為填補這一空白，研究者開發了金屬混合物炎癥指數。MMII通過整合多種金屬（包括鉛、汞、鎘、鈷、鉬、鎢）的血液濃度與關鍵炎癥標志物（如高敏C反應蛋白和白細胞計數），并采用加權統計建模方法，量化反映個體因多種金屬混合暴露而承受的系統性炎癥負擔。與單金屬分析或單一炎癥標志物相比，MMII在檢測多金屬協同和交互健康效應方面表現出更優的敏感性。先前研究已證實，MMII升高與糖尿病、全因死亡和不良心血管結局風險增加顯著相關。

心血管-腎臟-代謝綜合征是一種創新的慢性病模型，強調心血管疾病、慢性腎病和2型糖尿病、肥胖等代謝障礙之間相互促進、共同進展。該綜合征的生理系統具有共同的危險因素和致病機制，包括胰島素抵抗、氧化應激和慢性炎癥，并在疾病進展中形成惡性循環，顯著增加全因和病因特異性死亡風險。近年來的證據表明，CKM綜合征患者對慢性低度炎癥尤其易感，可能使他們更易受到環境危險因素（如金屬混合暴露）的不利影響，從而導致不良健康結局。

盡管金屬混合暴露、炎癥與心血管代謝疾病的相關風險日益受到科學關注，但系統研究MMII與CKM綜合征0-3期患者全因死亡率之間關系的文獻仍然缺乏。本研究首次全面評估了MMII對這一高危但具有重要預防意義人群的全因死亡率影響，并首次探索了MMII與死亡風險之間潛在的非線性閾值效應。

2.2. 金屬混合物炎癥指數

MMII是根據Wang等人建立的方法計算的復合指標，整合了六種尿重金屬（汞、鎘、鈷、鉬、鉛、鎢）和兩個關鍵炎癥生物標志物（C反應蛋白和白細胞計數）。為了量化金屬混合物的炎癥潛能，研究者采用了相對風險回歸建模和逐步線性回歸分析，從而識別關鍵金屬并根據各自的回歸系數分配特定權重。最終的MMII評分提供了對系統性炎癥負擔的綜合評估，評分升高對應炎癥狀態加劇。

2.3. 心血管-腎臟-代謝綜合征定義

CKM分期依據最新共識指南制定，使用了NHANES中收集的病史、實驗室結果和體檢數據。分期標準定義如下：CKM 0期：無基礎疾病或危險因素的健康個體。CKM 1期：具有代謝危險因素（包括肥胖、高血壓、血脂異常或血糖調節受損）但無明確疾病的個體。CKM 2期：確診糖尿病和/或慢性腎病的個體。CKM 3期：確診心血管疾病（包括心肌梗死、心力衰竭、卒中或外周動脈粥樣硬化）的個體。CKM 4期：在既有CKM綜合征基礎上出現臨床心血管疾病表現的個體。各分期的詳細診斷標準見表S1。

2.4. 結局

本研究的主要結局是全因死亡率。為確定生命狀態，將NHANES 1999年至2018年的參與者記錄通過概率匹配技術與國家死亡指數相關聯。由于NHANES復雜的多階段抽樣設計以及參與者入組日期的變異性，無法精確計算中位隨訪時間。出于分析目的，研究終點設定為死亡日期或2019年12月31日中的較早者。

2.5. 協變量

為控制潛在的混雜效應，分析中納入了多個協變量，分類如下：人口統計學特征：年齡、性別、種族/民族、教育水平、婚姻狀況。生活方式因素：吸煙狀況（分為從不、以前或現在吸煙）和飲酒（分為從不、以前、重度、中度或輕度）。臨床指標：體重指數（分為正常(<25 kg/m²)、超重(25–30 kg/m²)或肥胖(>30 kg/m²)）。合并癥：高血壓和糖尿病。藥物使用：抗高血壓藥、降糖藥和降脂藥。實驗室測量：肌酐、尿酸、血尿素氮、淋巴細胞、中性粒細胞、單核細胞、糖化血紅蛋白、空腹血糖、甘油三酯、總膽固醇、高密度脂蛋白膽固醇、低密度脂蛋白膽固醇和估算腎小球濾過率。

2.6. 統計分析

考慮到NHANES復雜的抽樣設計以及分析中包含了空腹生物標志物，采用適當的空腹子樣本權重進行加權分析，以解釋復雜的調查設計和空腹子樣本選擇。連續變量以加權平均值（標準誤）表示，分類變量以加權百分比（標準誤）表示。MMII根據四分位數分為四組：Q1、Q2、Q3和Q4。由于連續變量的缺失值少于5%，使用“MICE”包進行多重插補處理缺失值。采用加權Cox比例風險回歸模型評估MMII與全因死亡風險之間的關聯。構建了三個逐步增加調整水平的序列模型：模型1：未調整分析；模型2：調整人口統計學因素（年齡、性別和種族/民族）；模型3：全面調整年齡、性別、種族/民族、貧困收入比、糖化血紅蛋白、甘油三酯、高密度脂蛋白膽固醇、低密度脂蛋白膽固醇、估算腎小球濾過率、婚姻狀況、教育程度、吸煙狀況以及高血壓、高脂血癥和糖尿病藥物的使用。計算每個模型的風險比及其95%置信區間。為描述潛在的非線性，在調查加權的Cox框架內使用限制性立方樣條將MMII建模為連續暴露。在主要分析中，在MMII分布的第五、二十五、五十、七十五和九十五百分位數處設置五個節點。通過比較樣條模型與僅包含MMII單一線性項的模型，使用Wald似然比檢驗評估非線性。為識別潛在的閾值（拐點），擬合了一個帶有未知斷點的兩段分段Cox模型，通過迭代輪廓似然優化算法進行估計。使用似然比檢驗比較單線模型和兩線模型的擬合優度，并使用三明治方差估計量獲得穩健的標準誤。

為全面評估研究結果的穩健性，進行了一系列按年齡(<65歲 vs. ≥65歲)、BMI(<25、25–30或>30 kg/m²)、性別、高血壓狀態、糖尿病狀態和種族/民族分層的亞組分析。敏感性分析如下進行：(1)排除隨訪前2年內死亡的參與者；(2)排除自我報告癌癥的個體；(3)刪除任何數據缺失的參與者；(4)在不納入調查權重的情況下進行多變量邏輯回歸。使用調查權重估計基于設計的Kaplan-Meier生存曲線。所有統計分析均使用R軟件進行，雙側p值<0.05被認為具有統計學意義。

3.2. MMII與全因死亡風險的關聯

在平均148個月的隨訪期內，觀察到333例全因死亡。多變量Cox回歸分析顯示，在完全調整的模型3中，MMII每增加一個單位，與CKM 0-3期患者全因死亡風險增加151%相關（風險比=2.51，95%置信區間：1.30–4.84，p=0.01）。比較MMII四分位數之間的死亡風險時，與最低四分位數（Q1）的參與者相比，最高四分位數（Q4）的參與者表現出全因死亡風險顯著增加（風險比=1.50，95%置信區間：1.01–2.22，p=0.04）（表2）。

Kaplan-Meier生存分析顯示，在整個隨訪期間，四個MMII四分位數組的生存率存在統計學顯著差異（圖2）。最低MMII組（Q1）始終保持著最高的生存概率，且隨時間下降最為平緩，而最高MMII組（Q4）的生存概率下降更陡，表明死亡風險顯著升高。組間生存差異高度顯著（時序檢驗，p<0.0001）。風險表顯示所有MMII四分位數組的初始參與者數量相當；然而，隨著隨訪的進行，較高MMII四分位組的生存比例下降更快。這些發現表明，MMII升高與CKM綜合征患者的生存率顯著降低相關，提示較高的金屬混合物誘導的炎癥負擔可能是全因死亡率的獨立風險標志物。

3.3. 劑量-反應與非線性的關系

限制性立方樣條分析揭示了MMII與全因死亡風險之間存在統計學顯著的非線性劑量-反應關系（非線性p值=0.007）（圖3）。隨后的分段回歸模型在MMII=0.10594處識別出一個明顯的拐點，表明存在閾值效應（表3）。對于低于此閾值的MMII值，觀察到與死亡風險呈負相關（風險比=0.554，95%置信區間：0.171–1.795）；考慮到閾值以下估計值不顯著且置信區間較寬，我們避免推斷該段具有保護作用。然而，這種關系不具有統計學顯著性，且以寬置信區間為特征，表明在較低暴露水平下，MMII變化對死亡率結局的影響最小。相反，當MMII超過0.10594的閾值時，全因死亡風險隨著MMII水平的升高而大幅增加（風險比=3.977，95%置信區間：1.777–8.901，p<0.01），表明與較高的金屬混合物誘導的炎癥負擔相關的風險升級。這些發現支持了CKM綜合征患者中MMII與全因死亡率關系存在潛在的“劑量轉折點”。這種閾值效應為識別高危人群和制定有針對性的環境暴露干預策略提供了寶貴的科學證據。

3.4. 敏感性分析與亞組分析

我們在多個人口統計學和臨床亞組中進行了全面的分層分析，包括年齡、性別、種族/民族、BMI、高血壓狀態和糖尿病狀態。在這些亞組中，未觀察到MMII與死亡風險之間存在顯著的效應修飾（所有分層分析的交互作用p值>0.05）（圖4）。

為評估研究結果的穩健性，進行了幾項敏感性分析：(1)排除隨訪前2年內死亡的參與者以減輕潛在的反向因果關系；(2)排除自我報告癌癥的個體以消除已存在惡性腫瘤的混雜效應；(3)排除任何數據缺失的參與者以評估潛在的選擇偏倚；(4)進行調查加權分析以解釋NHANES復雜的抽樣設計。在所有檢查中，結果與主要的調查加權結果在方向上一致。正如復雜調查數據所預期的那樣，未加權模型在某些設定下產生了稍大的點估計值；然而，在NHANES設計下提供全國代表性推斷的加權模型仍然具有統計學顯著性，并作為解釋的基礎。

我們的發現與先前建立環境重金屬暴露、慢性低度炎癥與心血管代謝疾病風險增加之間強關聯的研究一致。例如，Jomova等人證明重金屬通過促進氧化應激和炎癥反應損害心血管功能和代謝穩態。多項研究同樣記錄了慢性金屬暴露與心血管發病率和死亡率增加顯著相關。Genuis等人提出環境毒物破壞免疫穩態，從而放大對多種慢性病的潛在易感性。Wang等人首次引入MMII概念，并證明MMII升高與美國普通成年人群中糖尿病、腎功能障礙以及全因和心血管死亡風險增加相關；然而，他們的研究并未專門檢查CKM綜合征患者。據我們所知，這是首次在大型CKM患者隊列中全面評估MMII與全因死亡率之間的關系，將MMII的應用擴展到高風險、多病共存人群的風險分層，并為慢性病狀態與環境暴露之間的復雜相互作用提供了新的流行病學證據。

我們詳細的劑量-反應分析表明，MMII與CKM患者全因死亡風險之間的關聯并非簡單的線性關系，而是表現出顯著的非線性閾值效應。使用限制性立方樣條和分段回歸模型，我們在MMII值為0.10594時識別出一個關鍵風險閾值：低于此閾值，MMII對死亡風險的影響微乎其微；而高于此值，全因死亡風險顯著增加。這種模式表明了對低水平金屬混合物暴露的潛在生理耐受性，但一旦炎癥負荷超過這個“安全閾值”，組織和器官穩態的破壞就會導致死亡風險大幅升高。這些發現與Chowdhury等人的研究一致，他們也證明了重金屬暴露與心血管疾病結局之間存在非線性關系，并強調了對高暴露人群進行有針對性的環境干預以實現精準風險管理的重要性。我們的研究結果對于在高風險慢性病人群中制定有針對性的干預措施具有重要的臨床意義，并建立了一個科學推導的閾值，可以增強金屬暴露評估方案并為基于證據的公共衛生政策制定提供信息。

閾值的方法學嚴謹性和臨床相關性：除了記錄非線性外，我們實施了一個透明且穩健的閾值識別策略。樣條建模遵循了節點設置的既定實踐，并正式檢驗了非線性，而分段Cox方法通過輪廓似然估計斷點，并使用似然比檢驗確認了其相對于單線模型的附加值。通過預先指定的節點敏感性分析和非參數bootstrap重抽樣檢查了穩定性，結果支持所識別閾值（MMII≈0.106）的穩健性。值得注意的是，該閾值與我們樣本中MMII的Q2-Q3邊界非常接近，表明當金屬混合物引起的炎癥負擔超過大約人群中位數時，死亡風險上升更陡峭。考慮到有證據表明低水平暴露可能被穩態機制緩沖，而超過臨界炎癥負荷則會放大氧化應激、炎癥小體激活、內皮功能障礙和胰島素抵抗，特別是在表現出基線炎癥易感性增強的CKM個體中，這種模式在生物學上是合理的。從臨床和公共衛生的角度來看，這個閾值為CKM 0-3期的風險分層和有針對性的暴露緩解提供了一個實用的參考點。

我們的研究進一步強調了MMII升高在高風險人群，特別是CKM綜合征患者中的明顯不利影響。作為一個新近定義的健康模型，CKM綜合征強調心血管、腎臟和代謝系統之間相互關聯的病理生理學和共同的風險因素。先前的研究已證實，CKM綜合征患者表現出基線炎癥加劇、顯著的微環境失調以及對有害環境暴露的易感性增加。我們的發現不僅證實了MMII在這一人群中的獨立預后價值，而且通過年齡分層分析揭示了老年人中顯著的風險交互作用。這表明MMII的有害“放大效應”隨著年齡增長和CKM綜合征的進展而加劇。因此，在旨在監測和減輕金屬混合物暴露的策略中，應優先考慮老年人和存在多病共存高風險的人群。

在解釋加權和未加權估計值之間的微小差異時，需要注意的是NHANES采用了分層、整群、不等選擇概率和事后分層調整。當暴露和結局在這些設計特征中變化時，加權會適當地重新平衡過度抽樣群體（例如老年人、某些種族/民族少數群體）的貢獻，以反映美國人口結構。因此，加權模型可能產生相對于未加權模型略有減弱的關聯，但不會改變實質性結論。我們預先指定的主要分析是調查加權的，以確保全國代表性和有效的標準誤，而未加權結果作為敏感性分析提供，以證明穩健性。

然而，本研究有幾個局限性。首先，作為一項回顧性隊列分析，盡管調整了多個混雜因素，但由于研究設計的固有性質，MMII與全因死亡風險之間的因果關系無法完全確定；殘余混雜和反向因果關系無法完全排除。其次，MMII是使用調查時收集的基線尿金屬濃度和炎癥標志物構建的，這無法捕捉暴露和炎癥隨時間的動態變化，可能低估或錯誤表征長期暴露的影響。第三，本研究包含的金屬類型和炎癥生物標志物有限；一些常見金屬（如砷和鎳）和炎癥指標未被包括在內，可能導致對金屬混合物負擔和炎癥反應的評估不完整。第四，盡管NHANES是全國代表性樣本，但納入標準和樣本結構可能無法完全代表所有種族、職業或高暴露的特殊人群，因此在將結果推廣到其他國家或亞組時需要謹慎。第五，我們的研究使用多重插補處理缺失數據，一些方法論指出這可能無法完美地保持人口總數。然而，我們使用完整病例方法的敏感性分析得出了相同的結論，從而減輕了這種擔憂。第六，雖然由于C反應蛋白數據可用性的限制，我們的研究必然局限于NHANES 1999-2010周期，但這種聚焦方法確保了變量測量的方法學一致性。當兼容的炎癥生物標志物可用時，未來的研究應在更當代的隊列中驗證我們的發現。最后，盡管進行了全面的多變量調整，但潛在的殘余混雜無法完全排除。我們的模型未包含某些可能與金屬暴露和CKM結局都相關的因素，例如身體活動水平、詳細的飲食模式（特別是可能增加膳食金屬攝入的海鮮和稻米消費）、職業暴露和社區環境因素。此外，雖然我們調整了貧困收入比，但其他社會經濟指標，如職業類型、住房特征和教育質量，可能會進一步細化暴露-結局關系。我們的藥物調整僅限于主要類別，缺乏已知具有心臟代謝益處的特定藥物（例如SGLT2抑制劑、GLP-1受體激動劑）或可能影響金屬代謝和排泄的藥物（例如某些ACE抑制劑和螯合劑）的詳細數據。這些未測量的混雜因素可能雙向影響我們的估計。本研究的一個關鍵限制是缺乏在獨立隊列中進行的外部驗證。未來的研究應優先考慮在其他具有可用炎癥和代謝生物標志物的大規模人群數據庫中驗證MMII。潛在的驗證隊列可能包括英國生物銀行、動脈粥樣硬化多種族研究或弗雷明漢心臟研究，前提是具備可比較的生物標志物。這樣的驗證將確定我們發現在不同人群中的普遍性，并加強MMII作為預后工具的潛在臨床效用。此外，未來的研究應探索MMII是否能預測特定的死亡原因，并評估其相對于已建立的風險預測工具的性能。

總之，我們的研究進一步證實了金屬混合物相關炎癥負擔在CKM綜合征0-3期患者全因死亡風險中的關鍵作用，特別是當暴露水平超過特定閾值時，會導致死亡率和不良健康結局顯著增加。未來，大規模、多中心的前瞻性研究和機制研究將有助于闡明MMII的臨床轉化價值，并為金屬混合物暴露易感人群的風險識別和精準預防提供科學依據。