UKB+孟德爾隨機化：BMI與心衰結局的關聯（IF=22.3）

2026年4月，JACC在線發表了一篇文章，使用孟德爾隨機化分析，評估了BMI與心衰患者不良結局的關聯。研究發現：心衰患者中，較高的BMI與全因死亡率，及心血管死亡或心衰住院的復合終點事件風險增加相關。

原文鏈接：https://www.jacc.org/doi/10.1016/j.jacc.2026.02.5093

研究背景

肥胖是公認的心衰致病風險因素。但在臨床研究中，對于已確診的心衰患者，較高的BMI似乎具有降低死亡率的保護作用，這種現象被稱為“肥胖生存悖論”。該悖論可以通過索引事件偏倚（index event bias）來解釋：觀察性研究中，較高的BMI顯示出保護作用，這是因為受影響的個體擁有較少或嚴重程度較低的其他心衰風險因素。

這一觀察結果導致人們對心衰患者進行減重干預的作用產生了不確定性。此類矛盾性關聯在預后研究中十分常見。

明確BMI與射血分數保留的心衰（HFpEF）及射血分數降低的心衰（HFrEF）患者臨床結局之間的關系，對于確定減重干預措施的潛在作用至關重要。孟德爾隨機化利用遺傳變異來估計因果關系，從而最大限度地減少反向因果關系、混雜因素和錯誤分類等偏倚。

本研究使用孟德爾隨機化方法，檢驗較高BMI對心衰的真實影響。研究首先利用UKB觀察性數據重現了心衰中的肥胖生存悖論。隨后按照LVEF分層，進行了臨床結局發生時間的全基因組關聯研究（GWAS），并對預后研究設計中的固有偏倚進行了校正。最后，研究進行了孟德爾隨機化研究，估計遺傳預測的高BMI與全因死亡率，及心血管死亡率或心衰住院復合結局之間的關聯。

研究方法

BMI和心衰的觀察性關聯：肥胖生存悖論

研究人群

研究使用前瞻性隊列UKB中的數據，排除撤回知情同意、基線BMI數據缺失、基線及入組6個月內患心衰的個體。共納入UKB496,678名參與者，隨后其中14,366名參與者診斷為心衰。

心衰定義為電子健康記錄中出現的心衰代碼。心血管死亡定義為心衰、心梗、卒中或其他心血管原因導致的任何死亡。

統計分析方法

本分析評估與UKB普通人群相比，心衰患者BMI與結局之間的關聯。

BMI定義為分類變量：體重過輕（<18.5kg/m2）、正常（18.5-24.9kg/m2）、超重（25.0-29.9kg/m2）、I級肥胖（30.0-34.9kg/m2）、II級肥胖（35.0-39.9kg/m2）和III級肥胖（>40kg/m2）。

BMI定義為連續變量：擬合具有4個節點的限制性立方樣條（5th、25th、75th和95th）。

生存分析采用Cox比例風險回歸模型估計全因死亡的風險，并采用Fine-Gray方法估計心血管死亡或心衰住院的亞分布風險，其中非心血管死亡被視為競爭風險。分析模型如下：

• 未調整模型；
  

• 調整入組時的性別和年齡，或心衰診斷時的性別和年齡；

• 調整性別、年齡、吸煙狀態，和基線房顫、糖尿病、慢性腎臟病、高血壓、高脂血癥、心梗、卒中和慢阻肺病。

全基因組關聯研究（GWAS）

研究人群

分析使用了“心衰靶點的分子流行病學”（HERMES）聯盟22個隊列的數據，包括12個心衰隊列，9個非心衰心血管試驗/隊列中嵌套的心衰隊列，1個UKB中有遺傳數據個體的隊列。納入了50,636名診斷心衰的歐洲血統個體。

對于亞組Meta分析，隊列按LVEF分為兩類：

• LVEF≤40%：研究入組患者LVEF≤40%或研究平均LVEF≤35%；11項研究；12,608名患者；平均LVEF 30.6%。

• LVEF>40%：研究入組患者LVEF>40%或研究平均LVEF>45%；5項研究；9,597名患者；平均LVEF 54.3%。

研究終點：全因死亡率和復合終點（包括心血管死亡、心衰住院）。

統計分析方法

對于每個心衰隊列，使用Cox比例風險回歸模型進行時間-事件結局的GWAS研究。采用加性遺傳模型，調整性別、研究起始年齡、入組時的心衰狀態等變量。對于入組時患有心衰的病例，研究入組日期被設定為基線（t=0）。對于隨訪期間發生的心衰病例，心衰診斷日期或首次記錄的診斷日期設定為基線（t=0）。通過逆方差加權固定效應模型進行了GWAS Meta分析。

孟德爾隨機化

BMI的遺傳工具變量來源于人體性狀遺傳研究（GIANT）。GIANT對超過70萬名主要為歐洲血統的個體進行了Meta分析，得出全基因組關聯數據。

工具變量選擇

選擇與BMI存在全基因組顯著性（P<5×10??）的變異位點。為確認工具變量在心衰患者中的有效性，在UKB心衰患者與非心衰對照者中，比較了變異位點與BMI的關聯，并使用Cochrane’sQ統計量檢驗異質性。

統計分析方法

孟德爾隨機化分析采用雙樣本框架進行。工具變量應滿足3個核心假設：

1）相關性：每個變異位點均與BMI強相關，該相關性通過全基因組顯著性證實；

2）獨立性：不存在可測量或不可測量的混雜因素影響工具變量與結局之間的關系；

3）排除限制性：變異位點僅通過BMI影響結局，而非通過其他生物學通路。

主要分析采用逆方差加權（IVW）法。估計值代表BMI每增加1個標準差，心衰臨床結局對數風險的變化。

研究結果

肥胖生存悖論觀察性結果

納入UKB496,678名參與者，其中14,366名隨后診斷為心衰。

研究重現了肥胖生存悖論：與正常體重相比，處于超重和I級肥胖的心衰患者表現出明顯的較低全因死亡率，而UKB總人群中，相對于正常體重，超重和肥胖與較高的死亡率相關。調整常見心血管風險因素后，似乎加強了高BMI與心衰患者臨床結局之間的負相關關聯。

圖.BMI與死亡率的關聯：觀察性分析與孟德爾隨機化分析

GWAS Meta分析

納入了50,636名診斷心衰的歐洲血統個體，平均66±9.5歲，男性占68%。中位隨訪27.0個月，11,454名參與者（23%）發生全因死亡，11,360名參與者（22%）發生復合終點事件（心血管死亡或心衰住院）。

未發現達到全基因組顯著性水平的變異位點，但全因死亡、復合結局分別有21個、27個獨立變異達到了提示性顯著性水平（suggestive significance level，P<5×10-6）。LVEF亞組分析同樣未發現達到全基因組顯著性閾值的變異位點。

孟德爾隨機化分析

BMI遺傳工具由947個獨立變異構成。

遺傳預測的BMI每增加1個標準差（4.8kg/m2），與全因死亡率增加21%相關（HR：1.21；95%CI：1.13-1.29；P=9×10??）。

未發現該關聯在LVEF亞組中存在交互作用的證據（交互作用P=0.84）。

基于研究層面LVEF分類的亞組Meta分析中，BMI每增加1個標準差，LVEF≤40%組全因死亡HR為1.16（95%CI：0.92-1.49）；LVEF>40%組HR為1.20（95%CI：0.94-1.53）。

圖.遺傳預測的BMI與HFrEF及HFpEF患者結局的關聯

BMI每增加1個標準差，包含心血管死亡、心衰住院的復合終點事件的發生率增加29%（HR 1.29，95%CI：1.20-1.38；P=8×10?13）。

亞組分析中，該關聯顯示出一致性（交互作用P=0.13）。BMI每增加1個標準差，LVEF≤40%組復合結局發生率增加31%（HR：1.31；95%CI：1.16-1.48）；LVEF>40%組增加57%（HR：1.57；95%CI：1.29-1.91）。

校正偏倚后的孟德爾隨機化分析中，均顯示與以上關聯一致的結果。

心衰合并肥胖患者中，“肥胖生存悖論”一直影響著減重策略的臨床應用。本研究的觀察性分析重現了該發現，即在已確診的心衰患者中，較高的BMI與較低的死亡率相關。但考慮了相關偏倚的遺傳學分析顯示，較高的BMI與心衰患者死亡率增加相關。校正索引事件偏倚后，較高BMI與全因死亡率增加相關。這些發現提示了減重干預在心衰管理中的潛在作用，為臨床試驗提供了理論依據。

對于BMI與臨床結局的關聯，研究沒有在LVEF亞組間發現交互作用。但HFpEF在數值上大于HFrEF，這與藥物誘導減重的臨床試驗結果一致。

本研究結果與先前的一項單樣本孟德爾隨機化研究一致，該研究報道了較高的BMI與心衰死亡率呈正相關。特定減重干預措施的效果可能無法直接與使用遺傳指標估計的BMI相提并論，但研究結果表明，減重可能改善心衰預后。

研究局限性

• 該研究為目前規模最大的心衰臨床結局的GWAS研究，但仍需要更大規模的研究來提高統計效能，并提升孟德爾隨機化估計值的精確度。

• 本研究僅限于歐洲血統個體。

• 某些研究中LVEF數據可用性不足，有些僅能獲得研究層面LVEF數據，亞組GWAS Meta分析受限。這降低了檢測LVEF效應修飾的能力，可能影響研究的外部有效性。

• 孟德爾隨機化分析側重于遺傳預測的BMI與死亡率的總體線性關聯，同時也承認BMI與死亡率之間存在J型關系。體重過輕個體占比較小，如果確實存在因果性的U型BMI-死亡率關系，那么低BMI時升高的風險預計會使孟德爾估計值趨向于無效值（II類錯誤）。

• BMI不是衡量肥胖的完美指標。

• 孟德爾隨機化的敏感性分析中，大多數替代性偏倚校正方法得出了一致的結果，但估計值有所差異，且部分置信區間包含了無效值。

研究結論

研究結果表明，肥胖與心衰患者的不良臨床結局相關，這與在一般人群中觀察到的關聯相似。結果提示，“肥胖生存悖論”很可能是偏倚造成的假象，這強調，在從觀察性分析中對預后關聯做出因果推斷時，需保持謹慎。

綜上所述，研究發現支持了心衰患者進行減重干預的潛在獲益，為臨床試驗提供了理論依據。

參考文獻：J Am Coll Cardiol. 2026 Apr 13:S0735-1097(26)05561-0. doi: 10.1016/j.jacc.2026.02.5093.