这项研究为一项系统综述与荟萃分析，旨在评估多元病症与认知障碍风险之间的纵向关联，并比较不同多元病症模式下的风险差异。
背景
多元病症与认知障碍之间的长期关系尚不明确，且目前仍缺乏对不同多元病症模式与认知障碍风险的定量综合比较。本综述旨在系统性地综合关于多元病症与认知障碍关联的纵向证据，以及不同多元病症模式下认知障碍风险的研究。
方法
系统检索了六个数据库，检索时间从建库至2025年7月9日。纳入标准为探讨多元病症或多元病症模式与认知障碍风险之间关系的纵向研究。通过荟萃分析得出了不同疾病数量及多元病症模式与认知障碍风险相关的合并风险比及95%置信区间。本综述遵循了PRISMA 2020摘要指南。
结果
共纳入18项队列研究。结果发现，多元病症与认知障碍风险增加49%相关（95%置信区间：1.22-1.82）。风险随慢性疾病数量的增加而稳步上升，患有2种至6种及以上疾病的个体，其风险比范围从1.38（95%置信区间：1.26-1.51）到3.57（95%置信区间：2.84-4.47）不等。在多元病症模式中，心理健康模式的风险最高（风险比2.07，95%置信区间：1.86-2.32），其次是心血管代谢模式（风险比2.05，95%置信区间：1.92-2.19）。在心血管代谢疾病组合中，同时患有糖尿病、中风和心脏病所带来的风险最大。
结论
多元病症与认知障碍风险显著增加相关，这凸显了制定贯穿生命历程的预防策略的必要性，该策略应强调对慢性疾病的早期管理，特别是在中年时期。未来的研究应确定针对不同多元病症模式的最佳管理方法，并根据个体需求定制策略。
引言
认知障碍涉及记忆、语言、注意力、执行功能和视空间能力等认知领域的缺陷。它会影响日常功能和生活质量，并给家庭和照护者带来巨大的情感和实际负担。尽管目前尚无治愈方法，但改变风险因素可以延缓发病和减缓进展。随着人口老龄化，慢性病的患病率持续上升。2024年《柳叶刀》委员会将高血压、糖尿病和抑郁症确定为痴呆症的风险因素。许多人同时患有多种慢性疾病，而非单一病症。多元病症是指两种或多种慢性疾病共存。一项跨国研究报告称，在50岁及以上的成年人中，多元病症的患病率为45.1%至71.9%。多元病症与功能衰退、死亡率和认知障碍风险增加等不良结局相关。因此，了解多元病症患者认知障碍的风险对于早期识别和有效管理至关重要。
此外，疾病常常以非随机模式共同出现，这些模式由共同的机制或风险因素塑造。这些模式具有不同的预后意义，并可能通过多种生物学途径影响痴呆风险。然而，关于特定模式与认知障碍之间关系的证据仍然有限。阐明这些关联对于理解潜在的病理生理学、识别高风险人群以及制定有针对性的预防和医疗保健计划至关重要。
已有几项研究探讨了特定多元病症模式与认知结局之间的关联。心理健康模式与痴呆风险增加相关，这可能既反映了真正的风险因素，也反映了前驱症状。心血管代谢模式也与痴呆症存在一致关联，但由于各研究定义不一致，具体哪些组合带来的风险最大仍不清楚。肿瘤和炎症相关模式同样与认知障碍风险升高有关。然而，大多数现有研究都集中在单一疾病上，只有少数研究探讨了多元病症与痴呆风险的关系。迄今为止，多元病症与认知障碍之间的纵向关联尚未得到全面综合。此外，尽管有若干研究探讨了特定的多元病症模式，但仍缺乏对不同多元病症模式认知障碍风险的定量比较。这些空白凸显了需要全面的证据来阐明不同多元病症模式如何影响认知障碍，并为有针对性的预防策略提供支持。
为解决这些空白，本综述旨在系统性地综合以下方面的纵向证据：(1) 多元病症与认知障碍的关联；(2) 慢性疾病数量如何影响认知风险；(3) 不同多元病症模式下的认知障碍风险；(4) 特定心血管代谢疾病组合的影响。
方法
本研究根据PRISMA指南进行报告，并在PROSPERO注册（CRD420251089738）。
研究选择
总计从六个数据库中找到6786条记录。去除2423条重复记录后，根据标题和摘要排除了4257篇文章。对99篇文章的全文进行了资格评估。最终，有18项研究满足系统综述的纳入标准，其中17项被纳入荟萃分析。详细信息见图1。
研究特征
这些研究发表于2015年至2025年之间，共纳入2267886名参与者，样本量从2176到...
讨论
本综述提供了纵向证据，表明多元病症会增加认知障碍的风险，对于患有2种至6种及以上慢性疾病的个体，合并风险比范围为1.38至3.57。在多元病症模式中，心理健康状况带来的风险最高，其次是心血管代谢疾病，其中同时患有糖尿病、中风和心脏病带来的风险最大。对认知转变的发现进行了描述性总结。
结论
本综述表明，多元病症与认知障碍风险增加始终相关，且风险随慢性疾病数量的增加而上升。在多元病症模式中，心理健康和心血管代谢模式显示出最强的关联。这些发现凸显了对多元病症采取贯穿生命历程方法的必要性。公共卫生系统应加强中年时期慢性疾病的管理，并优先考虑认知衰退的早期预防。
资金来源
本研究未从公共、商业或非营利部门的资助机构获得任何特定拨款。
CRediT 作者贡献声明
Jiali Bai: 撰写 – 审阅与编辑, 撰写 – 初稿, 数据整理, 概念构思。Fei Li: 撰写 – 审阅与编辑, 概念构思。Yingying Chen: 研究方法, 数据整理。Ye Luo: 可视化, 软件。Wei Xu: 数据整理。Haoying Liu: 软件。Wenxi Duan: 可视化。Xin Zhang: 软件。Anqi Shi: 数据整理。Li Chen: 监督, 数据整理, 概念构思。Huiru Yin: 监督, 研究方法, 概念构思。
利益冲突声明
作者声明，他们不存在已知的可能影响本文所述工作的竞争性经济利益或个人关系。
脚注
Jiali Bai 和 Fei Li 对本文做出了同等贡献。
【全文结束】