Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Onderzoeksartikel

Synergetisch effect van hypertensie en roken op het risico op ischemische beroerte: een case-control studie met additieve en multiplicatieve interactieanalyse

89 weergaven

DOI:

10.3791/70381

23 juni 2026

In dit artikel

Samenvatting

Een retrospectieve leeftijds- en geslachtsgematchte case–control studie toonde aan dat hypertensie en huidig roken onafhankelijk geassocieerd waren met de allereerste ischemische beroerte en samen een supraadditieve toename van het risico veroorzaakten.

Samenvatting

Ischemische beroerte blijft wereldwijd een belangrijke oorzaak van dood en invaliditeit. Deze retrospectieve case–control studie met één centrum evalueerde de onafhankelijke en interactieve effecten van roken, alcoholconsumptie en traditionele cardiovasculaire risicofactoren op de allereerste ischemische beroerte. Gevallen met radiologisch bevestigde allereerste ischemische beroerte en controles werden tussen januari 2018 en juni 2025 in een 1:2-verhouding gematcht op leeftijd (±3 jaar) en geslacht. Rookstatus, pakjaren, alcoholgebruik, hypertensie, diabetes mellitus en lipidenvariabelen werden beoordeeld. Conditionele logistische regressie met vooraf bepaalde covariaten werd toegepast, waarbij interactie werd geëvalueerd op zowel multiplicatieve als additieve schalen. Firths straf werd gebruikt om spaarzame data aan te pakken, en meervoudige imputatie met kettingvergelijkingen werd toegepast om ontbrekende data te verwerken. In totaal werden 312 gevallen en 624 controles opgenomen. Huidig roken (odds ratio [OR] 2,34, 95% betrouwbaarheidsinterval [BI] 1,82–3,01), zware alcoholconsumptie (>100 g/week; OR 1,89, 95% BI 1,34–2,67), hypertensie (OR 3,21, 95% BI 2,54–4,06) en diabetes mellitus (OR 2,12, 95% BI 1,56–2,88) waren onafhankelijk geassocieerd met ischemische beroerte. Hypertensie en huidig roken toonden significante interactie op beide multiplicatieve (interactie OR 1,58, 95% BI 1,12–2,24; P = 0,009) en additieve schalen (relatief overrisico door interactie 2,87, 95% BI 1,21–4,53; toegeschreven verhouding 0,32, 95% BI 0,15–0,49; synergie-index 2,18, 95% BI 1,35–3,52). De modeldiscriminatie was goed (gebied onder de curve 0,82, 95% BI 0,79–0,85). Deze bevindingen ondersteunen geïntegreerde preventiestrategieën voor mensen met gelijktijdige hypertensie en blootstelling aan roken.

Inleiding

Ischemische beroerte vormt een grote wereldwijde gezondheidslast en was wereldwijd verantwoordelijk voor meer dan 6,55 miljoen sterfgevallen en 12,2 miljoen incidenten in 2020 1,2. Ondanks vooruitgang in acute behandeling en secundaire preventie blijft de incidentie van ischemische beroertes stijgen, gedreven door veroudering van de bevolking en de toenemende prevalentie van aanpasbare risicofactoren 2,3. Het begrijpen van de onafhankelijke en synergetische effecten van deze risicofactoren is cruciaal voor het ontwikkelen van effectieve primaire preventiestrategieën en het identificeren van risicogroepen voor gerichte interventies. Opmerkelijk is dat acute ischemische beroerte een heterogene ziekte is, en de verdeling van risicofactoren, ernst en uitkomsten van een beroerte aanzienlijk kan variëren tussen subtypen, waaronder cardio-embolische beroerte, lacunaire infarct, atherotrobotische infarct en infarct van ongebruikelijke etiologie4. Voldoende differentiatie van ischemische beroertesubtypes is daarom een belangrijke overweging in klinische studies die risicofactorprofielen onderzoeken.

Traditionele cardiovasculaire risicofactoren, met name hypertensie, zijn consequent geïdentificeerd als belangrijke bijdragers aan het risico op ischemische beroerte 5,6. Hypertensie geeft het hoogste populatie-toeschrijfbare risico van alle aanpasbare risicofactoren, waarbij studies aantonen dat bloeddrukcontrole (BP) meer dan de helft van alle beroertes kan voorkomen6. Evenzo zijn diabetes mellitus (DM) en dyslipidemie vastgesteld als onafhankelijke risicofactoren, met mechanismen die endotheeldisfunctie, atherosclerose en prothrombotische toestandenbetreffen 7. De relatie tussen deze metabole en vasculaire risicofactoren en beroerte is uitgebreid gedocumenteerd in grootschalige prospectieve studies en meta-analyses.

Leefstijlfactoren, met name sigarettenroken, vormen een andere belangrijke dimensie van het risico op een beroerte. Huidig roken verdubbelt bijna het risico op ischemische beroerte, met een duidelijke dosis-responsrelatie tussen pakjaren en beroerterisico 8,9. De Stroke Prevention in Young Men Study toonde odds ratio's (ORs) aan die varieerden van 1,46 voor lichte rokers (<11 sigaretten/dag) tot 5,66 voor zware rokers (≥40 sigaretten/dag)8. De INTERSTROKE-studie (Study of the Importance of Conventional and Emerging Risk Factors of Stroke in Different Regions and Ethnic Groups of the World), die 32 landen omvatte, rapporteerde een wereldwijd bevolkingsrisico van 12,4% voor huidige rook10%, wat de aanzienlijke bijdrage aan de beroertebelasting over diverse populaties onderstreept. Roken oefent zijn schadelijke effecten uit via meerdere routes, waaronder het bevorderen van atherosclerose, endotheeldisfunctie, verhoogde bloedplaatjesaggregatie, verhoogde fibrinogenspiegels en verminderde cerebrale bloedstroom secundair aan vasoconstrictie9.

De relatie tussen alcoholgebruik en ischemische beroerte is complexer en vertoont in de meeste populaties een J-vormige curve11,12. Lichte tot matige alcoholinname (1–2 drankjes/dag) is in meerdere studies in verband gebracht met een verminderd risico op een ischemische beroerte(11,13), mogelijk door gunstige effecten op hoogdicht lipoproteïnecholesterol (HDL-C), bloedplaatjesfunctie en ontsteking. Echter, zwaar alcoholgebruik (≥3 drankjes/dag) verhoogt het risico op een beroerte door mechanismen zoals hypertensie, boezemfibrilleren (AF), stollingsafwijkingen en directe neurotoxiciteit14,15. Recente gegevens van de Alcohol Intake & Health Study suggereren dat zelfs matig alcoholgebruik het risico op ischemische beroerte kan verhogen bij niveaus van twee standaarddrankjes per dag (relatief risico 1,08, 95% betrouwbaarheidsinterval 1,01–1,15)16, waarmee eerdere aannames over beschermende effecten worden uitgedaagd.

Hoewel de onafhankelijke effecten van deze risicofactoren goed zijn gedocumenteerd, blijven hun interactieve of synergetische effecten minder volledig gekarakteriseerd in bepaalde studiecontexten. Interactie op additieve schaal, gekwantificeerd door maatstaven zoals relatief overtollig risico door interactie (RERI), is bijzonder relevant vanuit een volksgezondheidsperspectief, omdat het bepaalt of interventies die meerdere risicofactoren gelijktijdig aanpakken, voordelen zouden opleveren die de som van de voordelen van individuele interventiesoverstijgen 17,18. Eerdere studies, waaronder grote prospectieve cohorten zoals UK Biobank, de Multi-Ethnic Study of Atherosclerosis en de Healthy Life in an Urban Setting-studie, hebben de interactie tussen roken en hypertensie onderzocht in relatie tot eindpunten van cardiovasculaire ziekten 9,19,20. Veel eerdere case-control studies werden echter beperkt door kleine steekproefgroottes en in sommige gevallen door minder gestandaardiseerde blootstellingsdefinities of door het ontbreken van formele additieve interactiebeoordeling21,22. Er wordt erkend dat er aanzienlijke grootschalige cohortenbewijzen over dit onderwerp bestaan, en de huidige studie is bedoeld om deze bevindingen aan te vullen in plaats van te vervangen.

Verschillende methodologische uitdagingen zijn opgemerkt in eerdere case-control-onderzoeken. Eerdere case-control studies gebruikten soms inconsistente blootstellingsdefinities die de directe vergelijkbaarheid mogelijk belemmerden10. Definities van rookstatus varieerden van eenvoudige binaire categorisaties tot meer genuanceerde classificaties die duur en intensiteit meenamen. De kwantificatie van alcoholconsumptie ontbrak ook standaardisatie in bepaalde oudere studies, met uiteenlopende definities van matig en zwaar drinken. Sommige case–control studies hebben te maken gehad met onvoldoende steekproefgroottes, wat resulteerde in gebeurtenissen per variabele (EPV) ratio's onder de aanbevolen drempel van 10–1523, wat leidde tot onstabiele coëfficiëntschattingen en vertekende standaardfouten. Schaarse gegevens in specifieke belichtingscombinaties kunnen leiden tot scheiding in logistische regressie, wat resulteert in een ongelooflijk hoge odds ratio (OR)24. Bovendien zijn ontbrekende gegevens vaak suboptimaal behandeld via volledige case-analyse, wat selectiebias introduceert en de statistische kracht vermindert.

Om deze beperkingen aan te pakken, werd een enkel-centrum retrospectieve case–control studie uitgevoerd. De primaire hypothese was dat roken en alcoholgebruik synergetische interacties met traditionele risicofactoren, met name hypertensie, zowel op multiplicatieve als additieve schaal zouden aantonen, wat suggereert dat gecombineerde blootstellingen een risico opleveren dat de som van individuele effecten overschrijdt. Het doel was om deze onafhankelijke en interactieve effecten te kwantificeren om risicostratificatie en preventiestrategieën te informeren, met bijzondere nadruk op het identificeren van hoogrisico-subgroepen die het meest kunnen profiteren van intensieve multifactoriële interventie.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Deze studie werd uitgevoerd in overeenstemming met de Verklaring van Helsinki en goedgekeurd door de Onderzoeksethische Commissie van het Hebei Algemeen Ziekenhuis (IRB-goedkeuringsnummer: LW-104). Vanwege het retrospectieve karakter van de studie en het gebruik van geanonimiseerde patiëntinformatie, heeft de Ethische Commissie van het Hebei General Hospital de vereiste voor geïnformeerde toestemming opgeheven. De onderzoeksinstrumenten die in dit protocol worden gebruikt, staan vermeld in de Materiaaltabel.

1. Studieontwerp

Dit onderzoek vormde een retrospectieve case-control-studie met één centrum, uitgevoerd in het Hebei General Hospital. De gevallen bestonden uit personen met de allereerste ischemische beroerte, en de controles werden gerekruteerd uit deelnemers die gelijktijdig een gezondheidsonderzoek hadden of niet-cerebrovasculaire poliklinische patiënten in dezelfde instelling. Individuele matching werd uitgevoerd op leeftijd (±3 jaar) en geslacht, met een case-to-control-ratio van 1:2. Wanneer individuele matching niet haalbaar was, werd frequentiematching als aanvullende strategie gebruikt, waarbij matchingfactoren werden opgenomen in latere statistische modellen.

Gegevensbronnen omvatten elektronische patiëntendossiers, beeldarchiverings- en communicatiesystemen voor neuroimaging, laboratoriuminformatiebeheersystemen en databanken voor gezondheidsonderzoeken. Om een adequate steekproefgrootte en voldoende gebeurtenissen per variabele (EPV) voor statistische inferentie te waarborgen, werd een gegevensverzamelingsperiode vastgesteld van 1 januari 2018 tot 30 juni 2025. Deze tijdsperiode werd gekalibreerd om ten minste 300 gevallen en 600 controles te leveren, waarmee werd voldaan aan vooraf bepaalde statistische vermogensvereisten en EPV-drempels voor het primaire analytische model.

2. Deelnemers aan het onderzoek

Gevallen werden gedefinieerd als personen die voor het eerst een ischemische beroerte doormaakten, met klinische manifestaties die overeenkomen met een acuut focale neurologisch tekort van vasculaire etiologie, bevestigend neuroimagingbewijs via computertomografie (CT) of magnetische resonantiebeeldvorming (MRI) met diffusiegewogen beeldvorming (DWI) die een acute herseninfarct aantoonden, en geen eerdere geschiedenis van ischemische beroerte op basis van het medisch dossier en een patiënt- of proxy-interview. Ischemische beroertesubtypes werden geclassificeerd volgens de Trial of Org 10172 in Acute Stroke Treatment (TOAST) criteria door beoordelende neurologen.

Uitsluitingscriteria omvatten hemorragische beroerte (intracerebrale bloeding of subarachnoïdale bloeding) of een tijdelijke ischemische aanval (TIA) zonder infarct op beeldvorming, cerebrale veneuze sinus-trombose en uitgebreide ontbrekende gegevens over kritieke variabelen (>30% ontbreken bij belangrijke blootstelling of covariate metingen die niet betrouwbaar konden worden geïnputeerd).

Twee gecertificeerde neurologen beoordeelden onafhankelijk elk mogelijk geval, waarbij de verschillen werden opgelost door overleg met een derde senior neuroloog. Dit gestandaardiseerde beoordelingsproces zorgde voor diagnostische consistentie en minimaliseerde misclassificatiebias. De indexdatum voor gevallen werd gedefinieerd als de datum van het begin van de beroertesymptomen of, wanneer een precieze aanvangstijd niet beschikbaar was, de datum van de eerste medische presentatie met beroertesymptomen.

Controles werden bemonsterd uit personen die tijdens dezelfde studieperiode het gezondheidsonderzoekscentrum van het ziekenhuis bezochten of zich aanmeldden bij niet-cerebrovasculaire poliklinieken. Toelatingscriteria vereisten het ontbreken van enige geschiedenis van cerebrovasculaire aandoeningen, waaronder beroerte of TIA, zoals vastgelegd in medische dossiers en bevestigd door een gestructureerd interview. Controles werden individueel gematcht met gevallen op leeftijd (±3 jaar) en geslacht in een verhouding van 1:2. Wanneer individuele matching niet mogelijk was, werd frequentiematching gebruikt om vergelijkbare totale leeftijds- en geslachtsverdelingen tussen groepen te waarborgen. In dergelijke gevallen werden matchingsfactoren expliciet opgenomen als covariaten in conditionele of onvoorwaardelijke logistische regressiemodellen om residuele confounding te controleren.

Eerder onderzoek heeft wijdverspreide problemen met onvoldoende steekproefgrootte en onvoldoende EPV aangetoond in epidemiologische studies met gebruik van logistische regressie25. Om deze beperkingen aan te pakken, werd de Peduzzi-vuistregel toegepast, die een minimale EPV van 10 aanbeveelt, waarbij de destijdse richtlijnen een EPV ≥ 15 suggereren voor modellen die interactietermen bevatten. Het primaire analytische model werd a priori gespecificeerd om ongeveer 12 parameters te omvatten, waaronder categorische blootstellingsvariabelen zoals rookstatus en alcoholgebruik, vooraf bepaalde confounders zoals leeftijd met splines, body mass index (BMI), systolische bloeddruk (SBP) met splines, diabetes, dyslipidemie, medicatiegebruik, nierfunctie en homocysteïne, evenals een primaire interactieterm tussen hypertensie en huidig roken.

Categorieën voor het pakjaar en de rookstatus werden niet gelijktijdig in het primaire model opgenomen om collineariteit te voorkomen; in plaats daarvan werden deze in aparte modellen onderzocht. De gelijktijdige opname van de hypertensiediagnose en de SBP-spline was gerechtvaardigd omdat de binaire hypertensievariabele de behandelstatus vastlegt, terwijl de SBP-spline de continue, mogelijk niet-lineaire relatie tussen gemeten bloeddruk en beroerterisico modelleert. De beoordeling van de variantieinflatiefactor (VIF) bevestigde acceptabele collineariteit (VIF < 3,5 voor beide variabelen). Met toepassing van de conservatieve drempel van EPV ≥ 15 werd het minimaal vereiste aantal gevallen van 180 berekend.

De streefgrootte van de steekproef werd vastgesteld op ≥300 gevallen met ≥600 gematchte controles. Deze steekproefgrootte bood ook voldoende statistische kracht om hoofdeffecten en belangrijke interacties te detecteren. Met de Hsieh-methode voor gematchte case–control ontwerpen werden formele power-berekeningen uitgevoerd voor de primaire rookblootstelling, uitgaande van een controle-blootstellingsprevalentie van 30% voor huidig roken, een verwachte odds ratio (OR) van 1,6, α = 0,05 (tweezijdig), een matching ratio van 1:2 en een streefvermogen van 90%.

3. Variabelen en metingen

De belangrijkste uitkomst was het optreden van de allereerste ischemische beroerte (ja/nee). De case-evaluatie vereiste een dubbele neurologische beoordeling op basis van klinische presentatie en bevestigende neuroimaging. De timing van een beroerte werd gedefinieerd als de datum van het begin van de symptomen of, indien niet beschikbaar, de datum van de eerste medische evaluatie die acute neurologische tekorten documenteerde.

Blootstellingsvariabelen omvatten roken en alcoholgebruik. Rookgedrag werd geclassificeerd als nooit roker, voormalig roker of huidige roker. Nooit roken werd gedefinieerd als levenslange consumptie van minder dan 100 sigaretten, het voormalige roken als stoppen minstens 6 maanden vóór de index- of referentiedatum, en het huidige roken als actief roken binnen 6 maanden na de index- of referentiedatum. De rookintensiteit werd gekwantificeerd als pakjaren, berekend als (gemiddelde sigaretten per dag ÷ 20) × jaar roken. Ordinale categorieën (<10, 10–20, >20 pack-jaren) werden gebruikt voor dosis-respons analyses.

De alcoholinname werd gestandaardiseerd op gram pure ethanol per week (g/week), gebaseerd op standaard aannames voor het ethanolgehalte voor bier (5%), wijn (12%) en sterke drank (40%). Een standaarddrank werd gedefinieerd als ongeveer 10 g ethanol. De consumptieniveaus werden gecategoriseerd als geen (0 g/week), licht tot matig (1–100 g/week) en zwaar (>100 g/week).

Alle blootstellingsgegevens werden verzameld via gestructureerde interviews, aangevuld met het abstractie van medisch dossier. In gevallen weerspiegelden de blootstellingen gewoontepatronen in het jaar voorafgaand aan het begin van de beroerte; Voor controles kwamen de blootstellingen overeen met de periode voorafgaand aan het gezondheidsonderzoek of het kliniekbezoek. Indien nodig werden telefonische vervolginterviews met patiënten of gevolmachtigden gehouden.

Figuur 1 toont een gerichte acyclische grafiek die de veronderstelde relaties tussen blootstellingen, confounders en uitkomsten illustreert, die covariaatselectie beïnvloedden. De vooraf gespecificeerde covariatenset omvatte leeftijd, geslacht, BMI, SBP, diabetes mellitus, dyslipidemie, medicatiegebruik, lipidenprofiel (LDL-C, HDL-C), nierfunctie (eGFR), homocysteïne, boezemfibrilleren en familiegeschiedenis. Variabelen werden consistent gecodeerd: 1 gaf aanwezigheid of elevatie aan, en 0 gaf afwezigheid of normale niveaus aan. Tabel 1 geeft gedetailleerde definities en meetspecificaties voor de variabelen.

figure-protocol-1
Figuur 1: Gerichte acyclische grafiek (DAG). Dit diagram toont de vooraf gespecificeerde relaties tussen roken, alcoholgebruik, traditionele cardiovasculaire risicofactoren, gemeten confounders en ischemische beroerte. Gerichte pijlen duiden de veronderstelde analytische structuur aan die wordt gebruikt om de minimaal voldoende aanpassingsset met het dagitty-algoritme te identificeren. Klik hier om een grotere versie van deze figuur te bekijken.

VariabeleDefinitie & MetingEncodingNoten
Ischemische beroerteAllereerst, beeldvormingsbevestigd1/0Primaire uitkomst
RookstatusNooit/Voormalig/Huidig0/1/2Ook recordjaren van de groep
Roedeljaren(Sigaretten/dag ÷ 20) × jaarContinuRCS-modellering
Alcohol (g/week)Pure ethanolgram/weekContinuCategorieën: 0, 1-100, >100
Systolisch BPmmHgContinuRCS-modellering
HypertensieBP ≥140/90 of medicatie1/0Binair
DiabetesDiagnose of medicatie1/0Binair
DyslipidemieDiagnose of medicatie1/0Binair
LDL-Cmmol/LContinuHoger=slechter
HDL-Cmmol/LContinuLager=slechter
eGFRCKD-EPI, mL/min/1,73m²ContinuLager=slechter
Homocysteïneμmol/LContinuHoger=slechter
StatinegebruikMedicatiegeschiedenis1/0Binair
Gebruik van antihypertensivaMedicatiegeschiedenis1/0Binair
HTN × RokenProductterm--Primaire interactie
Bloeddruk, bloeddruk; CKD-EPI, Chronische Nierziekte Epidemiologie Samenwerking; HDL-C, hoogdichtheidslipoproteïne-cholesterol; HTN, hypertensie; LDL-C, laagdichtheids lipoproteïne-cholesterol; RCS, beperkte kubieke splines
(Uniform 1=Huidig/Hoog, 0=Afwezig/Laag)

Tabel 1: Variabelencoderingswoordenboek (Uniform 1=Aanwezig/Hoog, 0=Afwezig/Laag). Deze tabel definieert het coderingsraamwerk dat wordt gebruikt voor alle binaire, categorische en continue variabelen en documenteert de geharmoniseerde meetregels die tijdens data-abstractie worden toegepast.

4. Gegevensbronnen, opschoning en verwerking van ontbrekende gegevens

Om transcriptiefouten te minimaliseren, voerden twee onafhankelijke onderzoekers parallelle dataabstractie uit voor alle gevallen en een willekeurige 10% steekproef van controles, waarbij discrepanties werden opgelost via beoordeling door derden. Datakwaliteitsborging omvatte bereikcontroles op onwaarschijnlijke waarden, logische consistentiecontroles en de resolutie van dubbele records. De betrouwbaarheid van inter-raters werd beoordeeld met intraclass correlatiecoëfficiënten voor continue variabelen en Cohen's kappa-statistieken voor categorische variabelen, waarbij alle waarden boven de 0,85 uitkwamen.

Ontbrekende gegevens werden aangepakt met meervoudige imputatie door ketenvergelijkingen (MICE). Voorspellende gemiddelde matching werd gebruikt voor continue variabelen, logistische regressie voor binaire variabelen, en multinomiale of ordinale logistische regressie voor categorische variabelen indien van toepassing. Twintig geïmpluteerde datasets werden gegenereerd om de schattingsprecisie te verbeteren. Het imputatiemodel omvatte alle analysevariabelen, hulpvariabelen gerelateerd aan ontbreking en het resultaat. Afgeleide variabelen, waaronder interactietermen, werden passief geïimputeerd om consistentie te behouden.

5. Statistische analyse

De goodness-of-fit en voorspellende prestaties van het model werden geëvalueerd met behulp van meerdere meetmethoden. Multicollineariteit werd beoordeeld met behulp van variantie-inflatiefactoren (VIFs), waarbij VIF >10 een problematische multicollineariteit aangeeft die remediatie vereist via variabele reductie of ridge-penalisatie. Discriminatie werd gekwantificeerd met behulp van het oppervlak onder de kromme (AUC). Het moet worden opgemerkt dat, omdat dit een gematchte case–control studie was, absolute risico's niet direct konden worden geschat, en de AUC was afgeleid van een onvoorwaardelijk logistisch regressiemodel dat leeftijd, geslacht en alle vooraf bepaalde covariaten omvatte als secundaire beoordeling van discriminerende capaciteit in plaats van als claim op populatieniveau kalibratie. De gerapporteerde Brier-score weerspiegelt het gemiddelde kwadratische verschil tussen voorspelde kansen en de waargenomen case–control-status binnen de analytische steekproef en wordt gepresenteerd als een relatieve modelprestatiemaatstaf in plaats van als een gekalibreerde populatiemetriek, aangezien de 1:2 case-to-control-verhouding niet de werkelijke ziekteprevalentie weerspiegelt. Beslissingscurveanalyse werd uitgevoerd als secundaire beoordeling; Numerieke metrieken en drempelbereiken worden in de tekst gerapporteerd.

Wat betreft additieve interactiematen (RERI, AP, S) wordt erkend dat deze metrics formeel worden gedefinieerd in termen van risico's of relatieve risico's (RR's). In het huidige gematchte case–control ontwerp dienen odds ratio's (OR's) die worden geschat op basis van conditionele logistische regressie als benaderingen van RR's onder de aanname van zeldzame ziekten. Op basis van de bronpopulatiegegevens (3.847 potentiële cerebrovasculaire gevallen gescreend uit een bredere klinische populatie samen met 18.456 in aanmerking komende controles), was de prevalentie van beroertes in deze institutionele setting ongeveer 17%–18%. Hoewel dit de conventionele drempel voor de aanname van zeldzame ziekten overschrijdt, heeft recent methodologisch onderzoek aangetoond dat additieve interactiematen afgeleid van OR's informatief en richtinggevend consistent blijven met die gebaseerd op RR's, zelfs wanneer de prevalentie van de ziekte matig is, hoewel de omvang van RERI enigszins overschat kan zijn17,18. De conditionele OR's uit de gematchte analyse werden gebruikt om RERI, AP en S te berekenen, met bootstrapped betrouwbaarheidsintervallen (1.000 replica's) om valide inferentie te bieden. Deze resultaten moeten worden geïnterpreteerd als benaderende metingen van additieve interactiesterkte in plaats van exacte risicoattributies op populatieniveau.

De zes frequentie-gematchte gevallen (1,9% van het totaal) werden behandeld door matchende variabelen (leeftijd en geslacht) als covariaten op te nemen in het conditionele logistische regressiemodel. Een gevoeligheidsanalyse die deze zes gevallen en hun gematchte controles uitsloot, leverde vrijwel identieke resultaten op (gegevens niet getoond), wat bevestigde dat deze kleine afwijking van individuele matching de conclusies niet beïnvloedde.

Invloedrijke waarnemingen en uitschieters werden geïdentificeerd met behulp van delta–bèta-statistieken en Cook's afstand, en gevoeligheidsanalyses waarbij extreme waarden werden uitgesloten om de bevindingen te beoordelen. De volgende vooraf gespecificeerde gevoeligheidsanalyses werden uitgevoerd: heranalyse waarbij alleen de huidige roker (versus nooit/voormalig gecombineerd) als binaire blootstelling werd gebruikt; evaluatie van associaties met ischemische beroerte-subtypes geclassificeerd volgens TOAST-criteria waar gegevens dat toelieten; vergelijking van modellen met verschillende aantallen en posities van beperkte kubieke spline (RCS) knopen voor continue covariaten; volledige casusanalyse beperkt tot personen met volledige gegevens over alle modelvariabelen; sequentiële verwijdering van waarnemingen met extreme covariate waarden (voorbij het 1e en 99e percentiel); stratificatie op geslacht en leeftijdscategorieën (<60 en ≥60 jaar), inclusief een aparte analyse van jonge patiënten met een beroerte (≤55 jaar); en, als de resterende covariate onbalans bleef bestaan na matching (gestandaardiseerd gemiddelde verschil ≥0,10), inverse probability of treatment weighting (IPTW) met gebruik van propensity scores voor belangrijke blootstellingen als aanvullende analyses.

Wat betreft de schatting van de propensity score in dit case–control ontwerp, werd het propensity-model aangepast om de kans op actuele rook (blootstelling) te voorspellen, afhankelijk van pre-exposure covariaten, in plaats van de case–control status; Daarom heeft de 1:2 steekproefverhouding geen invloed op de geldigheid van de propensiteitsscore. Alle analyses werden uitgevoerd met R versie 4.3.x of later (R Foundation for Statistical Computing, Wenen, Oostenrijk). Belangrijke pakketten omvatten survival (conditionele logistische regressie), logistf (Firth's gestrafte logistische regressie), rms (RCS en modeldiagnostiek), epiR (additieve interactiematen), muizen (meervoudige imputatie), boot (bootstrap betrouwbaarheidsintervallen) en ggplot2 (datavisualisatie).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

Steekproefafleiding en matchingsucces
Figuur 2 toont het deelnemersstroomdiagram volgens de richtlijnen Strengthening the Reporting of Observational Studies in Epidemiology. Uit een initiële groep van 3.847 patiënten met vermoedelijke cerebrovasculaire gebeurtenissen tussen januari 2018 en juni 2025 werden 892 met hemorragische beroerte, 456 met TIA zonder infarct, 127 met cerebrale veneuze trombose, 1.238 met terugkerende beroertes en 822 met onvold...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Deze case–control studie, met EPV = 26,0, pre-registratie, Firth's straf, meervoudige imputatie en dual-scale interactiebeoordeling, leverde verschillende bevindingen op. Ten eerste werden onafhankelijke verbanden bevestigd tussen aanpasbare risicofactoren—huidig roken, zware alcoholconsumptie, hypertensie en diabetes mellitus—en de allereerste ischemische beroerte, met effectgroottes die overeenkomen met internationale literatuur. Ten tweede werd een significante synergetische interacti...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs verklaren geen concurrerende belangen. Geen financiële of niet-financiële belangenconflicten hebben invloed gehad op het studieontwerp, gegevensverzameling, analyse, interpretatie of het voorbereiden van manuscripten.

Dankbetuigingen

De auteurs bedanken de deelnemers voor hun bijdragen. Het medisch personeel en de onderzoeksassistenten van het Hebei Algemeen Ziekenhuis worden erkend voor hun hulp bij gegevensverzameling en patiëntenzorg. Deze studie werd ondersteund door het Speciale Programma Innovatie Gezondheid en Welzijn (Projectnummer: 242W7703Z) en het Centraal Fondsen Project voor het Leiden van Lokale Technologische Ontwikkeling (Vrij verkennend Fundamenteel Onderzoek) (Projectnummer: 236Z7745G).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
Computed tomography (CT) imaging systemHebei General Hospital Department of RadiologyN/AKlinisch CT-platform gebruikt als onderdeel van routine neuroimaging-beoordeling voor vermoedelijke cerebrovasculaire gebeurtenissen.
Electronic health record (EHR) systemHebei General HospitalN/AInstitutioneel klinisch recordsysteem dat wordt gebruikt om demografische informatie, diagnoses, medische geschiedenis, medicatiegebruik en klinische ontmoetingsgegevens voor geanonimiseerd deelnemers op te halen.
Health examination databaseHebei General HospitalN/AInstitutionele gezondheidsonderzoeksdatabase die wordt gebruikt als één bron voor controle-identificatie en matching.
Laboratory information management system (LIMS)Hebei General HospitalN/AInstitutionele laboratoriumdatabase die wordt gebruikt om LDL-C, HDL-C, eGFR, homocysteïne en andere laboratoriumvariabelen te extraheren.
Magnetic resonance imaging (MRI) system with diffusion-weighted imaging (DWI)Hebei General Hospital Department of RadiologyN/AKlinisch MRI/DWI-platform dat wordt gebruikt om acute cerebrale infarct te bevestigen waar beschikbaar.
Medical record abstraction formStudy-developed form, Hebei General HospitalN/AGestandaardiseerd abstractieformulier dat wordt gebruikt door onafhankelijke onderzoekers om blootstelling, covariate, medicatie en uitkomstgegevens te extraheren.
Microsoft ExcelMicrosoft CorporationMicrosoft 365/Excel-compatibel werkbladWordt gebruikt om tabelvormige brondata te organiseren en het aanvullende datawerkblad voor te bereiden.
Picture archiving and communication system (PACS)Hebei General HospitalN/AInstitutioneel neuroimaging-archief dat wordt gebruikt om CT en MRI/DWI-studies te beoordelen voor bevestiging en beslechting van ischemische beroerte.
R package: bootCRAN/R package authorsbootWordt gebruikt om bootstrap-betrouwbaarheidsintervallen te berekenen.
R package: dagittyCRAN/dagitty projectdagittyWordt gebruikt voor de specificatie van gerichte acyclische grafieken en verificatie van aanpassingssets.
R package: epiRCRAN/R package authorsepiRWordt gebruikt om additieve interactiemetingen te schatten, waaronder RERI, AP en synergie-index.
R package: ggplot2CRAN/R package authorsggplot2Wordt gebruikt om statistische figuren en visualisaties te genereren.
R package: logistfCRAN/R package authorslogistfWordt gebruikt voor Firth's gesanctioneerde logistische regressie om schaarse-gegevensbias aan te pakken.
R package: miceCRAN/R package authorsmiceWordt gebruikt voor meervoudige interpolatie door ketenvergelijkingen.
R package: rmsCRAN/R package authorsrmsWordt gebruikt voor beperkte kubieke splines en modeldiagnostiek.
R package: survivalCRAN/R package authorssurvivalWordt gebruikt voor conditionele logistische regressie in de gekoppeld case-control-analyse.
R statistical softwareR Foundation for Statistical ComputingVersie 4.3.x of laterPrimair statistische omgeving die wordt gebruikt voor regressiemodellering, interpolatie, interactieanalyse, bootstrapping, diagnostiek en visualisatie.
STROBE reporting checklistSTROBE InitiativeN/ARapportageframework dat wordt gebruikt om de flow van observatiestudies en rapportage van het manuscript te structureren.
Structured interview formStudy-developed form, Hebei General HospitalN/AGestandaardiseerd formulier dat wordt gebruikt om rookstatus, pakjaar, alcoholgebruik en relevante historische blootstellingsinformatie te verzamelen of te verifiëren.
TOAST ischemic stroke subtype classificationTrial of Org 10172 in Acute Stroke Treatment classification systemN/AKlinische classificatiesysteem dat wordt gebruikt door neurologen om subtypen van ischemische beroerte te categoriseren.

Referenties

  1. GBD 2019 Stroke Collaborators. Global, regional, and national burden of stroke and its risk factors, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet Neurol. 2021;20(10):795-820.
  2. Feigin VL, Brainin M, Norrving B, et al. World Stroke Organization: global stroke fact sheet 2025. Int J Stroke. 2025;20(2):132-144.
  3. Pu L, Wang L, Zhang R, et al. Projected global trends in ischemic stroke incidence, deaths, and disability-adjusted life years from 2020 to 2030. Stroke. 2023;54(5):1330-1339.
  4. Tuttolomondo A, Pecoraro R, Casuccio A, et al. Peripheral frequency of CD4+ CD28- cells in acute ischemic stroke: relationship with stroke subtype and severity markers. Int J Mol Sci. 2022;23(16):9476.
  5. Gorelick PB, Whelton PK. Blood pressure management in stroke: viewpoint. Hypertension. 2020;76(6):1688-1695.
  6. Zhong XL, Dong Y, Xu W, et al. Role of blood pressure management in stroke prevention: a systematic review and network meta-analysis of 93 randomized controlled trials. J Stroke. 2021;23(1):1-11.
  7. Ha SH, Lee DY, Shim JS, et al. Dyslipidemia treatment and cerebrovascular disease: evidence regarding the mechanism of stroke. J Lipid Atheroscler. 2024;13(2):139-154.
  8. Luo J, Tang X, Li F, et al. Cigarette smoking and risk of different pathologic types of stroke: a systematic review and dose–response meta-analysis. Front Neurol. 2022;12:772373.
  9. Gallucci G, Tartarone A, Lerose R, et al. Cardiovascular risk of smoking and benefits of smoking cessation. J Thorac Dis. 2020;12(7):3866-3876.
  10. Khan M, Wasay M, O’Donnell MJ, et al. Risk factors for stroke in the young (18–45 years): a case-control analysis of INTERSTROKE data from 32 countries. Neuroepidemiology. 2023;57(5):275-283.
  11. Larsson SC, Burgess S, Mason AM, et al. Alcohol consumption and cardiovascular disease: a Mendelian randomization study. Circ Genom Precis Med. 2020;13(3):e002814.
  12. Reynolds K, Lewis B, Nolen JD, et al. Alcohol consumption and risk of stroke: a meta-analysis. JAMA. 2003;289(5):579-588.
  13. Ding C, O’Neill D, Bell S, et al. Association of alcohol consumption with morbidity and mortality in patients with cardiovascular disease: original data and meta-analysis of 48,423 men and women. BMC Med. 2021;19(1):167.
  14. Toubasi AA, Al-Sayegh TN. Alcohol use and types of ischemic stroke: a systematic review and meta-analysis. Eur Neurol. 2025;88(3-4):140-150.
  15. Tomar K. Effect of alcoholism on ego strength among adults. Indian J Health Wellbeing. 2025;16(1):70-72.
  16. Biddinger KJ, Emdin CA, Haas ME, et al. Association of habitual alcohol intake with risk of cardiovascular disease. JAMA Netw Open. 2022;5(3):e223849.
  17. Rothman KJ, Greenland S, Lash TL. Modern epidemiology. 3rd ed. Philadelphia (PA): Lippincott Williams & Wilkins; 2008.
  18. Li R, Chambless L. Test for additive interaction in proportional hazards models. Ann Epidemiol. 2007;17(3):227-236.
  19. Lacey B, Herrington WG, Preiss D, et al. The role of emerging risk factors in cardiovascular outcomes. Curr Atheroscler Rep. 2017;19(6):28.
  20. Roerecke M, Kaczorowski J, Myers MG. Comparing automated office blood pressure readings with other methods of measurement: a systematic review and meta-analysis. JAMA Intern Med. 2019;179(3):351-362.
  21. Lin S, Hu C, Lin Z, et al. Bayesian estimation of the measurement of interactions in epidemiological studies. PeerJ. 2024;12:e17128.
  22. Knol MJ, VanderWeele TJ, Groenwold RH, et al. Estimating measures of interaction on an additive scale for preventive exposures. Eur J Epidemiol. 2011;26(6):433-438.
  23. Zabor EC, Reddy CA, Tendulkar RD, et al. Logistic regression in clinical studies. Int J Radiat Oncol Biol Phys. 2022;112(2):271-277.
  24. Firth D. Bias reduction of maximum likelihood estimates. Biometrika. 1993;80(1):27-38.
  25. Riley RD, Ensor J, Snell KIE, et al. Calculating the sample size required for developing a clinical prediction model. BMJ. 2020;368:m441.
  26. Bujang MA. A step-by-step process on sample size determination for medical research. Malays J Med Sci. 2021;28(2):15.
  27. Amarenco P, Kim JS, Labreuche J, et al. A comparison of two LDL cholesterol targets after ischemic stroke. N Engl J Med. 2020;382(1):9-19.
  28. Torres-Riera S, Arboix A, Parra O, et al. Predictive clinical factors of in-hospital mortality in women aged ≥85 years with acute ischemic stroke. Cerebrovasc Dis. 2025;54(1):11-19.
  29. Arboix A, Estevez S, Rouco R, et al. Clinical characteristics of acute lacunar stroke in young adults. Expert Rev Neurother. 2015;15(7):825-831.
  30. Libby P, Buring JE, Badimon L, et al. Atherosclerosis. Nat Rev Dis Primers. 2019;5(1):56.
  31. VanderWeele TJ, Ding P. Sensitivity analysis in observational research: introducing the E-value. Ann Intern Med. 2017;167(4):268-274.
  32. Hackshaw A, Morris JK, Boniface S, et al. Low cigarette consumption and risk of coronary heart disease and stroke: meta-analysis of 141 cohort studies. BMJ. 2018;360:j5855.
  33. Duncan MS, Freiberg MS, Greevy RA Jr, et al. Association of smoking cessation with subsequent risk of cardiovascular disease. JAMA. 2019;322(7):642-650.
  34. Larsson SC, Burgess S, Michaëlsson K. Smoking and stroke: a Mendelian randomization study. Ann Neurol. 2019;86(3):468-471.
  35. Samokhvalov AV, Irving HM, Rehm J. Alcohol consumption as a risk factor for atrial fibrillation: a systematic review and meta-analysis. Eur J Cardiovasc Prev Rehabil. 2010;17(6):706-712.
  36. Park TH, Ko Y, Lee SJ, et al. Identifying target risk factors using population attributable risks of ischemic stroke by age and sex. J Stroke. 2015;17(3):302-311.
  37. Riley RD, Snell KI, Ensor J, et al. Minimum sample size for developing a multivariable prediction model: part II—binary and time-to-event outcomes. Stat Med. 2019;38(7):1276-1296.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Tags

Risico op hypertensieinteractie met rokenadditieve interactiecardiovasculaire risicofactorenconditionele logistische regressiediabetes mellitusalcoholconsumptie