摘要
背景：
血管风险因素特别是中年时期的多重风险因素与中风风险密切相关。本研究采用基于机器学习的聚类分析方法，根据中年时期的临床特征将人群划分为9个疾病群组，并评估这些群组与中风风险及严重程度的关联。
方法：
纳入15,404名无卒中史的ARIC研究参与者。通过无监督分层聚类分析，依据中年时期存在的高血压、糖尿病、冠心病、心力衰竭、心房颤动、肾功能障碍和外周动脉疾病等临床风险因素进行分组。使用Cox比例风险模型评估各群组与中风发病率（按严重程度分层）的关联，并通过多项逻辑回归分析疾病群组与不同年龄段（<70岁和≥70岁）中风的关联。
结果：
从1987-1989年基线到2020年底，共确诊1424例缺血性中风（1104例有NIHSS评分）。9个聚类组中，肾功能障碍组（群组9）的中风风险最高（风险比3.00），心房颤动组（群组7）次之（风险比2.89）。除肥胖相关代谢综合征组（群组5）外，其他疾病群组的中风风险均局限于70岁前，这可能与高危人群的中老年死亡率升高有关。值得注意的是，约20%的冠心病、心力衰竭、心房颤动和肾功能障碍组成员在70岁前死亡。
结论：
中年时期的不同疾病模式对缺血性中风的发病率和严重程度具有显著且差异化的预测价值。
方法详述
研究人群
ARIC研究纳入美国4个社区的15,404名45-64岁参与者，通过8次随访（截至2020年）追踪中风事件。排除已知中风史和种族中心组合数据不足的个体。
中风评估
通过医院记录、年度随访确认中风事件，并使用NIHSS量表划分严重程度（轻度≤5分，中重度>5分）。
统计分析
采用多重插补法处理缺失数据（平均缺失率1.8%），通过多对应分析（解释95%变异）和Ward聚类法划分疾病群组。使用Cox模型调整年龄、性别、教育程度和种族因素进行关联分析。
主要发现
疾病群组特征
- 健康组（6332人）
- 吸烟组（2973人）
- 癌症组（719人）
- 外周动脉疾病组（560人）
- 肥胖代谢综合征组（3466人）：肥胖+糖尿病+高血压+高甘油三酯
- 冠心病组（528人）
- 心房颤动组（27人）
- 心力衰竭组（615人）
- 肾功能障碍组（184人）
风险差异
- 肾功能障碍组中风风险最高（HR=3.00），且与中重度中风关联最强（HR=4.78）
- 心房颤动/心力衰竭组（合并分析）风险次之（HR=2.56-3.23）
- 所有疾病群组除肥胖组外，风险效应均局限于70岁前
- 非裔美国人、教育水平较低者更易患中重度中风
临床意义
- 肾功能障碍合并其他慢性病（如心力衰竭、糖尿病）提示需加强心血管监测
- 肥胖相关代谢综合征的长期风险需持续干预
- 社会经济差异提示需加强弱势群体的早期筛查
研究局限性
- 中风严重程度基于住院记录回溯评估
- 种族多样性有限（仅黑人和白人）
- 心房颤动组样本量过小（27人）
- 数据驱动方法可能存在聚类方法特异性
研究启示
本研究首次通过无假设驱动的聚类分析揭示，中年时期的疾病组合模式比单一风险因素更能预测中风风险。建议临床实践中关注疾病共存模式，尤其是肾功能、心脏健康和代谢综合征的综合管理。针对不同风险群组制定分层预防策略（如对肾功能障碍患者加强抗凝管理）可能显著降低中风负担。
【全文结束】
