。研究對象在聽完10 個隨機(jī)詞語之后，被要求立即盡可能多地回憶所聽到的詞語。4～10 min 后，研究對象被要求再回憶1 次之前聽到的詞匯。在每次測試中，每正確回憶1 個詞匯得1 分。得分越高說明記憶能力越強(qiáng)。兩次測試的平均得分為詞匯回憶得分的總分，反映情節(jié)記憶能力。③TICS-10：該測試共有10 項(xiàng)問題，包括回答100 連續(xù)5 次減去7 的得分以及日期、星期和季節(jié)等。該測試主要用于評估定向力、計(jì)算力和注意力。得分0～10 分。

由于本研究的調(diào)查對象是45 歲及以上的中老年人，年齡跨度較大，教育程度差別較大，所以，必須根據(jù)不同年齡、教育程度和性別調(diào)整認(rèn)知功能障礙的劃分界值，以最大限度控制可能存在的偏倚。參考以往研究結(jié)果[14]，本研究采用年齡（45～59 歲、60～69 歲、70～79 歲、80 歲及以上）、教育（是否接受過正規(guī)教育）、性別（男性、女性）調(diào)整后的標(biāo)準(zhǔn)認(rèn)知調(diào)查問卷得分進(jìn)行評定，若某受試對象問卷得分小于相應(yīng)性別、教育、年齡組別的均值減去1.5 倍標(biāo)準(zhǔn)差，那么該受試對象為認(rèn)知功能障礙。

1.4 統(tǒng)計(jì)學(xué)處理 使用EpiData 3.1 中文版錄入數(shù)據(jù)，用SPSS 25.0 軟件和MedCalc 軟件對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)描述和分析。定性資料用頻數(shù)、百分比（%）表示，定量資料采用均數(shù)±標(biāo)準(zhǔn)差（±s）表示，采用K-S 檢驗(yàn)和Levene 檢驗(yàn)分別對定量資料的正態(tài)性和方差齊性進(jìn)行分析，正態(tài)分布且方差齊的定量資料組間比較采用獨(dú)立樣本t檢驗(yàn)，否則采用Mann-Whitney 秩和檢驗(yàn)。采用單因素分析及Logistic 回歸分析評估認(rèn)知功能障礙的心血管風(fēng)險因素并構(gòu)建模型；所得模型的擬合度情況采用Hosmer-Lemeshow 檢驗(yàn)。模型對預(yù)后的判斷價值采用GraphPad Prism 9.3.0 繪制受試者工作特征(receiver operator characteristic,ROC)曲線，通過比較曲線下面積(area under the curve,AUC)分析不同心血管風(fēng)險指標(biāo)對認(rèn)知功能障礙的診斷點(diǎn)及評價模型預(yù)測結(jié)果。以P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 認(rèn)知功能障礙的心血管指標(biāo)風(fēng)險的單因素分析 本研究共收集9 391 位中老年人的信息，年齡45～101 歲；男4 469 名，女4 922 名；認(rèn)知功能得分最低0 分，最高21 分。單因素分析結(jié)果表明，有認(rèn)知功能障礙和無認(rèn)知功能障礙組中老年人Glu、LDL-C、hs-CRP、HbAlc 方面比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。有認(rèn)知功能障礙組和無認(rèn)知功能障礙組中老年人年齡、性別、婚姻狀態(tài)、教育水平、吸煙、飲酒、睡眠、15 歲以前的身體狀況、高血壓病史、血脂異常病史、糖尿病或血糖升高病史，以及平均收縮壓（SBP）、平均舒張壓（SDP）、BMI、腰圍、Hb、BUN、Cr、TC、TG、HDL-C、UA、Cys-C 相比較，差異均有統(tǒng)計(jì)學(xué)意義（P＜0.05）。見表1。

（續(xù)表）

2.2 認(rèn)知功能障礙風(fēng)險的心血管指標(biāo)預(yù)測模型構(gòu)建

2.2.1 初步篩選擬進(jìn)入Logistic 回歸分析的變量 選擇單因素分析有統(tǒng)計(jì)學(xué)意義的年齡、性別、婚姻狀態(tài)、教育水平、吸煙、飲酒、睡眠、15 歲以前的身體狀況、高血壓病史、血脂異常病史、糖尿病或血糖升高病史以及SBP、SDP、BMI、腰圍、Hb、BUN、Cr、TC、TG、HDL-C、UA、Cys-C 進(jìn)入Logistic 回歸分析。有認(rèn)知功能障礙和無認(rèn)知功能障礙為病人結(jié)局，利用MedCalc 軟件中的繪制ROC 曲線功能，取得上述23 個變量預(yù)測認(rèn)知功能障礙預(yù)后的最佳截?cái)嘀导凹s登指數(shù)，見表2。

表2 預(yù)測中老年人認(rèn)知功能預(yù)后的23 個變量的最佳截?cái)嘀导凹s登指數(shù)

2.2.2 運(yùn)用Logistic 回歸分析建立預(yù)測模型 根據(jù)表2 中所得的截?cái)嘀祵?3 個連續(xù)變量轉(zhuǎn)變?yōu)槎诸愖兞浚渲校挲g≤61歲=0，年齡＞61歲=1；性別，男性=0，女性=1；婚姻狀態(tài)，已婚與配偶同住、已婚因工作等原因暫分居、分居不再共同生活、從未結(jié)婚或同居、喪偶=0，離異=1；其他教育水平=0，未讀完小學(xué)但能夠讀寫=1；不吸煙=0，吸煙=1；不飲酒=0，飲酒=1；過去1 個月平均每晚睡眠時間≤4.5 h=0，＞4.5 h=1；15 歲之前的身體狀況不好=0，好=1；無高血壓病史=0，有=1；無血脂異常病史=0，有=1；無糖尿病或血糖升高病史=0，有=1；SBP≤127 mmHg=0，＞127 mmHg=1；SDP≤76 mmHg=0，＞76 mmHg=1；BMI≤23.010 kg/m2=0，＞23.010 kg/m2=1；腰圍≤85.100 cm=0，＞85.100 cm=1；Hb≤139.78 g/L=0，＞139.78 g/L=1；BUN≤6.183 mmol/L=0，＞6.183 mmol/L=1；Cr≤63.300 μmol/L=0，＞63.300 μmol/L=1；TC≤2.088 mmol/L=0，＞2.088 mmol/L=1；TG≤1.768 mmol/L=0，＞1.768 mmol/L=1；HDL-C≤1.398 mmol/L=0，＞1.398 mmol/L=1；UA≤249.816 μmol/L=0，＞249.816 μmol/L=1；Cys-C≤0.940 mg/L=0，＞0.940 mg/L=1，進(jìn)行Logistic 回歸分析，采用進(jìn)入法，建立預(yù)測模型。參數(shù)估計(jì)及檢驗(yàn)的結(jié)果見表3。模型納入的自變量中有19 個自變量（年齡、性別、是否吸煙、是否飲酒、睡眠、15 歲之前的身體狀況、有無高血壓病史、有無血脂異常病史、平均SBP、平均SDP、BMI、腰圍、Hb、BUN、Cr、TC、HDL-C、UA、Cys-C）有統(tǒng)計(jì)學(xué)意義（P＜0.05），所得預(yù)測模型經(jīng)Hosmer-Lemeshow 擬合優(yōu)度檢驗(yàn)χ2=7.603，P=0.473。可得Logistic 回歸方程為：Logit(p)=0.125+0.328×年齡+0.251×性別-0.118×是否吸煙-0.408×是否飲酒-0.613×睡眠-0.209×15 歲之前的身體狀況+0.255×有無高血壓病史-0.348×有無血脂異常病史+0.392×平均SBP-0.145×平均SDP-0.349×BMI-0.180×腰圍-0.255×Hb+0.146×BUN-0.298×Cr+0.099×TC+0.223×HDL-C-0.182×UA+0.533×Cys-C。

表3 中老年人認(rèn)知功能障礙風(fēng)險的心血管指標(biāo)預(yù)測模型

2.3 認(rèn)知功能障礙風(fēng)險的心血管指標(biāo)聯(lián)合預(yù)測模型構(gòu)建及診斷價值 研究指出，SBP、Cys-C[15-16]等因素對認(rèn)知功能下降具有重要影響。表3 結(jié)果也顯示，平均SBP＞127 mmHg 的中老年人預(yù)后不良的發(fā)生風(fēng)險較平均SBP≤127 mmHg 的中老年人風(fēng)險增加了1.479倍，Cys-C＞0.940 g/L 的中老年人預(yù)后不良的發(fā)生風(fēng)險較Cys-C≤0.940 g/L 的中老年人風(fēng)險增加了1.704倍，在認(rèn)知功能障礙風(fēng)險所有心血管指標(biāo)預(yù)測因子中預(yù)測風(fēng)險值較大。因此，本研究在以上預(yù)測模型的基礎(chǔ)上，逐步建立3 個聯(lián)合預(yù)測診斷模型，以探討變量的聯(lián)合對預(yù)測認(rèn)知功能障礙發(fā)生風(fēng)險的改善價值。

2.3.1 進(jìn)入模型的各變量對病人結(jié)局的整合式預(yù)測模型ROC 曲線 將進(jìn)入以上預(yù)測模型的年齡、性別、是否吸煙、是否飲酒、睡眠、15 歲之前的身體狀況、有無高血壓病史、有無血脂異常病史、平均SDP、BMI、腰圍、Hb、BUN、Cr、TC、UA、HDL-C 這17 個變量在本研究建立Logistic 回歸模型時輸出聯(lián)合診斷的新變量預(yù)測概率PRE_1 來繪制整合式預(yù)測模型（模型1）的ROC 曲線圖，見圖1。其AUC 為0.671，95%CI[0.661，0.680]，AUC＞0.500，且95%CI 均超過0.500，提示上述指標(biāo)均能有效預(yù)測認(rèn)知功能障礙的發(fā)生。見圖1。

圖1 整合式預(yù)測模型（模型1）對認(rèn)知功能障礙發(fā)生風(fēng)險的預(yù)測價值

2.3.2 平均SBP 對整合式預(yù)測模型預(yù)測認(rèn)知功能障礙發(fā)生風(fēng)險的改善價值 將SBP 與上述整合式預(yù)測模型聯(lián)合使用的AUC 為0.678，95%CI[0.668，0.687]，該模型（模型2）與整合式預(yù)測模型比較，P＜0.000 1，提示平均SBP 的使用能夠增加整合年齡、性別、是否吸煙、是否飲酒、睡眠、15 歲之前的身體狀況、有無高血壓病史、有無血脂異常病史、平均SDP、BMI、腰圍、Hb、BUN、Cr、TC、UA、HDL-C 的整合式預(yù)測模型對認(rèn)知功能障礙發(fā)生的預(yù)測價值（AUC 分別為0.678，0.671,P＜0.000 1）。見圖2。

圖2 整合式預(yù)測模型（模型1）及與平均SBP 聯(lián)合使用（模型2）對認(rèn)知功能障礙發(fā)生風(fēng)險的預(yù)測價值比較

2.3.3 Cys-C 對整合式預(yù)測模型預(yù)測認(rèn)知功能障礙發(fā)生風(fēng)險的改善價值 將Cys-C 與上述整合式預(yù)測模型聯(lián)合使用的AUC 為0.680，95%CI[0.671,0.690]，該模型（模型3）與整合式預(yù)測模型比較,P＜0.000 1，提示Cys-C 的使用能夠增加整合了年齡、性別、是否吸煙、是否飲酒、睡眠、15 歲之前的身體狀況、有無高血壓病史、有無血脂異常病史、平均SDP、BMI、腰圍、Hb、BUN、Cr、TC、UA、HDL-C 的整合式預(yù)測模型對認(rèn)知功能障礙發(fā)生的預(yù)測價值（AUC 分別為0.680，0.671,P＜0.000 1）。見圖3。

圖3 整合式預(yù)測模型（模型1）及與Cys-C 聯(lián)合使用（模型3）對認(rèn)知功能障礙發(fā)生風(fēng)險的預(yù)測價值比較

2.3.4 平均SBP 聯(lián)合Cys-C 對整合式預(yù)測模型預(yù)測認(rèn)知功能障礙發(fā)生風(fēng)險的改善價值 將平均SBP 及Cys-C 與整合式預(yù)測模型聯(lián)合使用的AUC 為0.686，95%CI[0.676,0.695]，該模型（模型4）與整合式預(yù)測模型比較，P＜0.000 1，提示平均SBP 及Cys-C 的使用能夠增加整合了年齡、性別、是否吸煙、是否飲酒、睡眠、15 歲之前的身體狀況、有無高血壓病史、有無血脂異常病史、平均SDP、BMI、腰圍、Hb、BUN、Cr、TC、UA、HDL-C 的整合式預(yù)測模型對認(rèn)知功能障礙發(fā)生的預(yù)測價值（AUC 分別為0.686，0.671,P＜0.000 1）。見圖4。

圖4 整合式預(yù)測模型（模型1）及與平均SBP 和Cys-C 聯(lián)合使用（模型4）對認(rèn)知功能障礙發(fā)生風(fēng)險的預(yù)測價值比較

3 討論

3.1 整合式預(yù)測模型對認(rèn)知功能障礙的預(yù)測 本研究顯示，整合了年齡、性別、是否吸煙、是否飲酒、睡眠、15 歲之前的身體狀況、有無高血壓病史、有無血脂異常病史、平均SDP、BMI、腰圍、Hb、BUN、Cr、TC、UA、HDL-C 的整合式預(yù)測模型對認(rèn)知功能障礙的發(fā)生風(fēng)險具有一定預(yù)測價值（AUC=0.671,P＜0.000 1）。根據(jù)本研究各變量的最佳截?cái)嘀担挲g＞61 歲的中老年人預(yù)后不良的發(fā)生風(fēng)險較年齡≤61 歲的中老年人風(fēng)險增加了1.388 倍。Glisky 等[17]研究已發(fā)現(xiàn)，年齡和認(rèn)知功能之間存在負(fù)相關(guān)關(guān)系，隨著年齡增長，認(rèn)知功能呈逐漸下降趨勢。本研究女性預(yù)后不良的發(fā)生風(fēng)險較男性風(fēng)險增加了1.285 倍。有研究發(fā)現(xiàn)，女性老年人的認(rèn)知功能得分低于男性老年人，且認(rèn)知功能受損更嚴(yán)重[18]。本研究顯示，吸煙和飲酒的中老年人預(yù)后不良的發(fā)生風(fēng)險為不吸煙、不飲酒者風(fēng)險的0.889 倍、0.665 倍。但由于個體接觸香煙和酒精的程度不同，且吸煙、飲酒和鍛煉等生活方式很容易發(fā)生改變，因此，吸煙和飲酒對認(rèn)知功能損害的機(jī)制需要進(jìn)一步研究。有研究指出，早期心血管危險因素將會增加中、晚年發(fā)生認(rèn)知障礙的風(fēng)險[3]，提示生命早期的身體狀況對于中晚年認(rèn)知功能障礙的發(fā)生具有重要預(yù)測價值，身體狀況、睡眠、教育水平和婚姻狀態(tài)等均與認(rèn)知障礙的發(fā)生相關(guān)。本研究結(jié)果也提示，15 歲之前的身體狀況不好、平均每晚睡眠時間＞4.5 h 的中老年人預(yù)后不良的發(fā)生風(fēng)險是身體狀況好、平均每晚睡眠時間≤4.5 h 的中老年人風(fēng)險的0.812 倍、0.542 倍。有研究指出，與家人共同生活的老年人比養(yǎng)老院的老年人認(rèn)知功能更高[19]，提示家庭生活的和諧幸福對于認(rèn)知功能障礙的預(yù)防具有一定作用。本研究有高血壓病史及有血脂異常病史的中老年人預(yù)后不良的發(fā)生風(fēng)險是無相關(guān)病史者風(fēng)險的1.290 倍、0.706 倍。一項(xiàng)對成人的9 年隨訪研究發(fā)現(xiàn)，所有調(diào)查對象的心血管風(fēng)險得分為0.02～0.55(0.16±0.08)分[3]。與低三分位數(shù)相比，較高的風(fēng)險評分與較低的全智商(FIQ)(β=0.094)和言語智商(VIQ)(β=0.100)相關(guān)。其中在女性中，較高的風(fēng)險得分與較低的FIQ(β=0.263)和VIQ(β=0.268)之間有更顯著的關(guān)聯(lián)。提示較高的心血管風(fēng)險負(fù)擔(dān)增加了認(rèn)知障礙的發(fā)生風(fēng)險，并隨著時間的推移加速其進(jìn)展[3,18]。

3.2 SBP 對整合式預(yù)測模型預(yù)測認(rèn)知功能障礙發(fā)生風(fēng)險的改善價值 將SBP 與整合式預(yù)測模型聯(lián)合使用的AUC 為0.678，兩個預(yù)測模型比較，P＜0.000 1，提示平均SBP 的使用能夠增加整合式預(yù)測模型對認(rèn)知功能障礙發(fā)生的預(yù)測價值。根據(jù)本研究結(jié)果，SBP＞127 mmHg、SDP＞76 mmHg 的中老年人預(yù)后不良的發(fā)生風(fēng)險是SBP≤127 mmHg、SDP≤76 mmHg 的中老年人風(fēng)險的1.479 倍、0.865 倍；BMI＞23.010 kg/m2、腰圍＞85.100 cm 的中老年人預(yù)后不良的發(fā)生風(fēng)險較BMI≤23.010 kg/m2、腰圍≤85.100 cm 的中老年人風(fēng)險分別增加了0.705 倍、0.836 倍；Hb＞13.978 g/L、BUN＞6.183 mmol/L、Cr＞63.300 μmol/L 的中老年人預(yù)后不良的發(fā)生風(fēng)險較Hb≤13.978 g/L、BUN≤6.183 mmol/L、Cr≤63.300 μmol/L 的中老年人風(fēng)險分別增加了0.775倍、1.157倍、0.742倍；HDL-C＞1.398mmol/L、TC＞2.088 mmol/L、UA＞249.816 μmol/L 的中老年人預(yù)后不良的發(fā)生風(fēng)險較HDL-C≤1.398 mmol/L、TC≤2.088 mmol/L、UA≤249.816 μmol/L 的中老年人風(fēng)險分別增加了1.250 倍、1.104 倍、0.833 倍。提示對于中老年人應(yīng)注意定期監(jiān)測相關(guān)指標(biāo)，有助于認(rèn)知功能障礙的診斷和預(yù)防。目前的證據(jù)表明，心血管疾病可能是癡呆的病理生理基礎(chǔ)。常見的心血管危險因素包括高血壓、血脂異常、糖尿病、吸煙和肥胖，這些因素與白質(zhì)改變，特別是白質(zhì)高強(qiáng)度(WMH)有關(guān)。也有研究表明更高的心血管風(fēng)險負(fù)擔(dān)與認(rèn)知改變相關(guān)[18]，而WMH 在這種關(guān)聯(lián)中起到中介作用。研究也證明HDL-C、LDL-C、BUN 等被認(rèn)為是心血管疾病的危險因素，獨(dú)立參與心血管疾病的發(fā)病過程，并能夠加速認(rèn)知病程進(jìn)展。研究顯示，平均動脈壓(MAP)、SBP、DBP、hs-CRP、Glu、HDL-C、LDL-C、TC、TG、HbAlc、BMI、BUN 等均分別單獨(dú)與認(rèn)知功能下降相關(guān)，與認(rèn)知能力存在非線性關(guān)系。改善心血管疾病的危險因素有助于降低認(rèn)知障礙發(fā)生風(fēng)險，維持認(rèn)知功能[3,18，20]。

3.3 Cys-C 對整合式預(yù)測模型預(yù)測認(rèn)知功能障礙發(fā)生風(fēng)險的改善價值 將Cys-C 與整合式預(yù)測模型聯(lián)合使用的AUC 為0.680，兩個預(yù)測模型比較,P＜0.000 1，提示Cys-C 的使用能夠增加整合式預(yù)測模型對認(rèn)知功能障礙發(fā)生的預(yù)測價值（P＜0.000 1）。根據(jù)本研究結(jié)果，Cys-C＞0.940 mg/L 的中老年人預(yù)后不良的發(fā)生風(fēng)險較Cys-C≤0.940 mg/L 的中老年人風(fēng)險增加了1.704倍。有研究將帕金森病病人分為不伴認(rèn)知功能障礙（PD-NCI）亞組和伴輕度認(rèn)知功能障礙（PD-MCI）亞組，并與健康體檢者對照研究發(fā)現(xiàn)，PD-MCI 組血同型半胱氨酸(Hcy)和Cys-C 水平明顯高于PD-NCI 組和健康對照組，血UA 水平明顯低于PD-NCI 組和健康對照組，差異均有統(tǒng)計(jì)學(xué)意義（P＜0.05）；PD 組的血Hcy與Cys-C 均與蒙特利爾認(rèn)知評估量表（MoCA）評分呈負(fù)相關(guān)。表明血清Hcy 和Cys-C 水平的升高以及UA 水平的降低與PD 及PD-MCI 的發(fā)病具有相關(guān)性，有助于PD 及PD-MCI 的診斷[16]。

3.4 SBP 聯(lián)合Cys-C 對整合式預(yù)測模型預(yù)測認(rèn)知功能障礙發(fā)生風(fēng)險的改善價值更高 將SBP 及Cys-C 與整合式預(yù)測模型聯(lián)合使用的AUC 為0.686，兩個預(yù)測模型比較,P＜0.000 1，提示SBP 及Cys-C 的使用能夠增加整合式預(yù)測模型對認(rèn)知功能障礙發(fā)生的預(yù)測價值（P＜0.000 1）。從本研究結(jié)果可知，本研究所得的4 個模型整合式預(yù)測模型、平均SBP 聯(lián)合整合式預(yù)測模型、Cys-C 聯(lián)合整合式預(yù)測模型、平均SBP 與Cys-C 聯(lián)合整合式預(yù)測模型，以及2 個變量平均SBP、Cys-C 對病人預(yù)后預(yù)測的AUC 各有不同，各變量的AUC 與模型預(yù)測能力的差異均有統(tǒng)計(jì)學(xué)意義（P＜0.01），模型4平均SBP 與Cys-C 聯(lián)合整合式預(yù)測模型預(yù)測預(yù)后的AUC 最高,可達(dá)到0.686，較單獨(dú)應(yīng)用整合式預(yù)測模型及分別與每個變量的聯(lián)合應(yīng)用對中老年人的預(yù)后進(jìn)行判斷更具優(yōu)勢，AUC＞0.500，且95%CI 均超過0.500，提示平均SBP 與Cys-C 聯(lián)合整合式預(yù)測模型能有效預(yù)測認(rèn)知功能障礙的發(fā)生，可以更好地識別和預(yù)測中老年人認(rèn)知功能障礙發(fā)生的心血管指標(biāo)風(fēng)險，有助于發(fā)現(xiàn)認(rèn)知功能障礙的預(yù)防新靶點(diǎn)、改善病人預(yù)后及實(shí)現(xiàn)健康老齡化。