累積C反應(yīng)蛋白/高密度脂蛋白膽固醇比率與關(guān)節(jié)炎患者全因死亡風(fēng)險(xiǎn)的關(guān)聯(lián)：來自CHARLS的縱向隊(duì)列研究

【摘要】目的探討中國中老年人群中累積C反應(yīng)蛋白/高密度脂蛋白膽固醇比率（cumCHR）與關(guān)節(jié)炎患者全因死亡風(fēng)險(xiǎn)的關(guān)聯(lián)。方法數(shù)據(jù)來源于中國健康與養(yǎng)老追蹤調(diào)查數(shù)據(jù)庫。通過Boruta分析篩選出重要變量后，采用多因素非條件logistic回歸模型評(píng)估cumCHR與關(guān)節(jié)炎患者全因死亡風(fēng)險(xiǎn)之間的關(guān)聯(lián)。采用限制性立方樣條回歸模型分析cumCHR與關(guān)節(jié)炎患者全因死亡風(fēng)險(xiǎn)的劑量-反應(yīng)關(guān)系，再應(yīng)用中介分析評(píng)估體重指數(shù)在二者之間的中介效應(yīng)。結(jié)果共1 855例研究對(duì)象納入分析。通過Boruta分析篩選出8個(gè)重要變量（年齡、cumCHR、基線C反應(yīng)蛋白、血紅蛋白、收縮壓、舒張壓、性別、高密度脂蛋白膽固醇）。多因素logistic回歸模型結(jié)果顯示，無論在模型2（OR=2.29，95%CI 1.18～4.45）還是模型3（OR=2.35，95%CI 1.20～4.59）中，cumCHR均與關(guān)節(jié)炎患者全因死亡風(fēng)險(xiǎn)增加有關(guān)。限制性立方樣條回歸模型結(jié)果顯示，cumCHR與全因死亡風(fēng)險(xiǎn)呈“L”曲線關(guān)系；當(dāng)cumCHR＜254時(shí)，與全因死亡風(fēng)險(xiǎn)密切相關(guān)。中介分析顯示體重指數(shù)可能充當(dāng)cumCHR與全因死亡風(fēng)險(xiǎn)之間的中介因子。結(jié)論cumCHR與關(guān)節(jié)炎患者的全因死亡風(fēng)險(xiǎn)密切相關(guān)，呈非線性關(guān)系，提示動(dòng)態(tài)監(jiān)測(cè)cumCHR對(duì)于識(shí)別高死亡風(fēng)險(xiǎn)的關(guān)節(jié)炎患者極其重要。

【關(guān)鍵詞】C反應(yīng)蛋白；高密度脂蛋白膽固醇；關(guān)節(jié)炎；中老年

【DOI】10.16806/j.cnki.issn.1004-3934.2025.01.018Association Between Cumulative C-Reactive Protein/High-Density Lipoprotein

Cholesterol Ratio and All-Cause Mortality in Patients with

Arthritis：A Longitudinal Cohort Study from CHARLS TANG Chao，WANG Han，WU Zhenyu，LUO Meng，ZHANG Zhen

（Department of Cardiology，The Affiliated Hospital of Southwest Jiaotong University，The Third People’s Hospital of Chengdu，Chengdu 610031，Sichuan，China） 【Abstract】ObjectiveTo explore the association between cumulative C-Reactive protein/high-density lipoprotein cholesterol ratio （cumCHR） and all-cause mortality risk in arthritis patients among middle-aged and elderly Chinese population.MethodsData were sourced from the China Health and Retirement Longitudinal Study database.After screening for important variables using Boruta analysis， a multivariable unconditional logistic regression model was employed to evaluate the association between cumCHR and all-cause mortality risk in arthritis patients.A restricted cubic spline regression model was used to analyze the dose-response relationship between cumCHR and all-cause mortality risk in arthritis patients.Additionally， mediation analysis was conducted to assess the mediating effect of body mass index between the two.ResultsA total of 1 855 subjects were included in the analysis.Eight important variables （age， cumCHR， baseline C-reactive protein， hemoglobin， systolic blood pressure， diastolic blood pressure， gender， and high-density lipoprotein cholesterol） were identified through Boruta analysis.The multivariable unconditional logistic regression model showed that cumCHR was associated with increased all-cause mortality risk in arthritis patients， both in Model 2 （OR=2.29， 95%CI 1.18～4.45） and Model 3 （OR=2.35， 95%CI 1.20～4.59）.The restricted cubic spline regression model revealed an “L”-shaped curve relationship between cumCHR and all-cause mortality， with a strong association observed when cumCHR was less than 254.Mediation analysis suggested that body mass index may serve as a mediator between cumCHR and all-cause mortality.ConclusionThe cumCHR is closely related to the risk of all-cause mortality in arthritis patients， showing a nonlinear relationship， suggesting that dynamic monitoring of cumCHR is extremely important for identifying patients with arthritis at high risk of death.

【Keywords】C-reactive protein； High-density lipoprotein cholesterol； Arthritis； Middle-aged and elderly people

關(guān)節(jié)炎是一組以關(guān)節(jié)疼痛和功能障礙為主要特征的慢性疾病，在全球范圍內(nèi)，關(guān)節(jié)炎的患病率和發(fā)病率均呈上升趨勢(shì)［1］。關(guān)節(jié)炎不僅影響患者的生活質(zhì)量，還與全因死亡率的增高密切相關(guān)。研究［2］表明，類風(fēng)濕性關(guān)節(jié)炎患者的全因死亡率顯著高于一般人群，主要死因包括心血管疾病、感染和惡性腫瘤。關(guān)節(jié)炎患者的全因死亡率增高與多種因素有關(guān)，包括疾病本身的炎癥反應(yīng)、合并癥的增加以及長期使用藥物誘發(fā)的并發(fā)癥［3］。

C反應(yīng)蛋白（C-reactive protein，CRP）和高密度脂蛋白膽固醇（high-density lipoprotein cholesterol，HDL-C）分別是炎癥和心血管健康的重要生物標(biāo)志物。近年來，CRP/HDL-C比率（C-reactive protein to high-density lipoprotein ratio，CHR）作為一種新的綜合性指標(biāo)，逐漸受到關(guān)注。CHR在心血管代謝疾病中得以廣泛研究。Jialal等［4］的研究表明，CHR在代謝綜合征患者中顯著升高，并且與胰島素抵抗和心血管風(fēng)險(xiǎn)因素密切相關(guān)。此外，Djesevic等［5］研究進(jìn)一步證實(shí)CHR在2型糖尿病患者中預(yù)測(cè)代謝綜合征的有效性。此外，CHR在心血管疾病的預(yù)測(cè)和評(píng)估中具有重要意義。Ogita等［6］研究表明，在接受經(jīng)皮冠狀動(dòng)脈介入治療的冠心病患者中，低HDL-C和高CRP水平的組合與長期死亡率顯著相關(guān)。

炎癥、血脂與關(guān)節(jié)炎密切相關(guān)［7-8］，然而，目前關(guān)于在中老年人群中累積CHR（cumulative CHR，cumCHR）與關(guān)節(jié)炎患者全因死亡風(fēng)險(xiǎn)關(guān)聯(lián)的研究證據(jù)有限。因此，本研究基于中國健康與養(yǎng)老追蹤調(diào)查（China Health and Retirement Longitudinal Study，CHARLS）數(shù)據(jù)，旨在探討中老年人群中cumCHR與關(guān)節(jié)炎患者全因死亡風(fēng)險(xiǎn)的關(guān)聯(lián)。

1資料與方法

1.1資料來源和研究對(duì)象

研究對(duì)象來自CHARLS ［9］中的數(shù)據(jù)。CHARLS是一項(xiàng)具有中國代表性的隨機(jī)抽樣調(diào)查，為保證樣本的無偏性和代表性，采用多階段抽樣，按照概率比例規(guī)模抽樣，從中國30個(gè)省級(jí)行政單位范圍內(nèi)隨機(jī)抽取450個(gè)村進(jìn)行追蹤調(diào)查，自2011年開始，每2年追蹤調(diào)查1次［10］。 CHARLS經(jīng)北京大學(xué)倫理審查委員會(huì)批準(zhǔn)（IRB00001052-11015），所有研究對(duì)象均由本人或家屬簽署了知情同意書。本研究排除了小于45歲的人群、癌癥患者、缺失CRP和HDL-C以及與關(guān)節(jié)炎相關(guān)信息關(guān)鍵變量（年齡、性別、居住地、教育程度等）的參與者，最終納入擁有完整數(shù)據(jù)的1 855例合格參與者。關(guān)節(jié)炎的定義為醫(yī)生診斷的骨關(guān)節(jié)炎或類風(fēng)濕性關(guān)節(jié)炎。根據(jù)CHARLS，選取了基線調(diào)查時(shí)第一波的血液樣本數(shù)據(jù)（2011年11月）和第三波的血液樣本數(shù)據(jù)（2015年11月）進(jìn)行分析。

1.2暴露及結(jié)局的定義

CHR定義為CRP單位（mg/L）數(shù)值除以HDL-C單位（mg/dL） 數(shù)值的結(jié)果。本研究的結(jié)局是關(guān)節(jié)炎的全因死亡。死亡情況和隨訪持續(xù)時(shí)間的信息是從CHARLS提供的死亡率文件中提取的，隨訪時(shí)間到2018年12月，分析時(shí)排除了分類為不合格的死亡數(shù)據(jù)。本文選取cumCHR作為關(guān)鍵暴露因素。cumCHR通過時(shí)間加權(quán)平均得出，使用一個(gè)特定的公式：cumCHR=［（基線CHR+2015年CHR）/2］ ×（時(shí)間2-時(shí)間1）。基線CHR對(duì)應(yīng)于第一波的血液樣本數(shù)據(jù)（2011年11月）中的基線CHR水平，而2015年CHR代表第三波的血液樣本數(shù)據(jù)（2015年11月）中測(cè)量的CHR水平。“時(shí)間2-時(shí)間1”表示這兩次評(píng)估之間的持續(xù)時(shí)間。全因死亡率定義為在第3波和第4波隨訪之間（2015年12月—2018年12月）的任一時(shí)間點(diǎn)發(fā)生的死亡。死亡事件被記錄為主要結(jié)果。為準(zhǔn)確確定參與者的生存狀態(tài)，在隨訪過程中使用計(jì)算機(jī)輔助的個(gè)人訪談系統(tǒng)進(jìn)行現(xiàn)場(chǎng)訪問。

1.3協(xié)變量的定義

通過問卷調(diào)查、體格檢查、實(shí)驗(yàn)室檢查的方式收集數(shù)據(jù)。問卷調(diào)查采用現(xiàn)場(chǎng)面對(duì)面?zhèn)€人訪談的方式進(jìn)行，主要收集一般人口學(xué)信息（年齡、性別、婚姻狀況、文化程度和居住地）、生活方式（吸煙、飲酒）、既往病史（高血壓、糖尿病、腦卒中、血脂異常、肝臟疾病、心臟疾病、卒中、腎臟疾病、消化系統(tǒng)疾病、關(guān)節(jié)炎）等一般資料。體格檢查包括身高、體重、血壓。實(shí)驗(yàn)室檢查：采集空腹靜脈血，酶法測(cè)定空腹血糖、總膽固醇、甘油三酯、HDL-C、低密度脂蛋白膽固醇、高敏CRP、血紅蛋白、血肌酐、糖化血紅蛋白和尿酸。

吸煙分為從不吸煙、以前吸煙、現(xiàn)在吸煙。飲酒分為從不飲酒、以前飲酒、現(xiàn)在飲酒。婚姻狀況分為單身（未婚、離異、喪偶）和其他（已婚、同居）。文化程度分為小學(xué)及以下、中學(xué)、高中及以上。體重指數(shù)（body mass index，BMI）定義為體重（kg）/［身高（m）×身高（m）］。參照《中國成人超重和肥胖癥預(yù)防控制指南》［11］的標(biāo)準(zhǔn)，BMI分為正常體重（BMI＜24.0 kg/m2）、超重（BMI 24.0～27.9 kg/m2）、肥胖（BMI≥28.0 kg/m2）。合并癥定義為由研究對(duì)象自我報(bào)告，包括高血壓、血脂異常、糖尿病、肝臟疾病、心臟疾病、卒中、腎臟疾病、消化系統(tǒng)疾病、關(guān)節(jié)炎等［12］。

1.4統(tǒng)計(jì)分析

計(jì)量資料符合正態(tài)分布，采用t檢驗(yàn)進(jìn)行組間比較，若不符合則采用M（P25，P75）進(jìn)行描述，采用秩和檢驗(yàn)進(jìn)行組間比較；計(jì)數(shù)資料采用率和構(gòu)成比進(jìn)行描述，組間比較采用χ2檢驗(yàn)。首先把變量均經(jīng)過Boruta篩選［13］，以及多重共線性檢驗(yàn)，把變量分為重要變量和相對(duì)重要變量。經(jīng)過Boruta篩選和多重共線性檢驗(yàn)，尋找進(jìn)入logistic 回歸分析模型的重要變量。模型1未調(diào)整任何變量。模型2調(diào)整了Boruta方法中的8個(gè)“Important”變量，而模型3則在模型2的基礎(chǔ)上進(jìn)一步調(diào)整了Boruta方法中“Tentative”的變量。在logistic回歸中，將cumCHR作為連續(xù)變量進(jìn)行分析，結(jié)果以比值比（OR）和95％置信區(qū)間（95%CI）表示。模型2調(diào)整了8個(gè)重要變量，包括年齡、cumCHR、基線CRP、血紅蛋白、收縮壓、舒張壓、性別、HDL-C；模型3在模型2的基礎(chǔ)上進(jìn)一步調(diào)整已婚、吸煙、BMI、尿酸、血肌酐和甘油三酯。另外，也使用KNN方法將cumCHR進(jìn)行聚類，將cumCHR分為低、中、高3個(gè)水平，進(jìn)行了logistic回歸中的以上分析。采用限制性立方樣條和閾值效應(yīng)分析進(jìn)一步探究cumCHR與關(guān)節(jié)炎患者全因死亡風(fēng)險(xiǎn)的關(guān)系［14］。再以關(guān)節(jié)炎患者全因死亡率作為因變量，cumCHR作為自變量，BMI作為中介變量進(jìn)行中介效應(yīng)檢驗(yàn)。所有上述統(tǒng)計(jì)分析均使用軟件R4.1.2完成。檢驗(yàn)水準(zhǔn)P＜0.05。

2結(jié)果

2.1研究人群的基本特征

在2015—2018年的隨訪期間，參與者中有84例死亡，死亡率為4.5%。表1顯示了研究參與者的基本特征。存活組和死亡組在年齡、性別、婚姻狀態(tài)、吸煙、BMI、收縮壓、血紅蛋白、血肌酐、尿酸、基線CRP、2015年的CRP、2015年的HDL-C、2015年的CHR、cumCHR水平比較，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。兩組患者的教育狀態(tài)、居住地、飲酒情況、舒張壓、空腹血糖水平等比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。

2.2變量篩選

為了更好地顯示cumCHR水平變化與全因死亡率之間的關(guān)聯(lián)，首先進(jìn)行了共線性分析，以方差膨脹因子＜5為閾值，再采用Boruta分析［13］進(jìn)行變量篩選。Boruta分析是一種特征選擇方法，特別用于從高維數(shù)據(jù)中提取重要特征。它基于隨機(jī)森林算法，通過比較實(shí)際特征與其隨機(jī)生成特征的表現(xiàn)來評(píng)估特征的重要性，分析結(jié)果能幫助用戶識(shí)別對(duì)模型有影響的特征，從而改進(jìn)預(yù)測(cè)模型的性能和解釋性。最終，Boruta分析提示，年齡、cumCHR、性別、收縮壓、舒張壓、HDL、基線CRP、血紅蛋白是與死亡率有重要關(guān)系的變量，見圖1。

2.3關(guān)聯(lián)分析

表2呈現(xiàn)了cumCHR水平變化與全因死亡率之間的關(guān)聯(lián)。根據(jù)Boruta分析結(jié)果，調(diào)整了潛在混雜因素。當(dāng)將cumCHR以三分位數(shù)進(jìn)行分類時(shí)，在低數(shù)值組、中等數(shù)值組中未顯示cumCHR水平與全因死亡率之間有明顯的關(guān)聯(lián)，但在高數(shù)值組中，提示cumCHR水平與全因死亡率之間有密切關(guān)系（模型2：OR=2.29，95%CI 1.18～4.45；模型3：OR=2.35，95%CI 1.20～4.59）。

2.4cumCHR與關(guān)節(jié)炎患者全因死亡的劑量反應(yīng)關(guān)系調(diào)整了年齡、居住地、教育程度、婚姻狀況和性別的影響后，限制性立方樣條回歸模型結(jié)果分析顯示，cumCHR與2018年患者死亡之間存在非線性關(guān)聯(lián)，呈“L”型。曲線拐點(diǎn)為254，對(duì)每個(gè)組分別進(jìn)行分段回歸，結(jié)果呈現(xiàn)在圖2中，顯示當(dāng)cumCHR＜254時(shí)，其與全因死亡密切相關(guān)。

2.5中介作用分析結(jié)果

以關(guān)節(jié)炎患者全因死亡率作為因變量，cumCHR作為自變量，BMI作為中介變量進(jìn)行中介效應(yīng)檢驗(yàn)。根據(jù)偏差校正的百分位Bootstrap法，數(shù)據(jù)重復(fù)抽樣500次，計(jì)算各效應(yīng)的95%CI。BMI介導(dǎo)的間接效應(yīng)具有統(tǒng)計(jì)學(xué)意義，其中介比例估計(jì)為-8.0%（95%CI-25.3%～-0.9%）。中介分析顯示BMI可能充當(dāng)cumCHR與全因死亡之間的中介因子。

3討論

關(guān)節(jié)炎的疾病負(fù)擔(dān)是一個(gè)重要的全球性問題，有效識(shí)別關(guān)節(jié)炎患者全因死亡率的預(yù)測(cè)因素對(duì)于疾病的預(yù)防具有重要的臨床意義。尋找一種簡(jiǎn)單、廉價(jià)且有效的預(yù)測(cè)指標(biāo)尤為迫切。本研究結(jié)果提示，在3個(gè)模型中，cumCHR與關(guān)節(jié)炎患者全因死亡密切相關(guān)。而且，與較低水平的cumCHR相比，較高水平的cumCHR關(guān)節(jié)炎患者死亡風(fēng)險(xiǎn)增加。進(jìn)一步的結(jié)果也發(fā)現(xiàn)cumCHR與全因死亡風(fēng)險(xiǎn)呈“L”曲線關(guān)系。此外，BMI可能充當(dāng)cumCHR與全因死亡之間的中介因子。

關(guān)節(jié)炎是一組慢性疾病，常見類型包括骨關(guān)節(jié)炎、類風(fēng)濕性關(guān)節(jié)炎和痛風(fēng)性關(guān)節(jié)炎等。其病理生理學(xué)的一個(gè)關(guān)鍵環(huán)節(jié)是炎癥反應(yīng)［15］。關(guān)節(jié)炎患者由于長期的慢性炎癥狀態(tài)，心血管疾病的風(fēng)險(xiǎn)顯著增加。研究［16］表明，炎癥標(biāo)志物如CRP在預(yù)測(cè)心血管事件方面具有重要意義。此外，HDL-C作為一種抗動(dòng)脈粥樣硬化的脂蛋白，其水平的變化也與心血管疾病的風(fēng)險(xiǎn)相關(guān)［17］。因此，研究者們將CRP和HDL-C整合作為一個(gè)與心血管代謝疾病密切相關(guān)的指標(biāo)CHR。

CRP和HDL-C在關(guān)節(jié)炎中的聯(lián)合作用已被多項(xiàng)研究證實(shí)。CRP作為一種急性期反應(yīng)蛋白，是炎癥反應(yīng)的重要標(biāo)志物，而HDL-C則具有抗炎和抗氧化作用［18-19］。在關(guān)節(jié)炎患者中，CRP水平通常升高，而HDL-C水平則降低，這導(dǎo)致CHR升高。這種比率的升高與炎癥反應(yīng)的嚴(yán)重程度密切相關(guān)。研究［20］表明，CHR的升高與關(guān)節(jié)炎患者的疾病活動(dòng)度和炎癥標(biāo)志物水平呈正相關(guān)。然而，動(dòng)態(tài)CHR的變化與關(guān)節(jié)炎及其預(yù)后的關(guān)系目前尚不清楚。cumCHR體現(xiàn)的是CHR的動(dòng)態(tài)變化，在一定程度上更能反映真實(shí)世界中CHR的實(shí)際情況。在本研究中，cumCHR與關(guān)節(jié)炎患者生存率的關(guān)聯(lián)分析顯示出顯著的相關(guān)性。有研究［21］表明，關(guān)節(jié)炎患者的CRP水平通常較高，而HDL-C水平則較低，這種不平衡可能導(dǎo)致更高的全因死亡率。在類風(fēng)濕性關(guān)節(jié)炎患者中，較高水平的CHR與疾病活動(dòng)度增加和心血管風(fēng)險(xiǎn)增加相關(guān)。關(guān)節(jié)炎患者常伴有系統(tǒng)性炎癥和心血管疾病的高發(fā)病率［22］。CHR還與關(guān)節(jié)炎患者的動(dòng)脈粥樣硬化風(fēng)險(xiǎn)相關(guān)，這可能是由于CRP的促炎作用和HDL-C的抗炎作用之間的不平衡導(dǎo)致的［23］。

值得注意的是，在本研究中，cumCHR與全因死亡率呈“L”曲線關(guān)系。這表明當(dāng)cumCHR＜254時(shí)，該數(shù)值增加可能導(dǎo)致全因死亡風(fēng)險(xiǎn)顯著增加。因此，在cumCHR值較低時(shí)，采取有效的預(yù)防和管理措施對(duì)于降低全因死亡風(fēng)險(xiǎn)至關(guān)重要。隨著cumCHR的升高，雖然全因死亡風(fēng)險(xiǎn)仍然增加，但增加的速度有所放緩。這可能反映了個(gè)體在疾病負(fù)擔(dān)較重時(shí)的健康狀況已達(dá)到一個(gè)相對(duì)飽和的狀態(tài)，此時(shí)進(jìn)一步的健康惡化對(duì)死亡風(fēng)險(xiǎn)的邊際影響相對(duì)較小。

本研究中cumCHR與關(guān)節(jié)炎患者全因死亡率的關(guān)聯(lián)具有重要意義。通過分析這一比率與全因死亡率的關(guān)系，可為關(guān)節(jié)炎患者的預(yù)后評(píng)估和臨床管理提供新的思路和工具。本研究的優(yōu)勢(shì)在于其是一項(xiàng)基于全國人群的臨床研究，具有全國代表性并且樣本量較大；此外，本研究選取cumCHR為暴露，充分體現(xiàn)了CHR的動(dòng)態(tài)變化；在統(tǒng)計(jì)學(xué)方面運(yùn)用了Boruta方法篩選變量，這也是目前被認(rèn)可的一種新算法；最后，本研究提供了國內(nèi)關(guān)于45歲以上人群cumCHR與關(guān)節(jié)炎患者全因死亡風(fēng)險(xiǎn)的證據(jù)，為中老年人群關(guān)節(jié)炎患者的死亡風(fēng)險(xiǎn)預(yù)測(cè)提供了新的思路。

本研究可能存在一些缺陷。首先，盡管不同實(shí)驗(yàn)室之間的檢測(cè)標(biāo)準(zhǔn)和方法可能存在差異，然而，本研究的血樣本數(shù)據(jù)均送至中國疾控中心檢測(cè)，而人體指標(biāo)的測(cè)量均由項(xiàng)目組統(tǒng)一培訓(xùn)，這些都盡可能減少了測(cè)量偏倚。其次，本研究中的混雜因素沒有包括飲食、生活方式、藥物治療等，這是由于CHARLS研究中未調(diào)查這些數(shù)據(jù)或者數(shù)據(jù)大量缺失，導(dǎo)致無法在統(tǒng)計(jì)中矯正這些變量，可能會(huì)影響研究的結(jié)果。最后，在CHARLS研究數(shù)據(jù)中，沒有考慮關(guān)節(jié)炎的亞型，這可能會(huì)影響實(shí)際的應(yīng)用效果。

總之，cumCHR與關(guān)節(jié)炎的全因死亡風(fēng)險(xiǎn)密切相關(guān)，呈非線性關(guān)系，提示動(dòng)態(tài)監(jiān)測(cè)CHR對(duì)于識(shí)別高死亡風(fēng)險(xiǎn)的關(guān)節(jié)炎患者極其重要。未來需進(jìn)一步的多中心研究驗(yàn)證cumCHR 的臨床應(yīng)用價(jià)值，探索cumCHR在不同類型關(guān)節(jié)炎患者中的適用性。

參考文獻(xiàn)

［1］Turkiewicz A，Neogi T，Bjrk J，et al.All-cause mortality in knee and hip osteoarthritis and rheumatoid arthritis［J］.Epidemiology，2016，27（4）：479-485.

［2］Kerola AM，Kazemi A，Rollefstad S，et al.All-cause and cause-specific mortality in rheumatoid arthritis， psoriatic arthritis and axial spondyloarthritis：a nationwide registry study［J］.Rheumatology （Oxford），2022，61（12）：4656-4666.

［3］Movahedi M，Costello R，Lunt M，et al.Oral glucocorticoid therapy and all-cause and cause-specific mortality in patients with rheumatoid arthritis：a retrospective cohort study［J］.Eur J Epidemiol，2016，31（10）：1045-1055.

［4］Jialal I，Adams-Huet B.The Ratios of Triglycerides and C-reactive protein to High density-lipoprotein-cholesterol as valid biochemical markers of the Nascent Metabolic Syndrome［J］.Endocr Res，2021，46（4）：196-202.

［5］Djesevic M，Hasic S，Lepara O，et al.CRP/HDL-C and Monocyte/HDL-C ratios as predictors of metabolic syndrome in patients with type 2 diabetes mellitus［J］.Acta Inform Med，2023，31（4）：254-259.

［6］Ogita M，Miyauchi K，Tsuboi S，et al.Impact of combined C-reactive protein and high-density lipoprotein cholesterol levels on long-term outcomes in patients with coronary artery disease after a first percutaneous coronary intervention［J］.Am J Cardiol，2015，116（7）：999-1002.

［7］Wang Y，Xie H，Huang X，et al.Retrospective analysis and preliminary laboratory validation of treatment efficacy and blood lipid levels in patients with rheumatoid arthritis［J］.Clin Rheumatol，2023，42（12）：3213-3223.

［8］Weber B，He Z，Yang N，et al.Divergence of cardiovascular biomarkers of lipids and subclinical myocardial injury among rheumatoid arthritis patients with increased inflammation［J］.Arthritis Rheumatol，2021，73（6）：970-979.

［9］Zhao Y， Hu Y， Smith JP， et al.Cohort profile： the China Health and Retirement Longitudinal Study （CHARLS）［J］.Int J Epidemiol，2014，43（1）：61-68.

［10］Sha T， Yan Y， Cheng W.Associations of childhood socioeconomic status with mid-life and late-life cognition in Chinese middle-aged and older population based on a 5-year period cohort study［J］.Int J Geriatr Psychiatry，2018，33（10）：1335-1345.

［11］中國肥胖問題工作組.中國成人超重和肥胖癥預(yù)防與控制指南（節(jié)錄）［J］.營養(yǎng)學(xué)報(bào)，2004，26（1）：1-4.

［12］王俊蘋，盧肇駿，寇碩，等.基于CHARLS的中國老年人體質(zhì)指數(shù)與死亡風(fēng)險(xiǎn)研究［J］.預(yù)防醫(yī)學(xué)，2022，34（4）：346-349.

［13］Zhou H，Xin Y，Li S.A diabetes prediction model based on Boruta feature selection and ensemble learning［J］.BMC Bioinformatics，2023，24（1）：224.

［14］Desquilbet L，Mariotti F.Dose-response analyses using restricted cubic spline functions in public health research［J］.Stat Med，2010，29（9）：1037-1057.

［15］Cicek MC，Gunseren KO，Aydin YM，et al.Monocyte-to-high-density lipoprotein cholesterol ratio is independently associated with all-cause mortality in deceased donor kidney transplant recipients［J］.Exp Clin Transplant，2021，19（10）：1041-1047.

［16］Sands BE，Colombel JF，Ha C，et al.Lipid profiles in patients with ulcerative colitis receiving tofacitinib-implications for cardiovascular risk and patient management［J］.Inflamm Bowel Dis，2021，27（6）：797-808.

［17］Yan J，Yang S，Han L，et al.Dyslipidemia in rheumatoid arthritis：the possible mechanisms［J］.Front Immunol，2023，14：1254753.

［18］Zhou D，Liu X，Lo K，et al.The effect of total cholesterol/high-density lipoprotein cholesterol ratio on mortality risk in the general population［J］.Front Endocrinol （Lausanne），2022，15（13）：1012383.

［19］Yu J，Xia X，Lin T，et al.Non-high-density lipoprotein cholesterol and mortality among peritoneal dialysis patients［J］.J Clin Lipidol，2021，15（5）：732-742.

［20］Gronewold J，Kropp R，Lehmann N，et al.Association of social relationships with incident cardiovascular events and all-cause mortality［J］.Heart， 2020，106（17）：1317-1323.

［21］Heffernan KS，Wilmoth JM，London AS.Estimated pulse wave velocity and all-cause mortality：findings from the health and retirement study［J］.Innov Aging，2022，6（7）：igac056.

［22］Zhang G，Guo J，Jin H，et al.Association between extremely high-density lipoprotein cholesterol and adverse cardiovascular outcomes：a systematic review and meta-analysis［J］.Front Cardiovasc Med，2023，10：1201107.

［23］Maddahi M，Nattagh-Eshtivani E，Jokar M，et al.The effect of propolis supplementation on cardiovascular risk factors in women with rheumatoid arthritis：a double-blind，placebo，controlled randomized clinical trial［J］.Phytother Res，2023，37（12）：5424-5434.

收稿日期：2024-08-24