2022年4月，天津医科大学学者在《 EClinicalMedicine 》 （1区，IF= 15.1 ） 发表题为： " Associations of sedentary time and physical activity with adverse health conditions: Outcome-wide analyses using isotemporal substitution model " 的研究论文 。 这项研 究纳入英国生物银行（UK Biobank）中无45种常见非传染性疾病（NCDs）的360,047名参与者，采用 等时替代模型 来研究用轻度身体活动（LPA）、中度身体活动（MPA）和剧烈身体活动（VPA）代替久坐时间，旨在评估用不同强度的身体活动代替久坐行为对45种常见非传染性疾病（NCDs）风险的理论影响，结果表明， 久坐时间与多种不良健康状况有关，用任何与LPA和MPA等量的 VPA 代替久坐时间可能与更多类型的非传染性疾病的风险降低有关。 目的： 作为当今最常见的生活方式之一，久坐行为是许多健康状况的风险因素。为了为潜在的行为指南制定提供信息，我们旨在评估用不同强度的身体活动取代久坐行为对45种常见非传染性疾病（NCDs）风险的理论影响。 方法： 在英国生物银行中，共有360,047名参与者（年龄在37-73岁之间）没有45种常见的非传染性疾病（NCDs）。在基线时通过自我报告收集久坐时间（看电视、使用电脑和驾驶行为的总和）和身体活动（通过国际身体活动问卷调查问卷测量）的信息。根据ICD-10代码，利用与国家卫生记录的联系，对参与者进行了45种非传染性疾病诊断的随访，直至2020年。在调整了潜在的混杂因素后，采用等时替代模型来研究用轻度身体活动（LPA）、中度身体活动（MPA）和剧烈身体活动（VPA）代替久坐时间。 结果： 与≤2小时/天的久坐时间相比，报告>6小时/天的参与者患45种非传染性疾病中的12种（26.7%）的风险更高，包括缺血性心脏病、糖尿病、慢性阻塞性肺病、哮喘、慢性肾病、慢性肝病、甲状腺疾病、抑郁症、偏头痛、痛风、类风湿性关节炎和憩室疾病。理论上，用等量的LPA、MPA和VPA代替久坐时间分别与4、6和10种非传染性疾病的风险降低相关。在久坐时间（>6小时/天）中，用相同的VPA代替1小时/天的久坐时间与5种非传染性疾病（糖尿病、抑郁症、慢性肝病、憩室病和睡眠障碍）的相关性更强，风险降低幅度更大，为11%-31%。 结论： 久坐时间与多种不良健康状况有关，用任何与LPA和MPA等量的VPA取代久坐时间可能与更多类型非传染性疾病的风险降低有关。 1. 我们纳入了360,047名 参加 2006 - 2010年测试 的参与者（ 54.5%为女性） 。 参与者的平均年 龄为 55.8±8.1岁（ 范围37-73岁 ） ，所有参与者随访至2020年。 67,034名（ 18.6%） 参与者报告每天久坐时间超过6小时。 补充图S2显示了参与者久坐时间的分布。 表1 显 示 了 按久坐时间划分的研究人群的基线特征。 2. 根据 限制性三次样条模型 ，估算久坐时间与个体非传染性疾病之间的剂量反应关联（补充图S3），久坐时间总体上与17种非传染性疾病的风险相关。对于17种非传染性疾病中的14种，有线性关联的证据 ，包括缺血性心脏病（IHD）、肺癌、慢性阻塞性肺病（COPD）、哮喘、糖尿病、甲状腺疾病、偏头痛、睡眠障碍、焦虑、慢性肝病（CLD）、慢性肾病（CKD）、炎症性肠病（IBD）、憩室疾病和类风湿性关节炎。相比之下，久坐时间与另外3种非传染性疾病（痴呆、抑郁症、精神分裂症）之间的关系呈曲线关系 。 3. 当对久坐时间进行分类时，我们发现久坐时间> 6小时/天与≤2小时/天相比，久坐时间 与45种非传染性疾病 中12种的风险较高有关 （P < 0.0011）（图1，补充表S2），包括偏头痛、类风湿性关节炎、慢性阻塞性肺病、糖尿病、痛风、慢性肾病、慢性阻塞性肺病、哮喘、甲状腺疾病、抑郁症、憩室疾病和I HD 。 此外，久坐时间与精神分裂症风险呈负相关 ，久坐时间> 6小时/天与≤2小时/天的HR为0.26 (95% CI: 0.18-0.38)。 我们估计了与久坐时间显著相关的个体NCDs的PAF（图2）。>6小时/天的久坐时间对NCDs的贡献是有序偏头痛、类风湿关节炎、COPD、CLD、糖尿病、抑郁症、CKD、哮喘、甲状腺疾病、痛风、憩室疾病和IHD。这些发现表明，假设存在因果关系，如果所有参与者的久坐时间减少到每天6小时以下，理论上就不会发生3.7%-22.1%的非传染性疾病病例 。 4. 等时替代模型（ ISM） 检测结果如表2所示。 用同等的任何活动（包括睡眠≤7小时/天、睡眠>7小时/天、LPA、MPA和VPA）代替1小时/天的久坐时间与糖尿病和CKD有有益的联系 。 用等量LPA代替1小时/天的久坐时间与糖尿病、慢性肾病、憩室疾病和抑郁症的小幅降低相关，风险降低2%-5% 。 用同等的MPA代替1小时/天的久坐时间与6种非传染性疾病（包括糖尿病、慢性阻塞性肺病、慢性阻塞性肺病、憩室病、慢性阻塞性肺病和痴呆）的风险降低相关，风险降低2%-12%。 相比之下，用相同的VPA取代1小时/天的久坐时间与10种非传染性疾病中6种的风险降低相关 （糖尿病、CKD、COPD、憩室病、抑郁症、CLD、IHD、肺癌、IBD和睡眠障碍），相对较大的降低率为7% - 19% 。 当我们用相等的体力活动代替不同时长的日常久坐时间时，我们发现用LPA、MPA和VPA代替久坐时间对几种非传染性疾病有线性影响（补充表S3）。例如，用VPA代替每天0.5小时的久坐时间，COPD和糖尿病的风险分别降低10%和8%。引人注目的是，久坐时间取代另一种行为和久坐时间被另一种行为取代的影响是不对称的 。 用相同的久坐时间代替1小时/天的VPA，糖尿病和CKD的风险分别增加17%和12%（补充表S4）。 此外，在久坐时间> 6小时/天的参与者中，用等效的MPA代替1小时/天的久坐时间分别与COPD和痴呆风险降低8%和21%相关，用等效的VPA代替1小时/天的久坐时间与5种非传染性疾病（糖尿病、憩室疾病、抑郁症、CLD和睡眠障碍）风险降低相关，更大的降低率为11% - 31%（表3）。 5. CVH和卒中事件之间关联的稳健性通过几个 敏感性分析 进行了检验。首先，在分区模 型中， 对睡眠时间和不同体力活动强度的额外调整并没有从本质上改变久坐时间与个体非传染性疾病之间的关联（补充表S5），这表明这些关联在统计上与体力活动和睡眠无关。其次，我们在随访至少2年的参与者中重复了主要分析，个体非传染性疾病患者的HR比较> 6小时/天和≤2小时/天的久坐时间相似（补充表S6）。第三，久坐时间与个体非传染性疾病之间的关联与多重输入数据表明，HR基本保持不变（补充表S7）。最后，非吸烟参与者的结果与主要分析一致，即久坐时间与非传染性疾病的高风险相关，但IHD除外（补充表S8）。 P（Population 英国生物银行（UK Biobank）中无45种常见非传染性疾病（NCDs）的360,047名参与者。 E（exposure）暴露因素： 休闲时间的久坐行为、身体活动强度与时间、睡眠时间。 O （outcome）结局： 45种非传染性疾病的发病率。 S（Study design）研究类型 前瞻性的、基于人群的队列研究。 1. 我们使用 描述性统 计 总结了久坐行为的基线特征，报告了连续变量的正态分布的平均值和标准差（SD）或非正态分布的中位数和四分位数范围，以及分类变量的比例。我们使用 卡方检验 对连续变量进行分类或 单因素方差分析 ，比较久坐行为的基线特征。 2. 以 年龄为时间尺度的 Cox比例风险模型 用于估计久坐时间对个体非传染性疾病的风险比（HR）和95%置信区间（CI）。所有模型都根据性别、种族、汤森剥夺指数、就业状况、受教育程度、吸烟状况、酒精摄入量和身体质量指数进行了调整。特别地，与女性相关的非传染性疾病（乳腺癌、宫颈癌、子宫内膜癌和卵巢癌）的 多变量模型 还根据绝经状态和激素替代治疗进行了调整。基于 舍恩菲尔德残差的检验 检验了比例风险假设，结果表明该假设没有被违反。通过 限制三次样条函数 检验了非线性关联。 3. 使用 似然比检验 通过比较包含样条和不包含样条的模型来检验久坐时间的非线 性。此外，为了量化长时间久坐对个体非传染性疾病负担的贡献，我们计算了 人口归因分数（PAF） ，这可以解释为如果所有参与者都采用较短的久坐时间，在随访期间可能发生的人口发病率的比例减少。 4. 等时替代模型（ISM） 被用来评估用不同强度的体力活动（轻度、中度和剧烈）和睡眠时间代替久坐时间作为连续变量对个体非传染性疾病风险的影响。与传统的回归模型相比，ISM可以更准确地估计不同活动的潜在影响。ISM分析做出了一个更现实的假设，即一种行为的增加将伴随着另一种行为的等效持续时间（等时间）的减少，而所有行为的总时间保持不变。 5. 在 敏感性分析 中，我们进行了一系列分析来检验我们发现的稳健性。首先，根据不同的体力活动和睡眠强度进行额外调整的分割模型被拟合，以检验其他活动在久坐时间和个体非传染性疾病之间的关联中的统计独立作用。其次，为了尽量减少反向因果关系对这些发现的潜在影响，我们做了一个 里程碑式的分析 ，排除了招募后两年内发生的非传染性疾病。第三，为了调查缺失数据的损耗偏差对结果的影响程度，我们 在一个完整的队列中重复主要分析，并输入数据。通过 链式方程 对缺失数据进行多重输入模型估计。 最后，为了调查吸烟造成的残留混淆，我们在排除了当前和以前的吸烟者后重复了分析。 6. 所有分析均使用STATA15统计软件（StataCorp）和R i386 3.4.3（R Foundation for statistical Computing）进行。由于多次测试可能导致I型误差膨胀，因此使用 Bonferroni方法 对所有分析进行多次测试校正（45次测试，P<0.0011）。 本篇文章的亮点在于使用了 等时替代模型（ISM） 。等时替代模型是用一种类型的活动时间变量去代替另一种类型的活动时间变量，从而观察一种类型的活动时间去替换另一种类型的活动时间对健康结果变量的影响效应量。大体来讲，包括 非成分 替代模型（传统） 和 成分替代模型， 其中 成分替代认为x1，x2等数据在本质上是X的一个部分，使用绝对量进行分析（即传统方法）会受共线性影响，故应采用成分数据分析方法。 ISM的思想最初来源于营养流行病学中的等能量替代模型，主要有以下优点：①能够具体量化不同身体行为相互替换后与健康结局之间的关系；② ISM只是改变了纳入模型的变量，适用于多种回归分析，同时对统计学分析软件没有特殊要求，通用性较高。 但是在实际应用中，存在以下不足：①研究者需要注意对模型中不同变量前系数的合理解释；②仅适用于暴露因素为连续性变量的情况，当暴露因素为分类变量时无法应用ISM；③利用ISM得到行为变量与健康结局的关联，仅反映了从统计模型得出的行为变量时间的重新分配，而不是行为变量实际变化的关联[1] 。 [1]王予童,刘卉萌,曹岁霞,等.等时替代模型在流行病学研究中的应用[J].中华流行病学杂志, 2022, 43(11):6.DOI:10.3760/cma.j.cn112338-20220210-00108
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报 。
