殘余膽固醇聯合中性粒細胞/淋巴細胞比值預測2型糖尿病腎病的臨床價值

付群,賀慧甜,代瑩瑩,吳文迅

(鄭州大學第一附屬醫院 內分泌科,河南 鄭州 450052)

糖尿病腎病(diabetic nephropathy,DN)是我國成人2型糖尿病(type 2 diabetes mellitus,T2DM)中最常見的慢性微血管并發癥之一[1],主要表現為持續白蛋白尿和腎功能異常,目前已成為引起終末期腎臟病變(end stage renal disease,ESRD)的重要原因[2]。DN發病機制復雜,風險因素各異,早期起病隱匿,臨床癥狀不甚明顯,易被臨床醫生及患者忽視,從而導致漏診及疾病的延誤診治,并且疾病一旦進展至中后期,將產生嚴重的不可逆性腎臟損傷,因此,對于DN應盡量做到早發現、早診斷和早治療。

殘余膽固醇(remnant cholesterol,RC)是血漿中富含甘油三酯的脂蛋白體(triglyceride rich lipoproteins,TGRL)在代謝過程中形成的殘余物中所包含的膽固醇總和[3],屬于殘存的脂質代謝風險范疇。中性粒細胞/淋巴細胞比值(neutrophil-to-lymphocyte ratio,NLR)為血常規炎癥衍生指標,能夠提示機體慢性低度炎癥的存在[4]。近年來,許多研究發現,RC、NLR等與2型糖尿病腎病的發生有著密切的聯系[5-6],但其大多僅關注單個指標,而很少有人去關注二者相互作用下的疊加效應。因此,本文旨在通過同時納入RC、NLR兩項指標,評價其單獨或聯合預測2型糖尿病腎病的價值,為早期識別DN的發生提供一定的參考依據。

1 對象與方法

1.1 研究對象

選取2020年1月至2022年6月于鄭州大學第一附屬醫院住院治療的755例T2DM患者作為研究對象。納入標準:(1)符合中國2型糖尿病防治指南(2020年版)中的T2DM診斷標準[7];(2)年齡>18歲。排除標準:(1)1型糖尿病及特殊類型糖尿病;(2)合并甲狀腺功能異常、庫欣綜合征等其他內分泌疾病;(3)合并嚴重的心腦血管疾病、惡性腫瘤、自身免疫疾病、急性感染、血液病等;(4)合并腎病綜合征、腎炎綜合征、泌尿系感染及其他原發腎臟疾病等;(5)近 6個月服用過降脂藥物。

1.2 臨床資料收集

詳細記錄患者的年齡、性別、身高、體重、收縮壓(systolic blood pressure,SBP)、舒張壓(diastolic blood pressure,DBP)、現病史、既往史、個人史,計算體重指數(body mass index,BMI)。禁食8 h,次日晨起空腹靜脈采血,測定糖化血紅蛋白(glycosylated hemoglobin,HbA1c)、空腹血糖(fasting plasma glucose,FPG)、尿素(Urea)、肌酐(creatinine,Cr)、尿酸(uric acid,UA)、估算的腎小球濾過率(estimated glomerular filtration rate,eGFR)、甘油三酯(triglyceride,TG)、總膽固醇(total cholesterol,TC)、低密度脂蛋白膽固醇(low density lipoprotein cholesterol,LDL-C)、高密度脂蛋白膽固醇(high density lipoprotein cholesterol,HDL-C)、白細胞計數(white blood cell,WBC)、中性粒細胞計數(neutrophil,NEU)、血小板計數(platelets,PLT)、單核細胞計數(monocyte,MON)、淋巴細胞計數(lymphocyte,LYM)、平均血小板體積(mean platelet volume,MPV)。RC為TC減去HDL-C及LDL-C所得的差值[8]。血常規衍生指標:NLR、血小板/淋巴細胞比值(platelet-to-lymphocyte ratio,PLR)、平均血小板體積/淋巴細胞比值(mean platelet volume-to-lymphocyte ratio,MPVLR)、單核細胞/高密度脂蛋白膽固醇比值(monocyte-to-HDL-cholesterol ratio,MHR)。

1.3 分組方法

根據尿微量白蛋白/肌酐比值(urinary albumin creatinine ratio,UACR)<30 mg·g-1,30～300 mg·g-1,>300 mg·g-1分為單純糖尿病組、早期糖尿病腎病組和臨床糖尿病腎病組。

1.4 統計學方法

2 結果

2.1 一般資料及實驗室指標

3組的性別、吸煙史、飲酒史、PLT、MON、MPV、TC、LDL-C比較,差異無統計學意義(P>0.05);余各項指標,組間比較,差異有統計學意義(P<0.05)。見表1。

表1 各組患者臨床資料比較

2.2 RC、NLR與UACR的相關性分析

Spearman秩相關結果提示,RC、NLR與UACR呈正相關(r=0.362,0.301,P<0.05)。

2.3 LASSO-logistic回歸篩選自變量

將早期糖尿病腎病組和臨床糖尿病腎病組合并為DN組,單純糖尿病組作為非DN組,以年齡、性別(男=1,女=0)、病程、BMI、吸煙史(有=1,無=0)、飲酒史(有=1,無=0)、糖尿病周圍血管病變(有=1,無=0)、糖尿病神經病變(有=1,無=0)、DR(有=1,無=0)、SBP、DBP、FPG、HbA1c、Urea、Cr、UA、TC、TG、HDL-C、LDL-C、RC、WBC、PLT、NEU、LYM、MON、MPV、NLR、MHR、PLR、MPVLR等為自變量,以有無DN(有=1,無=0)為因變量,采用LASSO回歸及5折交叉驗證進行數據篩選、降維,選出非零系數的自變量,當λ取值為0.06時(距離最大AUC 1個標準誤的距離),此時自變量個數與模型質量的選擇達到最優平衡(圖1A,1B),將上述篩選后的非零系數自變量納入多因素logistic回歸,確認DN發生的獨立危險因素。最終LASSO-logistic回歸結果顯示,BMI、糖尿病神經病變、DR、SBP、Urea、RC、NLR是T2DM患者DN發生的獨立危險因素(P<0.05)。見表2。

A:回歸系數特征參數圖,橫坐標為λ的對數,縱坐標為自變量回歸系數,每條實線代表1個自變量,隨著 Log(λ)的增加,每個自變量的回歸系數不斷減少,部分變量系數壓縮為0。B:回歸模型交叉驗證圖,橫坐標為λ的對數,縱坐標為AUC,左側垂直虛線為AUC 最大時對應的λ的對數,右側垂直虛線代表距離AUC最大值1個標準誤時的λ對數值。

表2 LASSO-logistic回歸模型分析結果

2.4 預測DN的ROC曲線

以合并DN為狀態變量,以RC、NLR、兩者聯合(即同時將RC、NLR納入回歸方程,建立以RC、NLR為基礎的概率預測模型,其中RC、NLR各占有一定權重)為檢驗變量,行ROC曲線分析,結果顯示,RC、NLR及兩者聯合預測2型糖尿病腎病的AUC分別為0.706、0.669、0.752,兩者聯合預測2型糖尿病腎病的AUC分別高于RC、NLR,差異有統計學意義(Z=2.594、5.115,P<0.05)。見表3、圖2。

圖2 RC、NLR及兩者聯合預測DN的曲線下面積對比

表3 RC、NLR及兩者聯合預測DN價值分析

3 討論

DN是T2DM患者常見的慢性微血管并發癥之一,其發病機制復雜,主要涉及高糖毒性、高脂毒性、胰島素抵抗、腎素血管緊張素醛固酮系統(renin angiotensin aldosterone system,RAAS)激活等引起的氧化應激、慢性低度炎癥、足細胞自噬等多種病理生理機制[9]。其中,脂質代謝紊亂及腎臟低度慢性炎癥所引起的腎功能損害備受關注。

RC主要包括空腹狀態下的極低密度脂蛋白膽固醇、中密度脂蛋白膽固醇和非空腹狀態下的乳糜微粒代謝物中的膽固醇殘粒。TGRL中的TG在血漿中不斷被脂蛋白脂肪酶(lipoprotein lipase,LPL)水解,從而產生TG減少而相對富含膽固醇酯和載脂蛋白E的殘余顆粒[10]。當來自肝臟的極低密度脂蛋白膽固醇和來自腸道的乳糜微粒產生過量時,LPL的脂肪分解效率較低,往往會導致部分代謝殘余顆粒的積累[11],這些殘余顆粒可以穿過內皮細胞,并且通過載脂蛋白和基質蛋白多糖之間的靜電相互作用,被選擇性地保留在內膜下空間,導致泡沫細胞形成和炎癥反應的發生[12]。RC介導DN發生發展的主要機制如下。(1)氧化應激:增加活性氧的產生速率,通過氧化還原敏感的信號通路引起生物分子(如DNA、蛋白質)的氧化損傷,激活巨噬細胞誘導足細胞凋亡[13-14]。(2)內質網應激:激活蛋白激酶R/PKR樣ER激酶、肌醇依賴酶1a和轉錄激活因子6信號通路,誘導未折疊蛋白質反應,促進內源性甾醇反應機制失調[15-16]。(3)炎癥應激:增強系膜細胞白細胞介素6、腫瘤壞死因子等促炎介質表達,造成微血管損傷和內皮功能障礙[17]。此外,RC還可能通過其他脂質代謝途徑直接或間接參與DN的發生和發展。

NLR為近年來發現的一種炎癥預測因子,主要反映機體的慢性低度非特異性炎癥狀態,具有價格低廉、簡便易得等優點。NLR作為一種血常規衍生指標,反映了由中性粒細胞介導的先天性免疫反應和淋巴細胞介導的適應性免疫反應之間的平衡狀態[18]。Gurmu等[19]研究發現,T2DM合并DN患者的平均NLR顯著高于非DN患者,在校正了混雜因素后,NLR仍是DN發生的獨立預測因子。本研究同樣發現,隨著DN等級的提升,NLR水平也隨之升高,差異有統計學意義,提示炎癥反應在DN的發生中起著一定的作用,其可能主要通過誘導氧化應激、RAAS系統激活、血管內皮功能障礙導致腎臟功能受損[20]。

本研究通過LASSO回歸及交叉驗證縮減自變量個數,排除可能存在的自變量之間的廣義共線性干擾,進一步通過多因素logistic回歸校正混雜因素,最終得出7個與DN發生有關的獨立危險因素。其中,BMI、糖尿病神經病變、DR、Urea等與DN具有良好的相關性,與以往的多個研究結果[21-23]相一致,而出乎意料的是,作為評價血糖控制優劣的關鍵要素,FPG、HbA1c兩項指標在本次研究中雖顯示出組間差異性,但在納入回歸模型中時無統計學意義,這可能與住院患者大多血糖控制不佳及樣本量分布不均衡有關。在本研究中,同時納入了NLR、PLR、MPVLR、MHR等多項血液炎癥衍生預測指標,而最終僅NLR被納入回歸模型之中,余指標雖顯示其組間比較差異有統計學意義,但最終未能納入多因素logistic回歸模型中,推測其可能雖具有一定的預測價值,但相對貢獻度較小而被剔除模型之外,同樣也可能與不同樣本之間存在差異及自變量篩選方法不同有關。

4 結論

本研究同時考量了脂質代謝紊亂中的RC指標和非特異性炎癥的NLR指標,評估了二者聯合診斷產生的疊加效應。結果表明,相較于單項預測指標,RC聯合NLR預測T2DM患者發生DN的效能更為優越,為早期診斷2型糖尿病腎病提供一定的參考依據。

當然,本研究也存在許多不足。首先,該樣本主要來自河南及其周邊地區,存在地域性的差異,且均為住院患者,存在統計學上的樣本分布不隨機的特點,因此可能存在選擇性偏倚以及與既往研究結果不一致的情況。其次,雖然本研究初步描述了單純糖尿病患者、早期糖尿病腎病患者、臨床糖尿病腎病患者之間的臨床資料差異,遺憾的是,限于樣本分組之間不符合平行線檢驗,未能進一步行多元有序邏輯回歸,而是將早期糖尿病腎病組和臨床糖尿病腎病組合并為DN組,單純糖尿病組作為非DN組,這樣可能會淡化早期糖尿病腎病組和臨床糖尿病腎病組之間的差異,喪失部分數據的有效信息,但這也可能間接提示3組之間的關系并非等比例的階梯狀遞增,而是存在差異性的階段性跨越。最后,本研究為單中心、小樣本量的回顧性研究,未來可行多中心、大樣本量的前瞻性研究,進一步評估RC、NLR與2型糖尿病腎病之間的關系。