摘要
研究目的
本研究系统分析肾脏疾病指数（KDI）与认知功能的关系，评估其作为预测认知障碍的标志物潜力，并比较KDI与传统肾功能指标（eGFR和UACR）预测认知衰退的能力。
研究方法
采用美国国家健康与营养调查（NHANES）中2378名60岁以上老年人数据。通过多变量回归模型分析KDI与认知障碍的关联性，使用限制性立方样条（RCS）探索剂量反应关系，交互分析评估KDI在不同人群的认知影响。应用LASSO、XGBoost和随机森林等机器学习技术进行特征选择和模型验证，通过ROC曲线、决策曲线分析（DCA）和SHAP值解释模型预测效能。
研究结果
KDI水平升高显著关联认知评分降低和认知障碍风险增加（OR=1.15）。XGBoost模型显示KDI的AUC达0.771，优于eGFR和UACR。RCS分析显示KDI与认知障碍呈线性正相关，交互分析未发现显著亚组差异。SHAP值证实KDI是认知衰退预测的重要变量。
研究结论
KDI可作为老年人认知衰退的可靠预测指标，其预测效能优于传统肾功能指标。建议临床在慢性肾脏病管理中监测KDI以早期干预认知障碍。
引言
认知障碍指记忆、语言、执行功能等认知域的损害，全球患病率5.1-41%。年龄是主要风险因素，健康生活方式和慢性病管理可降低风险。慢性肾脏病（CKD）通过蛋白尿或eGFR<60 mL/min/1.73m²定义，患病率持续上升，且与心脑血管事件和认知障碍密切相关。本研究引入KDI（eGFR倒数与UACR对数的几何均值）作为综合肾功能指标，探讨其与认知障碍的关系。
方法
数据来源
采用NHANES 2011-2014年数据，纳入2378名完成认知评估的老年人。排除标准：认知数据缺失或KDI信息不全。
认知评估
采用CERAD词汇学习测试、动物流畅性测试（AFT）和数字符号替代测试（DSST）综合计算认知评分。认知障碍定义为评分低于25百分位（P25=-1.638）。
KDI计算
$$ KDI = \sqrt{(1/eGFR) \times \ln(UACR \times 100)} $$
其中eGFR通过改良MDRD公式计算：
$$ eGFR = 141 \times \min(Scr/k,1)^\alpha \times \max(Scr/k,1)^{-1.209} \times 0.993^{Age} \times 1.018（女性） $$
统计分析
采用多变量Logistic和线性回归模型，调整年龄、性别、种族等混杂因素。通过RCS分析剂量反应关系，交互分析评估不同亚组效应。机器学习模型包括：
- 训练集（n=1665）：模型训练
- 测试集（n=713）：模型验证
采用ROC-AUC、DCA和校准曲线评估模型性能。
结果
人群特征
认知障碍组（n=597）年龄更大、受教育年限更短，合并高血压、糖尿病、卒中比例更高（均P<0.05）。
KDI与认知障碍
在完全调整模型中：
- KDI每增加0.1单位：
- 认知评分下降0.17分（β=-0.17）
- 认知障碍风险增加15%（OR=1.15）
- 第四四分位数组（Q4）认知评分比Q1低0.52分（P<0.01），障碍风险增加67%（OR=1.67）
机器学习模型
XGBoost模型表现最佳（AUC=0.771）：
| 模型 | AUC（95%CI） | 净收益（DCA） |
|---|---|---|
| XGBoost | 0.771(0.742-0.798) | >0.6阈值 |
| 随机森林 | 0.765(0.748-0.797) | |
| LASSO | 0.763(0.739-0.788) |
SHAP分析显示：
- KDI对预测贡献强度>UACR和eGFR
- KDI与认知障碍呈剂量依赖正相关
讨论
机制解释
CKD通过以下机制导致认知障碍：
- 毒素积累：吲哚硫酸酯破坏血脑屏障（BBB），促进氧化应激
- 神经炎症：小胶质细胞钾外流激活IL-1β释放
- 氧化应激：活性氧（ROS）损伤神经元脂质/蛋白质/DNA
- 脑血管损伤：小血管病变导致白质损伤
- 代谢异常：甲状旁腺激素升高和α-Klotho降低
临床意义
KDI整合eGFR和UACR信息，较单一指标更敏感反映肾功能损害与认知障碍关联。机器学习模型证实其临床应用价值，但需进一步纵向研究验证。
结论
本研究首次证明KDI与认知障碍的显著关联，机器学习验证其优越预测效能。建议临床在CKD管理中监测KDI以早期干预认知衰退。
【全文结束】
