当前位置: 首页 > news >正文

NHANES指标推荐:BRI

文章题目:Association of body roundness index with cardiovascular disease in patients with cardiometabolic syndrome: a cross-sectional study based on NHANES 2009-2018

 

DOI:10.3389/fendo.2025.1524352

 

中文标题:心脏代谢综合征患者身体圆度指数与心血管疾病的关联:基于 2009-2018 年 NHANES 的横断面研究

 

发表杂志:Front Endocrinol

 

影响因子:2区,IF=3.9

 

发表时间:2025年2月

 

今天给大家分享一篇在 2025年2月发表在《Front Endocrinol》(2区,IF=3.9)的文章。本研究旨在调查BRI 与 CMS 患者 CVD 及其组成部分(包括充血性心力衰竭 (CHF)、冠心病 (CHD)、心绞痛、心脏病发作和中风)风险的关联。

 

研究方法:数据来自2009-2018年全国健康和营养调查(NHANES)。主要采用逻辑回归模型评估CMS患者BRI与CVD之间的关系,包括平滑曲线分析、阈值效应分析、亚组分析和多重填补。此外,还采用受试者工作特征(ROC)曲线评估BRI预测CVD的能力。

 

Table&Figure

 

结果解读逻辑回归模型显示BRI 与 CVD 呈正相关。BRI 的最高四分位数 (Q4) 与 CVD 的关联性最强。平滑曲线显示 BRI 与 CVD 呈线性关系,但 BRI 与 CHF 呈 U 形关联。对于 CVD,分层分析未显示各层之间存在显著差异。对于 CHF,BMI 与关联性相互作用,BRI 与体重正常人群亚群 CHF 风险降低相关,与肥胖人群亚群 CHF 风险增加相关。多重填补进一步证实了这些结果的稳健性。此外,ROC 曲线显示 BRI、BMI 和 WC 对 CVD 和 CHF 具有预测能力 (AUC > 0.05)。BRI 的预测能力与 WC 相似,但优于 BMI。 

 

结论:BRI 升高与 CMS 患者的 CVD 风险增加有关。BRI 预测 CVD 和 CHF 的能力与 WC 相似,但优于 BMI。 

 

大家在科研路上,可以借鉴这种研究方法,为自己的课题添砖加瓦。万层高楼平底起,一起加油呀!

http://www.dtcms.com/a/109991.html

相关文章:

  • 基于大模型的主动脉瓣病变预测及治疗方案研究报告
  • 《系统分析师-基础篇-1-6章总结》
  • 非对称加密:原理、算法与应用全解析
  • 工具介绍 | SafeLLMDeploy教程来了 保护本地LLM安全部署
  • 2025高频面试设计模型总结篇
  • 采用离散频率索引k和模拟频率f生成信号(MATLAB)
  • Spring Boot 集成 Redis中@Cacheable 和 @CachePut 的详细对比,涵盖功能、执行流程、适用场景、参数配置及代码示例
  • [C语言入门] 结构体
  • RNN万能逼近定理证明
  • 《2024年全球DDoS攻击态势分析》
  • 2025年内外网文件交换系统排名分析
  • 【3.软件工程】3.5 V开发模型
  • 深度学习与神经网络 | 邱锡鹏 | 第二章学习笔记
  • 微服务。1 微服务
  • Java学习总结-IO流
  • 如何免费制作办事指南二维码
  • 如何进行风电场微观选址
  • 如何在Windows上找到Python安装路径?两种方法快速定位
  • 深度学习deeplearn3
  • 基于飞桨框架3.0本地DeepSeek-R1蒸馏版部署实战
  • 质检LIMS系统在环境监测站的应用 环境监测场景下的LIMS系统应用
  • thinkphp每条一级栏目中可自定义添加多条二级栏目,每条二级栏目包含多个字段信息
  • 连接与效率的艺术:解码ToB 移动端协同产品的用户体验设计奥秘
  • PyTorch优化器
  • K8S学习之基础七十三:Istio简介和部署
  • 牛客 简写单词
  • NO.62十六届蓝桥杯备战|基础算法-二分查找|查找元素的第一个和最后一个位置|牛可乐和魔法封印|A-B数对|烦恼的高考意愿(C++)
  • 原生JS写一个JSON格式化工具
  • LeeCode 5. 最长回文字串
  • QT Quick(C++)跨平台应用程序项目实战教程 6 — 弹出框