重新定位非最佳胆固醇的全球震中

　　我们的目标是估计200个国家和地区的平均总，HDL和非HDL胆固醇的趋势（补充表2） 。我们使用了非HDL胆固醇 ，而不是低密度脂蛋白（LDL）胆固醇
，因为我们分析中的大多数研究都测量了总胆固醇和HDL胆固醇，可以通过减法从中计算非HDL胆固醇
。相比之下 ，仅在大约14％的研究中直接测量了LDL胆固醇。当未直接测量LDL胆固醇时
，其计算需要有关甘油三酸酯的数据，这些数据可在大约64％的研究中获得 。此外 ，最常用的估计方法（即弗里德瓦尔德方程）可能不准确
，尤其是在高水平的甘油三酸酯34上
。非HDL和LDL胆固醇高度相关（Pearson相关系数= 0.94）在有关两个变量数据的研究中（扩展数据图9），因为LDL胆固醇构成了大多数非HDL胆固醇。此外 ，非HDL胆固醇至少可以预测IHD风险和LDL胆固醇5,35，并且可以以比LDL胆固醇低的成本进行测量
，这与在低收入和中等收入国家中使用的程度相关 。尽管非HDL胆固醇现在通常用于临床指南36,37,38，但LDL胆固醇仍然是治疗的关键靶标36,37 ，这可能是因为对非HDL胆固醇的解释比单独的LDL胆固醇更为复杂
。具体而言
，非HDL胆固醇的升高可能是由于LDL胆固醇或极低密度脂蛋白胆固醇39所致。此外，有一些证据表明 ，与高收入西方国家相比
，亚洲人口的甘油三酸酯水平很高 。40。因此，关于非HDL胆固醇的数据可以激励饮食干预措施降低LDL胆固醇（例如 ，降低饱和和反式脂肪的摄入量）和甘油三酸酯水平（例如
，例如 减少精制碳水化合物并增加omega-3脂肪酸），以及降低LDL胆固醇（他汀类药物）的处理 ，以及降低甘油三酸酯（例如纤维化）的处理
。 　　我们使用了NCD风险因素协作（NCD-RISC）整合的基于人群的数据库
，该数据库是一个全球范围内的卫生研究人员和从业人员网络，该网络系统地监视了全球范围内的趋势和非通信疾病（NCD）风险因素的变化。通过多个识别和访问数据的路线对数据库进行了整理 。我们访问了公共可用的基于人群的多国和国家测量调查（例如 ，通过政治和社会研究的大学间财团确定的人口和健康调查以及调查以及欧洲健康访谈和健康检查调查数据库）
。我们通过世界卫生组织（WHO）及其区域和国家办公室要求卫生部以及其他国家卫生和统计机构来识别和访问基于人群的调查。请求还通过世界心脏联合会发送给其国家合作伙伴 。我们与较早对心脏代谢风险因素进行汇总分析的合着者相似，并邀请分析的合着者从他们的研究中重新分析数据并加入NCD-RISC
。最后
，为了确定通过上述途径无法访问的主要来源，我们按照补充信息中所述进行了搜索和审查已发表的研究 ，并邀请所有合格的研究加入NCD-RISC。 　　对于每个数据源
，我们记录了有关研究人群，开始年度和测量持续时间 ，抽样方法和测量方法的可用信息 。有关研究人群的信息用于确定每个数据源都是基于人群的
，并评估它是覆盖整个国家，多个次生地区还是一个或少数社区 ，以及它是农村
，城市还是合并
。 　　我们仔细检查了所有数据源如何满足我们的包含和排除标准。我们通过比较同一国家和年份的研究来确定重复的数据源 。此外，要求所有NCD-RISC成员定期审查来自其国家的来源清单 ，建议不在数据库中的其他来源
，并验证所包含的数据是否符合下面列出的包含标准，并不是重复的
。NCD-RISC数据库通过上述路线不断更新 ，并通过与NCD-RISC成员进行定期联系。 　　根据公共协议重新分配了来自NCD-RISC中包含的源的匿名单个记录数据 。在每个调查中，我们包括未怀孕的18岁及以上的参与者。我们删除了令人难以置信的总胆固醇水平的参与者（定义为总胆固醇水平 <1.75 mmol l−1 or >20 mmol L -1或低于HDL胆固醇值的总胆固醇值）（<0.05% of all participants with total cholesterol measurements) or HDL cholesterol levels (defined as HDL cholesterol levels of <0.4 mmol l−1 or >5 mmol L -1或低于HDL胆固醇值的总胆固醇值（所有接受HDL胆固醇测量的参与者的0.15％）
。当还提供有关LDL胆固醇的数据时
，我们删除了LDL和HDL胆固醇水平的总和超过总胆固醇水平的人，其基于测量错误的限制的限制（CDC胆固醇参考方法实验室网络（CRMLN）标准为8.9％的CDC胆固醇参考方法 ，HAD库尔酚的chrol chell and chelter ch ol chlest and chelster and chester and chelter and chelter ch ch ch and of ch olter的限制超过了。LDL胆固醇）（所有胆固醇和HDL胆固醇测量的参与者中的0.06％）44,45,46 。 　　我们通过性别和年龄组计算了平均总胆固醇
，平均HDL胆固醇和平均非HDL胆固醇以及相关的标准误差和样本量（18-19岁零20-29岁，其次是10岁年龄段和80岁以上）
。所有分析都将适当的样本权重和复杂的调查设计纳入计算年龄 - 性特异性的情况下。为了确保根据研究协议准备摘要 ，向要求提供帮助的NCD-RISC成员提供了计算机代码 。所有提交的数据均由至少两名研究人员独立检查
。与NCD-RISC成员讨论了问题和澄清
，并在数据库中纳入数据之前就解决了。 　　最后，我们通过从上述策略中确定的所有其他国家健康调查的报告中提取数据 ，以及WHO WHO跨国趋势和决定因素的八个地点（MONICA）项目（MONICA）项目中未沉积在Monica数据中心中未沉积的趋势和决定因素 。只有在性别报告和年龄段的报告中
，才从已发布的报告中提取数据
。当此类数据与通过上述路线访问的数据没有重叠时，我们还使用了以前的合并研究7的数据。 　　数据源被包括在NCD-RISC数据库中 ，如果：（1）可用的有关总体LDL
，HDL胆固醇和/或甘油三酸酯的测量数据；（2）研究参与者为10岁以上；（3）使用具有定义的采样框架的概率采样方法收集数据；（4）数据来自国家统治下的人口样本（涵盖一个或多个次生地区，三个以上的城市社区或五个以上的农村社区）或社区（一个或少数社区）；（5）在1950年或之后收集数据；（6）来自补充表2中列出的国家和地区的数据 。 　　我们排除了仅包括高胆固醇血症或血脂异常诊断病史或药物状况的所有数据源 ，而无需测量胆固醇水平
。我们还排除了有关脂质概况可能与普通人群有系统不同的人群亚组的数据源，包括：（1）根据其健康状况或心血管风险
，包括或排除人的研究；（2）参与者仅来自少数民族的研究；（3）仅招募了特定的教育，职业或社会经济亚组的研究 ，以下例外；（4）通过医疗机构招募参与者的研究
，但以下例外。 　　我们在国家和年龄段中使用了基于学校的数据，中学入学人数为70％或更高 。我们使用了采样框架是健康保险计划的数据 ，其中至少有80％的人口被保险。最后
，我们使用了具有通用保险的高收入和中欧国家中的一般实践和初级保健系统收集的数据，因为与基于人群的调查的一级护理系统的接触往往与响应率一样好或更好
。我们使用了数据源 ，无论禁食状态如何
，因为禁食和非燃料测量之间的差异可以忽略不计，而对于总体 ，非HDL和HDL胆固醇39
，因此现在非燃料的脂质曲线被广泛认可以估计心血管风险36,37。 　　在本文中，我们使用了1980年至2018年的NCD-RISC数据库中的数据以及18岁以上的个人 。补充表1中提供了我们在此分析中使用的数据源及其特征的列表
。该数据包括1,127个基于人群的测量调查和研究 ，其中包括对18岁及以上年龄较大的1.0260万参与者的血脂测量。我们对200个国家中的161个估计中的161个数据源至少有一个数据源，覆盖了2018年全球92.4％的人口（扩展数据图1）；至少有两个国家的数据来源（占世界人口的87.5％） 。在这1,127个来源中
，有409个（36.3％）从国家人口中取样，250（22.2％）覆盖了一个或多个以下地区 ，其余的468（41.5％）来自一个或少数社区
。在区域上
，数据的可用性范围从撒哈拉以南非洲的每个国家约2个数据源到高收入亚太地区的每个国家约35个来源。从2000年开始，总共有454个数据来源（40.3％） ，其余的673（59.7％）从2001年开始收集 。 　　在我们的分析中使用的1,127个数据源中的112个（10％）中（分别为年龄 - 性质特异性数据点的11.5％和5.8％）使用便携式设备测量了脂质
。一些便携式设备的分析范围比实验室方法窄
，这导致血液胆固醇数据的截断超出其范围（补充表3）。这可能会影响人口平均值 。尽管这些设备的胆固醇浓度以“高 ”（高于测量范围）或“测量范围低于测量范围
”（低于测量范围）的胆固醇浓度显示，但不同的调查记录和代码胆固醇浓度以不同的方式以外的方式 ，例如使用“太低”
，“太高 ”和“错误
”和“错误”代码；将最小值或最大值分配给胆固醇分别低于或高于分析范围的个体；将值设置在分析范围之外丢失；等等
。我们使用了一种始终如一地处理调查的方法。 　　具体而言，我们首先将所有胆固醇水平的参与者低于和最小降低 ，并在计算平均胆固醇之前的最大值和最大值（补充表3） 。然后
，我们开发了转化回归，以调整使用便携式设备（在限制范围内计算 ，补充表3）测量的平均胆固醇水平，以使用实验室测量值预期的水平。每个回归中的因变量是整个范围的平均总数
，非HDL或HDL胆固醇，并且在上述限制性胆固醇范围内 ，主要独立变量为平均总变量
，非HDL或HDL胆固醇
。从在实验室中测量脂质的数据源估算回归系数，因此具有全范围的测量范围 ，可用于计算因变量和独立变量。在估计回归系数时
，我们使用完整数据构建了因变量，并通过将每个设备的上述限制性胆固醇范围之外的值丢弃 ，从而模仿那些如果使用便携式设备
，则可以模仿那些预期的胆固醇 。根据不同便携式设备的特定范围开发单独的模型
。所有回归均包括年龄和性别的术语，以及根据贝叶斯信息标准47的预测因素与年龄与性别之间的相互作用。平均非HDL胆固醇的回归还包括平均总胆固醇和平均HDL胆固醇 ，因为非HDL胆固醇是根据总胆固醇和HDL胆固醇计算得出的 。我们排除了少于25个人的数据点
，以估计这些回归的系数
。转换中的所有不确定性来源 - 包括原始数据的采样不确定性， 回归系数和残差的不确定性 - 通过使用各自分布的重复抽签来实现。补充表4中显示了用于估计系数的回归系数和数据点的数量 。 　　我们使用统计模型使用所有可用数据来估计按国家 ，年份，性别和年龄的平均总体
，非HDL和HDL胆固醇
。该模型在统计文件和相关实质性论文中详细描述8,32,33,48；计算机代码可在http://www.ncdrisc.org/上获得。总而言之，我们主要基于地理和国民收入 ，将国家组织成21个地区 。这些区域进一步汇总为9个“超级区域 ”（补充表2）
。该模型具有层次结构
，在该结构中，每个国家和年份的估计都以其自己的数据（如果有）以及来自同一国家和其他国家（尤其是同一地区的国家或超级区域）的其他年份的数据来告知 ，或者在相似时间段的超级区域都有数据。每个国家年度的估计受到其他年份和其他国家 /地区的数据影响的程度取决于该国是否具有数据
，数据的样本，是否是国家 ，国家内部和区域内数据可变性 。该模型结合了包括线性项和二阶随机步行的非线性时间趋势。血脂的年龄关联是使用立方样条进行建模的
，以允许非线性年龄模式在各个国家可能有所不同
。该模型解释了亚国和社区样本中的血脂可能与国家代表性的样本有可能不同。和/或具有更大的变化 。这些功能是通过包括数据驱动的固定效应和随机效应术语来实现的
。固定效果调整了次国或社区研究与国家研究之间的系统差异。随机效应使国家数据对估计值的影响更大，而样本量相似的次国或社区数据 。该模型还解释了血脂的农村 - 城市差异 ， 通过使用数据驱动的固定效应
，用于仅农村和仅城市研究
。这些乡村和城市的影响是由研究级别和国家水平的城市化之间的差异加权。该模型中还包括了居住在城市地区的全国人口的比例 。平均非HDL和HDL胆固醇的模型还使用年龄标准化的平均总胆固醇作为协变量
。 　　我们将统计模型与马尔可夫链蒙特卡洛（MCMC）算法拟合，并从模型参数的后验分布中获得了5,000个燃烧后样品 ，这些样本又用于获得平均总，非HDL和HDL胆固醇的后验分布。在39年的分析中
，我们计算了平均总数，HDL和非HDL胆固醇的平均变化（据报道为每十年的变化） 。使用WHO标准人群 ，通过采取年龄 - 性特异性估计的加权平均值来产生年龄标准化的估计
。对地区和世界的估计是按年龄组和性别估计的组成国家估计的人口加权平均值。报告的可信间隔代表后验分布的2.5-97.5％ 。我们还报告了后验概率
，即估计的增加或减少代表了与偶然观察相反的真正增加或减少的趋势。我们通过性别进行了所有分析，因为男性和女性的血脂水平和趋势不同
。 　　我们在两个不同的测试中测试了统计模型如何预测缺失数据（称为外部预测有效性）的程度。在第一个测试中 ，我们掌握了来自10％国家 /地区的所有数据（也就是说
，在没有数据的情况下，没有数据的国家出现） 。从以下三个组中随机选择了数据被扣留的国家：数据丰富（5个或更多数据源 ，2000年以后至少有一个数据源）
，数据差（1个数据源）和平均数据可用性（2-4个数据源）
。在第二次测试中，我们通过在数据源丰富 ，数据贫乏和平均数据源的混合中拿出10％的数据源来评估丢失数据的其他模式
，如上所述。对于一个给定的国家，我们要么保留了一个国家的一个国家数据的一半 ，要么是该国的2000 - 2018年数据中的所有数据，以分别确定我们对拥有间歇性数据的国家的差距以及我们在没有最新数据的国家 /地区估计的估计程度 。在这两个测试中
，我们随后将模型拟合到其余90％的国家（测试1）或数据源（测试2），并对持有观察结果进行了估算
。我们重复了每个测试五次 ，并在每个重复中拿出不同的数据子集。在这两个测试中
，我们都计算了固定数据和估计值之间的差异 。我们还计算了估计值的95％可靠间隔；在具有良好外部预测有效性的模型中，有95％的持有值将包括在95％的可靠间隔中
。 　　我们的统计模型在外部验证测试中表现良好 ，也就是说
，当数据丢失时估计平均胆固醇。The estimates of mean total, non-HDL and HDL cholesterol were unbiased, as evidenced with median errors that were very close to zero globally for every outcome and test, and less than ±0.30 mmol l−1 in every subset of withheld data except for women in the high-income Asia–Pacific region in test 1 for non-HDL cholesterol (median error 0.47 mmol l−1) and men in south非HDL胆固醇测试2中的亚洲（中位误差-0.33 mmol L-1）（补充表5） 。在第一和第二次测试中，全球的95％可靠间隔分别覆盖了全球真实数据的83-92％和75-83％
。在子集中 ，覆盖范围从47％到100％
，但大多数大于75％，在测试2中的承保范围通常低于测试1。中位数的绝对错误在0.07至0.23 mmol l-1全球范围内 ，全球范围内的不同结果和性别的全球性别不等
，并且在所有妇女中不超过0.45 mmol l-1，除了及格的妇女（均为0.45 mmol l-1） 。测试1中的胆固醇（中值绝对误差0.47 mmol L -1）。 　　我们估计了归因于高非HDL胆固醇的IHD和缺血性中风的死亡人数
。对于每个国家 ，年份，性别和年龄段
，我们首先计算了可归因的人群，即 ，如果非HDL胆固醇水平达到最佳水平（定义为平均为1.8-2.2 mmol L-1）
，则IHD和缺血性中风的死亡比例将被预防。对于这些计算，我们使用了前瞻性队列研究的荟萃分析的特定年龄相对风险4,5,50 。通过将特定原因的特定因素归因于1990年和2017年全球研究的特定原因归因于特定原因的死亡乘以特定原因的人群（这是最早的和最新的原因）（具有最早的原因和特定原因数据）的特定原因 ，可以计算出归因于非HDL胆固醇的IHD和缺血性中风死亡的数量
。 　　我们研究的优势包括其在近四十年中
，在近四十年中，在包括非HDL和HDL胆固醇的全球估计值中 ，对血液胆固醇及其心血管疾病死亡率负担的趋势及其心血管疾病死亡率负担的估计的范围进行了范围。我们使用了大量基于人群的数据
，这些数据来自92％的全球成年人居住的国家 。我们仅使用了测量血脂的研究中的数据，以避免自我报告的数据中的偏见
。根据一致的协议对数据进行了分析 ，并通过NCD-RISC成员的重复检查对每个国家的数据的特征和质量进行了严格的验证。我们使用统计模型汇总数据
，该模型考虑了胆固醇的流行病学特征，包括非线性时间趋势和年龄关联 。我们的统计模型使用了所有可用的数据 ，同时给国家数据的权重比对次国和社区资源的重量更大
。 　　与所有全球分析类似，我们的研究受到某些局限性的影响。尽管我们为识别和访问全球基于人群的数据而进行了广泛的努力
，但一些国家没有或很少有数据来源，尤其是撒哈拉以南非洲 ，加勒比海
，中亚和美拉尼西亚的数据来源 。这些国家的估计主要依赖于统计模型，该模型通过其层次结构共享各个国家和地区的信息
。数据稀缺反映在我们对这些国家和地区的估计中的更广泛的不确定性间隔 ，这突出了对国家面向NCD的监视的需求。使用便携式装置在我们的10％研究中使用的人群中测量的脂质的分布可能会被截断
，因此可能会影响人口平均值 。为了克服这个问题，我们开发了转化回归 ，以调整使用便携式设备测量的平均胆固醇水平
，以使其在实验室测量中预期的水平；用于此目的的转换回归具有良好的预测精度。尽管大多数研究都测量了血清样品中的胆固醇，但大约有7％使用了血浆样品
。由于在血浆和血清样品中测得的胆固醇仅差异约3％ ，因此对等离子体差差的调整对我们的结果几乎没有影响
，如先前的分析14所示。尽管测量总和HDL胆固醇的方法随着时间的流逝而发展，但自1950年代以来 ，已经进行了系统的努力来标准化脂质测量，从而导致不同方法之间的可比性提高 。在我们的分析中
，有90％的研究测量了实验室的脂质
。在这些研究中，总胆固醇的60％以上 ，HDL胆固醇的70％以上参加了脂质标准化计划或质量控制方案。我们没有分析新兴的脂质标志物
，例如载脂蛋白B和载脂蛋白A-I，因为它们既不是在基于人群的健康调查中测量的 ， 也不经常用于临床实践36 。 　　没有关于脂质分数趋势的全球分析
，无法与我们的结果进行比较
。我们对总胆固醇的发现在很大程度上与唯一的其他分析7一致，但是我们估计 ，在高收入西方国家和中欧
，平均总胆固醇的平均总胆固醇较大，而东南亚的增加则更大 ，因为与早期的全球分析相比
，我们还有十年的数据。因此，尽管以前报道的最高平均总胆固醇水平为2008年 ，但仍处于高收入西方国家，但我们估计在2018年
，东南亚的总胆固醇在2018年同样高或更高 。Our findings on mean total cholesterol trends are also largely consistent with previous multi- and single-country reports14,15,17,18,19,20,21,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73.与以前的研究的差异 - 例如，在意大利61 ，立陶宛63
，荷兰65，俄罗斯联合会69和某些参与Monica Project52的国家 /地区的差异 - 大多数是因为我们的研究涵盖了更长的时间并使用了更多的数据源
。研究15,18,54,63,66,70,74,75,76,77 ，已报告了超过15年以上脂质级分的趋势
，发现非HDL胆固醇（或某些研究的LDL胆固醇中的LDL胆固醇中的变化）与我们的结果一致。 　　有关研究设计的更多信息可在与本文有关的自然研究报告摘要中获得 。