本文介绍了浙江大学徐欣团队在The Lancet Regional Health Western Pacific发表的一篇关于纯生信研究的文章，该文章通过整合跨不同种族和地区的数据集，系统评估了心血管代谢多病（CMM）和抑郁症对认知功能的独立和联合关联。研究采用了细致的机器学习算法，分析了来自多地区队列的数据，并进行了外部数据集验证。文章还讨论了老龄化慢病的多领域协同健康管理的重要性。
文章介绍了痴呆症的临床特征，指出个体心脏代谢疾病（CMDs）是认知障碍和痴呆的危险因素。研究旨在通过整合大规模数据集阐述CMM、抑郁症与认知功能之间的独立与联合关联。
该研究整合了COSMIC数据库中的多个数据集，纳入了来自不同地区的队列数据，并采用了基于个体病例数据的多元线性回归和混合线性模型进行分析。同时，进行了外部数据集验证和敏感性分析。
研究发现CMM和抑郁症与认知功能存在独立关联，并且二者共同患病者的认知功能水平更低，纵向认知速率下降更快。研究还探讨了年龄、性别、受教育程度等因素对CMM5与抑郁症共发和认知变化之间关系的潜在调节作用。
文章的贡献在于通过全面细致的机器学习算法分析支持了身-心共病是加速老年人认知衰退的风险因素。该研究具有重要的公共卫生意义，针对老龄化慢病的多领域协同健康管理有助于提高痴呆及认知衰退防控的有效性。
小伙伴们大家好呀！毕业文章搞定了吗？是否都愁的都睡不着了呢，不用慌，有馆长呢！今天带来了一篇由浙江大学徐欣团队发表于The Lancet Regional Health Western Pacific的纯生信文章——临床数据集和机器学习，真是所向披靡啊！接下来就让我们一起来深度探索一下吧~
这个研究以
个体心脏代谢疾病（CMDs）
和
抑郁症作为切入点，
整合了一项跨不同种族和地区的数据集，从而系统评估CMM和抑郁症对认知功能的独立和联合关联。
覆盖级别的数据集，研究区域包括北美洲、南美洲、欧洲、非洲、亚洲以及澳大利亚，高达30382受试者，大大的增强文章说服力；接着作者再以细致全面的机器学习算法如pooled和与two-step random-effects的多元线性回归和混合线性模型和马尔可夫链蒙特卡罗方法和完整病例的多重拟合验证锦上添花，就两个字——拿捏。
（
ps：心动了吧，迫不及待了吧，馆长这里还有其他的新颖的科研热点方向，而且还能提供特色数据库构建等服务，小伙伴们快来扫码学习吧！）
定制生信分析
生信服务器
加好友
备注“99”
领取试用
l
题目：心血管代谢多病和抑郁对认知功能的独立和联合关联：来自多地区队列的发现和从社区到临床的推广
l
杂志：
LANCET REGIONAL HEALTH-WESTERN PACIFIC
l
影响因子：IF=7.6
l
发表时间：2024年9月
研究背景
痴呆症是指慢性获得性进行性智能障碍综合征，临床上以缓慢出现的智能减退为主要特征，个体心脏代谢疾病（CMDs）是公认的认知障碍和痴呆的危险因素。近年来，一些学者发现心血管代谢多病（CMM）和抑郁症都与神经退行性结局相关，但观察到的结果却并不一致，因此并没有达成共识。基于以上问题，作者整合了一项跨不同种族和地区的数据集，从而系统评估CMM和
抑郁症对认知功能
的独立和联合关联，并且为了提高普遍性，该团队还进行了外部数据集验证并扩展了研究结果。
数据来源
该研究结合了14个来自于
COSMIC数据库的队列数据
，
研究区域包括北美洲、南美洲、欧洲、非洲、亚洲以及澳大利亚
。此外该研究还纳入
3个来自于新加坡的研究作为外部验证数据集
，其中1个为社区老年人横断面研究，其余为临床老年人队列研究（记忆门诊和卒中后队列）。
研究思路
首先，作者整合了
COSMIC中的多个数据集
，接着采用了基于
两种个体病例数据（IPD）分析方法即pooled和与two-step random-effects的多元线性回归和混合线性模型
对COSMIC数据进行分析，其中分别在横断面和纵向分析中检验了
CMM*抑郁和CMM*抑郁*随访时间的交互作用
。随后作者研究了年龄等协变量对CMM5与抑郁症共发和认知变化之间关系的潜在调节因素，当相互作用项显著时再进行
分层分析
。最后该团队通过
马尔可夫链蒙特卡罗方法和完整病例的多重拟合
验证上述结果。
图1 技术路线
主要结果
1.数据整合和受试者基线特征
首先，作者整合了COSMIC中的多个数据集，质量控制后共纳入了
30,
382名具有完整CMM、抑郁和认知评估数据的参与者进行横断面分析，此外该团队还纳入了3个来自于新加坡的研究（1651名受试者）作为外部数据验证集（表1）。CMM采用两种定义方法：CMM5定义为同时患有两种及以上的下述疾病如高血压、卒中以及心脏病；CMM3定义为同时患有两种及以上的下述疾病如糖尿病、卒中以及心脏病。在COSMIC研究中，作者发现当患者患有高血压和高脂血症等疾病时，CMM的患病率增加了两倍。患有CMM5的个体往往比患有CMM3的个体更年轻。
在三项外部验证研究中，其中在社区老年人横断面研究中观察到CMM5（+）/抑郁（+）和CMM3（+）/抑郁（+）的患病率较低，而在临床老年人队列研究中观察到较高的患病率（表2）。
表1
数据整合
表2 受试者基线特征
2.CMM和抑郁症及其对认知功能相互作用分析
接着作者采用了基于两种个体病例数据（IPD）分析方法即pooled和与two-step random-effects的多元线性回归和混合线性模型对COSMIC数据进行分析，分别在横断面和纵向分析中检验了CMM*抑郁和CMM*抑郁*随访时间的交互作用。Pooled个体病例数据结果表明CMM 和抑郁分别与较低的横截面整体认知z分数独立相关，且二者之间对于横断面和纵向认知结果上没有统计学上的相互作用（表3）；而在外部数据集横断面研究中，CMM与社区和记忆临床研究中的认知表现独立相关，与卒中后研究无关。
此外作者发现在无论在个体病例数据或是外部验证集均发现相较于未患CMM及抑郁症的参与者，CMM及抑郁症共患参与者的横向认知功能水平更低，纵向认知速率下降更快，上述结果支持了CMM及抑郁症与认知功能的联合关联（图2）。
表3 CMM和抑郁症横断面和纵向分析
图2 CMM和抑郁对认知功能联合关联的2步IPD meta分析
3.CMM5与抑郁对纵向认知功能联合关联亚组差异分析
最后作者研究了年龄、性别、受教育程度、APOE ε4状态和研究区域（
高收入人群
vs
低收入人群
）对CMM5与抑郁症共发和认知变化之间关系的潜在调节因素，在不同的模型中对这些变量进行了
交互分析
，而当相互作用项显著时再进行分层分析。结果表明性别和研究区域等变量对CMM5（+）/抑郁（+）与全球认知z得分变化率的关联有显著的调节作用。与低收入人群相比，高收入人群参与者的整体认知z分数下降更快（表4）。
通过马尔可夫链蒙特卡罗方法和完整病例的多重拟合，该团队在敏感性分析中验证了上述结果。
表4 CMM5与抑郁对纵向认知功能联合关联亚组差异分析
文章小结
在这个研究中，作者通过整合大规模数据集阐述了CMM、抑郁症与认知功能之间的独立与联合关联，并讨论了该结果的可泛化性。
本文贡献在于通过全面细致的机器学习算法分析支持了表明身-心共病是加速老年人认知衰退的风险因素。而针对老龄化慢病的多领域协同健康管理有助于提高痴呆及认知衰退防控的有效性，具有重要的公共卫生意义
