非糖尿病患者氯吡格雷抗血小板治療高反應性影響因素

馬琦 林萍

廣東省人民醫院（廣東省醫學科學院）廣東省老年醫學研究所（廣州 510080）

抗血小板治療高反應性（high on-treatment platelet reactivity，HTPR）是缺血性心腦血管疾病復發重要危險因素［1］。影響氯吡格雷HTPR的因素較多，其中糖尿病的發生使患者血小板、血管內皮及藥代動力學發生明顯變化［2］，因此HTPR影響因素更加復雜化。目前單獨對非糖尿病患者人群的研究鮮有報道。本研究為了排除糖尿病的干擾因素，僅納入了非糖尿病患者，探討影響HTPR相關的風險因素。

1 資料與方法

1.1 研究對象 由醫院統計室檢索2015年6月至2019年5月的住院患者，根據病案記載，收集患者基本資料、臨床信息、CYP2C19基因報告以及血小板功能監測數據。納入標準：診斷為非心源性缺血性腦卒中、冠狀動脈粥樣硬化性心臟病和缺血性外周血管疾病的非糖尿病患者，并且在血小板聚集功能測定前已接受氯吡格雷（波立維?，75 mg/d）、阿司匹林腸溶片（拜阿司匹靈?，100 mg/d）聯合抗血小板治療至少1周。排除標準：具有糖尿病、血小板增多癥、血小板減少癥、血小板功能障礙、異常凝血障礙、嚴重肝病、造血功能障礙、妊娠或惡性腫瘤的患者，合并使用耐信等對氯吡格雷影響明顯的藥物的患者，以及抗凝劑治療、1周內接受溶栓治療的患者。依據以上標準共納入患者1 882例。本研究經廣東省人民醫院倫理委員會審核批準（批號：粵醫科倫理2017280H）。

1.2 CYP2C19基因多態性分析 采用CYP2C19基因試劑盒（DNA微陣列，Baio Inc.，上海，中國）測定。包括快代謝類型（extensive metabolizers，EM），中間代謝類型（intermediate metabolizers，IM），慢代謝類型（poor metabolizers，PM）。

1.3 血小板聚集功能評估 使用TEG?5000分析儀系統（Haemoscope Corporation，Niles，USA）。血栓彈力圖（Thrombelastogram，TEG）是一種測量血小板聚集功能的方法，通過檢測血液凝固的動態變化來測量血小板聚集功能［7］。MAADP（the maximum fibrin clot strength induced by ADP）是指 ADP誘導的最大纖維蛋白凝塊強度，代表血小板功能，是TEG的一個重要指標。MAADP≥47 mm，設為HTPR臨界值，被認為是缺血性事件的預測因子［8-9］。

1.4 統計學方法 所有統計分析均采用IBM SPSS Statistics 23.0（IBM Corp.，Armonk，NY）進行。所有變量均采用Kolmogorov-Smirnov檢驗（KS檢驗）進行正態分布檢驗。正態分布計量資料以均數±標準差表示，分類數據以例（%）表示。正態分布的數據使用獨立樣本t檢驗。非正態分布的數據以M（P25，P75）表示，Mann-WhitneyU檢驗和Kruskal-Wallis檢驗。多因素logistic回歸分析用于確定HTPR和候選危險因素之間的關系，并建立HTPR預測模型，通過受試者操作特征曲線（ROC）和Hosmer-Lemeshow擬合優度檢驗對模型的區分度和校準度進行評估。P＜0.05為差異有統計學意義。

2 結果

2.1 基本資料 患者的一般資料和實驗室結果見表1。其中男1 411例（77.4%），平均年齡為（62.5±11.0）歲。共檢出HTPR患者241例（13.2%），其中，765例快代謝中HTPR 79例（10.3%），823例中間代謝者中HTPR 122例（14.8%），慢代謝234例，其HTRP發生率為17.1%。Mann-WhitneyU檢驗，三者之間差異有統計學意義（P=0.005）。另外，經KS試驗，MAADP呈非正態分布，非HTPR患者MAADP中位數為25.7 mm，而HTPR患者MAADP中位數為52.2 mm。血小板分布寬度（platelet distribution width，PDW），非HTPR患者為（15.49±2.15）fL，而HTPR者為（15.86 ± 1.64）fL（P=0.002）。

表1 非糖尿病患者氯吡格雷HTPR組與非HTPR組基本資料對比Tab.1 Comparison of basic data between clopidogrel HTPR group and non-HTPR group in non-diabetics ±s

表1 非糖尿病患者氯吡格雷HTPR組與非HTPR組基本資料對比Tab.1 Comparison of basic data between clopidogrel HTPR group and non-HTPR group in non-diabetics ±s

注：HTPR，抗血小板治療高反應性；EM，快代謝；IM，中間代謝；PM，慢代謝；CAHD，冠狀動脈粥樣硬化性心臟病；NCIS，非心源性缺血性卒中；PVD，缺血性周圍血管疾病；BMI，體質量指數；HbA1c，糖化血紅蛋白；MAADP，ADP誘導的最大纖維蛋白凝塊強度

因素性別［例（%）］男女診斷［例（%）］NCIS CAHD PVD高血壓病［例（%）］吸煙［例（%）］飲酒［例（%）］CYP2C19［例（%）］EM IM PM年齡（歲）BMI（kg/m2）HbA1c［M（P25，P75），%］MAADP［M（P25，P75），mm］膽固醇（mmol/L）高密度脂蛋白（mmol/L）低密度脂蛋白（mmol/L）甘油三酯（mmol/L）尿酸（μmol/L）血小板（×109/L）平均血小板體積（fL）血小板分布寬度（fL）血小板比積Non-HTPR（n=1 581）1 273（91.2）308（74.9）93（84.5）1 215（88.0）273（82.5）604（38.2）592（90.5）104（91.2）686（89.7）701（85.2）194（82.9）62.2±11.1 24.1±3.0 5.8（5.5，6.1）25.7（15.4，35.7）4.40±1.07 1.01±0.24 2.77±0.84 1.56±0.93 217.5±56.5 217.5±56.5 8.72±1.47 15.49±2.15 1.87±0.54 HTPR（n=241）138（9.8）103（25.1）17（15.5）166（12.0）58（17.5）110（15.4）62（9.5）10（8.8）79（10.3）122（14.8）40（17.1）64.7±10.2 24.2±2.9 5.8（5.6，6.1）52.2（49.6，55.6）4.61±1.25 1.04±0.30 2.94±0.96 1.61±1.22 390.6±100.7 234.5±63.8 8.75±1.41 15.86±1.64 2.05±0.72 F/χ2值64.751 12.398 4.857 12.480 2.103 10.483 3.988 0.364-0.658-25.041 5.909 16.699 2.926 2.802 1.010 2.079 0.579 33.603 5.863 P值＜0.001 0.052 0.028＜0.001 0.197 0.005＜0.001 0.882 0.510＜0.001 0.014 0.115 0.006 0.428 0.065＜0.001 0.725 0.002＜0.001

2.2 氯吡格雷HTPR影響因素logistic回歸分析 經單因素logistic回歸分析（P＜0.2）篩查后，實施多因素logistic回歸分析（表2），HTPR的獨立危險因素分別為：性別（OR=2.525，95%CI：1.773 ～ 3.597，P＜ 0.05），年齡（OR=1.023，95%CI：1.009 ～ 1.037，P=0.002），PDW（OR=1.313，95%CI：1.004 ～ 1.716，P=0.047），CYP2C19*2（OR=0.743，95%CI：0.557～ 0.991，P=0.044），CYP2C19*3（OR=0.489，95%CI：0.326 ～ 0.735，P=0.001）。

表2 氯吡格雷HTPR影響因素logistic回歸分析Tab.2 Logistic regression analysis of clopidogrel HTPR

基于這些風險因素建立的HTPR預測模型如下：

2.3 氯吡格雷HTPR預測模型區分度和校準度檢驗 依據MAADP＞47 mm判斷HTPR，利用每個患者HTPR真實數據與模型預測數據，建立ROC，并計算出ROC曲線下面積為0.704（95%CI：0.670～ 0.738）（圖1）。

圖1 HTPR預測模型ROC曲線分析Fig.1 ROC curve analysis of HTPR prediction mode

Hosmer-Lemeshow擬合優度檢驗HTPR預測模型，差異無統計學意義（χ2=10.194，P=0.252），見圖2。這表明預測結果和觀察結果之間差異無統計學意義。

圖2 預測HTPR模型校準度的Hosmer-Lemeshow擬合優度檢驗Fig.2 Calibration of the model for predicting HTPR assessed by Hosmer-Lemeshow goodness-of-fit test

3 討論

抗血小板治療是缺血性心腦血管疾病患者一種常用的治療手段。但是即使在抗血小板治療的情況下，缺血性心腦血管事件仍有復發，抗血小板治療高反應性是缺血性事件復發的重要危險因素之一［1］，因此在臨床實踐中監測血小板反應性很重要。目前臨床常用的血小板功能檢測手段包括光比濁法、流式細胞術、TEG以及血小板功能分析儀等。其中TEG是一種評估血小板功能的良好實用工具，對于東亞患者，有利于識別HTPR，并指導個體化治療［3］，MAADP＞47 mm被認為是HTPR的臨界值［4］。在本研究中，利用TEG評估血小板聚集功能。約13.2%的患者發生HTPR，明顯低于文獻報道的水平（22.7% ～ 28%）［1］。影響抗血小板治療的非糖尿病患者氯吡格雷HTPR重要影響因素包括：性別、年齡、PDW和CYP2C19，而與BMI、HbA1c等因素無明顯相關性。

本研究發現，HTPR存在性別差異，與男性患者相比，女性患者更容易發生HTPR。BOZZI等［5-6］研究發現，在氯吡格雷服用前及服用后，女性血小板聚集率均較男性高。對于女性患者，ADP激活血小板的反應性一般高于男性，PAR1-AP激動劑和ADP刺激后，血小板纖維蛋白原結合和P-選擇素表達均高于男性，P2Y12抑制劑在男性中比在女性中更有效［7］。另外，ADP受體途徑介導的GPIIb/IIIa激活的信號分子表達以及隨后的RhoA/ROCK信號表明，女性血小板產生的磷酸化蛋白激酶C底物水平高3倍，血小板中信號活性的增加反映了其對激動劑的更高敏感性［8］。前述基礎理論，可以通過本研究結果得以印證：男女患者HTPR發生率為9.8%vs.25.1%（P＜0.05）。

年齡因素也是HTPR發生的獨立危險因素。SILVAIN等［9］研究結果提示：≥75歲老年患者服用氯吡格雷75 mg比年輕患者更易發生HTPR（OR：2.58，95%CI：1.76 ～ 3.79；P＜ 0.0001），HTPR發生率為38.2%vs.18.2%。藥代動力學和藥效學模型已證實HTPR與年齡增加有關［10］，年齡越大，血小板反應性越明顯［6，10］。由于衰老因素，老年患者血小板轉錄發生變化，血小板衍生顆粒酶A增加，導致血小板功能改變和過度炎癥反應，會加劇炎癥和血栓形成［11］。同時，隨著年齡的增大，多病共種、多藥共服等現象較常見，肝臟代謝能力隨年齡而下降，藥物之間的相互作用表現明顯［12］。因此，在臨床實踐中應該注意年齡對血小板反應性的影響。

既往研究表明BMI與HTPR 也有關［13］，隨著BMI增加，氯吡格雷的生物活性下降［10］。但本研究未獲得類似結論。這可能與本研究選擇的研究人群有關：僅納入非糖尿病患者研究。與非糖尿病患者相比，糖尿病患者伴有較高的BMI［13］。唐慧等［14］研究顯示，腰圍、體質量及體質量指數均是糖尿病患者重要危險因素。

PDW是血小板容積變異的一個參數，反映了血小板大小的變異性，在血小板活化過程中增大，是血小板反應性的更特異的標記物，也是1年重要不良心血管事件經濟可靠的預測因子［15］。本研究通過多元logistic回歸分析，PDW與HTPR相關，HTPR組PDW略高于非HTPR組。

CYP2C19基因多態性，在氯吡格雷代謝中起著重要作用［16］，也是HTPR發生的獨立危險因素［1，10］。氯吡格雷是一種前體藥，只有10% ～ 15%被肝細胞中的P450系統代謝為氯吡格雷的活性代謝物［17］。據估計，在氯吡格雷活化過程中，CYP2C19發揮50%的作用［18］。依據藥代動力學和藥效學模型計算［10］，中間代謝患者氯吡格雷活化物轉化率下降26.2%，而慢代謝者下降39.5%。另外，藥代動力學研究表明，PM患者需要增加到氯吡格雷劑量的4倍，方可達到與野生型健康志愿者相同的抗血小板作用［19］。CYP2C19基因多態性在氯吡格雷抗血小治療后的反應性存在顯著差異［20］。本研究中，與EM或IM患者相比，PM患者的HTPR發生率更高。

預測模型的目的有助于評估潛在HTPR風險并指導相關治療，良好的預測模型的ROC曲線下面積通常在0.6～0.85之間［21］。本研究中，氯吡格雷HTPR的預測模型ROC曲線下面積為0.704（圖1），因此該模型具有一定的區分度。同時，通過圖2可以發現，HTPR預測值與觀察值基本接近，具有較好的一致性（P=0.252），因此本研究中的HTPR預測模型具有良好的較準能力。

盡管接受P2YI2受體抑制劑治療時的血小板反應性對缺血和出血事件有中等程度的預測價值［22］，但目前尚無充足的證據支持對缺血性心腦血管疾病患者常規進行血小板功能和基因分型檢測，專家共識僅推薦特殊的高風險患者進行相關檢測［23］。本研究為一回顧性分析，研究數據相對局限。因此，在將來的前瞻性研究中，應注重更多的相關危險因素分析，并進行病例追蹤隨訪，更加有利于指導臨床。

總之，HTPR導致患者缺血性血管事件的風險增加，探討氯吡格雷HTPR的影響因素有利于個體化治療。高齡、女性、PDW和CYP2C19與非糖尿病患者氯吡格雷HTPR相關。預測模型可能有助于識別HTPR，但有必要在臨床實踐中探索更多的風險因素并進一步驗證和較正。