Раннее старение сосудов как показатель сердечно-сосудистого риска у здоровых взрослых: подтверждающий факторный анализ исследования EVasCu | Сердечно-сосудистая диабетология

Дизайн, участники и размер выборки

Исследование EVasCu, перекрестное дизайн-исследование, основано на данных, полученных от здоровых взрослых людей из города Куэнка, Испания (собранных с июня по декабрь 2022 года). Критерии включения и исключения для участников показаны в дополнительном файле. 1: Таблица S1. Это исследование было проведено в соответствии с рекомендациями по отчетности об обсервационных исследованиях «Укрепление отчетности об обсервационных исследованиях в эпидемиологии (STROBE)». [10].

Размер выборки был рассчитан с использованием программного обеспечения Epidat и показал, что 355 участников обеспечат расчетную величину эффекта 1, с альфа-риском 0,05 и уровнем абсолютной точности 0,04 для обнаружения статистически значимого результата для индекса EVA. [11]. Субъекты, отвечающие критериям включения и исключения, были приглашены для участия в исследовании, и в итоге было зачислено 390 участников.

Этические соображения

Протокол исследования этого исследования был одобрен Комитетом по этике клинических исследований области здравоохранения Куэнки (REG: 2022/PI2022). Письменное информированное согласие на участие было получено от всех субъектов, включенных в исследование. Все процедуры, выполненные в этом исследовании, соответствовали Хельсинкской декларации и ее более поздним поправкам или сопоставимым этическим стандартам для экспериментов с участием людей. [12].

Переменные

Сосудистые параметры

Жесткость артерий измеряли с помощью осциллометрических методов с помощью Mobil-O-Graph® (IEM GmbH) и VaSera (FUKUDA-DENSHI). Mobil-O-Graph® измеряет скорость пульсовой волны аорты (a-PWv) и индекс аугментации (AIx75), которые были рассчитаны как среднее значение двух повторных измерений, разделенных 5 минутами каждое, в то время как VaSera измеряет сердечно-лодыжечный сосудистый индекс ( КАВИ). Эти параметры измерялись в тихом месте и после 5-минутного периода отдыха с использованием манжеты, размер которой соответствовал окружности руки/ок и/или нижней конечности участника.

Среднюю и максимальную толщину интима-медиа (ТИМ) измеряли с помощью ультразвука с помощью устройства Sonosite SII (Sonosite Inc., Ботелл, Вашингтон, США). ТИМ рассчитывали как среднее значение правой и левой сонных артерий.

Клинические параметры

Пульсовое давление (ПД) получали по разнице между средним систолическим артериальным давлением (САД) и диастолическим артериальным давлением (ДАД). Артериальное давление измеряли в тихом месте и после 5-минутного отдыха с помощью монитора Omron® M5-I (Omron Healthcare UK Ltd.) с размером манжеты в соответствии с окружностью руки участника. САД и ДАД рассчитывали как среднее значение два повторных измерения, разделенных 5 мин каждое.

Конечные продукты усиленного гликирования (AGE) измеряли с помощью автофлуоресценции кожи (SAF) с помощью устройства AGE Reader®. AGE рассчитывали как среднее значение измерений на обеих руках. Среднее значение для каждой руки рассчитывали как среднее из трех повторных измерений.

Биохимические параметры

Определение уровня глюкозы и сверхчувствительного С-реактивного белка (СРБ) проводили на системе Roche Diagnostics® Cobas 8000, а определение инсулина — на платформе Abbott® Architect. Гликированный гемоглобин A1c (HbA1c) определяли методом высокоэффективной жидкостной хроматографии с использованием анализатора ADAMS A1c HA-8180V от A. Menarini Diagnostics®. Образцы собирали между 8 и 9 часами утра и после 12-часового голодания.

статистический анализ

Подтверждающий факторный анализ

Чтобы проверить достоверность конструкции однофакторной модели для измерения индекса EVA, были изучены различные модели, включая сосудистые, клинические и биохимические параметры, чтобы определить, какие переменные из этих трех групп показали наилучшее соответствие. Коэффициенты регрессии > 0,3 и статистическая значимость p< 0.05 were considered criteria for including a variable in the EVA construct. For single-factor construct validity models, a model was considered to have a good fit if the comparative fit index (CFI) was >0,96, а среднеквадратический остаток (SRMR) был <0,008. [13].

Выбор оптимального количества групп риска

Оптимальное количество групп риска (К) определяли с учетом характера переменных, наилучшим образом формирующих конструктивную валидность индекса EVA. Для выполнения этой задачи были исследованы различные значения K в диапазоне от 2 до 5, которые использовались в различных алгоритмах для определения оптимального выбора групп в наборе данных. Во-первых, Калинский-Харабаш. [14] и Дэвис-Булдин [15] рассчитывались индексы, оценивающие связь между дисперсией внутри самих групп и дисперсией между ними. Более высокое значение указывает на лучшее разделение между группами и меньшую дисперсию внутри каждой группы в алгоритме Калински-Харабаса, в то время как более низкое значение в алгоритме Дэвиса-Булдина указывает на лучшее разделение между группами и большую сплоченность внутри каждой группы.

Во-вторых, индекс силуэта, который вычисляет среднее расстояние каждого наблюдения до наблюдений в своей группе (сплоченность) и среднее расстояние до наблюдений в других группах (разделение). [16]также был рассчитан. Индекс силуэта варьируется от -1 до 1, где значение, близкое к 1, предполагает, что наблюдения внутри группы очень близки друг к другу (сплоченность) и далеки от наблюдений других групп (разделение).

Кластерный расчет и проверка

Чтобы рассчитать отнесение каждого пациента к каждой из групп риска старения сосудов (K), были рассчитаны две разные методологии неконтролируемой кластеризации. Во-первых, был реализован алгоритм K-средних, который относит каждого пациента к ближайшей группе или центроиду, учитывая, что центроиды являются репрезентативными точками каждой группы в многомерном пространстве и соответствуют среднему значению всех точек в этой группе. [17]. Этот процесс повторялся максимум до 100 раз или до тех пор, пока относительные изменения положения центроидов не становились незначительными. Во-вторых, иерархическая кластеризация также использовалась для распределения субъектов по каждой группе риска старения сосудов на основе четырех переменных, выбранных в конструкции. Иерархическая кластеризация — это неконтролируемый подход, который строит древовидную структуру (дендрограмму), где каждый уровень представляет собой разделение данных на разные группы. [18] (Дополнительный файл 1: рис. S1). Наконец, был рассчитан индекс конкордации как отношение общего числа субъектов, отнесенных к одной и той же группе по обеим методикам.

Кроме того, чтобы проверить сходство в распределении субъектов по разным группам с помощью этих двух методологий, был рассчитан скорректированный индекс Рэнда (ARI). [19]. ARI является мерой сходства между двумя разделами набора данных и сравнивает соответствие между групповыми назначениями в двух разных методологиях кластеризации. ARI находится в диапазоне от -1 до 1, где значение 1 указывает на идеальное совпадение между групповыми назначениями, а значение 0 указывает на то, что назначения совпадают в той же степени случайно.

Уменьшение размера

Многовариантный подход к конструкции, предложенной в этом исследовании, затрудняет визуальный анализ дисперсии наблюдений и их соответствующих групповых назначений. Для решения этой проблемы было выполнено уменьшение размерности с использованием анализа основных компонентов (PCA). [20]. PCA позволяет преобразовывать исходные переменные в ортогональные компоненты, максимально сохраняя дисперсию. Это позволяет визуально исследовать и обнаруживать закономерности и тенденции с помощью точечных графиков субъектов, облегчая оценку четкости и разделения групп и обеспечивая понимание важности каждой переменной в формировании основных компонентов.

Все вышеперечисленные анализы также проводились в разбивке по полу. Статистический анализ был выполнен с использованием STATA 15 и MATLAB 2022b.