9.4 Q1|复旦大学CHARLS发文 | 老年人肌肉减少症和轻度认知障碍

article/2025/9/7 20:34:15

1.第一段-文章基本信息

文章题目:Sarcopenia and mild cognitive impairment among elderly adults: The first longitudinal evidence from CHARLS

 

中文标题:老年人肌肉减少症和轻度认知障碍:来自CHARLS 的第一个纵向证据 

 

发表杂志:Journal of Cachexia Sarcopenia and Muscle

 

影响因子:1区,IF=9.4

 

发表时间:2022年9月

 

2.第二段-研究思路

 

本研究思路

本文旨在探讨中国老年人群中肌肉减少症(Sarcopenia)与轻度认知障碍(MCI)之间的关联。研究基于中国健康与退休纵向研究(CHARLS)2015年和2018年的两波数据,采用亚洲肌肉减少症工作组(AWGS)2019标准对参与者进行肌肉减少症分类。研究首先对2015年的横断面数据进行分析,评估肌肉减少症与认知功能(包括定向、计算、记忆和绘画四个维度)之间的关系,采用普通最小二乘法(OLS)和逻辑回归模型进行分析。随后,基于2015年至2018年的纵向数据,进一步分析肌肉减少症与MCI发生之间的关系,采用逻辑回归模型进行分析。研究结果显示,肌肉减少症与认知功能下降显著相关,且肌肉减少症患者发展为MCI的风险更高,为后续深入研究其机制提供了新证据。

 

3.第三段-Introdction

背景

 

随着中国社会经济的快速发展,人口老龄化进一步加剧。根据2020年第七次人口普查,中国60岁及以上人口达2.64亿,占总人口的18.70%,其中65岁及以上人口为1.91亿,占13.50%。老龄化加剧了社会疾病负担和医疗需求,预计到2050年,用于养老、医疗、福利等方面的GDP占比将从2015年的7.33%上升到26.24%。在众多导致老年人残疾的健康因素中,肌肉减少症和认知障碍受到广泛关注。肌肉减少症是一种以骨骼肌质量和功能加速丧失为特征的疾病,与年龄、营养摄入、缺乏运动、疾病等因素相关,会增加跌倒、身体功能下降等风险。轻度认知障碍(MCI)则被定义为一种较过去水平下降的主观和客观认知功能障碍,但不影响日常生活能力。其发生与年龄、性别、遗传因素、心血管疾病等风险因素相关。鉴于肌肉减少症和认知障碍存在共同的影响因素,二者可能存在关联,但目前的研究多为横断面研究,需要大规模纵向研究进一步验证。

 

4.第四段-Methods

方法

中国健康与退休纵向研究(CHARLS)是一项全国性研究,旨在收集45岁及以上人群的微观数据,分析中国人口老龄化情况并推动跨学科研究。自2011年启动以来,采用多阶段按规模抽样方法,覆盖28个省的450个村庄和150个县,涉及约1.7万人。CHARLS每2至3年进行一次调查,内容包括人口信息、健康状况、经济状况及13项身体测量和血液样本采集。截至研究时,已发布四波数据。本研究使用2015年和2018年的数据,经过排除无认知或肌肉减少症信息及年龄小于60岁的个体后,横断面分析纳入5715人,纵向分析纳入2982人。

暴露肌肉减少症

肌肉减少症的评估依据亚洲肌肉减少症工作组(AWGS)2019标准,涵盖肌肉力量、四肢骨骼肌质量(ASM)和身体表现。握力使用 Yuejian™ WL-1000 握力计测量,取双手最大值的平均数,男性低于28 kg、女性低于18 kg为低握力。四肢骨骼肌质量(ASM)通过公式估算,与双能X线吸收测量法(DXA)结果一致,低肌肉质量的切点为女性<4.89 kg/m²,男性<6.79 kg/m²。身体表现包括步行速度、五次椅子起立试验和短体能表现量表(SPPB),低身体表现定义为步行速度<1.0 m/s、五次椅子起立试验≥12秒或SPPB评分<9分。可能的肌肉减少症为低肌肉力量或低身体表现,肌肉减少症为低肌肉质量加上低肌肉力量或低身体表现,参与者据此分为三组:非肌肉减少症、可能的肌肉减少症和肌肉减少症。

 

结局: 认知功能

本研究采用美国健康与退休研究(HRS)的方法,从定向、记忆、计算和绘画四个维度对参与者的认知功能进行面对面评估。定向能力包括年份、月份、日期、星期几和当前季节,总分5分;计算能力通过连续五次从100中减去7来评估,总分5分;记忆能力通过即时和延迟回忆10个随机单词来评估,总分20分;绘画能力通过绘制两个重叠的五角星来评估,总分1分。认知功能总分为31分。由于目前尚无统一的轻度认知障碍(MCI)诊断标准,本研究以与年龄相关的认知衰退(AACD)定义MCI,即低于同龄标准1个标准差(SD)。所有60岁及以上参与者按每5岁分组,符合AACD标准者被归为MCI。在纵向分析中,排除了基线时已患MCI的参与者(n = 958),随访期间新诊断出373例MCI病例。

 

协变量

年龄、性别、居住地区、教育程度、家庭平均收入、婚姻状况、吸烟、饮酒、每日睡眠时间、14种常见共病(癌症、慢性肺部疾病、心脏病、中风、情绪和精神障碍、关节炎、血脂异常、肝病、肾病、消化系统疾病、哮喘、记忆相关疾病、高血压和高血糖)、体质指数(BMI)和抑郁

 

统计学方法

本研究中,定量数据以均值±标准差(SD)表示,通过单因素方差分析(ANOVA)比较非肌肉减少症、可能的肌肉减少症和肌肉减少症三组之间的差异;定性数据以百分比表示,采用χ²检验进行组间比较。统计分析采用普通最小二乘法(OLS)回归模型分析2015年肌肉减少症与总认知功能评分及定向、记忆和计算三个维度的横断面关联,结果以回归系数(β)和95%置信区间(CI)表示;绘画维度与肌肉减少症的关联则通过逻辑回归模型分析,以比值比(OR)和95% CI表示。此外,还利用逻辑回归模型分析2015年至2018年的纵向数据,探究肌肉减少症与MCI发生之间的关系。研究构建了五种不同协变量组合的模型:模型1仅包括认知功能;模型2加入年龄、性别、居住地区、教育程度、家庭平均收入和婚姻状况;模型3进一步纳入是否吸烟、是否饮酒和每日睡眠时间;模型4再加入共病和CESD评分;模型5最终加入BMI。所有分析均使用STATA 16.0软件完成,显著性水平设定为0.05。

 

5.第五段-Results

结果

人群特征

在2015年的横断面分析中,共纳入5715名60岁及以上的参与者,平均年龄为67.3岁,其中56.2%为男性。根据亚洲肌肉减少症工作组(AWGS)2019标准,8.5%的参与者被诊断为肌肉减少症,29.6%为可能的肌肉减少症。肌肉减少症患者更可能是高龄、居住在农村地区、教育水平较低、家庭平均收入较低,且更多为未婚/离婚/丧偶者。此外,肌肉减少症组的共病分布与其他两组存在显著差异,尤其是慢性肺病、心脏病、关节炎等疾病的患病率更高。该组的抑郁症状评分(CESD)更高,体质指数(BMI)更低。

总体人群中,总认知功能评分及定向、记忆、计算和绘画四个维度的平均得分分别为14.4 ± 4.9、3.9 ± 1.2、6.2 ± 3.4、3.6 ± 1.5和0.6 ± 0.5,这些得分从非肌肉减少症到肌肉减少症组呈下降趋势(P < 0.001)。

横断面分析

在认知功能评分方面,总认知功能评分及定向、记忆、计算和绘画四个维度的评分均从非肌肉减少症到肌肉减少症呈下降趋势(P < 0.001)。在回归分析中,无论是未调整模型还是完全调整模型(包括年龄、性别、居住地区、教育程度、家庭收入、婚姻状况、吸烟饮酒情况、睡眠时间、共病和CESD评分、BMI等),可能的肌肉减少症组和肌肉减少症组在总认知功能评分及四个维度上的评分均显著低于非肌肉减少症组(P < 0.05)。其中,绘画能力与肌肉减少症的关联在逻辑回归模型中也显著(P < 0.05)。

纵向分析

在2015年至2018年的随访期间,共有2982名参与者被纳入纵向分析,其中373人新发轻度认知障碍(MCI),发病率为12.5%。非肌肉减少症、可能的肌肉减少症和肌肉减少症组的MCI发病率分别为10.1%、16.5%和24.2%,组间差异显著(P < 0.001)。逻辑回归分析显示,与非肌肉减少症组相比,可能的肌肉减少症组(OR = 1.43, 95% CI: 1.06–1.91, P = 0.017)和肌肉减少症组(OR = 1.72, 95% CI: 1.04–2.85, P = 0.035)发生MCI的风险显著更高。即使在完全调整模型中,这一结果依然显著。

6.第六段-结论与启发

结论与启发

结论

本研究表明,肌肉减少症与认知障碍之间存在相关性,为二者之间的因果关系提供了新的证据。在中国人口老龄化迅速的背景下,加强体育锻炼和营养干预有助于预防肌肉减少症,从而进一步减少和延缓老年人群中MCI和痴呆的发生。因此,这对于减轻慢性疾病负担和改善老年人生活质量至关重要。

【光速科研启发】

选题:研究聚焦肌肉减少症(Sarcopenia)与轻度认知障碍(MCI)之间的关联,填补了中国老年人群中二者纵向关系研究的空白,具有重要的临床和公共卫生意义,为早期干预和预防策略提供了科学依据。

统计学:采用普通最小二乘法(OLS)回归模型和逻辑回归模型,评估肌肉减少症与认知功能评分及MCI发生之间的横断面和纵向关联,并通过多变量调整(包括社会人口学特征、生活方式和健康状况等)确保结果的稳健性,揭示了肌肉减少症与认知障碍之间的潜在因果关系。

数据库:利用中国健康与退休纵向研究(CHARLS)数据库,确保样本的全国代表性,通过严格筛选排除不符合条件的样本,提高样本质量,为研究提供了坚实的数据基础,使其结果更具外推价值。

启发:研究提示在评估老年人认知障碍风险时,应重视肌肉减少症的筛查和干预;通过纵向分析,发现肌肉减少症与MCI发生存在显著关联,为早期识别高风险人群提供了依据;利用肌肉减少症这一易于评估的指标,可促进大规模人群筛查和公共卫生干预,改善老年人生活质量。

 


http://www.hkcw.cn/article/gwcrkomxDd.shtml

相关文章

python h5py 读取mat文件的<HDF5 object reference> 问题

我用python加载matlab的mat文件 mat文件&#xff1a; 加载方式&#xff1a; mat_file h5py.File(base_dir str(N) _nodes_dataset_snr- str(snr) _M_ str(M) .mat, r) Signals mat_file["Signals"][()] Tp mat_file["Tp"][()] Tp_list mat_fil…

【数据结构】图论核心算法解析:深度优先搜索(DFS)的纵深遍历与生成树实战指南​

深度优先搜索 导读&#xff1a;从广度到深度&#xff0c;探索图的遍历奥秘一、深度优先搜索二、算法思路三、算法逻辑四、算法评价五、深度优先生成树六、有向图与无向图结语&#xff1a;深潜与回溯&#xff0c;揭开图论世界的另一面 导读&#xff1a;从广度到深度&#xff0c;…

扫地机产品异物进入吸尘口堵塞异常检测方案

扫地机产品异物进入吸尘口堵塞异常的检测方案 文章目录 扫地机产品异物进入吸尘口堵塞异常的检测方案一.背景二.石头的音频异常检测的方案2.1 音频检测触发点2.1.1时间周期2.1.2根据清洁机器人清扫模式或清扫区域污渍类型,即当清扫模式为深度清洁模式 或清扫区域污渍类型为重度…

【Mini-F5265-OB开发板试用测评】RT-Thread的移植(调通串口+LED)

前言 近期&#xff0c;笔者有幸获得灵动微MM32F5265开发板的体验资格。MM32F5260搭载了arm china "Star-MC1 内核"处理器&#xff0c;拥有高性能&#xff0c;主打家电和工业等高可靠性应用领域。 总结一下&#xff0c;有以下亮点&#xff1a; 本土团队打造&#x…

MySQL8.4组复制

https://dev.mysql.com/doc/refman/8.4/en/group-replication.html 1 什么是组复制 组复制主要解决了传统异步复制主机宕机时可能造成主从节点数据不一致问题MySQL Group Replication&#xff0c;简称MGR将原有的gtid复制功能进行可增强&#xff0c;支持单主模式和多主模式组复…

【笔记】Trae+Andrioid Studio+Kotlin开发安卓WebView应用

文章目录 简介依赖步骤AS(Andriod Studio)创建项目AS创建虚拟机TRAE CN 修改项目新增按键捕获功能 新增WebViewWebView加载本地资源在按键回调中向WebView注入JS代码 最终关键代码吐槽 简介 使用Trae配合Andriod Studio开发一个内嵌WebView的安卓应用, 在WebView中加载本地资源…

kibana解析Excel文件,生成mapping es导入Excel

一、Excel转为CSV格式 在线免费网站&#xff1a;EXCEL转CSV - 免费在线将EXCEL文件转换成CSV (cdkm.com) 二、登录kibana 点击左边菜单栏找到Machine Learning&#xff0c; 进入后上面菜单选择Data Visualizer&#xff0c;然后上穿转好的csv格式的Excel 点击导入输入建立的m…

4d毫米波雷达开源算法4DRadarSLAM运行

1.开源代码和论文 &#xff08;1&#xff09;论文名称&#xff1a; 4DRadarSLAM: A 4D Imaging Radar SLAM System for Large-scale Environments based on Pose Graph Optimization &#xff08;2&#xff09;开源代码国内下载地址 https://gitcode.com/gh_mirrors/4d/4DRada…

安卓手机照片在这个目录/storage/emulated/999/DCIM/Camera下的导出解决方案

这里写自定义目录标题 背景解决方案导出过程 导出的成功照片展示 背景 想导出手机的相册照片,发现部分照片无法导出 &#xff0c;原因是在文件管理根本找不到这个目录/storage/emulated/999/DCIM/ 。 照片位置截图&#xff1a; 对应的安卓手机的文件管理截图如下 发现没有…

C++进阶--C++11(04)

文章目录 C进阶--C11&#xff08;04&#xff09;lambdalambda表达式语法捕捉列表lambda的应用lambda的原理 包装器functionbind 总结结语 很高兴和大家见面&#xff0c;给生活加点impetus&#xff01;&#xff01;开启今天的编程之路&#xff01;&#xff01; 今天我们进一步c…

动态设置微信小程序页面标题(navigationBarTitleText属性)

前言&#xff1a; 最近在公司进行小程序研发的时候&#xff0c;产品给出了一个动态加载页面标题的需求&#xff0c;经过调研之后将结果在这里与各位伙伴进行分享。 代码展示&#xff1a; 在.json文件中进行初始配置&#xff1a; { "usingComponents": {}, &q…

PostgreSQL数据库配置SSL操作说明书

背景&#xff1a; 因为postgresql或者mysql目前通过docker安装&#xff0c;只需要输入主机IP、用户名、密码即可访问成功&#xff0c;这样其实是不安全的&#xff0c;可能会通过一些手段获取到用户名密码导致数据被窃取。而ES、kafka等也是通过用户名/密码方式连接&#xff0c;…

基于python 将图像上同一行距离相近的矩形框融合

import os import cv2 import numpy as npdef get_files(path):""" 获取指定路径下所有文件名称 """files []for filename in os.listdir(path):if os.path.isfile(os.path.join(path, filename)):files.append(filename)return filesdef split…

拉取gitlab项目

一、下载nvm管理node 先下载配置好nvm,再用nvm下载node 下载链接&#xff1a;开始 下载nvm - nvm中文官网 情况&#xff1a;npm i 下载依赖缓慢&#xff0c;可能是node版本不对&#xff0c;可能node版本太高 可能得问题&#xff1a;使用nvm 下载低版本的node时&#xff0c;…

Opencv4 c++ 自用笔记 01 Mat类

Mat类 Mat类用来保存矩阵类型的数据&#xff0c;包括向量、矩阵、灰度、通道数。主要分为两部分&#xff0c;矩阵头和矩阵指针。 &#xff08;单通道为灰度图像&#xff0c;3通道或4通道为彩色图像&#xff09; 矩阵头中包含矩阵形状、存储方法、地址、引用次数等。矩阵指针…

Linux `|` 管道符与 `grep` 命令深度解析与高阶应用指南

Linux `|` 管道符与 `grep` 命令深度解析与高阶应用指南 一、核心机制深度解析1. 管道符 `|` 的底层原理2. grep 的匹配引擎二、高阶组合应用技巧1. 多级过滤管道2. 实时监控与告警3. 结构化数据处理三、企业级应用场景1. 安全审计系统2. 性能监控告警3. 日志关联分析四、性能优…

STP配置

由于我们演示的是STP 但是华为交换机默认的都是MSTP所以要换到STP以下是方法 STP mode &#xff1f; 查看模式 STP mode stp 选择stp 换好了后配置交换机优先级 [SWA]stp priority 4096 Apr 15 2013 16:15:33-08:00 SWA DS/4/DATASYNC_CFGCHANGE:OID 1.3.6.1.4.1.2011.5…

CentOS_7.9 2U物理服务器上部署系统简易操作步骤

近期单位网站革新&#xff0c;鉴于安全加固&#xff0c;计划将原有Windows环境更新到Linux-CentOS 7.9&#xff0c;这版本也没的说&#xff08;绝&#xff09;了&#xff08;版&#xff09;官方停止更新&#xff0c;但无论如何还是被sisi的牵挂着这一大批人&#xff0c;毕竟从接…

《仿盒马》app开发技术分享-- 订单详情页(端云一体)

开发准备 在之前的章节中我们实现了订单的提交&#xff0c;以及提交之后跳转到确认订单页面&#xff0c;在确认订单页面我们添加了一个入口&#xff0c;这个入口是查询订单&#xff0c;当我们点击入口时&#xff0c;我们需要跳转到一个新的界面&#xff0c;这个界面通过接收上…

C# 控制台程序获取用户输入数据验证 不合规返回重新提示输入

在 C# 控制台程序中实现输入验证并循环重试&#xff0c;可以通过以下方式实现高效且用户友好的交互。以下是包含多种验证场景的完整解决方案&#xff1a; 一、通用输入验证框架 public static T GetValidInput<T>(string prompt, Func<string, (bool IsValid, T Val…