本文档属于类型a，即报告了一项原创性研究的科学论文。以下是针对该研究的学术报告：

研究作者及机构

本研究的主要作者包括Ruiying Zhang和Jianan Hong，他们均来自汕头大学医学院第一附属医院。其他作者包括Yaoling Wu、Liling Lin、Shuying Chen和Yingxiu Xiao。该研究于2025年发表在《Cardiovascular Diabetology》期刊上。

学术背景

本研究的主要科学领域是心血管疾病和糖尿病学，特别是中风（stroke）的预测和预防。全球疾病负担研究（GBD）显示，缺血性中风在全球范围内仍然是一个重大的健康负担，且病例数量显著增加。肥胖是中风的一个重要风险因素，而传统的体重指数（BMI）在评估肥胖状态时存在局限性，容易导致“肥胖悖论”（obesity paradox）。因此，研究者们开始关注更全面的指标，如体形指数（A Body Shape Index, ABSI）和甘油三酯葡萄糖指数（Triglyceride Glucose Index, TyG），以更好地预测中风的发生。

ABSI结合了BMI和腰围（waist circumference, WC），能够提供更多关于体脂分布和代谢的信息。TyG指数则是基于空腹血糖和甘油三酯计算的，用于评估胰岛素抵抗（insulin resistance, IR）。近年来，研究发现TyG指数是中风的独立预测因子，而ABSI也被证明在中风预测中具有重要价值。然而，TyG和ABSI的联合预测效果尚未得到充分研究。因此，本研究旨在评估TyG和ABSI联合使用是否能够更好地预测中风的发生。

研究流程

本研究基于中国健康与养老追踪调查（China Health and Retirement Longitudinal Study, CHARLS）的数据，纳入了8,257名45岁及以上无中风病史的参与者，并进行了长达9年的随访。研究的主要流程包括以下几个步骤：

1. 研究人群筛选：从CHARLS数据库中筛选出符合条件的参与者，排除数据缺失或异常的个体，最终纳入8,257名参与者。
2. 数据收集：收集参与者的社会人口学信息、健康状况、体格检查数据和血液样本数据。血液样本由中国疾病预防控制中心（CDC）采集，并通过酶比色法测定甘油三酯（TG）和空腹血糖（FBG）。
3. 指标计算：计算TyG指数和ABSI指数。TyG指数的计算公式为：TyG = ln[TG(mg/dL) × FBG(mg/dL)/2]，ABSI的计算公式为：ABSI = WC(m) / (BMI^(²⁄₃) × height^(¹⁄₂))。
4. 统计分析：使用Cox回归模型分析TyG和ABSI与中风发生率的关系，并通过受试者工作特征曲线（ROC曲线）评估TyG和ABSI的预测效能。此外，还进行了亚组分析，探讨不同人群中的预测效果。

主要结果

在9年的随访期间，共有672名（8.14%）参与者发生了中风。多变量Cox回归模型显示，TyG和ABSI都是中风的独立预测因子。TyG的风险比（HR）为1.25（95% CI: 1.06–1.47），ABSI的HR为1.33（95% CI: 1.06–1.68）。TyG和ABSI的联合预测效能最高，ROC曲线下面积（AUC）为0.579（95% CI: 0.553–0.597），高于单独使用TyG（AUC: 0.566）或ABSI（AUC: 0.533）的预测效能。

Kaplan-Meier曲线显示，TyG和ABSI均较高的参与者（TyG ≥ 8.5742，ABSI ≥ 0.0852）中风累积发生率最高（p < 0.0001），其HR为1.64（95% CI: 1.2–2.24）。

结论

本研究表明，TyG和ABSI的联合使用能够更好地预测中风的发生，具有较高的临床价值。通过联合使用这两个指标，可以在普通人群中更早地识别中风风险，从而进行早期干预，降低中风的总体负担。

研究亮点

1. 重要发现：TyG和ABSI的联合使用能够显著提高中风的预测效能，尤其是在高风险人群中。
2. 方法创新：本研究首次将TyG和ABSI联合用于中风预测，填补了该领域的研究空白。
3. 研究对象的特殊性：研究基于中国健康与养老追踪调查（CHARLS）的大规模纵向数据，具有较高的代表性和可靠性。

其他有价值的内容

本研究的局限性包括未与其他肥胖指标（如BMI、WC等）进行比较，且排除了部分数据缺失或异常的个体，可能存在选择偏倚。此外，研究未考虑药物干预的影响，且中风诊断仅基于参与者的自我报告，缺乏影像学检查的支持。

总结

本研究通过大规模纵向数据分析，证实了TyG和ABSI在中风预测中的独立和联合价值。联合使用这两个指标能够更早地识别中风风险，为临床干预提供了新的工具和思路。