偏头痛是一种全球高发的神经疾病，研究发现代谢因素（如胰岛素抵抗IR和肥胖）与偏头痛密切相关。
甘油三酯-葡萄糖指数（TyG）及其与肥胖指标（如BMI、腰围、腰高比等）的组合（TyG-BMI、TyG-WC、TyG-WHtR）被提出作为IR的替代标志物，但其在偏头痛中的作用尚未在多国人群中得到充分验证。
2025年7月3日，成都中医药大学学者基于NHANES和CHARLS数据库，联合机器学习，在期刊《Lipids in Health And Disease》（医学二区，IF=4.2）发表题为:“The value of triglyceride–glucose index–related indices in evaluating migraine: perspectives from multi–centre cross–sectional studies and machine learning models”的研究论文。
研究采用横断面设计，结合机器学习模型，旨在探究TyG相关指标（TyG-BMI、TyG-WC、TyG-WHtR）与偏头痛的关联，并比较它们预测风险的性能。
（在公共数据库与孟德尔随机化微信公众号后台回复“ 原文”即可获得文献PDF等资料）
研究采用跨国对比设计，数据来自于两个大型国家代表性数据库：
美国数据：NHANES 1999-2004年数据，纳入6,204名≥20岁的成年人；
中国数据：CHARLS 2011-2012年数据，纳入9,401名≥45岁的中老年人。
【注】两国人群年龄结构差异显著（NHANES含年轻群体，CHARLS仅中老年），且中国样本偏头痛病例较少（550例 vs 美国1,245例）。
图1 参与者的筛选流程
研究采用加权logistic回归分析TyG相关指标与偏头痛的关联，并进行亚组分析和阈值效应分析以探索非线性关系。此外，应用Boruta算法筛选关键变量，并构建九种机器学习模型评估TyG-BMI和TyG-WHtR的预测性能。
主要研究结果
研究发现，在美国人群中，TyG-BMI和TyG-WHtR与偏头痛呈显著正相关（TyG-BMI: OR=1.28；TyG-WHtR: OR=1.17）。并且，当TyG-BMI>206时风险骤升，而当TyG-WHtR<7.4时风险更高。
同时，年龄也是重要的交互因素，尤其在年轻群体（<45岁）中关联更显著。
然而，在中国人群中未检测到这种相关性，推测可能与高龄样本和病例数少有关。
表1 NHANES和CHARLS中，TyG-BMI、TyG-WC和TyG-WHtR与偏头痛的关联
模型1 ：未调整；
模型2：调整了性别、年龄、种族、教育水平、婚姻状况、贫困收入比 （PIR）/ 总收入、饮酒状况和吸烟状况
图2 TyG-BMI、TyG-WC和TyG-WHtR与偏头痛关联的平滑曲线拟合
（a-c）NHANES；（d-f）CHARLS
✅机器学习模型
研究基于Boruta 算法筛选的与偏头痛相关的关键变量，根据结果，将冠心病排除在模型评估之外。
基于此，研究构建了9种机器学习模型，结果显示，XGBoost模型预测偏头痛风险的性能最优。并且，TyG-BMI（AUC=0.929）的预测能力优于TyG-WHtR（AUC=0.926）。
图3 TyG-BMI测试集的多模型评价结果
(a) DCA； (b) ROC曲线；(c)带置信区间的ROC曲线；(d) PR 曲线；(e)校准曲线
图4 TyG-WHtR测试集的多模型评价结果
SHAP分析进一步证实TyG-BMI是仅次于年龄的重要预测因子，贡献稳定；而TyG-WHtR贡献波动大且排名靠后。
图5 XGBoost模型对TyG-BMI的SHAP分析
(a) SHAP线形图；(b) SHAP热浪图；(c) SHAP重要性图；(d) SHAP蜜蜂图；(e) SHAP瀑布图；(f) SHAP热图散点图；(g) SHAP热力图
综上所述，相对于TyG-WHtR， TyG-BMI可以为临床医生提供有关患者胰岛素敏感性的信息，能够有效预测美国人群的偏头痛风险，尤其在年轻人群中表现突出。这一发现为临床提供了潜在的代谢干预靶点，有助于个体化治疗策略的制定。
-NiyS.png)
