新疆哈萨克族代谢综合征及其各因子对心脑血管病危险性预测的队列研究

Factor analysis methods can be used to depict the physiopathologic community characteristics in MS, find the basement of multiple metabolic abnormality and the correlation between these metabolic abnormalities, apply factors to predict the occurrence of CVD, and further evaluate the clinical values of MS. In literature, the reports of factor analysis in MS mainly focused on European and American communities, and were lack of assessment of principal factors with cohort study. In this project, we choose the representative villages where the Kazakh community inhabit in Xinyuan County, Xinjiang. Combining the designs of historical and prospective cohort studies, we proceed as following: 1.in the historical cohort study, we collect baseline data, and use factor analysis to explore the clustering patterns of MS related CVD risking factors in Kazakh community. 2. in the ambispective cohort study, we observe the occurrence of CVD during a period of eight years(2011-2018), evaluate the influence of each principal component on CVD obtained in the factor analysis of baseline data, and construct CVD prediction models. Finally, we plot the factor analysis model to systematically illuminate the possible reason and mechanism for the high prevalence of MS in Kazakh community. This study will provide a comprehensive reference line to the studies on MS and its principal components and the prediction of CVD for other minor communities in Xinjiang. Meanwhile， it will provide new criteria to early recognize high risking populations, prevent CVD, and carry out work for preventive and control chronic diseases in the future.

因子分析获取的各主因子可预示MS病理生理的群体特征，能发现多种代谢异常聚集的基础和这些代谢异常之间的关系，并可将各因子用于CVD的发病预测以进一步评价MS的临床价值。MS因子分析报道多见于欧美人群，且缺乏队列研究进行验证和评价。该项目选择有代表性的新疆新源县哈族聚集区，采用历史性和前瞻性队列研究相结合的设计方案，进行以下研究：1、通过历史性队列研究收集基线资料，用因子分析探索哈族人群中与MS相关的代谢性CVD危险因素聚集模式；2、通过双向性队列研究，观察8年内（2011～2018年）CVD发生情况，用COX回归模型验证基线因子分析已明确的各主因子对CVD发病的影响并构建CVD预测模型。绘制因子模式图系统地揭示哈族MS高发的可能原因与机制，为新疆少数民族开展MS及其各主因子预测CVD发病的研究提供较全面的参考，为早期识别CVD高危人群、预防CVD发生提供新的依据，对开展慢性病防治工作提供借鉴

因子分析获取的各主因子可预示代谢综合征（MS）病理生理的群体特征，能发现多种代谢异常聚集的基础和这些代谢异常之间的关系，并可将各因子用于CVD的发病预测中。MS组分之间的交互作用是否提高CVD发病风险？MS对CVD事件的绝对危险的预测，目前建议使用 Framingham 模型，通过比较MS和 Framingham 风险评分（FRS）预测哈萨克族 CVD的能力，找出适合哈萨克族CVD危险性预测的工具。该项目选择有代表性的新疆新源县哈萨克族聚集区，采用历史性和前瞻性队列研究相结合的设计方案，进行以下研究：1、用因子分析探索哈萨克族人群中与MS相关的代谢性CVD危险因素聚集模式，通过Cox回归验证基线因子分析已明确的各主因子对CVD发病影响。2、研究哈萨克族MS组分间的交互作用，分析多个MS异常组分同时存在时，MS导致的CVD风险是否大于其组分之和。通过构建以MS组分间的交互项为主的哈萨克族CVD危险性预测模型，划分CVD危险等级模式，明确CVD高危人群。3、比较MS和FRS预测哈萨克族CVD的能力，找出适合哈萨克族CVD危险性预测的工具。研究结果：1. 哈萨克族CVD发病率为15.11%。男、女MS人群各提取了7个相同的MS主因子，并以7个主因子构建5年CVD发病预测模型，男性、女性人群中预测5年CVD发生的ROC曲线下面积（AUC）分别为 0.752、0.807。验证Cox回归构建的预测模型，男性、女性人群中预测 5 年CVD发生的AUC为 0.911、0.866。通过内、外部人群验证，拟合的预测模型能较好的判别和预测CVD的发生。2. 交互作用分析发现BP、WC、TG、HDL-C 这4个指标两两间的相乘交互作用会增加哈萨克族人群CVD的发病风险，以交互项为主构建CVD预测模型，研究人群发生CVD风险分为较低、一般、中度和高度风险4个等级。3. 加入年龄的MS评分预测哈萨克族CVD的能力大于 FRS（AUC，0.757 vs 0.736；灵敏度，90.1% vs 84.2%，P<0.05），可能是哈萨克族CVD危险性预测的实用工具。本研究为新疆少数民族开展MS及其各主因子预测CVD发病的研究提供较全面的参考，为早期识别CVD高危人群、预防CVD发生提供新的依据，对开展慢性病防治工作提供借鉴。