不同胰島素抵抗替代指數對中老年2型糖尿病患者發生高尿酸血癥的預測價值研究

黃書瑋 周志衡 馮天元 劉莉 鄧光璞 李堯天 朱宏

基金項目：國家重點研發計劃項目（2020YFC2006400）

引用本文：黃書瑋，周志衡，馮天元，等. 不同胰島素抵抗替代指數對中老年2型糖尿病患者發生高尿酸血癥的預測價值研究［J］. 中國全科醫學，2024，27（19）：2364-2374. DOI：10.12114/j.issn.1007-9572.2023.0472.［www.chinagp.net］

HUANG S W，ZHOU Z H，FENG T Y，et al. Study on the predictive value of different insulin resistance replacement indices for hyperuricemia in middle-aged and elderly patients with type 2 diabetes［J］. Chinese General Practice，2024，27（19）：2364-2374.

? Editorial Office of Chinese General Practice. This is an open access article under the CC BY-NC-ND 4.0 license.

【摘要】 背景 我國2型糖尿?。═2DM）患者的數量龐大，其繼發高尿酸血癥（HUA）的風險較高。一旦T2DM患者繼發HUA，將進一步加劇其他潛在并發癥的風險，導致不良健康后果。因此，及時識別出這些繼發HUA高風險的患者，并對其進行早期預防和治療，顯得尤為重要。目的 探討中老年T2DM患者常見胰島素抵抗（IR）替代指標對發生HUA的預測價值，并選擇合適指標作為預測HUA發生和發展的工具。方法 采取分層隨機抽樣的方法，于深圳市某區7個社區衛生服務中心2023年1—3月就診的T2DM患者中選取HUA患者479例和非高尿酸血癥患者（NHUA）1 528例。采用多因素Logistic回歸分析評估三酰甘油葡萄糖（TyG）指數、三酰甘油葡萄糖體質量（TyG-BMI）指數、三酰甘油葡萄糖腰圍（TyG-WC）指數、三酰甘油-高密度脂蛋白膽固醇（TG/HDL-C）指數、非高密度脂蛋白膽固醇-高密度脂蛋白膽固醇（Non-HDL-C/HDL-C）指數、胰島素抵抗代謝（METS-IR）指數等IR替代指標及其四分位數對中老年T2DM患者發生HUA的影響。使用受試者工作特征（ROC）曲線評估不同IR替代指標對于中老年T2DM患者發生HUA的預測價值。并從CHARLS數據庫中篩選2011年和2015年隊列數據，組成巢式病例對照，驗證幾種IR替代指標預測HUA發生的有效性。結果 多因素Logistic回歸分析結果顯示，TyG指數、TyG-BMI指數、TyG-WC指數、TG/HDL-C指數、Non-HDL-C/HDL-C指數、METS-IR指數是發生HUA的獨立影響因素（P<0.05）。ROC曲線提示TyG-WC指數、Non-HDL-C/HDL-C指數和METS-IR指數對預測HUA的發生具有較高的價值，ROC曲線下面積（AUC）分別為0.811、0.796和0.791。巢式病例對照研究結果顯示，高水平TyG-WC指數、Non-HDL-C/HDL-C指數和METS-IR指數相較于低水平，發生HUA的風險分別是2.083倍、2.152倍、2.263倍（P<0.05）。結論 TyG指數、TyG-BMI指數、TyG-WC指數、TG/HDL-C指數、Non-HDL-C/HDL-C指數、METS-IR指數均能預測HUA發生，其中TyG-WC指數、METS-IR指數和Non-HDL-C/HDL-C指數可以作為預測中老年T2DM患者發生HUA的工具。

【關鍵詞】 糖尿病，2型；高尿酸血癥；中年人；老年人；胰島素抵抗；風險評估

【中圖分類號】 R 587.1 R 589.9 【文獻標識碼】 A DOI：10.12114/j.issn.1007-9572.2023.0472

Study on the Predictive Value of Different Insulin Resistance Replacement Indices for Hyperuricemia in Middle-aged and Elderly Patients with Type 2 Diabetes

HUANG Shuwei1，2，ZHOU Zhiheng3，FENG Tianyuan2，LIU Li2，DENG Guangpu2，LI Yaotian2，ZHU Hong1，2*

1.School of Public Health，Southern Medical University，Guangzhou 510515，China

2.Nanfang Hospital，Southern Medical University，Guangzhou 510515，China

3.Shenzhen Pingshan General Hospital，Southern Medical University，Shenzhen 518118，China

*Corresponding author：ZHU Hong，Researcher/Doctoral supervisor；E-mail：zhuhongnfyy@126.com

【Abstract】 Background In China，there is a significant prevalence of type 2 diabetes patients（T2DM），who also have an increased risk of developing secondary hyperuricemia（HUA）. Patients with T2DM who develops HUA are at increased risk of developing further problems，which could have detrimental effects on their health. Consequently，it is crucial to promptly identify individuals who have a high risk of developing secondary HUA and to begin early prevention and therapy. Objective Exploring the predictive value of common insulin resistance （IR）surrogates for the HUA in middle-aged and elderly T2DM patients. And employ a subset of these metrics as predictive metrics for the occurrence and progression of HUA. Methods Using stratified random sampling，479 individuals with type 2 diabetes mellitus（T2DM）and 1 528 patients with non-hyperuricemia（NHUA）were chosen from seven community health service centers in Shenzhen between January and March 2023. Multivariate Logistic regression analysis was used to evaluate the effects of various insulin resistance（IR）metrics and their quartiles on the incidence of HUA in middle-aged and older type 2 diabetic patients. Triglyceride-high density lipoprotein cholesterol（TG/HDL-C）index，non-high density lipoprotein cholesterol ratio（Non-HDL-C/HDL-C）index，triglyceride glucose（TyG）index，triglyceride glucose body mass（TyG-BMI）index，triglyceride glucose waist circumference（TyG-WC）index，and insulin resistance metabolism（METS-IR）index are some of these metrics. The predictive efficacy of several IR substitution measures for HUA in middle-aged and older T2DM patients was assessed using the ROC curve. The CHARLS database's cohort data from 2011 and 2015 were filtered in order to create a nested case-control that would validate the predictive power of different IR alternative indicators for the likelihood of HUA. Results Multivariate Logistic regression study revealed that the METS-IR index，TG/HDL-C index，Non HDL-C/HDL-C index，TyG index，TyG-BMI index，TyG-WC index，and TG/HDL-C index were independent influencing factors for the occurrence of HUA（P<0.05）. The ROC curve indicates that the TyG-WC index，the Non-HDL-C/HDL-C index，and the METS-IR index，with AUCs of 0.811，0.796，and 0.791，respectively，have good value in predicting the occurrence of HUA. According to the results of the nested case-control study，there was a higher risk of developing HUA at 2.083，2.152，and 2.263 times，respectively，for high levels of the TyG-WC index，Non-HDL-C/HDL-C index，and METS-IR index compared to low levels（P<0.05）. Conclusion TyG index，TyG-BMI index，TyG-WC index，TG/HDL-C ratio index，Non-HDL-C/HDL-C index，and METS-IR index all predicted HUA occurrence，and Non-HDL-C/HDL-C index can be used as tools to predict the occurrence of HUA in middle-aged and elderly patients with T2DM.

【Key words】 Diabetes mellitus，type 2；Hyperuricemia；Middle aged；Aged；Insulin resistance；Risk assessment

胰島素抵抗（IR）是指靶細胞對胰島素反應減弱的狀態，是糖尿病患者的重要特征。美國內分泌學學會認為，美國90%以上的2型糖尿病（T2DM）患者存在IR［1］。

目前，臨床上IR檢測的“金標準”是高胰島素正常血糖鉗夾試驗（HEC），此外，胰島素抑制試驗（IST）、同位素示蹤檢測也具有較高的精準度，但由于其侵入性大、價格高、操作復雜等特點，極大地限制了實際應用。因此，學者研究出了許多間接測定空腹胰島素敏感性的方法，例如，穩態模型評估IR替代指數（HOMA-IR）、β細胞功能指數（HOMA-β）、定量胰島素敏感指數（QUICKI）和貝內特胰島素敏感指數（ISI，也稱胰島素敏感指數），其都可以通過測量空腹胰島素（FINS）和隔夜空腹血糖（FPG）來計算，其中HOMA-IR被廣泛使用［2］。然而，在中國，T2DM患者的隨訪管理是在基層醫療衛生機構進行的，常不測量FINS或不具備測量FINS的條件，這使得上述方法在大規模臨床研究和流行病學調查中難以確定IR狀態。最近的研究發現，許多基于常規生化指標計算的IR替代指標，如三酰甘油葡萄糖（TyG）指數［3］、三酰甘油葡萄糖體質量（TyG-BMI）指數［4］、三酰甘油葡萄糖腰圍（TyG-WC）指數［5］、三酰甘油（TG）/高密度脂蛋白膽固醇（HDL-C）指數（HG/HDL-C）［6］、非高密度脂蛋白膽固醇-高密度脂蛋白膽固醇（Non-HDL-C/HDL-C）指數［7］、胰島素抵抗代謝（METS-IR）指數［8］等，其在評估IR狀態方面都有很高的價值，且用于計算的指標是基層體檢常規項目，可以用來評估基層醫療衛生機構T2DM患者的IR狀態。

尿酸（UA）是內源性和外源性嘌呤的最終降解代謝產物，主要通過腎臟排泄，在高濃度時可引起高尿酸血癥（HUA）。中國的HUA總患病率為13.3%［9］，僅次于糖尿病、高血壓和高脂血癥，位居第四。HUA不僅可引起痛風，還與糖尿病、脂肪肝、高血壓等代謝相關疾病密切相關。研究表明，UA與IR之間存在相關

性［10-12］。UA水平升高與IR和胰島素分泌受損顯著相關［13］。脂肪組織的IR在血清UA代謝HUA的發生中起關鍵作用［14-15］。目前，有關T2DM患者IR替代指標與HUA發生之間關系的研究較少。因此，本研究將回顧分析TyG指數、TyG-BMI指數、TyG-WC指數、TG/HDL-C指數、Non-HDL-C/HDL-C指數、METS-IR指數等IR替代指標對T2DM患者發生HUA的預測價值，以選擇其中能夠用以精準預測HUA發生的指標，并選取中國健康與養老追蹤調查（CHARLS）數據庫2011年和2015年相關數據，開展巢式病例對照研究，進而證實其預測中老年T2DM患者發生HUA的應用價值。

1 資料與方法

1.1 研究對象

于深圳市某區28個社區衛生服務中心中隨機抽取7個社區衛生服務中心，選擇于2023年1—3月就診于7個社區衛生服務中心的T2DM患者2 007例。納入標準：（1）T2DM患者，符合《中國2型糖尿病防治指南（2020年版）》［16］診斷標準：臨床癥狀典型且FPG≥7.0 mmol/L；（2）年齡≥45歲。排除標準：（1）診斷為其他類型糖尿病患者，如1型糖尿病等；（2）近3個月內服用影響UA產生和代謝的藥物；（3）診斷肝腎功能不全的患者；（4）其他可能影響UA水平的疾病，如腎炎、腎衰竭、重性肝病、腫瘤等。依據《中國高尿酸血癥和痛風診療指南（2019）》［17］中的HUA診斷標準：空腹UA≥420 μmol/L，將患者劃分為HUA組（UA≥420 μmol/L，479例）和NHUA組（UA<420 μmol/L，1 528例）。

巢式病例對照研究對象來源于CHARLS數據庫［18］。從CHARLS數據庫中獲取2011年和2015年調查對象的一般信息（年齡、性別、既往病史、吸煙情況、飲酒情況）、體格測量（身高、體質量、腰圍）和實驗室檢查資料，包括FPG、糖化血紅蛋白（HbA1c）、總膽固醇（TC）、TG、HDL-C、低密度脂蛋白膽固醇（LDL-C）、UA，并使用唯一ID對2011年和2015年的數據進行匹配。納入標準：（1）2011調查記錄有T2DM病史者；（2）2011年調查記錄中UA<420 μmol/L；（3）年齡≥45歲；（4）2011年和2015年跟蹤調查均有記錄。排除標準：（1）遺漏體格測量、實驗室檢查等關鍵信息者；（2）2011年和2015年記錄不符者（如2011年與2015年年齡相差不是4歲，2011年有T2DM病史但2015年無T2DM病史，2011年與2015年身高相差過大）；（3）有不合理記錄者（如47歲但身高僅0.73 m，腰圍<40 cm，體質量>150 kg，FPG>100 mol/L，HDL-C和LDL-C之和大于TC等）。最終納入了955對T2DM患者。

1.2 研究方法

1.2.1 收集患者的年齡、性別、既往病史、吸煙史和飲酒史、運動情況等一般信息。其中，T2DM病程為從確診T2DM開始至調查當天累計月數；高血壓病史，建有高血壓檔案的視為有高血壓病史，反之則無；吸煙史，采用1997年WHO對吸煙者的定義：一生中連續或累積吸煙6個月或以上者均視為吸煙者［18］；飲酒史，在調查時間點算起的前一年，無論何種酒類，只要喝過均定義為飲酒［19］；運動情況，將運動頻率高于每周1次以上的視為運動，運動頻率低于此的視為不運動。

1.2.2 體檢和臨床檢查資料。本研究使用多功能綜合秤測量患者的身高和體質量。患者赤腳站在多功能綜合秤上站立，多功能綜合秤將自動讀取并計算BMI；使用卷尺測量患者的腰圍（WC），患者直立，閱讀臍部水平一周；臂管智能血壓計（OMRON HBP-9021）用于測量患者的收縮壓（SBP）和舒張壓（DBP），靜坐5 min后，手臂與心臟水平，左右手分別測量2次，取4次的平均讀數。夜間禁食12 h后，清晨抽血送實驗室測定FPG、HbA1c、TG、TC、HDL-C、LDL-C、UA、丙氨酸氨基轉氨酶（ALT）、天冬氨酸氨基轉氨酶（AST）、血清肌酐（Scr）等生化指標。社區衛生服務中心均采用邁瑞BS-320全自動生化分析儀進行生化檢測。

1.2.3 指標計算公式。下式中各指標單位如下表1所示。BMI為kg/m2；身高、腰圍為m；體質量為kg；FPG、TC、TG、HDL-C、LDL-C、UA為mg/dL。各指標mg/dL與mmol/L或μmol/L之間換算公式分別為1 mg/dL FPG=18.02 mmol/L FPG，1 mg/dL TC=38.67 mmol/L TC，1 mg/dL TG=88.6 mmol/L TG，1 mg/dL HDL-C=38.67 mmol/L HDL-C，1 mg/dL LDL-C=38.67 mmol/L LDL-C，1 mg/dL UA=59.481 μmol/L UA。

表1 指標計算公式

Table 1 Indicator calculation formula

序號 公式

式（1） BMI=體質量/身高2

式（2） TyG指數=ln［TG×FBG/2］

式（3） TyG-BMI指數=TyG指數×BMI

式（4） TyG-WC指數=TyG指數×WC

式（5） TG/HDL-C指數=TG/HDL-C

式（6） Non-HDL-C/HDL-C指數=（TC-HDL-C）/HDL-C

式（7） METS-IR指數= {ln［2×FPG+TG］×BMI/ln ［HDL-C］}

式（8） LCI指數=TC×TG×LDL-C/HDL-C

式（9） CI指數=（LDL-C-HDL-C）（TG<400 mg/dL）

或LDL-C-HDL-C+TG/5（TG≥400 mg/dL）

注：TyG指數=三酰甘油葡萄糖指數，TG=三酰甘油，FPG=空腹血糖，TyG-BMI指數=三酰甘油葡萄糖體質量指數，TyG-WC指數=三酰甘油葡萄糖腰圍指數，WC=腰圍，TG/HDL-C指數=三酰甘油-高密度脂蛋白膽固醇指數，HDL-C=高密度脂蛋白膽固醇，Non-HDL-C/HDL-C指數=非高密度脂蛋白膽固醇-高密度脂蛋白膽固醇指數，TC=總膽固醇，METS-IR指數=胰島素抵抗代謝指數，LCI=脂質心血管指數，CI=膽固醇指數。

1.3 統計學方法

采用SPSS 22.0版統計軟件進行數據分析。由于本研究的樣本量足夠大，使用Shapiro-Wilk檢驗和直方圖方法進行正態分布檢驗。對符合正態分布的計量資料以（x-±s）表示，兩組間比較采用獨立樣本t檢驗，不符合正態分布的計量資料以M（P25，P75）表示，組間比較采用Mann-Whitney U檢驗。計數資料以相對數表示，使用χ2檢驗進行組間比較。使用單因素Logistic回歸分析探討中老年T2DM患者發生HUA影響因素，并將單因素分析中有統計學意義的指標，納入多因素Logistic回歸分析探討中老年T2DM患者發生HUA的影響因素。采用受試者工作特征曲線（ROC曲線）分析不同的IR替代指標預測中老年T2DM患者發生HUA的價值，得出其ROC曲線下面積（AUC）、最佳截斷值、靈敏度、特異度和約登指數。在巢式病例對照中，采用χ2檢驗探討暴露因素與中老年T2DM患者發生HUA及血糖控制結果之間的關系，采用OR值表示暴露組與非患病組的結局事件風險比。以P<0.05為差異有統計學意義。

2 結果

2.1 一般資料和臨床數據的比較

HUA組與NHUA組的年齡、吸煙史、飲酒史、高血壓病史、T2DM病程、HbA1c、ALT、AST比較，差異無統計學意義（P>0.05）；HUA組的運動情況、性別、WC、BMI、SBP、DBP、FPG、Scr、TC、TG、LDL-C、TyG指數、TyG-BMI指數、TyG-WC指數、TG/HDL-C指數、Non-HDL-C/HDL-C指數、METS-IR指數、LCI指數、CI指數高于NHUA組，HUA組的HDL-C低于NHUA組，差異有統計學意義（P<0.05），見表2。

2.2 中老年T2DM患者發生HUA的單因素Logistic回歸分析

以中老年T2DM患者是否發生HUA（賦值：是=1，否=0）為因變量，以［性別（賦值：男性=1，女性=2）、吸煙（賦值：吸煙=1，不吸煙=0）、飲酒（賦值：飲酒=1，不飲酒=0）、高血壓（賦值：1=是，否=0），以及年齡、T2DM病程、WC、BMI、SBP、DBP、FPG、HbA1c、ALT、AST、Scr、TC、TG、HDL-C、LDL-C、TyG指數、TyG-BMI指數、TyG-WC指數、TG/HDL-C指數、Non-HDL-C/HDL-C指數、METS-IR指數、LCI指數、CI指數（以上自變量賦值均為實測值）］為自變量進行單因素Logistic回歸分析。結果顯示，性別、運動、高血壓、WC、BMI、SBP、DBP、FPG、Scr、TC、TG、LDL-C、HDL-C、TyG指數、TyG-BMI指數、TyG-WC指數、TG/HDL-C指數、Non-HDL-C/HDL-C指數、METS-IR指數、LCI指數、CI指數是中老年T2DM患者發生HUA的影響因素（P<0.05），見表3。

2.3 中老年T2DM患者發生HUA的多因素Logistic回歸分析

以中老年T2DM患者的HUA發生與否（賦值：是=

1，否=0）為因變量，以單因素分析中有統計學意義的指標作為自變量進行多因素Logistic回歸分析。由于各IR替代指標之間存在共線性，因此分別進行多因素Logistic回歸分析。在調整混雜因素和共線性診斷后，建立了6個IR替代指數的模型，結果顯示TyG指數、TyG-BMI指數、TyG-WC指數、TG/HDL-C指數、Non-HDL-C/HDL-C指數、METS-IR指數是中老年T2DM患者發生HUA的影響因素（P<0.05），見表4。

2.4 6個胰島素抵抗替代指標預測中老年T2DM患者發生HUA的多因素Logistic回歸分析

以中老年T2DM患者的HUA發生與否（賦值：是=1，否=0）為因變量，以2.3中各模型的自變量（各IR替代指標用其四分位數來替換，依次為Q1、Q2、Q3、Q4，均以Q1為參照）納入多因素Logistic回歸分析中。結果顯示，在所有6個指標中，Q4的HUA發生風險均高于Q1，各指標Q4與Q1相比的OR值分別為：3.941（TyG指數）、4.735（TyG-BMI指數）、5.184（TyG-WC指數）、3.554（TG/HDL-C指數）、4.375（Non-HDL-C/HDL-C指數）和4.725（METS-IR指數），見表5。

2.5 6個IR替代指標預測中老年T2DM患者發生HUA的ROC曲線

使用ROC曲線比較6個IR替代指標對中老年T2DM患者發生HUA風險的影響。TyG-WC指數的AUC最高，為0.811［95%CI（0.792～0.830）］，最佳截點值為8.20，靈敏度為84.80%，特異度為37.90%，約登指數為0.469；其次為Non-HDL-C/HDL-C指數的AUC為0.796［95%CI（0.773～0.819）］，最佳截點值為2.76，靈敏度為77.50%，特異度為30.30%，約登指數為0.472。METS-IR指數的AUC為0.791［95%CI（0.768～0.814）］，最佳截點值為39.61，靈敏度為64.50%，特異度為22.00%，約登指數為0.425。分性別亞組分析后發現，各指數在女性中的表現均比在男性中的表現更佳，AUC、約登指數均更高。各指數中，依舊是TyG-WC指數、Non-HDL-C/HDL-C指數、METS-IR指數的診斷價值較高。見圖1和表6。

2.6 T2DM患者發生HUA的巢式病例對照分析

從CHARLS數據庫2011年隊列中納入的955例NHUA的T2DM者中，共有74例在2015年隨訪時發展為了HUA，累積發病率7.75%，將這74例作為病例組，剩余881例作為對照組，構建巢式病例對照。將2011年和2015年隨訪時TyG-WC指數、Non-HDL-C/HDL-C指數、METS-IR指數均大于ROC曲線分析得出的最佳截點值（8.20、2.76、39.61）的患者視為暴露于高TyG-WC指數（Non-HDL-C/HDL-C指數、METS-IR指數）水平下，其余視為非暴露于高TyG-WC指數（Non-HDL-C/HDL-C指數、METS-IR指數）水平下。各組T2DM患者HUA發生情況見表7。進一步分析發現，高TyG-WC指數水平的患者發生HUA的風險高于低TyG-WC指數水平的患者（χ2=5.966，P=0.015），OR（95%CI）為1.677（1.042～2.700），調整年齡、性別和高血壓史等混雜因素后，OR（95%CI）為1.909（1.154～3.158）。高Non-HDL-C/HDL-C指數的患者發生HUA的風險高于低Non-HDL-C/HDL-C指數水平的患者（χ2=4.870，P=0.027），OR（95%CI）為1.723（1.058～2.807），調整年齡、性別和高血壓史等混雜因素后，OR（95%CI）為1.810（1.096～2.987）。高METS-IR指數水平的患者發生HUA的風險高于低METS-IR指數水平的患者（χ2=4.612，P=0.032），OR（95%CI）為1.677（1.042～2.700），調整年齡、性別和高血壓史等混雜因素后，OR（95%CI）為1.812（1.084～3.031）。

2.7 T2DM患者血糖控制的巢式病例對照研究

從CHARLS數據庫2011年隊列中納入的955例T2DM患者中，共有589例在2015年隨訪時血糖控制在7.0 mmol/L以下，血糖控制率為61.68%。將這589例作為控制良好組，剩余366例作為控制不良組，構建巢式病例對照。將2011年和2015年隨訪時TyG-WC指數、Non-HDL-C/HDL-C指數、METS-IR指數均大于ROC曲線分析得出的最佳截點值（8.20、2.76、39.61）的患者視為暴露于高TyG-WC指數（Non-HDL-C/HDL-C指數、METS-IR指數）水平下，其余視為非暴露于高TyG-WC指數（Non-HDL-C/HDL-C指數、METS-IR指數）水平下。各組T2DM患者血糖控制情況見表8。進一步分析發現，低TyG-WC指數水平的患者血糖控制率高于高TyG-WC指數水平的患者（χ2=71.002，P<0.001），OR（95%CI）為3.151（2.403～4.133），調整年齡、性別和高血壓史等混雜因素后，OR（95%CI）為3.123（2.361～4.130）。低Non-HDL-C/HDL-C指數水平的患者血糖控制率高于高Non-HDL-C/HDL-C指數水平的患者（χ2=19.976，P<0.001），OR（95%CI）為1.822（1.399～2.373），調整年齡、性別和高血壓史等混雜因素后，OR（95%CI）為1.763（1.350～2.302）。低METS-IR指數水平的患者血糖控制率高于高METS-IR指數水平的患者（χ2=41.107，P<0.001），OR（95%CI）為2.589（1.973～3.399），調整年齡、性別和高血壓史等混雜因素后，OR（95%CI）為2.596（1.950～3.458）。

3 討論

糖尿病患者常伴IR癥狀。IR是許多病理生理狀況的共同因素，如肥胖、血脂異常、糖耐量異常和動脈粥樣硬化［20］。HUA水平與IR之間存在交互作用［21］。大量UA沉積于胰島細胞內，會損害胰島B細胞的胰島素分泌功能，胰島素代償性增強，同時，HUA可導致內皮細胞損傷、消耗葡萄糖的能力降低，產生類似IR的效果［22］。此外，已有研究表明，HUA可引起3T3-L1脂肪細胞的IR［23］。IR會引起持續的高血糖狀態，加劇腎臟損害，影響UA的排泄，同時IR帶來的高胰島素血癥會增加腎臟對UA的重吸收，導致血清UA水平升高［24］。以往研究已經證實了IR與HUA的密切關系，但在臨床實踐中仍沒有一套完善的IR評價體系來指導HUA的預防和治療。由于作為評估IR的“金標準”的正常血糖胰島素鉗夾技術在實踐中是不可行的。而MATTHEWS等［25］提出HOMA-IR通常被視為評估IR的關鍵實驗室指標。但其計算包括血清胰島素，因而限制了使用。BMI、WC、FPG和血脂相關參數是基層醫療衛生機構可以完成的常規檢查指標，利用這些指標計算的IR替代指標方便、通用，適用于公共衛生管理中篩查HUA高危人群。本研究分析了這些指標與中老年T2DM患者的HUA之間的關系。本研究評估了上述指標在該人群中預測HUA的價值，并選擇了用于臨床推廣的高價值指標。

本研究發現，HUA患者的IR替代指標、BMI和血脂相關參數明顯高于UA水平正常的患者，提示HUA患者的IR和脂代謝紊亂更為嚴重。通過單因素和多因素Logistic回歸分析，調整混雜因素和共線性后，TyG指數、TyG-BMI指數、TyG-WC指數、TG/HDL-C指數、Non-HDL-C/HDL-C指數和METS-IR指數是影響HUA發生的獨立因素，其中第四分位數對HUA的預測能力顯著高于第一四分位數。ROC曲線評價進一步表明，TyG-WC指數、Non-HDL-C/HDL-C指數和METS-IR指數在AUC、靈敏度和特異度方面表現較好。因此，本研究認為TyG-WC指數、Non-HDL-C/HDL-C指數和METS-IR指數對預測T2DM患者HUA的發生有較高的參考價值。

以往研究表明，TG/HDL-C指數能夠有效地識別

IR［26］，是β細胞脂毒性的標志，導致胰島素分泌減少［27］。TG水平升高也導致β細胞凋亡增加［28］。韓國的一項大型橫斷面研究表明，Non-HDL-C/HDL-C指數是識別IR的一個高效標記物［29］。HDL-C是動脈粥樣硬化的保護性指標，Non HDL-C是指從TC中減去HDL-C，包括所有致動脈粥樣硬化的脂蛋白的組合，Non HDL-C/HDL-C指數更能反映動脈粥樣硬化的風險。研究表明，慢性全身炎癥和內皮細胞損傷可能導致動脈粥樣硬化與UA水平的相關性［29-30］。此外，通過IR與UA的關系，Non-HDL-C/HDL-C指數在預測HUA方面顯示出很高的價值，本研究的結果與之一致。

通過對多個指標的橫斷面比較發現，TyG指數是預測IR的最佳指標［31］。然而，有學者發現TyG-BMI指數對IR有更強的預測能力［32］。本研究結果表明，TyG-WC指數的預測能力表現好于TyG指數和TyG-BMI指數，這可能是因為引入了WC指數。BMI可以反映脂肪在人體內的整體分布，而WC可以更直接地反映腰部和腹部積累的脂肪含量，常被用來評估腹型肥胖。研究表明，肥胖，特別是腹部肥胖，在IR中起著重要作用［33］。腹型肥胖會導致人類體內脂聯素含量降低［34］，抵抗素升高［35］。同時，當皮下脂肪組織的儲蓄水平下降，或脂肪細胞過多地反應脂肪儲蓄信號時，會引起各種脂肪細胞因子水平發生變化，從而導致IR［36］。因此，在TyG指數的基礎上引入腰圍指數更能反映IR的真實水平。此外，一些研究還表明，TyG指數與UA呈正相關，可能的機制是三酰甘油水平過高時，會被降解成游離脂肪酸（FFA），被過多轉運到腎臟發生沉積時會造成腎臟損害、腎小球硬化，甚至腎小管凋亡，尿酸鹽的排泄減少，UA水平升高［37］。腹型肥胖與HUA密切相

關［38］，內臟脂肪組織也可產生UA［39］，因此引入WC后，TyG-WC指數與UA的關系比TyG指數和TyG-BMI指數更密切，提高了預測HUA發生的能力。

本研究發現METS-IR指數與HUA密切相關，與以往研究的結果相似［40-41］。METS-IR指數越高，內臟、肝臟和胰腺的脂肪含量就越多［42］。此外，肝臟和胰腺中脂肪含量的積累會顯著增加IR［43-44］。METS-IR的計算包括FPG、TG、BMI和HDL-C，與TyG指數和TyG-BMI指數相比，增加的HDL-C更能反映內臟脂肪功能的變化和脂質堆積的程度，更好地反映代謝紊亂［45］，提高了對HUA的預測能力。本研究還發現，中老年的T2DM患者中，女性的AUC通常高于男性的AUC，其中女性患者的TyG-WC指數的AUC高達0.864，具有很高的診斷能力。這可以通過雌激素對內臟脂肪積累以及葡萄糖和脂肪代謝的影響來解釋［46］。

最后本研究使用了CHARLS數據庫進行結果的驗證，結果發現，在TyG-WC指數、Non-HDL-C/HDL-C指數和METS-IR指數的高水平組相較于低水平組，患者發生HUA的風險均更高，且血糖控制率更低，證實了這三個指數對于中老年T2DM患者預測HUA發生和血糖控制情況的應用價值。根據我國國家基本公共衛生服務規范中的要求，基層醫療衛生機構至少每季度對T2DM患者進行1次隨訪，日常診療中醫生也通常會囑告患者在家也應時常關注血糖的變化，但為T2DM患者提供免費體檢的次數卻只有1次，由于經濟原因或重視程度不夠，大多數患者不會再進行額外的體檢，這就導致患者對于UA和血脂等其他代謝指標的監測頻率遠遠達不到實際需求。因此，除了要多動員宣傳促進患者增加體檢頻率之外，如何應用好這一次免費體檢的數據就顯得更加重要。HUA也是一種逐漸加重的進展性代謝疾病，如不及早進行干預，很可能會導致患者很快地從無癥狀性HUA進展為痛風，一旦進展為痛風，將給患者帶來巨大的身體疼痛，其管理難度也將明顯上升，因此，在尚未發生HUA或在HUA早期就能夠通過預測進行風險識別，從而及時進行干預具有重要意義。此外，由于影響體內UA水平的原因主要為UA的生成情況和排泄情況，UA水平增加原因可能是由于人體相關先天性酶缺失、腎臟排泄UA功能下降以及患者日常飲食中攝入高嘌呤食物增加。如果患者體檢前攝入高嘌呤食物或服用了可能會阻斷UA生成的藥物，可能無法真實反映患者的UA水平，即單純通過UA可能帶來誤判HUA為NHUA的風險。因此，本研究所選擇的幾個IR替代指標一方面可以準確預測HUA的發生風險，并使用這些指標來輔助判斷UA的真實情況，以及早進行干預來預防HUA的發生和進展；另一方面，這些IR替代指標也準確預測了血糖控制的情況，可用于輔助醫師調整血糖控制方案。具體來說，當通過患者相關體檢數據計算出的TyG-WC指數、Non-HDL-C/HDL-C指數和METS-IR指數超過臨界值時，說明患者有發生HUA的風險，應格外關注患者的情況，建議患者定期復查UA和相關指標。

因此，本研究建議在基層醫療衛生機構T2DM患者的治療和管理中，除考慮FPG和HbA1c外，還應考慮IR的水平。TyG-WC指數、Non-HDL-C/HDL-C指數和METS-IR指數可較好地反映IR水平，可作為HUA風險的預測工具，有助于早期進行HUA的預防和處理，并可據此調整干預策略，做好T2DM患者的血糖管理。這些指標具有測量方便、計算簡單、適用范圍廣等優點，具有實用價值?？紤]到合并HUA會加重T2DM患者的代謝紊亂，導致不良后果，可采用并聯方法結合多種IR替代指標，以提高其敏感性，降低漏診率。

本研究存在一定的局限性。首先，本研究為橫斷面研究，樣本量較小，研究結果可能不適用于其他地區或人群。與本研究抽取的患者相比，CHARLS數據庫的驗證可能由于其自我報告的T2DM狀況、不同的調查時間、參與者之間不同的UA水平以及不同的分組診斷截止值而存在偏差。未來的研究應采用大樣本、多中心、前瞻性設計和更具代表性的臨界值，以確定TyG-WC指數、Non-HDL-C/HDL-C指數、METS-IR指數與HUA發生的關系，再進一步探索用這些指標界定發生HUA的低風險、中風險、高風險的情況。這些指數對其他年齡組或人群的適用性也需要進一步研究證實。

4 小結

本研究證實了在中老年T2DM人群中，多項IR替代指標與HUA的發生有密切相關，其中，TyG-WC指數、Non-HDL-C/HDL-C指數、METS-IR指數對HUA的發生有較高的預測價值。本研究還為T2DM患者的健康管理提供了新的視角和工具。在初級衛生保健機構對T2DM患者的管理中，醫生應充分利用這些IR替代指標，以更精準地評估患者的IR狀況，并以此作為預測HUA發生風險的工具，根據指標情況制定相應的個性化的干預策略。對已達到或即將達到危險閾值的患者，應及時進行干預，調整行為和生活方式，預防HUA的發生。此外，關注IR替代指數的這些變化也有助于血糖的控制，從而減緩T2DM的進展，提高患者的生活質量。

作者貢獻：黃書瑋參與文章構思與設計、數據收集與管理、論文寫作；周志衡、馮天元、劉莉參與文章構思與設計、數據收集與管理、論文修訂；鄧光璞、李堯天參與文章構思與設計、統計分析、審查和論文寫作；朱宏負責文章構思與設計、文章的質量控制及審校，對文章整體負責。

本文無利益沖突。

黃書瑋：https：//orcid.org/0009-0005-3072-2658

朱宏：https：//orcid.org/0009-0000-8604-4714

參考文獻

EINHORN D. American college of endocrinology position statement on the insulin resistance syndrome［J］. Endocr Pract，2003，9：5-21. DOI：10.4158/ep.9.s2.5.

中華醫學會糖尿病學分會胰島素抵抗學組（籌）. 胰島素抵抗評估方法和應用的專家指導意見［J］. 中華糖尿病雜志，2018，10（6）：377-385. DOI：10.3760/cma.j.issn.1674-5809.2018.06.001.

RAMDAS NAYAK V K，SATHEESH P，SHENOY M T，et al. Triglyceride Glucose（TyG）Index：a surrogate biomarker of insulin resistance［J］. J Pak Med Assoc，2022，72（5）：986-988. DOI：10.47391/JPMA.22-63.

YUAN Y，SUN W，KONG X Q. Comparison between distinct insulin resistance indices in measuring the development of hypertension：the China Health and Nutrition Survey［J］. Front Cardiovasc Med，2022，9：912197. DOI：10.3389/fcvm.2022.912197.

SONG S，SON D H，BAIK S J，et al. Triglyceride glucose-waist circumference（TyG-WC）is a reliable marker to predict non-alcoholic fatty liver disease［J］. Biomedicines，2022，10（9）：2251. DOI：10.3390/biomedicines10092251.

NUR ZATI IWANI A K，JALALUDIN M Y，YAHYA A，et al.

TG：HDL-C ratio as insulin resistance marker for metabolic syndrome in children with obesity［J］. Front Endocrinol，2022，13：852290. DOI：10.3389/fendo.2022.852290.

KIM S W，JEE J H，KIM H J，et al. Non-HDL-cholesterol/HDL-cholesterol is a better predictor of metabolic syndrome and insulin resistance than apolipoprotein B/apolipoprotein A1［J］. Int J Cardiol，2013，168（3）：2678-2683. DOI：10.1016/j.ijcard.2013.03.027.

BELLO-CHAVOLLA O Y，ALMEDA-VALDES P，GOMEZ-VELASCO D，et al. METS-IR，a novel score to evaluate insulin sensitivity，is predictive of visceral adiposity and incident type 2 diabetes［J］. Eur J Endocrinol，2018，178（5）：533-544. DOI：10.1530/EJE-17-0883.

LIU R，HAN C，WU D，et al. Prevalence of hyperuricemia and gout in mainland China from 2000 to 2014：a systematic review and meta-analysis［J］. Biomed Res Int，2015，2015：762820. DOI：10.1155/2015/762820.

宋華隆，高鷹. 血尿酸水平與2型糖尿病發病風險的關聯隊列研究［J］. 中國全科醫學，2023，26（15）：1831-1839. DOI：10.12114/j.issn.1007-9572.2022.0785.

段瓊，張紫行，徐娟，等. 高尿酸血癥與脂肪肝關聯的前瞻性隊列研究［J］. 中華疾病控制雜志，2022，26（12）：1420-1425，1432. DOI：10.16462/j.cnki.zhjbkz.2022.12.010.

MART?NEZ-S?NCHEZ F D，VARGAS-ABONCE V P，GUERRERO-CASTILLO A P，et al. Serum Uric Acid concentration is associated with insulin resistance and impaired insulin secretion in adults at risk for Type 2 Diabetes［J］. Prim Care Diabetes，2021，15（2）：293-299. DOI：10.1016/j.pcd.2020.10.006.

李歆旎，沈艷，金雪娟，等. 血尿酸與高血壓的相關性研究［J］. 中國分子心臟病學雜志，2022，22（5）：4897-4902. DOI：10.16563/j.cnki.1671-6272.2022.10.005.

HAN T S，LAN L，QU R G，et al. Temporal relationship between hyperuricemia and insulin resistance and its impact on future risk of hypertension［J］. Hypertension，2017，70（4）：703-711. DOI：10.1161/HYPERTENSIONAHA.117.09508.

SUN H L，CHANG X N，BIAN N N，et al. Adipose tissue insulin resistance is positively associated with serum uric acid levels and hyperuricemia in northern Chinese adults［J］. Front Endocrinol，2022，13：835154. DOI：10.3389/fendo.2022.835154.

中華醫學會糖尿病學分會. 中國2型糖尿病防治指南（2020年版）［J］. 國際內分泌代謝雜志，2021，41（5）：482-548. DOI：10.3760/cma.j.cn121383-20210825-08063.

中華醫學會內分泌學分會. 中國高尿酸血癥與痛風診療指南（2019）［J］. 中華內分泌代謝雜志，2020，36（1）：1-13. DOI：10.3760/cma.j.issn.1000-6699.2020.01.001.

何權瀛，高瑩慧. 關于吸煙問題若干名詞定義［J］. 中華結核和呼吸雜志，2009，32（1）：56. DOI：10.3760/cma.j.issn.

1001-0939.2009.01.008.

中國疾病預防控制中心. 中國慢性病及其危險因素監測分析報告2004年［M］. 北京：中國協和醫科大學出版社，2009.

KING G L，PARK K，LI Q. Selective insulin resistance and the development of cardiovascular diseases in diabetes：the 2015 edwin bierman award lecture［J］. Diabetes，2016，65（6）：1462-1471. DOI：10.2337/db16-0152.

孫琳，王桂俠，郭蔚瑩. 高尿酸血癥研究進展［J］. 中國老年學雜志，2017，37（4）：1034-1038. DOI：10.3969/j.issn.1005-9202.

2017.04.112.

BORGHI C，TYKARSKI A，WIDECKA K，et al. Expert consensus for the diagnosis and treatment of patient with hyperuricemia and high cardiovascular risk［J］. Cardiol J，2018，25（5）：545-563. DOI：10.5603/CJ.2018.0116.

劉穎. 高尿酸對3T3-L1脂肪細胞IRS-1表達及其酪氨酸磷酸化水平的影響［D］. 長沙：中南大學，2013.

董洋，趙心迪，曹慧霞，等. 2型糖尿病患者血尿酸水平與腎功能損傷的相關性［J］. 中華實用診斷與治療雜志，2022，36（5）：456-459. DOI：10.13507/j.issn.1674-3474.2022.05.005.

MATTHEWS D R，HOSKER J P，RUDENSKI A S，et al. Homeostasis model assessment：insulin resistance and beta-cell function from fasting plasma glucose and insulin concentrations in man［J］. Diabetologia，1985，28（7）：412-419. DOI：10.1007/BF00280883.

SELVI N M K，NANDHINI S，SAKTHIVADIVEL V，et al.

Association of Triglyceride-Glucose Index（TyG index）with HbA1c and Insulin Resistance in Type 2 Diabetes Mellitus［J］. Maedica，2021，16（3）：375-381. DOI：10.26574/maedica.2021.16.3.375.

YOUNG K A，MATURU A，LORENZO C，et al. The triglyceride to high-density lipoprotein cholesterol（TG/HDL-C）ratio as a predictor of insulin resistance，β-cell function，and diabetes in Hispanics and African Americans［J］. J Diabetes Complications，2019，33（2）：118-122. DOI：10.1016/j.jdiacomp.2018.10.018.

LISTENBERGER L L，HAN X L，LEWIS S E，et al. Triglyceride accumulation protects against fatty acid-induced lipotoxicity［J］. Proc Natl Acad Sci U S A，2003，100（6）：3077-3082. DOI：10.1073/pnas.0630588100.

KIMURA Y，TSUKUI D，KONO H. Uric acid in inflammation and the pathogenesis of atherosclerosis［J］. Int J Mol Sci，2021，

22（22）：12394. DOI：10.3390/ijms222212394.

張金濤，戴冰冰，劉暢. 代謝因素對銀屑病關節炎的影響［J］. 臨床內科雜志，2021，38（8）：537-540. DOI：10.3969/j.issn.1001-

9057.2021.08.011.

DU T T，YUAN G，ZHANG M X，et al. Clinical usefulness of lipid ratios，visceral adiposity indicators，and the triglycerides and glucose index as risk markers of insulin resistance［J］. Cardiovasc Diabetol，2014，13：146. DOI：10.1186/s12933-014-0146-3.

ER L K，WU S，CHOU H H，et al. Triglyceride glucose-body mass index is a simple and clinically useful surrogate marker for insulin resistance in nondiabetic individuals［J］. PLoS One，2016，11（3）：e0149731. DOI：10.1371/journal.pone.0149731.

KOJTA I，CHACI?SKA M，B?ACHNIO-ZABIELSKA A. Obesity，bioactive lipids，and adipose tissue inflammation in insulin resistance［J］. Nutrients，2020，12（5）：1305. DOI：10.3390/nu12051305.

JIANG C Y，YANG R J，KUANG M B，et al. Triglyceride glucose-body mass index in identifying high-risk groups of pre-diabetes［J］. Lipids Health Dis，2021，20（1）：161. DOI：10.1186/s12944-021-01594-7.

BARAZZONI R，GORTAN CAPPELLARI G，RAGNI M，et al. Insulin resistance in obesity：an overview of fundamental alterations［J］. Eat Weight Disord，2018，23（2）：149-157. DOI：10.1007/s40519-018-0481-6.

KATSIKI N，MANTZOROS C，MIKHAILIDIS D P. Adiponectin，lipids and atherosclerosis［J］. Curr Opin Lipidol，2017，28（4）：347-354. DOI：10.1097/MOL.0000000000000431.

CUI N，CUI J，SUN J P，et al. Triglycerides and total cholesterol concentrations in association with hyperuricemia in Chinese adults in Qingdao，China［J］. Risk Manag Healthc Policy，2020，13：165-173. DOI：10.2147/RMHP.S243381.

楊媛，周光清，李宛霖，等. 不同肥胖指標在高尿酸血癥風險預測中的應用價值比較研究［J］. 中國全科醫學，2022，25（4）：453-460. DOI：10.12114/j.issn.1007-9572.2021.00.281.

BAEK J，HE C C，AFSHINNIA F，et al. Lipidomic approaches to dissect dysregulated lipid metabolism in kidney disease［J］. Nat Rev Nephrol，2022，18（1）：38-55. DOI：10.1038/s41581-021-00488-2.

HAN R F，ZHANG Y，JIANG X. Relationship between four non-insulin-based indexes of insulin resistance and serum uric acid in patients with type 2 diabetes：a cross-sectional study［J］. Diabetes Metab Syndr Obes，2022，15：1461-1471. DOI：10.2147/DMSO.S362248.

LIU X Z，XU X，ZHU J Q，et al. Association between three non-insulin-based indexes of insulin resistance and hyperuricemia［J］. Clin Rheumatol，2019，38（11）：3227-3233. DOI：10.1007/s10067-019-04671-6.

BELLO-CHAVOLLA O Y，ANTONIO-VILLA N E，VARGAS-V?ZQUEZ A，et al. Metabolic Score for Visceral Fat（METS-VF），a novel estimator of intra-abdominal fat content and cardio-metabolic health［J］. Clin Nutr，2020，39（5）：1613-1621. DOI：10.1016/j.clnu.2019.07.012.

KATO K，TAKAMURA T，TAKESHITA Y，et al. Ectopic fat accumulation and distant organ-specific insulin resistance in Japanese people with nonalcoholic fatty liver disease［J］. PLoS One，2014，9（3）：e92170. DOI：10.1371/journal.pone.0092170.

KO J，SKUDDER-HILL L，TARRANT C，et al. Intra-pancreatic fat deposition as a modifier of the relationship between habitual dietary fat intake and insulin resistance［J］. Clin Nutr，2021，40（7）：4730-4737. DOI：10.1016/j.clnu.2021.06.017.

楊曦，柳怡瑩，萬沁. TG/HDL-C、TyG指數對T2DM患者高尿酸血癥的預測價值［J］. 天津醫藥，2021，49（6）：603-608. DOI：10.11958/20203608.

趙美茹，朱迪，劉淋，等. 簡易胰島素抵抗指標與698例2型糖尿病患者發生高尿酸血癥風險的關聯［J］. 山東大學學報（醫學版），2022，60（12）：44-51. DOI：10.6040/j.issn.1671-7554.0.2022.0575.

（收稿日期：2023-06-14；修回日期：2024-02-26）

（本文編輯：王世越）