今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

癌症患者体重与腰围比值与全因死亡率的关联:一项队列研究

《European Journal of Medical Research》:Association of weight-to-waist ratio with all-cause mortality in patients with cancer: a cohort study

【字体: 大 中 小 】 时间:2026年06月18日 来源:European Journal of Medical Research 3.4

编辑推荐:

  摘要背景反映总体体重和脂肪分布的人体测量指标可能与癌症患者的预后相关。体重与腰围之比(WWR)结合了体重和腰围信息,近来被视为判断身体成分状况的潜在有用指标。然而,它与癌症诊断后的死亡率之间的关联尚不明确。方法这项队列研究纳入了在研究开始时无癌症、但在随访期间出现新发癌症的参与者

  

摘要

背景

反映总体体重和脂肪分布的人体测量指标可能与癌症患者的预后相关。体重与腰围之比(WWR)结合了体重和腰围信息,近来被视为判断身体成分状况的潜在有用指标。然而,它与癌症诊断后的死亡率之间的关联尚不明确。

方法

这项队列研究纳入了在研究开始时无癌症、但在随访期间出现新发癌症的参与者。所有人体测量数据,包括WWR值,都是在2006年的基线检查中获得的,即所有参与者癌症诊断之前的数据。在生存分析中,时间零点被定义为HRS随访数据中记录的癌症诊断时间,风险集仅包含诊断后的随访时间。由于不同个体从基线评估到癌症诊断的时间间隔不同,可能存在暴露分类错误。此外,由于HRS中的新发癌症可能在两次调查之间被发现,因此无法完全排除诊断日期不精确的问题。主要研究结果是癌症诊断后的全因死亡率。研究使用Cox比例风险模型,逐步调整人口统计学变量、生活方式因素及合并症,以评估WWR与死亡率之间的关联。WWR既作为连续变量也以四分位数形式进行分析。同时还进行了限制性立方样条分析、亚组分析、比例风险假设检验以及敏感性分析。

结果

共有834名新发癌症的参与者被纳入研究,其中331人在随访期间死亡。他们的中位年龄为66.0岁(四分位距为59.0–72.0岁),其中426人(51.1%)为男性。在完全调整后的模型中,WWR每增加1个标准差,全因死亡风险就会降低(风险比为0.76,95%置信区间为0.66–0.87;P值<0.001)。若按每增加1个单位来建模,相应的风险比为0.06(95%置信区间为0.02–0.24;P值<0.001),但由于WWR的取值范围相对较窄,以标准差为基准的估计值更具解释性。与最低四分位数相比,第二四分位数的调整后风险比为0.70(95%置信区间为0.52–0.95),第三四分位数为0.57(95%置信区间为0.41–0.80),第四四分位数也为0.57(95%置信区间为0.39–0.83)。限制性立方样条分析显示两者之间存在显著的整体关联(P值<0.001),但并未发现明显的非线性特征(非线性对应的P值为0.077)。与BMI(0.749)和WC(0.749)相比,WWR的区分能力略强(C指数为0.757)。比例风险假设得到满足(全球Schoenfeld检验的P值为0.623),且在排除了那些在癌症诊断后2年内死亡的参与者后,研究结果仍无明显变化。

结论

在该队列研究中,诊断前的较高WWR值与癌症诊断后的较低全因死亡率相关。WWR可能与预后存在关联,但这一观察性发现需谨慎解读。在将其应用于临床之前,还需要在具有肿瘤类型、分期、治疗方式等详细信息以及多次人体测量数据的癌症特异性队列中进行进一步验证。

背景

反映总体体重和脂肪分布的人体测量指标可能与癌症患者的预后相关。体重与腰围之比(WWR)结合了体重和腰围信息,近来被视为判断身体成分状况的潜在有用指标。然而,它与癌症诊断后的死亡率之间的关联尚不明确。

方法

这项队列研究纳入了在研究开始时无癌症、但在随访期间出现新发癌症的参与者。所有人体测量数据,包括WWR值,都是在2006年的基线检查中获得的,即所有参与者癌症诊断之前的数据。在生存分析中,时间零点被定义为HRS随访数据中记录的癌症诊断时间,风险集仅包含诊断后的随访时间。由于不同个体从基线评估到癌症诊断的时间间隔不同,可能存在暴露分类错误。此外,由于HRS中的新发癌症可能在两次调查之间被发现,因此无法完全排除诊断日期不精确的问题。主要研究结果是癌症诊断后的全因死亡率。研究使用Cox比例风险模型,逐步调整人口统计学变量、生活方式因素及合并症,以评估WWR与死亡率之间的关联。WWR既作为连续变量也以四分位数形式进行分析。同时还进行了限制性立方样条分析、亚组分析、比例风险假设检验以及敏感性分析。

结果

共有834名新发癌症的参与者被纳入研究,其中331人在随访期间死亡。他们的中位年龄为66.0岁(四分位距为59.0–72.0岁),其中426人(51.1%)为男性。在完全调整后的模型中,WWR每增加1个标准差,全因死亡风险就会降低(风险比为0.76,95%置信区间为0.66–0.87;P值<0.001)。若按每增加1个单位来建模,相应的风险比为0.06(95%置信区间为0.02–0.24;P值<0.001),但由于WWR的取值范围相对较窄,以标准差为基准的估计值更具解释性。与最低四分位数相比,第二四分位数的调整后风险比为0.70(95%置信区间为0.52–0.95),第三四分位数为0.57(95%置信区间为0.41–0.80),第四四分位数也为0.57(95%置信区间为0.39–0.83)。限制性立方样条分析显示两者之间存在显著的整体关联(P值<0.001),但并未发现明显的非线性特征(非线性对应的P值为0.077)。与BMI(0.749)和WC(0.749)相比,WWR的区分能力略强(C指数为0.757)。比例风险假设得到满足(全球Schoenfeld检验的P值为0.623),且在排除了那些在癌症诊断后2年内死亡的参与者后,研究结果仍无明显变化。

结论

在该队列研究中,诊断前的较高WWR值与癌症诊断后的较低全因死亡率相关。WWR可能与预后存在关联,但这一观察性发现需谨慎解读。在将其应用于临床之前,还需要在具有肿瘤类型、分期、治疗方式等详细信息以及多次人体测量数据的癌症特异性队列中进行进一步验证。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:体重|腰围|比值|全因死亡率|Cox 模型|生存分析

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号