L’étude longitudinale sur la santé et la retraite en Chine (CHARLS) a été approuvée par le Conseil d’examen institutionnel (IRB) de l’Université de Pékin, avec les numéros d’approbation IRB00001052-11014 et IRB00001052-11015. Tous les participants ont donné leur consentement éclairé avant de participer à l’étude, ce qui était conforme aux normes éthiques et à la Déclaration d’Helsinki. Cela permet de s’assurer que les données utilisées par le CHARLS sont conformes aux lignes directrices en matière d’éthique de la recherche, y compris les exigences en matière de confidentialité et de participation éclairée.
Population étudiée
Les données de cette étude proviennent de l’enquête CHARLS menée par l’Institut national de recherche sur le développement de l’Université de Pékin en 2015. L’ARCLS a été lancée en 2011 en tant qu’enquête longitudinale ciblant les adultes âgés de 45 ans et plus en Chine. Un ensemble de données exhaustif est recueilli à l’aide d’entrevues structurées à l’aide de questionnaires normalisés afin d’étudier les facteurs socioéconomiques et les répercussions associés au vieillissement. Nous avons utilisé une approche d’échantillonnage proportionnel à probabilité stratifiée à plusieurs degrés pour recueillir des données auprès d’un échantillon de 17 708 participants. Ces participants résidaient dans 10 257 ménages répartis dans 150 districts et 450 villages dans 28 provinces de Chine22. Les données comprenaient des variables de pondération individuelles pour s’assurer que l’échantillon de l’enquête était représentatif à l’échelle nationale. D’autres informations sur la conception de la recherche CHARLS ont déjà été enregistrées6, et plus de contenu sur l’étude CHARLS peut être obtenu sur son site Web officiel (https://charls.pku.edu.cn/).
Les critères d’inclusion sont les suivants : (a) les participants qui avaient 45 ans ou plus en 2015, (b) les participants qui disposaient de données concernant leur statut en sarcopénie, et (c) les participants qui avaient subi un test sanguin UA. Les participants atteints de maladies rénales, de tumeurs et de goutte ont été exclus, compte tenu de l’impact de ces conditions sur l’acide urique sérique. En conséquence, l’analyse a porté sur un total de 10 938 participants. La figure 1 illustre en détail le processus d’exclusion. Cette étude a été menée conformément aux lignes directrices STROBE (Strengthening the Reporting of Observational Studies in Epidemiology).
Évaluation du statut de la sarcopénie
Cette étude a utilisé les critères de diagnostic établis par le Groupe de travail asiatique sur la sarcopénie (AWGS) de 2019. De nombreuses études antérieures ont pleinement démontré l’applicabilité et la fiabilité des critères de diagnostic de l’AWGS dans la population chinoise d’âge moyen et âgée24,25. D’après l’AWGS 2019, la sarcopénie se caractérise par une diminution de la masse musculaire associée à une réduction de la force musculaire ou à une altération des performances physiques.
Force musculaire
Nous avons évalué la force de préhension des deux mains à l’aide d’un dynamomètrede préhension 26. Chaque participant a été testé en double pour les deux mains en tenant le dynamomètre à angle droit (90°). La valeur maximale moyenne des deux mains, mesurée en kilogrammes (kg), a été utilisée pour l’analyse. Un SGH insuffisant a été considéré comme inférieur à 18 kg pour les femmes et inférieur à 28 kg pour les hommes23.
Mesure de la performance physique
Dans ce test, le participant est invité à s’asseoir sur une chaise, les bras croisés sur la poitrine. Ils se lèvent ensuite et s’assoient cinq fois de suite le plus rapidement possible. Le temps nécessaire pour effectuer les cinq répétitions est enregistré en secondes à l’aide d’un chronomètre. La chaise doit être placée contre une surface stable, et les participants ne doivent utiliser que leurs jambes pour effectuer la tâche, sans l’aide de leurs bras27. Les personnes qui ne peuvent pas effectuer cinq tests de support de chaise en 12 s sont considérées comme ayant une fonction physiquediminuée 23.
Indice de masse musculaire squelettique (IMG)
Dans cette étude, la masse squelettique appendiculaire (ASM) a été calculée à l’aide de la formule de mesure recommandée par l’AWGS2019 23. Cette formule présentée dans cette étude a été rigoureusement testée et a démontré une forte précision prédictive dans l’estimation de l’ASM dans un échantillon chinois28,29. La formule est la suivante :
TMS = 0,193 × poids corporel + 0,107 × taille - 4,157 × sexe - 0,037 × âge - 2,631
La taille et le poids des participants ont été mesurés à l’aide d’un stadiomètre et d’une balance au sol numérique, respectivement, à 0,1 cm et 0,1 kg près. L’indice de masse musculaire squelettique (SMI) a été calculé en divisant l’ASM par le carré de la hauteur (ASM/height²). Par conséquent, les valeurs ASM/taille 2 <5,4 kg/m2 chez les femmes et <7,0 kg/m2 chez les hommes indiquaient une faible masse musculaire23.
Acide urique
Des échantillons de sang ont été prélevés sur les participants par du personnel médical formé du Centre chinois de contrôle et de prévention des maladies (CDC chinois) selon les protocoles standard. Les échantillons de sang ont été immédiatement stockés à 4 °C et transportés vers les laboratoires locaux du CDC ou les centres de santé pour traitement. Les échantillons ont ensuite été séparés en composants de plasma et de couche leucocytaire, le plasma étant stocké dans des cryoflacons de 0,5 ml et congelé à -20 °C avant d’être expédié au CDC chinois à Pékin. À leur arrivée, les échantillons ont été stockés à -80 °C jusqu’à ce qu’ils soient analysés au laboratoire30 de l’Université médicale de la capitale. Les taux d’acide urique (UA) ont été quantifiés à l’aide de la méthode UA Plus, les résultats étant exprimés en milligrammes par décilitre (mg/dL)22.
Covariables
Les covariables comprenaient des informations sociodémographiques et des caractéristiques liées à la santé31,32. Les variables sociodémographiques comprenaient l’âge et le sexe, tandis que les covariables liées à la santé comprenaient l’indice de masse corporelle (IMC), les antécédents de tabagisme et de consommation d’alcool, les maladies chroniques et les valeurs des tests sanguins. Un questionnaire a été utilisé pour recueillir des données auprès des participants sur leur état de santé, notamment l’hypertension, la dyslipidémie et le diabète. Les résultats des tests sanguins englobaient divers biomarqueurs, à savoir l’hémoglobine, la créatinine, l’azote uréique du sang (BUN), les lipoprotéines de haute densité (HDL), les lipoprotéines de basse densité (LDL), le cholestérol total (TC), les triglycérides (Tg) et la protéine C-réactive (CRP).
Analyse statistique
Compte tenu de la complexité du plan d’échantillonnage de CHARLS, toutes les analyses ont été effectuées à l’aide du progiciel R (version 4.2.2) et d’EmpowerStats 2.0. Les participants ont été divisés en groupes quartiles en fonction de leur concentration sérique d’acide urique, le niveau le plus bas représentant le groupe de référence (groupe quartile, Q1). De plus, une analyse en sous-groupe a été effectuée en fonction de l’âge. Étant donné le petit nombre de personnes âgées de plus de 85 ans, elles sont classées en quatre groupes d’âge : <55 ans, 55-64 ans, 65-75 ans et ≥75 ans. Les valeurs manquantes des covariables dans cette étude étaient toutes inférieures à 5 %, et elles ont été imputées à l’aide de méthodes d’imputation courantes (imputation médiane ou imputation moyenne). L’analyse comprenait des mesures telles que la moyenne, la médiane, l’écart-type, l’intervalle et les quartiles des variables continues, ainsi que des tableaux de fréquence des variables catégorielles. La médiane et l’écart interquartile (IQR) ont été utilisés pour décrire les variables continues avec une distribution non normale. Les poids des sous-échantillons de biomarqueurs, y compris les ajustements pour les réponses des ménages et des individus, ont été utilisés dans toutes les analyses pour produire des estimations représentatives de la population chinoise. Le progiciel d’enquête dans R a été utilisé à cette fin, en utilisant des fonctions telles que svymean(), svyvar() et svyquantile() pour calculer les moyennes, les écarts-types, les médianes et les quartiles. Pour examiner les différences dans les caractéristiques des variables entre les groupes, les tests t et les tests de Wilcoxon ont été utilisés pour les variables continues, et les tests du chi carré de Rao-Scott ont été utilisés pour les pourcentages pondérés de variables catégorielles, fournissant une description complète de l’ensemble de la population. Un modèle de régression logistique pondérée a été utilisé pour étudier l’association entre l’acide urique sérique et la sarcopénie. Des modèles de régression linéaire multivariée pondérée ont été utilisés pour explorer les associations entre l’acide urique sérique et le SHG, le FTSST et le SMI. La construction des modèles de régression a été effectuée à l’aide de la fonction svyglm() du package d’enquête. Ces modèles ont été ajustés pour tenir compte de diverses covariables, notamment l’âge, le sexe, les antécédents de tabagisme, les antécédents de consommation d’alcool, les paramètres sanguins (créatinine [Crea], azote uréique du sang [BUN], lipoprotéines de haute densité [HDL], lipoprotéines de basse densité [LDL], cholestérol total, triglycérides, protéine C-réactive [CRP]) et les maladies chroniques (hypertension, dyslipidémie, diabète ou dysglycémie). Un P < deux côtés de 0,05 a été considéré comme indiquant une signification statistique.