年龄相关血红蛋白糖化指数变化与中风死亡率：队列研究中的中介效应与机器学习应用Age-related variation in hemoglobin glycation index and stroke mortality: mediation and machine learning in a cohort study

研究背景

缺血性中风占全球中风病例的68%，2020年全球负担数据显示每年影响759万人，占中风死亡的49%。尽管预防和治疗手段持续更新，其高发病率和死亡率仍构成重大健康威胁。研究聚焦血红蛋白糖化指数（HGI），这一由糖化血红蛋白（HbA1c）与空腹血糖预测值差异定义的指标，发现其不仅能更精准评估血糖控制质量，还与心血管疾病风险密切相关。ACCORD试验显示高HGI预示心血管风险增加，但近期MIMIC-IV数据库研究揭示低HGI反与重症中风患者不良预后相关。

方法论

研究纳入MIMIC-IV数据库3269例住院缺血性中风患者数据，采用限制性立方样条（RCS）分析非线性关系，通过中介效应模型解析HGI在年龄与死亡风险间的中介作用，并构建支持向量机（SVM）、极端梯度提升（XGB）、随机森林（RF）等机器学习预测模型。RF模型AUC达76.76%，SHAP值分析确认年龄（0.0319）和HGI的协同预测价值。

关键发现

1. 双变量关系：低HGI（＜0.27）显著增加30天死亡风险（OR=0.44，95%CI 0.34-0.57），呈现J型剂量反应关系（p趋势＜0.001）
2. 年龄中介效应：年龄每增长10岁，通过提高HGI间接降低死亡风险8.05%（ACME=-0.0001，95%CI -0.0003至0.0001）
3. 生存差异：高HGI组（＞0.27）30天生存期较对照组延长1.48天（RMST差值，p=0.001）
4. 机器学习验证：随机森林模型在召回率（0.437）和F1分数（0.469）表现最优，G-mean达0.616显示平衡分类能力

临床意义

研究揭示HGI作为简单易得的生物标志物的临床应用价值：① 建立HGI风险阈值（0.27）用于早期识别高危患者；② 阐明老年患者代谢适应机制，提示个体化血糖管理策略；③ 开发集成HGI和年龄的预测模型（AUC 76.76%）指导临床决策。未来需更大规模研究验证动态HGI变化与预后机制。

局限性

本研究为回顾性分析存在选择偏倚可能，HGI计算仅基于入院首次测量值，未捕捉动态变化。单中心数据（波士顿马萨诸塞州）可能影响外部效度，需多中心验证。中介效应的生物机制需进一步实验研究。

【全文结束】