Intro
Association of the CHG Index with the Onset, Progression, and Prognosis of Cardiovascular-Kidney-Metabolic Syndrome: Findings from Two Large Prospective Cohorts 是 Zehao Zhao 等人在 2026 年发表于 Diabetology & Metabolic Syndrome 的前瞻性观察研究。作者结合 UK Biobank 与北京安贞医院 CAD 队列，考察由总胆固醇、空腹血糖和 HDL-C 构成的 CHG 指数是否与代谢、肾脏和心血管疾病的发生及不良预后相关。
Why I Read It
我读这篇主要是想看一个简单复合代谢指标如何被放进 UK Biobank 的时间—事件分析。CHG 不是新的检测项目，而是把 TC、FBG 和 HDL-C 压缩成一个连续数值：
[ \mathrm{CHG}=\ln\left[\frac{\mathrm{TC}\times\mathrm{FBG}}{2\times\mathrm{HDL\text{-}C}}\right]. ]
这个设计很适合拆解“暴露如何构造、怎样连续和分组建模、不同基线人群对应什么结局”。文章把结果包装为 CKM 全病程研究，但实际统计结构更简单：同一个基线 CHG 暴露，在不同分析人群中分别预测若干首次发生结局。
What It Says
UK Biobank 部分先在基线无 T2DM、CKD 和临床 CVD 的 370,916 人中，分别观察新发 T2DM、CKD 和 CVD；CVD进一步包括 CAD、卒中和心衰。中位随访 16.5 年，共记录 T2DM 14,271 例、CKD 14,240 例和 CVD 39,893 例。作者另取两个基线风险集：在没有糖尿病、高血压或血脂异常的早期人群中，观察这些疾病中任一项首次发生；在尚无临床 CVD、但可能已有肥胖、代谢异常、糖尿病、CKD 或较高预测风险的人群中，观察首次临床 CVD。这里不是同一批人依次从一个 CKM 状态转移到下一个状态，也没有建立联合多状态模型，而是两套独立的首次事件分析。
CHG 同时按连续变量、四分位数和限制性立方样条建模。UKB 主分析使用 Fine–Gray 模型处理竞争风险。完全调整后，CHG 每升高 1 SD，与 T2DM、CKD 和 CVD 风险分别升高 47%、7% 和 7% 相关；Q4 相对 Q1 的 HR 分别为 2.49、1.18 和 1.16。对早期代谢性疾病发生，CHG 每升高 1 SD 的 HR 为 1.16；对首次临床 CVD，HR 为 1.06。排除随访前两年事件、改用普通 Cox 模型和仅分析完整病例后，结果方向基本一致。
安贞医院部分纳入 8,494 名已有 CAD 的患者，中位随访 645 天。暴露仍是入院时计算的 CHG；主要结局 MACCE 包括全因死亡、非致死性 MI、非致死性卒中和非计划再次血运重建。随访期间发生 1,111 例 MACCE。完全调整后，CHG 每升高 1 SD 的 MACCE HR 为 1.12，Q4 相对 Q1 为 1.25。MI 或卒中复合结局的 Q4 对 Q1 HR 为 2.15，但 95% CI 为 1.12–4.13，精度有限。
What I Take From It
这篇最稳妥的结论是：CHG 可以作为一个便宜、易得的联合代谢负担标志物。它与新发 T2DM 的关系最强，而与 CKD、CVD 和 CAD 患者 MACCE 的关联较弱但方向一致。把 TC、FBG 和 HDL-C 合并后，确实能得到一个可用于排序风险的连续指标。
不过，T2DM 的强关联需要结合指标构造来理解。血糖本身就是 CHG 的组成部分，因此 CHG 与未来糖尿病之间存在很近的测量和病理联系。相比之下，CKD 和 CVD 每 1 SD 约 6%–7% 的风险差异在统计学上很稳定，却不代表很强的个体预测能力；巨大样本量可以让较小效应也获得很小的 (P) 值。
这篇也提醒我不要被“CKM 全病程”这一叙事带走。作者没有观察同一个人按顺序完成所有阶段转移，而是对不同基线人群建立独立生存模型。因此它支持的是“CHG 与不同阶段所定义的首次事件均有关联”，而不是对 CKM 自然史进行完整的多状态建模。
Note
这是一项观察性研究，不能证明降低 CHG 会降低疾病风险。CHG 只在基线计算一次，无法反映治疗、生活方式变化或长期暴露轨迹，也可能受到回归稀释影响。UKB 结局主要依赖住院记录中的 ICD-9/ICD-10 诊断，具体代码被放在 Supplementary Tables 5–6；没有补充材料时，无法完整复现每个结局定义。
文章的“增量预测价值”也要保守理解。主要比较对象是 TC、HDL-C 或血糖等单项指标，而不是在 PREVENT 或 Framingham 等成熟风险模型上检验 CHG 的额外临床净获益。作者自己也承认 CHG 尚未证明优于这些多变量模型。因此，HR 显著并不等于它已经是可部署的临床预测工具。
安贞队列中的 hs-CRP 和 HbA1c 异质性结果适合用于提出假设，不宜直接用于人群选择。两个交互检验的 (P) 值分别为 0.047 和 0.038，接近显著性边界，而且缺少独立验证。所谓“因果森林”也不会因为算法名称就消除观察性数据中的未测混杂。
当前 PDF 还是 Article in Press 版本，流程图中的样本数不能完全由列出的排除数复算，卒中事件数在正文与流程图中也不一致。后续正式引用具体数字时，最好再与最终排版版本或补充材料核对。