糖尿病患者空腹血糖與血尿酸對糖尿病視網膜病變的交互作用分析

謝連鳳 劉琳琳 蔣貽平 譚述香

我國糖尿病(DM)患病率逐年遞增,糖尿病視網膜病變(DR)是DM患者常見并發癥之一,其致盲率和發病率呈不斷增高趨勢[1]。DR進展是不可逆的過程,因此防止DR的發生以及實時監測和控制DR的進展極為重要。血液生化指標在臨床診斷和治療過程中可用于協調臨床診療,其操作重復性高,臨床實踐中可利用實時監測相關生化指標并調整異常值,對防治DM患者發生DR有重要意義。研究發現,多項生化指標與DR發生和進展相關,但單項指標不能準確全面地反映DR的發生情況,目前哪些血液生化指標與DR存在何種關聯仍不十分明確[2]?？崭寡?FBG)可反映胰島素的分泌功能,是診斷DM的重要指標之一。有研究指出,FBG只能反映受檢時的血糖水平,與DR的病變程度關系不大[3]。但也有研究認為FBG是DM患者發生DR的高危因素,且FBG水平將直接影響DR患者的視力損害程度[4]。血尿酸(SUA)是嘌呤的代謝產物,是反映人體代謝狀況的指標之一,生活方式和飲食習慣的改變均可影響體內嘌呤水平和尿酸排出量間的平衡,引起SUA升高,導致代謝障礙性疾病的發生。SUA與DR相關性也存在較大爭議。一項針對男性患者為期12個月的研究顯示,低水平的SUA先于DR發生,且隨著DR進展進一步降低[5]。一項橫斷面研究發現SUA水平與DR無明顯相關性[6]。一項研究納入746例中國DM患者的研究發現,SUA水平隨著DM患者DR嚴重程度的升高而上升,但并未證明SUA是DR的獨立危險因素[7]。也有研究發現,當DM患者SUA≥304.0 μmol·L-1時,發生DR的風險是低SUA(<213.0 μmol·L-1)的3.235倍[8]。綜上,雖然已有大量研究探討FBG、SUA與DR的相關性,但研究結果尚不統一,且針對FBG與SUA的交互作用對DR影響的相關研究較少。因此,本研究通過探討DR發生的危險因素分析FBG、SUA對DM伴DR患者的影響,并對二者交互作用進行定性、定量分析,為DR防治提供依據。

1 資料與方法

1.1 一般資料

選取2019年1月至2021年1月于贛南醫學院第一附屬醫院確診的DM患者306例為研究對象。納入標準:(1) 接受視力檢查、眼底彩照檢查、間接眼底鏡檢查、裂隙燈顯微鏡檢查、測眼壓以及直接眼底鏡檢查;(2) 年齡≥18歲;(3) 臨床資料完整;(4) DR診斷及分級標準符合《糖尿病視網膜病變的國際臨床分級標準》[9]。排除標準:(1) 合并肝腎等重要臟器功能障礙者;(2) 交流溝通障礙者;(3) 使用別嘌呤醇、利尿劑及其他影響尿酸代謝的藥物;(4) 其他因素導致的DR患者。本研究已經本院倫理委員會批準,患者均簽署知情同意書。

1.2 方法

1.2.1 臨床資料收集

詳細記錄患者性別、年齡、體重指數(BMI)、高血脂病史、DM病程、高血壓病史、口服藥物治療史、胰島素治療史以及最佳矯正視力,測量收縮壓(SBP)和舒張壓(DBP)(1 kPa=7.5 mmHg)。

1.2.2 生化指標檢測

空腹采集患者晨起靜脈血并及時送檢,使用羅氏全自動生化分析儀檢測FBG、SUA、低密度脂蛋白膽固醇(LDL-C)、直接膽紅素(D-BIL)、高密度脂蛋白膽固醇(HDL-C)、血肌酐(SCr)、總膽固醇(TC)、間接膽紅素(I-BIL)、甘油三酯(TG)、空腹C肽、空腹胰島素、血尿素氮(BUN),根據條碼識別自動離心、編號和檢測。使用Sysmex流水線血液分析儀檢測糖化血紅蛋白(HbA1c),按照儀器說明書規范化操作,所用試劑均為儀器原裝配套。

1.2.3 診斷標準

高SUA診斷標準[5]:絕經前女性SUA≥360 μmol·L-1,男性和絕經后女性SUA≥420 μmol·L-1即可診斷為高SUA;依據WHO空腹血糖受損標準及糖尿病的診斷標準[6]:FBG≥7 mmol·L-1或(和)隨機血糖≥11.1 mmol·L-1。

1.2.4 眼底檢查及分組

依據DM伴DR病變分期標準[9],患眼使用“復方托吡卡胺”滴眼液散瞳,檢查眼底情況,測量血壓正常后,通過熒光素鈉(商品名:歷設得)行熒光素眼底血管造影,依據有無DR分為DR組(178例)和NDR組(128例)。

1.3 統計學處理

使用SPSS 22.0進行數據分析,計量資料、計數資料分別使用均數±標準差、率表示,兩組間比較使用獨立樣本t檢驗與χ2檢驗。采用最小絕對收縮和選擇栓子(LASSO)回歸法和多因素Logistic回歸分析篩選DM患者發生DR的獨立影響因素,并計算危險因素比值比,使用E值法對結果進行敏感性分析。使用rms軟件包繪制Nomogram模型并進行驗證。矯正混雜因素后,采用EmpowerStats軟件中的多元回歸方程行多因素分析,采用交互作用檢驗行影響因素的分層分析。非條件Logistic回歸模型分析影響因素,使用Hosmer和Rothman推薦的相加模型[8-9]分析各個因素間的交互作用,并計算交互作用指標[10]。使用受試者工作特征曲線(ROC)對SUA、FBG及其交互作用對DR的影響進行評估。檢驗水準:α=0.05。

2 結果

2.1 一般資料

兩組患者性別比及年齡比較,差異均無統計學意義(均為P>0.05)。與NDR組患者相比,DR組患者的DM病程較長,口服藥物治療史比例較低,胰島素治療史比例較高,TC、TG、LDL-c、HDL-c、BUN、SCr、SUA和FBG水平均較高,差異均有統計學意義(均為P<0.05)(表1)。

表1 DR組和NDR組患者一般資料比較

2.2 DM患者發生DR的LASSO回歸分析

本研究共納入14個潛在的DR發生風險因素,由于本研究DR病例數較少且不同變量之間可能存在一定關聯性,故通過LASSO回歸對變量進行降維處理,以便于篩選出最具代表性的風險因素。通過10折交叉驗證選擇最優Lambda參數,當交叉驗證誤差最小時的Lambda值則為最優Lambda值,此時對應的非零回歸系數變量即為最具代表性的DR發生風險因素。LASSO回歸分析結果顯示,最優Lambda值為0.033 4(logλ=-3.002),此時對應的口服藥物治療史、胰島素治療史、HgA1c、FBG、SUA、SCr、BUN、LDL-c、TG、TC、DM病程為影響DM患者發生DR的相關影響因素(圖1)。

A:調整λ后,特征變量與log(λ)的關系圖;B:λ(最優參數值)= 0.033 4時繪制垂直線,選取11個變量的關系圖。虛垂線為最優Lambda參數取值時所納入LASSO回歸模型的風險因素數目。圖1 DM患者發生DR的LASSO回歸分析結果

2.3 DM患者發生DR的Logistic回歸分析

將2.2中11種影響DM患者發生DR的相關影響因素變量納入多因素Logistic回歸分析,篩選出影響DM患者發生DR的危險因素,變量篩選標準采用前進法(α納入=0.05),結果發現,胰島素治療史、DM病程≥9.66年、TG≥2.07 mmol·L-1、SUA≥297.73 μmol·L-1、FBG≥8.92 mmol·L-1是影響DM患者發生DR的危險因素,口服藥物治療史是影響DM患者發生DR的保護因素(圖2)。

圖2 DM患者發生DR的Logistic回歸分析結果

2.4 相關性E值法的敏感性分析

2.5 Nomogram模型建立

根據Logisitic多因素回歸分析結果,采用R軟件構建DM患者發生DR的列線圖預測模型,列線圖可以通過將每個變量的得分相加,并將其定位在總積分量表上來確定DM患者發生DR的概率。結果如圖3所示,胰島素治療史積分為20分、DM病程≥9.66年積分為24分、TG≥2.07 mmol·L-1積分為35分、SUA≥297.73 μmol·L-1積分為28分、FBG≥8.92 mmol·L-1積分為30分,口服藥物治療史積分為27分,所得總分(164分)對應的值即為DM患者DR發生率(84.68 %)。

圖3 DM患者發生DR的Nomogram預測模型結果

2.6 Nomogram模型準確度和有效性評價

對建立的Nomogram模型的校準度和有效性進行評價,圖4A中A是參考曲線,B是擬合曲線,兩邊陰影為95%CI。從本次構建的Nomogram模型來看,當事件發生率在35%以下時,模型低估DR發生風險;當事件發生率在35%～65%時,模型高估DR發生風險,當事件發生率在65%～100%時,模型低估DR發生風險,而在35%、65%時,模型觀測值和預測值完全一致,總體來看,本模型的準確度較好。從臨床決策曲線可看出,Nomogram模型的凈獲益值較高,提示本模型有效性較好(圖4B)。

A:校準曲線結果;B:臨床決策曲線結果。圖4 DM患者發生DR的Nomogram模型校準曲線和臨床決策曲線結果

2.7 FBG與SUA的交互作用定性分析

單因素非條件Logistic回歸分析發現,高FBG、高SUA以及二者同時存在時,發生DR的OR分別為1.893、2.574、6.593,OR(EF)>OR(E)+OR(F)-1,說明高FBG和高SUA具有交互作用(表2)。

表2 FBG與SUA的交互作用定性分析

多因素非條件Logistic回歸分析發現,高FBG、高SUA以及二者同時存在時DM患者發生DR的OR分別為1.573、1.824、5.613,OR(EF)>OR(E)+OR(F)-1,說明高FBG和高SUA具有交互作用(表2)。

2.8 FBG與SUA的交互作用定量分析

單因素非條件Logistic回歸分析發現,高FBG與高SUA同時作用效應為兩因素單獨作用之和的 2.27倍,二者交互作用引起的歸因交互作用為3.13,在二者同時存在的DR患者患病風險中,43.41%是二者交互作用引起,在僅因為二者所導致的DR患病危險中,有55.89%是由于二者的交互作用引起的。多因素非條件Logistic回歸分析發現,高FBG與高SUA同時作用效應為兩因素單獨作用之和的 3.30倍,由二者的交互作用引起的歸因交互作用為3.22,在高FBG與高SUA同時存在時對DR的危險中,有57.30%是由于兩個因素的交互作用引起,在僅因為高FBG與高SUA所導致的DR患病風險中,有69.72%是由兩個因素的交互作用引起(表3)。

表3 FBG與SUA的交互作用定量分析

2.9 分層交互分析性別對SUA、FBG與DR關系的影響作用

采用EmpowerStats軟件中的分層交互檢驗作用對性別進行分析。在未調整任何因素前,男性和女性兩個群體中SUA、FBG與DR的關系存在,在調整其他影響因素后,男性患者SUA、FBG與DR的關系依然存在(均為P<0.05),而女性患者則在調整其他因素后兩者關系沒有統計學意義(均為P>0.05)。但是在經過交互檢驗作用(Pinteraction)后,發現無論是否調整其他因素,均發現性別不能影響SUA、FBG與DR之間的關系(表4)。

表4 分層交互分析性別對SUA、FBG與DR關系的影響作用

2.10 ROC曲線比較SUA、FBG以及交互作用對DR的診斷價值

ROC結果顯示,SUA、FBG及其二者協同交互作用對DR的診斷價值大于二者單獨對DR的診斷價值(表5、圖5)。

圖5 ROC曲線比較SUA和FBG以及交互作用對DM合并DR的診斷價值

表5 SUA、FBG以及交互作用對DR的診斷價值

3 討論

DR是導致DM患者視力變差甚至失明的嚴重并發癥之一,有研究報道其發生率一般為30%～60%[10],本研究中發生率為58.17%。DR的發生發展是多種因素共同作用的結果,其中高SUA會導致DR患病率升高已形成共識[11],但具體機制尚不十分清楚。FBG作為糖尿病診斷指標之一,對DR進展也很明確。然而關于二者交互作用對DM患者的DR發生情況研究較少。本研究首先通過Logisitic多因素回歸分析發現,DM病程≥9.66年、胰島素治療史、TG≥2.07 mmol·L-1、SUA≥297.73 μmol·L-1、FBG≥8.92 mmol·L-1是影響DM患者發生DR的危險因素,口服藥物治療史是影響DM患者發生DR的保護因素。

DM病程越長,眼底結構和功能受損越嚴重,DR發生風險越高。有學者發現,糖尿病病程<10年的患者,其DR發病率為7%,病程≥10年的患者,其DR發病率高達26%～90%[12]。也有研究證實糖尿病病程與DR發生呈明顯正相關[13]。本研究發現,糖尿病病程是DM患者發生DR的獨立危險因素。因此,在臨床實踐中,為早期診斷和防治DR,對于已確診的DM患者,應盡快進行全面的眼底檢查。以往有研究報道[10],口服藥物治療史良好的DM患者發生DR風險低于未按醫囑進行藥物治療的患者。本研究也發現,DR組中有口服藥物治療史的患者比例明顯低于NDR組。長期高血糖會造成血-視網膜屏障破壞和血管壁周細胞減少,引起微動脈瘤形成,血液成分滲漏到組織間隙,形成視網膜出血和硬性滲出,血管基膜進行性增厚,導致視網膜缺氧、缺血而產生DR[14]。因此,DM患者需遵醫囑進行口服藥物治療,嚴格控制血糖,才可有效防止DR發生和進展,從而降低致盲率。胰島素是人體內唯一降低血糖的激素,其可通過與細胞膜上的胰島素受體結合發揮降低血糖的作用。以往研究顯示,胰島素在有效控制血糖的同時,胰島素用量與DR病變程度呈正相關[3]。也有研究證實,胰島素可通過促進細胞增殖、破壞血-視網膜屏障、促進新生血管形成等促進DR發生[15]。Wang等[16]基于美籍華人的DR危險因素分析發現,使用胰島素治療是DM患者發生DR的獨立危險因素。本研究再次得到證實。本研究發現,FBG≥8.92 mmol·L-1是DM患者發生DR的獨立影響因素,與Jampol等[17]的研究結果相似。但血糖水平受運動、飲食、降糖治療等的影響,而本研究只分析了臨時1次的血液數據,選擇偏倚較大,因此該結論還有待進一步證實。有研究認為,包括HDL-c降低和TC、TG、LDL-c升高的脂代謝紊亂也參與DR的發生和進展[18]。本研究也發現,DR組患者的TG、LDL-c水平明顯高于NDR組。因此,在關注降糖治療的同時,也有必要關注患者血脂情況。血脂升高影響DR機理尚不十分明確,推測可能是由于血脂升高,可通過非酶促糖基化多元醇通路引起組織過氧化,并導致血管壁破損,內皮功能紊亂,還可改變細胞膜脂質結構,最終導致微血栓形成,造成視網膜屏障破損,引起DR的發生。SUA是機體內重要的內源性水溶性抗氧化劑,與微血管病變進展有關[19]。本研究發現,SUA是DR的危險因素,與佘新平等[8]的研究結果一致。這可能是由于高SUA可在高糖環境下促進細胞間黏附分子1、腫瘤壞死因子(TNF-α)、單核細胞趨化蛋白1表達,增加Notch信號通路活性,從而促進DR發生[20]。SUA還可通過氧化應激、炎癥、內皮功能障礙等途徑在DR發生發展中發揮關鍵作用。本研究進一步構建DM患者發生DR的Nomogram預測模型,并采用區分度(C-index)驗證模型準確性,結果發現,Nomogram模型區分度高,具有較好的預測價值,一定程度上可作為臨床DM患者發生DR的輔助預測工具。但由于時間有限,經費受限的原因,本研究樣本量較少,Nomogram模型的臨床實踐價值還需更多的臨床數據驗證。

在各獨立影響因素中,相較于DM病程、胰島素治療史、口服藥物治療史,SUA和FBG為臨床上較常使用的血液生化指標,且TG影響DR機理尚不確切[21]。因此,本研究僅分析SUA和FBG的交互作用是否會影響DR發生。本研究通過單因素和多因素Logistic回歸模型均證實,SUA、FBG對DM伴DR患者具有兩兩正交互作用。FBG、SUA不僅是DM患者發生DR的獨立危險因素,而且二者對患者發生DR具有協同效應,其中兩個因素同時存在時患者DR患病風險均高于單獨存在時的患病風險。本研究進一步通過ROC對FBG、SUA對DR的影響進行評估,發現FBG、SUA二者協同交互作用對DM伴DR的診斷價值大于二者單獨存在對DR的診斷價值。分析其原因可能是由于DM患者體內的嘌呤氧化酶活性升高,導致機體內黃嘌呤生成SUA增加;同時由于DM患者常伴腎小球缺氧狀況,可加快乳酸生成,結果競爭性地抑制了SUA的排出[22]。因此,臨床實踐中,若DM患者把FBG指標控制在正常值范圍,就能夠延緩或減小高SUA的發生,從而減小并發癥的發生及惡化。

4 結論

SUA≥297.73 μmol·L-1及FBG≥8.92 mmol·L-1是影響DM患者發生DR的危險因素。FBG與SUA二者協同交互作用對DM伴DR的診斷價值大于二者單獨存在對DR的診斷價值。本研究不足在于樣本量較少,且為單中心研究,未對DR進行分期分析,也未對DM患者的口服藥物種類、胰島素種類及用量進行深入探討。