你的寿命与红细胞的数量

红细胞计数与人类自然寿命极限：来自长寿命家族研究的证据

摘要

红细胞生成是体内复制最密集的过程。其终身的复制需求可能会侵蚀造血细胞的复制能力，导致老年人红细胞计数（erythrocyte count，EC）下降并限制其寿命。我们在长寿命家族研究（LLFS）的1,620名年龄≥70岁的参与者中，考察了EC与死亡率之间的关系，发现较低的EC进一步加剧了随年龄呈指数增长的死亡率上升。我们确定了一个EC阈值（ECT）（约3.8 × 10¹²/L），低于该阈值时死亡率会升高（p = 9.3 × 10⁻⁶）。随着EC随年龄增长而下降（p = 8.2 × 10⁻¹⁸），许多参与者的EC值会低于此阈值，从而急剧增加其死亡风险。这个基于死亡风险的ECT在老年人中通过模型得出，独立于基于统计学阈值（≤65岁人群血红蛋白分布的第5百分位数）的WHO贫血定义。因此，EC的下降可能是对许多老年人施加自然寿命极限的生物学因素之一。

引言

20世纪，人类预期寿命延长了近30年，但在寿命最长的人群中，其增长速度最近已放缓¹。一种可能的解释是人类体细胞复制能力存在生物学极限。这一现象由Hayflick和Moorhead²发现，他们发现培养的人类体细胞在进入衰老状态（一种被称为海弗利克极限³（Hayflick limit）的生长永久停滞状态）之前，只能复制有限次数。红细胞生成是人体内复制最密集的过程，是造血的核心驱动因素⁴。如果海弗利克极限在体内起作用，造血干细胞的复制能力将随年龄增长而减弱⁵。由此产生的红细胞生成障碍可能导致衰老性贫血及其相关的死亡风险增加⁶⁻⁹。

世界卫生组织（WHO）将血红蛋白（Hemoglobin ，Hgb）浓度低于参考人群（≤65岁）Hgb分布第5百分位数定义为贫血¹⁰,¹¹。这种二分类的、基于分布的统计学定义，并未捕捉到EC随年龄增长而下降的情况，也未反映个体在接近自然寿命（natural lifespan ，NLS）极限（即生物学上限制生存的最大可能年龄）时可能出现的后果。在本研究中，我们考察了美国国立老龄化研究所长寿命家族研究（Aging Long Life Family Study ，LLFS）¹²中EC与一个明确结局——全因死亡率（all-cause mortality）（以下简称死亡率）之间的关系。LLFS的研究设计富集了具有较高可能达到超长寿命的家族，因此其成员比一般人群更有可能接近NLS极限。

结果

我们应用了Cox比例风险模型（CPHM）、联合模型（JM）和随机过程模型（SPM）（方法部分）来：（a）评估在LLFS年龄≥70岁的参与者中，EC是否改变年龄相关的死亡风险增加（使用每位参与者的单次EC测量值）；（b）检验参与者特异性EC轨迹（由基线EC及其年龄相关变化定义）与死亡率之间的关联；（c）检验是否存在一个EC阈值（ECT），低于该阈值死亡风险增加；以及（d）确定性别对EC轨迹及其与死亡率和生存率关联的影响。

70岁后的红细胞计数轨迹

样本包括1,620名无癌症或肾脏疾病的LLFS参与者，他们在年龄≥70岁时有一次或多次EC测量，并有主要模型中使用的死亡率及关键协变量（年龄和性别）的可用信息（方法）。表1总结了参与者的特征。扩展数据图1展示了参与者的筛选流程。补充表S1提供了整个样本以及520名具有两次或三次连续EC测量值的子样本的额外协变量（吸烟、体重指数、胱抑素C、高敏C反应蛋白、白细胞介素-6和转铁蛋白受体）（smoking, body mass index, cystatin C, high-sensitivity C-reactive protein, interleukin-6, and transferrin receptor）信息。

两性的EC均随年龄增长而下降。平均而言，女性的EC低于男性，但她们的下降速度较慢（图1，表1）。在70-79岁年龄段，下降幅度在两性中相似，但在80-89岁和≥90岁年龄段，男性的下降幅度大于女性（表1）。

70岁及以上首次红细胞计数与死亡风险的关联

在随访期间（均值± 标准差：10.3 ± 5.3年；最长随访：18.4年；表1），共有765名（47.2%）参与者死亡。使用CPHM，我们在调整年龄和性别的主模型中发现了较低EC与较高死亡风险之间的关联。EC每降低1个单位（1 x 10¹²/L）的风险比（HR）为1.32（95%置信区间[CI]：[1.12, 1.60]）。这表明，在调整年龄（每增加一岁HR：1.14，95% CI：[1.13, 1.15]）和性别（男性对女性HR：1.50，95% CI：[1.29, 1.71]）后，EC低1 x 10¹²/L的参与者比EC较高的参与者死亡风险增加32%。

由于死亡率随年龄呈指数增长，70岁后低EC与死亡风险增加的关联尤为显著（图2）。这些轨迹展示了不同年龄（x轴）和EC值下的死亡风险比，相对于70岁年龄和该年龄平均EC（4.5 × 10¹²/L）时的死亡风险。由于EC和死亡率均以70岁为基准进行缩放，当EC = 4.5 × 10¹²/L时，70岁时的死亡HR为1，当EC = 3.5 × 10¹²/L时升至1.3，而当EC = 5.0 x 10¹²/L时降至0.9（图2）。然而，例如在90岁时，仅因年龄自然增长，平均EC下的死亡HR已达13.7；当EC = 3.5 × 10¹²/L时进一步升至18.0，而当EC = 5.0 x 10¹²/L时则降至11.9。

红细胞计数轨迹与死亡风险的关联

我们使用JM来检验个体参与者EC轨迹与至死亡时间之间的关联（方法）。风险函数中EC轨迹的回归系数量化了参与者特异性EC偏离预期（人群平均）EC与死亡率的关联程度。在此分析中，使用了来自1,620名参与者的所有可用EC测量值来估计联合似然函数，而个体内EC变化的信息则来自520名具有重复EC测量值的参与者。

EC轨迹的估计回归系数为-0.326（补充表S2，面板B），表明相对于模型隐含的预期轨迹，较低的个体特异性EC轨迹与较高的死亡风险相关，相当于EC轨迹低于预期轨迹每1 x 10¹²/L对应HR为1.39。因此，当应用于纵向EC轨迹时，JM证实了CPHM对70岁后首次EC测量值的发现。JM还证实了EC轨迹随年龄下降，即EC每年下降约0.021 x 10¹²/L（补充表S2，面板A中的“时间”；扩展数据图2）。

检验死亡率相关的红细胞计数阈值

SPM为EC与死亡风险之间的关系提供了比JM或CPHM更灵活的设定（方法和补充文本）。与JM类似，SPM使用了所有1,620名参与者的EC测量数据。SPM表明，一个EC阈值（ECT）定义了EC与死亡风险之间的关系（方法），即当EC降至ECT以下时，死亡率会高于相应年龄的基线水平。对于高于ECT的EC值，EC与死亡率之间无关联，风险保持在相应年龄的基线水平。我们将低于ECT的额外死亡风险建模为EC的二次函数。我们还假设此二次函数的宽度可能随年龄变化（例如变窄），并检验了宽度与年龄无关的零假设。

SPM确定了低EC与死亡风险增加之间的关联（p = 9.3 x 10⁻⁶），证实了ECT的存在。在拟合的阈值SPM下，估计的ECT为3.8 × 10¹²/L，95% bootstrap CI为[3.4 x 10¹²/L, 4.1 x 10¹²/L]。重要的是，我们发现描述ECT以下EC相关死亡的二次函数随年龄增长而变窄（p = 0.007），表明在较年长年龄，EC偏离ECT相同程度所导致的死亡风险增加大于较年轻年龄。

性别效应

基于70岁及以上红细胞计数的结果。 EC的男女差异（表1，图1）可能导致死亡风险的性别差异。CPHM强调了较低EC时死亡风险的放大效应（图2）。这种放大效应转化为70岁时不同初始EC的参与者生存概率的差异。图3显示了70岁后的生存概率。值得注意的是，对于75岁及100岁以后的不同EC值，女性和男性的生存概率差异不大。然而，在这些极端年龄之间，70岁时不同初始EC的个体间的生存机会差异是显著的。例如，根据模型估计，一名70岁时EC = 3.5 × 10¹²/L的女性参与者活到90岁的概率为41.5%，而同龄EC = 5.5 × 10¹²/L的女性参与者则为60.2%。对于70岁时EC = 3.5 × 10¹²/L的男性参与者，活到90岁的概率为26.8%，而同龄EC = 5.5 × 10¹²/L的男性参与者则为46.8%。图3底部面板比较了不同EC和年龄下女性和男性的生存概率。

基于红细胞计数轨迹的结果。 JM证实男性EC高于女性。根据模型估计，男性和女性之间的平均EC差异约为0.192 × 10¹²/L（补充表S2，面板A中的变量“sex”）。我们还估计了一个包含性别-时间和性别-年龄交互项的模型（补充表S3）。根据该模型，男性EC下降更快（约0.011 × 10¹²/L/年），而女性则较慢（p = 0.014），这与图1（扩展数据图3）所示的经验模式一致。

使用SPM（方法和补充文本），我们发现至少有一个模型组分在女性和男性之间存在差异（p < 10⁻¹⁶）。基于此发现，我们进一步确定了哪些具体的模型组分在性别间存在差异。与男性较高的死亡率一致，我们发现无EC影响的基础死亡风险是性别依赖的（p = 2.0 x 10⁻⁴）。此外，我们证实了反映EC动态（p = 2.5 x 10⁻³）及其变异性（p = 6.7 x 10⁻⁴）的模型组分也存在性别依赖性。反映估计的EC年龄相关变化的组分也显示出性别依赖性（p < 10⁻¹⁶）。然而，ECT无性别依赖性（p = 0.14）。

我们进一步研究了反映估计的EC年龄相关变化的模型组分中的性别差异，发现各自轨迹的截距和斜率均存在性别依赖性。具体而言，男性在此轨迹上的下降速度快于女性（约0.011 × 10¹²/L/年；p = 5.7 x 10⁻⁶），并且该轨迹在70岁时的估计初始值男性比女性高约0.33 × 10¹²/L（p < 10⁻¹⁶）（扩展数据图4）。

图4显示了基于SPM的EC随年龄下降、死亡风险和生存率在性别中的关系。例如，如果一名女性在70岁时EC = 4.4 × 10¹²/L（她年龄的平均值），并且她的EC按照估计的平均年龄相关EC变化随年龄下降，那么她的EC在图中所示的所有年龄都将保持在ECT（约3.8 × 10¹²/L）之上。因此，她的死亡风险将与任何70岁时初始EC更高的女性没有差异。然而，对于一名70岁时EC为3.8 × 10¹²/L的女性，其EC轨迹将降至ECT以下，表明存在额外的EC特异性死亡风险。对于这名女性，90岁时的HR（相对于70岁、EC为其年龄平均值的女性的死亡风险）为33.5，而70岁时EC为平均值的90岁女性的HR为24.6（图4中左下面板的插表）。对于更低的初始EC，相应HR的差异变得更大。在男性中观察到类似的结果（中右面板）。

基于ECT，EC低于阈值的个体的生存机会显著低于EC高于阈值的个体（图4，底部面板）。对于非常低的EC，女性和男性之间的生存机会差异很小。然而，在70岁时EC = 3.8 × 10¹²/L时，出现了显著的生存差异，因为男性的EC下降更快。例如，一名70岁时EC = 3.8 × 10¹²/L的女性活到85岁的概率约为54%（95% bootstrap CI：[31%, 65%]），而具有相同EC的男性活到85岁的概率约为36%（95% bootstrap CI：[14%, 55%]）。

图5显示了基于SPM的EC非依赖性和EC依赖性死亡率对女性和男性参与者的贡献。高于ECT的死亡率在所有EC水平上相似。然而，对于低于ECT的EC，与高于ECT的水平相比，额外的EC依赖性死亡率在每个年龄都增加了总体死亡风险。在较年长年龄，这种额外的EC相关死亡率在ECT以下比在较年轻年龄增加得更快。

基于SPM估计的特定红细胞计数轨迹的寿命极限

图6展示了估计的ECT和EC年龄相关变化的轨迹（如果这些轨迹在数据观察到的最大值之外以相同速率继续）。虽然ECT不随年龄变化（p = 0.76），但估计的EC年龄相关变化轨迹逐渐下降（p < 10⁻¹⁶）。因此，如果个体活得足够长，他们的EC最终会降至ECT以下（图6）。在拟合的SPM下，估计的性别特异性EC年龄相关变化轨迹与估计阈值的交叉点大约在女性126岁和男性114岁。这些值应被解释为基于模型参数点估计的外推，而非寿命极限的直接估计。重要的是，许多参与者不会经历EC相关的死亡率，因为即使在非常高龄，他们的EC仍保持在ECT之上。例如，在年龄≥90岁的参与者中，有22.7%（95% bootstrap CI：[5.7%, 36.6%]）观察到EC低于ECT，在年龄≥100岁的参与者中，这一比例为36.5%（95% bootstrap CI：[11.1%, 52.4%]）。

敏感性分析

由CPHM生成的参数估计值针对额外的协变量进行了调整，这些协变量代表可能影响EC或死亡率的因素，例如炎症和缺铁性贫血（方法）。此扩展模型证实了较低EC与较高死亡风险之间的关联：EC每1 x 10¹²/L降低的HR从1.32（无额外协变量）增加到1.37（95% bootstrap CI：[1.13, 1.68]）（补充表S4）。我们通过将CPHM应用于年龄截断值更高（75、80、85和90岁）的样本来进一步检验此关联。尽管样本量较小，但在这些较年长的年龄组中，较低EC与较高死亡风险之间的关联仍然显著（补充表S5）。

我们在JM中纳入了相同的额外协变量。与基线EC测量值的分析一样，在此扩展模型中，较低EC轨迹与较高死亡风险之间的关联仍然显著（补充表S6）。此模型中EC轨迹的估计回归系数为-0.333，对应于EC轨迹低于预期EC每单位（1 x 10¹²/L）降低的HR为1.4（95% bootstrap CI：[1.09, 1.79]）（补充表S6，面板B中的变量“ECind”）。扩展模型还证实了男性EC高于女性（补充表S6，面板A中的变量“sex”），并且男性EC下降更快（补充表S6，面板A中的变量“sex*time”）。

红细胞计数阈值与WHO贫血定义的关系

WHO将贫血定义为男性Hgb浓度低于13 g/dL、女性低于12 g/dL。因此，我们使用来自我们分析样本的基线EC和Hgb，通过混合模型检验了ECT与这些WHO阈值之间的关系（方法）。我们发现，从SPM估计出的与死亡率相关的ECT，在年龄调整的混合模型（图7）和扩展的多变量调整混合模型（扩展数据图5）中，均与男女两性的WHO贫血阈值非常接近，后者包含了反映无癌症或肾脏疾病参与者体内铁储备、炎症和肾功能的协变量。

讨论

LLFS参与者表现出与年龄相关的EC下降，这在基线和连续测量中都很明显。尽管70岁时男性EC高于女性，但其与年龄相关的下降更为陡峭。使用CPHM和JM的分析表明，基于基线和连续EC测量，较低的EC均与死亡风险增加相关。SPM分析进一步揭示，当EC降至估计的ECT（3.8 × 10¹²/L）以下时，死亡风险急剧增加，相应地，生存率显著下降。

根据WHO的定义，贫血患病率在60岁后增加⁶⁻⁹，在百岁老人中超过50%¹³,¹⁴。EC与年龄相关的下降在多大程度上导致了老年人的贫血及其相关结局？在60岁及以上的成年人中，约三分之一的贫血归因于必需营养素（尤其是铁）缺乏，另外三分之一归因于慢性疾病，包括肾脏疾病、癌症、心脏病和炎症性疾病⁶。这些情况统称为可解释的衰老性贫血（anemia of aging ，EAA）。然而，在约三分之一的老年贫血患者中，尽管经过全面的临床评估，原因仍无法确定。这种情况被称为不明原因的衰老性贫血（UAA）⁶,⁹,¹⁵。

WHO的贫血定义基于统计学阈值，即Hgb浓度低于65岁及以下个体Hgb分布的第5百分位数¹⁰,¹¹。相比之下，我们基于死亡风险的ECT发现源于计算和建模分析，独立于WHO贫血定义。然而，ECT与基于WHO分布的血红蛋白浓度截断值非常接近，无论是否调整通常与EAA相关的协变量，如铁储备、慢性炎症和肾功能。因此，EC随年龄增长的自然下降可能与EAA和UAA及其相关的死亡率均有关。也就是说，如果个体的EC受到内在衰老因素的限制，那么由于营养缺乏等原因导致的较低EC可能会引发比原本更严重的贫血。这一结论引出了一个关于不仅仅是UAA（这是美国国立老龄化研究所关注的主题¹⁶），而且也包括EAA的病因学的基本问题。

EC随年龄增长而进行性下降可能源于循环红细胞存活率降低、红细胞生成减少，或两者兼有。虽然关于年龄相关红细胞存活率变化的经验证据很少，但一项20世纪中叶基于少数个体的铬标记研究表明，健康衰老过程中红细胞寿命基本保持不变¹⁷。因此，红细胞生成减少可能是老年人EC进行性下降的原因。

贫血，包括EAA和UAA，与较高的死亡率以及身体和认知功能下降相关¹⁵,¹⁸,¹⁹。近年来，对衰老生物学的广泛研究已经确定了驱动衰老的关键过程，统称为衰老的标志²⁰。其中包括被认为是“主要”驱动因素的过程，包括基因组不稳定、表观遗传改变、蛋白质稳态丧失和端粒缩短。

端粒生物学可能导致老年人的贫血。首先，Hayflick和Moorhead²的发现表明，人体体细胞拥有一个内置的复制计数器。十年后，这个计数器被确定为每次细胞复制周期中的端粒缩短，最终产生无法维持进一步复制的极短端粒²¹。其次，由于红细胞生成是人体内最密集的复制过程⁴，造血干细胞中的端粒缩短（反映在随年龄增长的白细胞端粒缩短²²,²³上）比其他体细胞进行得更快。因此，白细胞在成人体细胞类型中拥有最短的端粒²⁴。第三，人类端粒短且寿命长²⁵，表明端粒长度可能限制了随年龄增长的EC产生。这可能促成了与年龄相关的红细胞生成下降，这与观察到的成人体内EC与白细胞端粒长度之间的相关性一致²⁶,²⁷。此外，约50%的百岁老人²⁸的白细胞端粒长度与端粒生物学疾病患者²⁹（由端粒维持基因的有害突变引起）一样短。这些患者常出现贫血，许多人会发展为骨髓衰竭。

我们注意到我们分析方法的优势。首先，我们应用了三种互补的分析方法CPHM、JM和SPM，从几个角度评估EC与死亡率之间的关联，包括基线EC测量、随年龄变化的纵向EC轨迹以及ECT。其次，我们分析了一个独特的LLFS队列，该队列富集了具有超长寿命的家族。这个队列特别适合研究接近其NLS极限的个体中EC与死亡率之间的关系。

本研究也存在一些局限性。LLFS主要由来自具有超长寿命倾向家族的白人参与者组成，且已知是一个健康老龄化队列³⁰。尽管如此，EC随年龄下降及其对衰老性贫血的潜在影响会影响更广泛的人群。此外，观察到的EC与死亡率之间的关联并不意味着因果关系，基于SPM的LLFS参与者生存外推并非人类寿命极限的直接估计。本研究报告的ECT来自仅包含有限协变量（年龄和性别）的SPM。在SPM中探索额外的协变量需要更大的样本量。最后，关于造血端粒生物学、EC动态和NLS极限之间提出的联系应被视为推测性的。

总之，人口统计学家很少考虑人类寿命的自然约束。尽管这些约束可能是多因素的，但我们的研究结果表明，在LLFS参与者中，低EC加剧了随年龄呈指数增长的死亡率，表明红细胞生成下降是其中一种约束。阐明红细胞生成、EAA、UAA和人类寿命之间的机制联系，需要将端粒长度、EC和死亡率联系起来的经验数据和整合模型。EAA和UAA的定义必须基于健康和长寿结局，而非源自≤65岁人群血红蛋白统计截断值。最终，将许多个体的寿命延长至超过其当前极限，可能取决于能够减缓老龄化人群中红细胞生成能力下降的干预措施。

[图表注释汇总（Figure/Table Legends）]

图1. LLFS参与者（年龄≥70岁）的红细胞计数。上面板：1,620名参与者的红细胞计数（EC）散点图。黑色菱形表示不同年龄组（70-79、80-89、90-99和100+岁）的平均EC。下面板：520名具有两次或三次连续测量值的子组个体的EC轨迹。基线年龄组用颜色编码：70-79岁（橙色）、80-89岁（洋红色）和90+岁（青色）。线条连接同一参与者的基线和随访EC。此图中排除了四个离群值（三个 < 2.5 × 10¹²/L 和一个 > 6.5 × 10¹²/L）。

图2. 70岁后死亡率与红细胞计数之间的关联（经年龄和性别调整的Cox比例风险模型）。显示了不同年龄（x轴）和EC值下，相对于70岁时平均EC（4.5 × 10¹²/L）的死亡风险的风险比（HR）。粗黑线表示70岁时平均EC的HR轨迹。彩色线表示较低EC（黑线上方）和较高EC（黑线下方）的HR轨迹。表格列出了特定年龄和EC的HR数值示例，以70岁和EC为4.5 × 10¹²/L（带下划线）为基准。彩色粗线对应于文中讨论的两个EC示例（3.5 × 10¹²/L和5 × 10¹²/L）。插表中对应的行以粗体突出显示。

图3. 女性和男性70岁后不同70岁时红细胞计数的生存率（根据Cox模型估计）。显示了不同70岁EC（x 10¹²/L）下女性（左上）和男性（右上）的生存函数。两条彩色粗线对应于EC示例3.5 × 10¹²/L和5.5 × 10¹²/L。生存概率示例沿y轴显示，并相应地进行颜色编码。底部面板比较了特定年龄下不同EC（见右侧插图中的x 10¹²/L）的女性和男性生存概率。

图4. 基于带有红细胞计数阈值的随机过程模型估计的女性和男性在不同年龄和红细胞计数下的风险比和生存概率。顶部面板：女性和男性在70岁不同初始EC下的HR轨迹（相对于70岁、EC为年龄平均值的个体）。中左面板：不同初始EC的女性的HR轨迹和估计的EC随年龄变化轨迹（粉色线条，左侧y轴）的放大图。中右面板：男性的相应图。两个面板中的插表提供了特定初始EC和年龄的HR数值。插图显示了70岁不同初始EC下EC随年龄变化轨迹的细节。底部面板：女性和男性在70岁不同初始EC下的生存概率。水平点线/虚线表示ECT（3.8 × 10¹²/L）。女性的平均EC为4.4 × 10¹²/L，男性为4.6 x 10¹²/L。高于参考HR的值未显示，因为它们会与参考HR曲线重叠。两条粗线对应于70岁时初始EC的示例：3.8 × 10¹²/L和70岁时的平均EC（女性为4.4 × 10¹²/L，男性为4.6 × 10¹²/L）。

图5. 通过带有红细胞计数阈值的随机过程模型估计的女性和男性在不同年龄和红细胞计数下的死亡率。顶部面板显示年龄相关（EC非依赖性）死亡率。中间面板显示EC相关死亡率。底部面板显示总死亡率。根据模型设定，总死亡率是年龄相关（EC非依赖性）死亡率和额外EC相关死亡率之和。左侧面板显示女性的死亡率，右侧面板显示男性的死亡率。虚线黑线对应EC阈值（ECT）。对于高于ECT的EC，死亡风险不依赖于EC（即中间面板中额外EC相关死亡率 = 0）。对于低于ECT的EC，EC相关死亡率会放大特定年龄的总死亡率。

图6. 通过随机过程模型估计的红细胞计数年龄相关变化轨迹和红细胞计数阈值。红色实线和蓝色虚线分别对应女性和男性估计的红细胞计数（EC）年龄相关变化（EECC）。黑色实线描绘了模型估计的触发额外EC相关死亡率的EC阈值（ECT）。ECT下方的灰色阴影表示EC相关死亡率（见右侧标尺）。垂直黑色虚线表示有记录的最长人类寿命（122年164天⁴⁴）。注意，尽管EECC轨迹在女性和男性之间存在差异（p = 5.7 × 10⁻⁶），但两性的ECT相同（p = 0.14）。方法和补充文本提供了模型的更多细节。

图7. 基线红细胞计数与血红蛋白浓度之间的关系。回归线（女性，深红色；男性，蓝色）显示了不同红细胞计数（EC）下的血红蛋白（Hgb）浓度，来自经年龄调整的线性混合效应模型的固定效应部分（方法）。预测值在分析样本观察到的EC范围内生成（预测值的95%置信区间显示为回归线周围的阴影带）。垂直虚线黑色表示从随机过程模型估计的EC阈值（ECT = 3.8 × 10¹²/L）（方法）。水平绿线表示WHO贫血阈值：男性为13 g/dL（标记为“WHO anemia M”的虚线）和女性为12 g/dL（标记为“WHO anemia F”的点划线）。女性和男性的观测值分别显示为粉色圆圈和蓝色方块。为便于可视化，观测EC值应用了水平抖动。

表1. 本研究中长寿命家族研究参与者的特征

a 均值 ± 标准差，10¹²/L
b 均值 ± 标准差，10¹²/L/年。EC：红细胞计数。EC年变化率是针对520名至少有2次EC测量值的参与者计算的。对于有两次访问的参与者，ΔEC计算为 ΔEC = (EC访问2 - EC访问1) / (Age访问2 - Age访问1)。对于有三次访问的参与者，ΔEC分别针对访问2与访问1之间、访问3与访问2之间的间隔进行计算。

扩展数据图1. 流程图，展示了LLFS参与者的分析筛选过程。

扩展数据图2. 根据联合模型估计的女性和男性平均红细胞计数（EC）年龄轨迹，该模型调整了基本人口统计学特征，并应用于LLFS年龄≥70岁参与者的死亡率和EC数据。估计轨迹显示为黑色线条（女性为实线，男性为虚线）。红色空心三角形和蓝色方块分别显示女性和男性的观测EC。为获得更好的可视性，女性的数值进行了水平抖动。

扩展数据图3. 根据包含年龄-时间和性别-时间交互项的联合模型估计的女性和男性平均红细胞计数（EC）年龄轨迹，该模型调整了基本人口统计学特征，并应用于LLFS年龄≥70岁参与者的死亡率和EC数据。估计轨迹显示为黑色线条（女性为实线，男性为虚线）。红色空心三角形和蓝色方块分别显示女性和男性的观测EC。为获得更好的可视性，女性的数值进行了水平抖动。

扩展数据图4. 根据应用于LLFS年龄≥70岁参与者死亡率和EC数据的随机过程模型估计的红细胞计数（EC）年龄相关变化。估计轨迹显示为黑色线条（女性为实线，男性为虚线）。红色空心三角形和蓝色方块分别显示女性和男性的观测EC。为获得更好的可视性，女性的数值进行了水平抖动。

扩展数据图5. 扩展模型中基线红细胞计数与血红蛋白浓度之间的关系。回归线（女性，深红色；男性，蓝色）显示了不同红细胞计数（EC）下的血红蛋白（Hgb）浓度，来自线性混合效应模型的固定效应部分，该模型调整了年龄、国家、吸烟状况、体重指数、胱抑素C、高敏C反应蛋白、白细胞介素-6和转铁蛋白受体（方法）。预测值在分析样本观察到的EC范围内生成（预测值的95%置信区间显示为回归线周围的阴影带）。垂直虚线黑色表示从随机过程模型估计的EC阈值（ECT = 3.8 × 10¹²/L）（方法）。水平绿线表示WHO贫血阈值：男性为13 g/dL（标记为“WHO anemia M”的虚线）和女性为12 g/dL（标记为“WHO anemia F”的点划线）。女性和男性的观测值分别显示为粉色圆圈和蓝色方块。为便于可视化，观测EC值应用了水平抖动。