健康体检人群心脏代谢指数与脑血管功能积分值的相关性分析

朱菲丽, 刘冬霞, 王育珊

(1新疆医科大学第一附属医院医学整形美容中心, 乌鲁木齐 830054; 2新疆医科大学护理学院, 乌鲁木齐 830017;3新疆医科大学第一附属医院健康管理中心, 乌鲁木齐 830054)

脑卒中已成为我国居民的第三位死亡原因[1],严重影响居民健康。中国脑血管病一级预防指南指出[2],早期对脑卒中进行发病风险评估预警是其一级预防的重要内容之一。脑血管功能积分值(CVHI)作为脑卒中首次发病风险的代表性评估工具,对于筛检出的高危个体具有参考性意义[3]。因此,早期使用风险评估工具识别脑卒中高危人群对于疾病的预防和控制至关重要。近年来,学者们开始关注与脑卒中有关的血清学标志物,肥胖及血脂异常是脑卒中的常见危险因素之一[4-5],其中心脏代谢指数(Cardiac metabolism index,CMI)作为新型的心血管风险标志物,可预测人群中脑卒中结局的进展[6]。研究表明CMI与心血管疾病[7]、代谢综合征[8]、糖尿病[9]、代谢性脂肪肝疾病[10]等具有相关性。本研究通过横断面调查,探讨CVHI积分值与CMI之间的相关性,为筛查脑卒中高危人群提供参考。

1 资料与方法

1.1 研究对象选取2023年1-7月在新疆医科大学第一附属医院接受健康体检的人群作为研究对象。纳入标准:(1)年龄≥40岁;(2)接受脑血流动力学检测。排除标准:(1)人口学资料及实验室数据不全者;(2)慢性肾病、恶性肿瘤、精神障碍及传染性疾病者;(3)语言交流障碍者。本研究经过新疆医科大学第一附属医院医学伦理委员会审核批准(20160317-02)。

1.2 资料收集(1)一般资料:由受过统一培训的专业人员对受检者通过问卷采集,包括年龄、性别、既往史、家族史、吸烟、饮酒等。(2)体格检查:由经过培训的体检医师按统一标准测量身高、体重、腰围、臀围和血压。由体重和身高计算出体质指数,使用统一规格的软尺测量腰围和臀围,在静息状态下测量收缩压和舒张压。(3)临床生物化学指标:空腹状态下采集静脉血,采用日立7600全自动生物化学分析仪测定其指标,包括血清甘油三酯(Triglyceride,TG)、总胆固醇(Totalcholesterol, TC)、高密度脂蛋白胆固醇(High-density lipoprotein cholesterol,HDL-C)、低密度脂蛋白胆固醇(Low-density lipoproteincholesterol, LDL-C)、空腹血糖(Fasting blood glucose,FBG)、血尿酸(Blood uric acid,BUA)、血肌酐(Serum creatinine,Scr)、尿素(Urea nitrogen)等。

1.3 CMI的计算及脑血管功能积分值(CVHI)体质指数(BMI)=体重(kg)/身高(m)2;腰臀比(WHR)=腰围(cm)/臀围(cm);腰高比(WHtR)=腰围(cm)/身高(cm);心脏代谢指数(CMI)=TG/HDL-C×WHtR。使用脑血管功能检测仪(GT-300型,探头频率5 MHz)进行脑血流动力学检测。体检者取仰卧位使其充分暴露其颈部,检验医师采集受检者的相关指标,包括左右侧平均血流量、最大流速、最小流速、平均流速、外周阻力、特性阻抗、脉搏波速、动态阻力等,计算出脑血管功能积分值(CVHI),积分值的范围为0～100分,最佳截断点为75分[11],将研究对象分为CVHI正常组(≥75分)和CVHI异常组(<75分),其中CVHI异常组可能罹患脑卒中的风险较高,也称为脑卒中高危人群。

2 结果

2.1 CVHI正常组和异常组一般情况比较最终纳入1 636例体检者作为研究对象。平均年龄(55.10±10.34)岁,男性907例,占55.4%,女性729例,占44.6%。CVHI正常组1 217例,占74.4%,CVHI异常组419例,占25.6%。CVHI正常组和CVHI异常组在年龄、性别、高血压、糖尿病、血脂异常、运动缺乏等方面比较,差异有统计学意义(P均<0.05)。CVHI异常组的收缩压、舒张压、体质指数、腰围、腰臀比、腰高比、总胆固醇、甘油三酯、空腹血糖、尿酸、肌酐、尿素、心脏代谢指数的均数及中位数高于CVHI正常组,差异有统计学意义(P均<0.05),见表1。

表1 CVHI正常组和异常组一般情况比较

2.2 CVHI积分值影响因素的二元Logistics回归以CVHI积分值大小为因变量(CVHI≥75分=0,CVHI<75分=1),以性别(男=1,女=2)、高血压(无=0,有=1)、血脂异常(无=0,有=1)、糖尿病(无=0,有=1);年龄、收缩压、舒张压、尿酸、肌酐、尿素、CMI为自变量,进行二元Logistic回归分析。结果显示,年龄、高血压、糖尿病、收缩压、尿酸、CMI具有统计学意义(P<0.05),见表2。

表2 CVHI积分值的二元Logistic回归分析

2.3 CMI预测脑卒中高危风险人群的ROC曲线以CVHI积分值为状态变量,CMI为检验变量绘制ROC曲线,结果显示,CMI的曲线下面积(Area under curve,AUC)为0.602。当CMI取最佳截断点0.491 8时,此时预测的灵敏度、特异度分别为0.683和0.476,见图1。

图1 CMI预测脑卒中高危风险人群的ROC曲线

2.4 CMI水平与CVHI积分值的关系CVHI正常组和异常组总积分值为(81.25±21.11)分,其中CMI<0.491 8者712例(43.5%),CMI≥0.491 8者924例(56.5%);CVHI积分值随着CMI水平的增高而降低(P<0.05),CMI≥0.491 8的CVHI积分值异常率(<75分)为31.0%,明显高于CMI<0.491 8的CVHI积分值异常率(18.7%),差异有统计学意义(P<0.05),见表3。

表3 不同水平CMI与CVHI积分值的关系

2.5 CVHI积分值与CMI的相关性分析CVHI积分值与CMI呈负相关(r=-0.143,P<0.05)。进一步分层后比较发现,CMI≥0.491 8时,CVHI积分值与CMI呈负相关(r=-0.089,P<0.05);CMI<0.491 8时,CVHI积分值与CMI也呈负相关(r=-0.171,P<0.05)。

3 结论

近年来脑卒中患病率处于上升趋势,我国脑卒中筛查数据显示,40岁以上人群中脑卒中的标化患病率为2.58%[12]。研究显示[13],全球90.7%的脑卒中发生与高血压、糖尿病、血脂异常、吸烟、心脏疾病、酒精摄入、肥胖、运动缺乏和心理因素等可改变的危险因素有关,可见脑卒中是可防可控的。因此,从危险因素出发早期对脑卒中高危人群进行宣教,探索预测指标是降低脑卒中患病率、疾病负担的根本措施。

研究表明,脑卒中与肥胖存在等级正相关关系,且等级正相关关系独立于年龄、生活方式等[14]。此外,有学者提出体质指数可以描述脑血管疾病的风险[15-16]。心脏代谢指数(CMI)是一种新的参数,为TG/HDL-C比值和WHtR的组合,成为临床简单且可重复的标志物。TG/HDL-C比值相较于传统的脂质谱,对冠状动脉粥样硬化、心血管疾病和全因死亡率具有很强的预测作用。腰高比作为衡量腹部肥胖的指标,在评估脑卒中风险方面优于体质指数。研究显示从健康人群到脑卒中高危人群再到患者,CVHI异常程度呈逐渐加重的变化,且与卒中风险呈明显的梯度效应关系[17]。王文慧等[18]的研究发现,新型肥胖指标脂质蓄积指数与CVHI积分值预测的脑卒中高危人群发展紧密相关,而反映内脏肥胖的体脂指标对脑卒中的预测作用已得到验证[19]。本研究显示,CVHI异常组的CMI大于正常组,因此CMI可解释脑卒中高危人群的脑血流动力学变化,且选取CMI作为其预测指标是合理的。

研究显示CMI对缺血性脑卒中的预防存在显著作用[6]。本研究结果显示,CVHI正常组和CVHI异常组在BMI、腰围、腰臀比、腰高比和CMI等方面比较,差异具有统计学意义(P<0.05)。相关性分析结果显示CMI与CVHI积分值呈负相关(r=-0.143,P<0.05)。CMI越大则CVHI积分值越小,罹患脑卒中的风险增加。由此可见CMI间接反映内脏肥胖,可作为预测脑卒中高危人群的参考指标。本研究ROC曲线结果显示,曲线下面积为0.602,CMI对于脑卒中高危人群具有一定的预测价值,可作为辅助筛查的有效指标。

CMI与代谢综合征的发生风险密切相关并且可作为其独立预测因子[7-8]。在健康体检人群中,CMI可作为高尿酸血症人群的预测指标,随着CMI增高,高尿酸血症的发生风险逐步增加[20]。本研究Logistic回归分析显示,CMI、年龄、高血压、糖尿病、尿酸等为影响CVHI积分值的因素(P<0.05)。进一步将CMI与CVHI积分值比较,当CMI≥0.491 8时, CVHI积分值相较于CMI<0.491 8表现为均值下降,进而发生脑卒中的风险可能升高,因此可将CMI作为预测及评估脑卒中高危人群的重要指标之一。尽管CMI与脑卒中危险因素的潜在机制尚未完全阐明,但有研究报道TG/HDL-C被认为是识别胰岛素抵抗个体的常用方法,而胰岛素抵抗对动脉粥样硬化有不利影响;WHtR可识别肥胖个体,在肥胖发生过程中脂肪细胞的增多增大,可进一步诱导、触发部分炎症信号通路,二者共同在氧化应激增加和内皮功能障碍中起重要作用,最终促进动脉粥样硬化的发展[21]。

综上所述,CMI是脑卒中高危人群发生的影响因素,且CMI对脑卒中高危人群具有一定的预测价值。针对体检人群,可通过CMI初步判断发生脑卒中的风险,持续追踪及随访,关注其脑血流动力学状态,定期体检。本研究存在一定的局限性:首先,仅通过CVHI积分值来判别脑卒中高危人群存在一定的局限性;其次,CMI预测CVHI积分值的ROC曲线下面积为0.602,预测的灵敏度、特异度相对较小,今后尚需多次大规模的前瞻性研究进行验证。