生气时,你的“心”会发生什么变化?孟德尔随机化分析猛如虎,结果都是套路...

90742c737c900e2bd87610537cdc47c6.png

“不生气不生气,气出病来无人替”,不少人遇事常这样宽慰自己。事实上,“气死”真不是危言耸听。越来越多的研究证明了情绪稳定对健康的重要性,那么,当情绪频繁波动时,我们的心血管究竟会发生什么变化?

2024年6月1日,中国学者做了一项孟德尔随机化研究,在期刊《Journal of Affective Disorders(医学二区top,IF=6.6)发表了题为:“Genetically predicted mood swings increased risk ofcardiovascular disease: Evidence from a Mendelianrandomization analysis”的研究论文,本研究旨在基于孟德尔随机化(MR)分析,探讨情绪波动与心血管(CVD)疾病的风险增加之间的因果关系。

5f33cc7de34792632db8a72631eb8eac.png

本公众号回复“ 原文”即可获得文献PDF等资料

怒火攻心,真不是一句空话。在快节奏生活中,时而高兴,时而emo是常态,但是频繁的情绪波动与精神类疾病密切相关。许多研究表明,情绪波动在心血管疾病中发挥着重要作用,但两者间的因果关系尚不明确。

主要研究结果

1.研究设计

本研究使用FinnGen和英国生物银行(UK Biobank)数据库中的GWAS数据

  • 纳入5种常见的心血管(CVD)疾病用于评估情绪波动与CVD之间的因果关系;

    包括冠状动脉疾病(CAD)、心肌梗死(MI)、心力衰竭(HF)、心房颤动(AF)和卒中

  • 以及5种与CVD相关的危险因素用于评估情绪波动与CVD之间的直接关系。

    包括 BMI、高血压、2型糖尿病(T2DM)、低密度脂蛋白(LDL)胆固醇水平和吸烟

673068fd88d07d7adc990a4fd051b1c7.png

2.单变量MR分析情绪波动与CVD之间的因果关系

在单变量MR分析中,研究团队使用IVW法来评估情绪波动和CVD之间的因果效应,分析结果显示,除了心房颤动(AF)(P > 0.05),情绪波动与其余四种 CVD疾病均显著相关。

  • MR-Egger 回归加权中位数方法得到了相似的结果。

350c2f36180a963fac2288a1d1eb46a9.png

035b195a976f211d05b613479e7518cb.png

此外,通过敏感性分析,研究团队并没有观察到显著的异质性和水平多效性(均P>0.05),这确保了结果的稳健性。

为了进一步验证结果的可靠性,研究团队使用 FinnGen 数据集再次进行了上述MR分析,研究结果与先前一致。

cc8699fd0f28dc0e54614356b4396544.png

同时,反向MR分析结果表明,不同心血管疾病对情绪波动的没有任何因果关系。

3.多变量MR(MVMR)评估情绪波动对CVD的直接影响

MVMR分析中分别调整了CVD的5个主要危险因素,以评估每个因素对情绪波动与心血管疾病之间因果关系的影响。

  • MVMR结果显示,在调整BMI、吸烟和T2DM后,情绪波动对4种CVD的因果效应仍然显著

  • 然而,在调整高血压和低密度脂蛋白后,结果并不显著,这表明情绪波动对心血管疾病的因果影响并不独立于高血压和低密度脂蛋白。

5d261b475c6c0602fa36a0cc1beac156.png

4.中介MR分析

为了进一步探讨 BMI、高血压、T2DM、LDL 和吸烟等 CVD 的五大主要危险因素是否介导从暴露到结果的因果途径,我们使用两步法进行了中介 MR

  • 研究结果表明,高血压可能是介导情绪波动与CAD(18.11%,95%CI:8.83%-27.39%)、心肌梗死(16.40%,95%CI:7.93%-24.87%)、HF(13.06%,95%CI:6.25%-19.86%)和卒中(18.04%,95%CI:8.73%-27.34%)的致病途径。

  • 然而其他潜在的介导因子,如BMI、T2DM、LDL和吸烟,没有表现出类似的中介作用。

1634cb7af78b38e2d564154deb8c866d.png

统计学方法

孟德尔随机化的文章我们已经报道很多了,只能说,到头来都是套路!统计学方法就那些,也都很好理解:

1.单变量孟德尔随机化(MR)分析

使用IVW法来评估情绪波动和CVD之间的因果效应,并使用MR-Egger回归加权中位数来评估这些MR结果的稳健性;

2.敏感分析:

包括 Cochran Q 检验、MR-Egger 截距检验、MR-PRESSO 全局检验留一分析,以检测潜在的异质性和水平多效性。

3.多变量MR(MVMR)分析

MVMR分析中分别调整了CVD 的五个主要危险因素(包括 BMI、高血压、T2DM、LDL 水平和吸烟),以评估每个因素对情绪波动与心血管疾病之间因果关系的影响。

4.中介MR分析

中介MR分析中,使用了两步法,以检查因果效应是否由 CVD 的危险因素介导。

  • 第一步,评估情绪波动对介质(β1)的因果效应;

  • 第二步,估计介质对各种CVD的因果效应(β2)。

使用delta方法(一种在统计学中常用的近似推断方法)估计中介效应(β1*β2)的统计学意义,以及中介效应与整体效应的比例。

本公众号回复“ 原文”即可获得文献PDF等资料

后   记

事实上,无论多么乐观的人都会产生消极的想法,多愁善感的人也一定会有情感高涨的时刻。情绪变化是正常现象,但如果过于频繁切换情绪,就有可能对身心造成不可逆转的伤害。

本文使用了单变量孟德尔随机化、多变量孟德尔随机化,评估了情绪波动与CVD疾病之间的因果关系,发现情绪波动可能会增加各种CVD疾病的风险。而进一步的中介MR分析表明,高血压可能部分介导了情绪波动与心血管疾病之间的因果关系。

看看,孟德尔随机化还是很好发文的,本周很多简单的双样本孟德尔随机化发了一区,二区高分文章,再不上车孟德尔随机化,可就晚了!

e0b5fd94b866e81dc342e281d28a957d.png

本公众提供各种科研服务了!

一、课程培训

2022年以来,我们召集了一批富有经验的高校专业队伍,着手举行短期统计课程培训班,包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、nhanes、孟德尔随机化等10余门课。如果您有需求,不妨点击查看:

发文后退款:2024-2025年科研统计课程介绍

二、数据分析服务

浙江中医药大学郑老师团队接单各项医学研究数据分析的服务,提供高质量统计分析报告。有兴趣了解一下详情:

课题、论文、毕业数据分析 

临床试验设计与分析 、公共数据库挖掘与统计

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/690812.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

SpringBoot 的多配置文件

文章目录 SpringBoot 的多配置文件spring.profiles.active 配置Profile 和 ActiveProfiles 注解 SpringBoot 的多配置文件 spring.profiles.active 配置 默认情况下,当你启动 SpringBoot 项目时,会在日志中看到如下一条 INFO 信息: No act…

产气荚膜梭菌定植与婴儿食物过敏之间的关联

谷禾健康 牛奶蛋白过敏(CMPA)是婴儿最常见的食物过敏类型之一。粪便病原菌培养显示产气荚膜梭菌阳性率超过30%,明显高于其他细菌。因此推测产气荚膜梭菌定植可能是婴儿牛奶蛋白过敏的发病因素之一。 一项真实世界的研究,杨敏团队从…

C++全栈聊天项目(21) 滚动聊天布局设计

滚动聊天布局设计 我们的聊天布局如下图 最外层的是一个chatview(黑色), chatview内部在添加一个MainLayout(蓝色),MainLayout内部添加一个scrollarea(红色),scrollarea内部包含一个widget&…

【Redis】Redis经典问题:缓存穿透、缓存击穿、缓存雪崩

目录 缓存的处理流程缓存穿透解释产生原因解决方案1.针对不存在的数据也进行缓存2.设置合适的缓存过期时间3. 对缓存访问进行限流和降级4. 接口层增加校验5. 布隆过滤器原理优点缺点关于扩容其他使用场景SpringBoot 整合 布隆过滤器 缓存击穿产生原因解决方案1.设置热点数据永不…

Swift 序列(Sequence)排序面面俱到 - 从过去到现在(二)

概览 在上篇 Swift 序列(Sequence)排序面面俱到 - 从过去到现在(一)博文中,我们讨论了 Swift 语言中序列和集合元素排序的一些基本知识,我们还给出了以自定义类型中任意属性排序的“康庄大道”。 不过在实际的撸码场景中,我们往往需要的是“多属性”同时参与到排序的考…

STM32F103C8T6基于HAL库移植uC/OS-III

文章目录 一、建立STM32CubeMX工程二、移植1、 uC/OS-III源码2、移植过程 三、配置相关代码1、bsp.c和bsp.h2、main.c3、修改启动代码4、修改app_cfg.h文件5、修改includes.h文件6、修改lib_cfg.h文件 四、编译与烧录总结参考资料 学习嵌入式实时操作系统(RTOS&…

Swift 序列(Sequence)排序面面俱到 - 从过去到现在(一)

概览 在任何语言中对序列(或集合)元素的排序无疑是一种司空见惯的常规操作,在 Swift 语言里自然也不例外。序列排序看似简单,实则“暗藏玄机”。 要想真正掌握 Swift 语言中对排序的“各种姿势”,我们还得从长计议。不如就先从最简单的排序基本功开始聊起吧。 在本篇博…

9行超强代码用Python工具快速获取放假日期

9行超强代码用Python工具快速获取放假日期 在很多场景下,我们需要获知国内具体的节假日安排情况,而国内每一年具体的放假安排以及调休情况,都依赖于国务院发布的具体公告,如果不想自己手动整理相关数据的话,我们可以用Python来快速获取最新的放假日期. 可以通过调用公开的 API…

spark-3.5.1+Hadoop 3.4.0+Hive4.0 分布式集群 安装配置

Hadoop安装参考: Hadoop 3.4.0HBase2.5.8ZooKeeper3.8.4Hive4.0Sqoop 分布式高可用集群部署安装 大数据系列二-CSDN博客 一 下载:Downloads | Apache Spark 1 下载Maven – Welcome to Apache Maven # maven安装及配置教程 wget https://dlcdn.apache.org/maven/maven-3/3.8…

App UI 风格创新无限

App UI 风格创新无限

如何理解与学习数学分析——第二部分——数学分析中的基本概念——第8章——可微性

第2 部分:数学分析中的基本概念 (Concepts in Analysis) 8. 可微性(Differentiability) 本章讨论梯度(gradients)/斜率(slopes)和切线(tangent),指出常见的误解并解释如何避免这些误解。将可微性的定义与图形表示联系起来,展示如何将其应用…

什么是2+1退休模式?什么是链动2+1模式?

21退休模式又称链动21模式,主要是建立团队模式,同时快速提升销量。是目前成熟模式中裂变速度最快的模式。21退休模式合理合规,同时激励用户公司的利润分享机制,让您在享受购物折扣的同时,也能促进并获得客观收益。 模…

大模型多轮问答的两种方式

前言 大模型的多轮问答难点就是在于如何精确识别用户最新的提问的真实意图,而在常见的使用大模型进行多轮对话方式中,我接触到的只有两种方式: 一种是简单地直接使用 user 和 assistant 两个角色将一问一答的会话内容喂给大模型&#xff0c…

Large-Scale LiDAR Consistent Mapping usingHierarchical LiDAR Bundle Adjustment

1. 代码地址 GitHub - hku-mars/HBA: [RAL 2023] A globally consistent LiDAR map optimization module 2. 摘要 重建精确一致的大规模激光雷达点云地图对于机器人应用至关重要。现有的基于位姿图优化的解决方案,尽管它在时间方面是有效的,但不能直接…

【python】python电影评论数据抓取分析可视化(源码+数据+课程论文)【独一无二】

👉博__主👈:米码收割机 👉技__能👈:C/Python语言 👉公众号👈:测试开发自动化【获取源码商业合作】 👉荣__誉👈:阿里云博客专家博主、5…

Windows系统问题

Windows系统问题 一、补丁更新提示:0x80070643问题:解决方法:1.以管理员权限运行【cmd】。2.禁用 【Windows RE】,请运行reagentc /disable。3.回收【Windows RE】恢复分区空间。4.准备新的【Windows RE】恢复分区空间。5.配置并启…

如何检测UV胶的均匀性?

如何检测UV胶的均匀性? 检测UV胶的均匀性可以通过以下几种方法来实现: 肉眼目视检查: 这是最简单直接的方法。将UV胶涂在表面上,使用裸眼观察胶层的表面。特别注意是否存在气泡、颜色不均匀、裂纹或其他明显的不均匀性。如凹凸不…

从零开始实现自己的串口调试助手(9)-重置多文本框,保存/载入指令集

重置多文本框 添加多文本控件列表 在构造函数中把我们需要操作的控件归类到对应列表之中 //创建多文本存放数组 - 存放那三列内容 checkBox lineEdi btnfor(int i1;i<9;i){// 添加到按钮数组QString btnName QString("pushButton_t%1").arg(i); //构建对应控件名…

独享IP VS 原生IP,二者的区别与定义详解

原生IP&#xff1a;原生IP是指由Internet服务提供商&#xff08;ISP&#xff09;直接分配给用户的IP地址&#xff0c;这些IP地址通常反映了用户的实际地理位置和网络连接。原生IP是用户在其所在地区或国家使用的真实IP地址&#xff0c;与用户的物理位置直接相关。在跨境电商中&…