又一个新指标可以写，氧化平衡评分，源自膳食以及生活方式

news2024/11/19 3:45:44

郑老师统计课程，欢迎点击报名：Nhanes公共数据库挖掘课程

最近学习文献，发现新指标的使用在越来越NHANES数据库类的文章上占比越来越高。以往的研究证明饮食与生活方式与睡眠质量存在关联，本期我们要学习的文章推出了一个新指标：氧化平衡评分。并得出了饮食和生活方式可能通过调节氧化平衡评分来影响睡眠质量的结论，看起来像是做了中介分析，到底做没做，让我们一起来学习这篇文章。

2023年10月，一篇题为：Association of oxidative balance score with sleep quality: NHANES 2007-2014的研究论文发表于《J Affect Disord》，本文为中国学者写作，文章属于中科院分区医学二区，2023年IF=6.6。

这项研究通过加权线性模型和加权逻辑回归，研究了氧化平衡评分与睡眠质量的关联。结果表明，饮食和生活方式可能通过调节氧化平衡来影响睡眠质量。抗氧化饮食和生活方式对于减少睡眠问题很重要。

摘要与主要结果

一、摘要

背景：氧化应激与睡眠质量相关。评估饮食和生活方式暴露于氧化应激的常用工具是氧化平衡评分（OBS），OBS 越高表明抗氧化剂暴露量越大。OBS与睡眠质量之间的关系尚不清楚。调查OBS与睡眠质量之间的关联是本研究的目的。

方法：为了弄清楚OBS与睡眠质量的关系，我们利用加权线性模型和加权逻辑回归。还检查了调整后的模型。

结果：招募了6300名参加2007年至2014年国家健康和营养检查调查（NHANES）的参与者。OBS与睡眠障碍呈负相关（OR：0.97;95%CI：0.94-0.99），与睡眠持续时间呈正相关（MD：0.02;95%CI：0.01-0.03）。在 OBS > 24 的范围内，OBS 每增加一个单位，睡眠障碍就会减少 40%，调整后睡眠持续时间增加 26%（趋势均为 P <0.05）。饮食和生活方式成分与睡眠质量密切相关。OBS与睡眠质量之间的关系在50岁以下的女性人群中尤为突出。在按教育水平分层后，这种关系仍然存在。

结论：饮食和生活方式可能通过调节氧化平衡来影响睡眠质量。抗氧化饮食和生活方式对于减少睡眠问题很重要，我们的研究也为改善睡眠质量提供了新的想法。

二、研究结果

1. 研究人群的基线资料

表2按三分位数汇总了参与者的基线特征。与之前报告咖啡因具有抗氧化特性的研究一致，OBS 高的人具有高咖啡因饮食摄入量。

与OBS最低三分组的参与者相比，OBS最高的三分位组的参与者往往受教育程度更高，PIR更高，总能量摄入更高。睡眠障碍和睡眠障碍的患病率从低OBS三分位数到高OBS三分位数没有显着趋势。

2.OBS与睡眠质量之间的关联

OBS与睡眠质量的关系见表3，使用加权线性模型和加权逻辑回归评估OBS与睡眠质量的相关性。在调整模型3中，OBS越高，睡眠障碍的发生率越低（比值比（OR）：0.97；95%Cl：0.94-0.99）。趋势性分析的P为0.018，表明当OBS的值为>24时，OBS中每增加一个单位，睡眠障碍的概率降低40%。

睡眠时间方面， OBS越高，睡眠时间越长。即使在调整后的模型中，OBS与睡眠持续时间之间也显示出相关性，表明较高的OBS与更长的睡眠时间有关（模型3的平均差：0.26；95%CI（0.12-0.40））。

3.膳食OBS/生活方式OBS与睡眠质量之间的关联

我们将OBS分为膳食OBS和生活方式OBS，并进一步独立评估它们与睡眠质量的相关性（表4）。膳食OBS与睡眠障碍或睡眠障碍之间可能没有关系，但膳食OBS与睡眠持续时间之间存在显著相关性。

4.其他分析

表5显示了OBS与性别，年龄和教育水平科目的研究结果的关联。在根据性别调整的模型 3 中，OBS 与睡眠持续时间之间存在显着关联。在模型3里，高中及以上教育水平的人群的OBS与睡眠障碍之间存在显着关联（交互作用的P为0.022）。

在敏感性分析中，去除任何单个OBS成分不会显着影响睡眠质量结果（补充表）。

设计与统计学方法

一、研究设计

P：6300名2007年至2014年国家健康和营养检查调查（NHANES）的参与者。

I：OBS评分，OBS分为两类：16种膳食OBS和4种生活方式OBS，包括5种促氧化剂和15种抗氧化剂。总体 OBS 是通过将这些变量中的每个变量的分数相加来计算的，OBS 越高表示接触抗氧化剂越多。

O：睡眠质量，由研究对象主观报告是否存在睡眠问题，睡眠障碍（二分类）以及每天睡眠时长（定量）。

S：横断面研究。

二、统计方法

1.数据下载以及正态性检验，我们下载了与我们当前工作相关的2007-2008年，2009-2010年，2011-2012年和2013-2014年NHANES数据。我们在数据处理和分析过程中检查了连续变量的正态分布，结果均为非正态连续变量。

2.描述样本并进行差异性分析，我们用中位数（IQR）表示非正态连续变量，用未加权频率（加权百分比）表示分类变量。对于分类和非正态连续变量，分别采用Rao-Scott卡方检验和Kruskal-Wallis检验来正确检验各种OBS组（三级）变量的特征差异。

3.建立回归模型，分别使用加权逻辑回归和加权线性模型比较OBS和睡眠质量。模型1是根据年龄和性别进行调整的粗略模型。模型2根据年龄、性别、种族/民族、教育水平和PIR进行了调整。模型3根据年龄，性别，种族/民族，教育水平，PIR，咖啡因和能量摄入进行了调整。所有回归都考虑了调查权重。

4.敏感性分析以及补充说明，最后，由于膳食OBS和生活方式OBS也可能与睡眠质量密切相关，我们独立研究了膳食OBS和生活方式OBS与睡眠质量的关系。我们还按年龄、性别和教育程度重复了分析结果，以解释每个类别睡眠模式的变化。此外，模型的稳健性对我们的结论至关重要。我们通过逐渐从模型中删除单个OBS评分来进行敏感性评估。所有分析都是双侧的，alpha的统计显著性阈值设置为0.05。R 4.2.2用于进行所有分析。