李繼紅 牛夢琦
聯(lián)勤保障部隊第九〇九醫(yī)院(廈門大學附屬東南醫(yī)院)健康醫(yī)學科(福建漳州 363000)
糖尿病性視網(wǎng)膜病變(diabetic retinopathy,DR)是糖尿病性微血管病變中最重要的表現(xiàn),是糖尿病的嚴重并發(fā)癥之一[1]。由于該病是一種階段性疾病,一般確診即為晚期,因此及時預測病情并采取治療措施對于挽回患者視力損失至關重要。研究[2]顯示,DR 的主要病理改變?yōu)檠?視網(wǎng)膜屏障受損,形成新生血管,因此血管生長因子是判斷DR 的關鍵指標。血管內(nèi)皮生長因子(vascular endothelial growth factor,VEGF)是血管生長因子家族中的主要一員,可參與多種生理性和病理性血管形成[3]。既往研究[4]顯示,VEGF 與DR的發(fā)生存在密切關系,VEGF 水平升高會增加血管的滲透性,引起血漿纖維蛋白外滲,促進內(nèi)皮細胞增殖,從而形成新生血管,最終導致DR 的發(fā)生。對此,本研究通過探討VEGF 對2型糖尿病(T2DM)患者并發(fā)DR 的預測價值,以期為未來DR 的防治提供新的思路及研究方向。
1.1 病例資料 選擇2018年7月至2021年3月在我院就診的T2DM 患者146 例作為研究對象,其中男91 例,女55 例,年齡50 ~ 70 歲,平均(60.32 ±3.16)歲,根據(jù)患者是否發(fā)生DR 分為DR 組(n=67)和非DR 組(n=79)。納入標準:(1)符合美國糖尿病協(xié)會的T2DM 標準診斷[5];(2)患者通過藥物等進行血糖控制,使血糖水平在正常范圍。排除標準:(1)患有急性或慢性炎癥者;(2)青年期發(fā)病的糖尿病、線粒體糖尿病或1 型糖尿病者;(3)伴有全身系統(tǒng)性疾病者。本研究所有患者均知情并簽署知情同意書。
1.2 研究方法 通過查閱電子病歷收集納入患者的基本臨床資料,包括年齡、體質(zhì)量指數(shù)等。采集外周血標本5 mL,離心(3 000 rpm/min,15 min)分離患者血清,檢測總膽固醇(total cholesterol,TC)、糖化白蛋白(glycosylated albumin,GA)、三酰甘油(triacylglycerol,TG)、低密度脂蛋白膽固醇(low density lipoprotein cholesterol,LDL?C)、空腹血糖(fasting plasma glucose,F(xiàn)PG)、白蛋白(albumin,ALB)、糖化血紅蛋白(HbA1c)、高密度脂蛋白(high density lipoprotein cholesterol,HDL?C)、白細胞計數(shù)(white blood cell count,WBC)、紅細胞計數(shù)(erythrocyte Count,RBC)、血尿素氮(blood urea ni?trogen,BUN)、血肌酐(serum creatinine,Scr)、血尿酸(uric acid,UA)、尿白蛋白/肌酐(UACR)以及VEGF。
1.3 檢查方法 本研究采用散瞳90D 間接檢眼鏡檢查結(jié)合眼底彩色照相方法。所有患者在檢查視力、眼壓等后,用快速散瞳滴眼液滴眼1~2次,待患者瞳孔散大至直徑超過60 mm,以90D 間接檢眼鏡檢查眼底。觀察患者是否有以下病變發(fā)生:(1)視網(wǎng)膜微血管瘤;(2)視網(wǎng)膜內(nèi)出血;(3)視網(wǎng)膜內(nèi)微血管異常;(4)玻璃體出血;(5)視網(wǎng)膜前出血。
1.4 統(tǒng)計學方法 利用SPSS 23.0 軟件進行數(shù)據(jù)統(tǒng)計分析,計量資料均以()表示,兩組間比較采用t檢驗;計數(shù)資料使用例(%)表示,組間比較采用χ2檢驗;采用多因素logistic 回歸分析T2DM患者發(fā)生DR 的因素,根據(jù)影響因素建立預測模型,并通過受試者工作特征曲線(receiver operating characteristic curve,ROC)和校準圖對預測模型進行驗證,以P<0.05 為差異有統(tǒng)計學意義。
2.1 兩組患者臨床資料的比較 DR 組患者T2DM病程明顯長于非DR 組(P<0.05),在生化指標方面,DR 組患者FPG、HbA1c、GA、Scr、UA、BUN、UACR 以及VEGF 明顯高于非DR 組(P<0.05),而ALB 和RBC 明顯低于非DR 組,差異均有統(tǒng)計學意義(P<0.05),兩組患者的年齡、性別、體質(zhì)量指數(shù)、糖尿病治療方式等其他臨床資料差異無統(tǒng)計學意義(P>0.05),見表1。
表1 兩組患者臨床資料的比較Tab.1 Comparison of clinical data between the two groups ±s
表1 兩組患者臨床資料的比較Tab.1 Comparison of clinical data between the two groups ±s
項目年齡(歲)男性[例(%)]體質(zhì)量指數(shù)(kg/m2)T2DM病程(年)吸煙史[例(%)]飲酒史[例(%)]高血壓[例(%)]高血脂[例(%)]DR家族史[例(%)]TC(mmol/L)TG(mmol/L)LDL?C(mmol/L)HDL?C(mmol/L)ALB(g/L)FPG(mmol/L)HbA1c(%)GA(%)Scr(μmol/L)UA(μmol/L)BUN(mmol/L)UACR(mmol/L)WBC(×109/L)RBC(×1012/L)VEGF(pg/mL)糖尿病治療方式[例(%)]單純飲食控制口服藥物治療胰島素口服藥物+胰島素DR組(n=67)59.37±6.35 42(62.69)25.16±2.31 15.38±6.73 25(37.31)23(34.33)31(46.27)33(49.25)19(28.36)4.48±0.79 1.49±1.31 2.85±0.86 1.23±0.34 40.46±2.31 8.94±0.72 8.93±1.46 19.84±7.23 107.22±13.65 310.28±45.37 8.31±2.84 34.48±3.91 7.33±1.42 4.29±1.18 724.39±110.35 9(13.43)27(40.30)16(23.88)15(22.39)非DR組(n=79)58.96±6.42 49(62.03)25.12±2.19 11.32±6.62 30(37.97)27(34.18)37(46.84)39(49.37)22(27.85)4.50±0.77 1.51±1.29 2.82±0.85 1.22±0.35 44.51±2.33 6.01±0.67 7.04±1.23 17.12±5.42 83.17±15.33 286.34±37.38 6.12±2.56 15.74±3.66 7.31±1.39 4.70±1.23 568.67±87.64 10(12.66)33(41.77)17(21.52)19(24.05)χ2/t值0.386 0.007 0.107 3.665 0.007 0.001 0.005 0.001 0.005 0.155 0.093 0.211 0.174 10.507 25.444 8.490 2.594 9.929 3.496 4.898 29.877 0.086 2.045 9.500 0.019 P值0.700 0.935 0.915<0.001 0.935 0.985 0.945 0.989 0.946 0.877 0.926 0.833 0.862<0.001<0.001<0.001 0.010<0.001 0.001<0.001<0.001 0.932 0.043<0.001 0.890
2.2 T2DM 患者發(fā)生DR 的單因素分析 單因素分析顯示,T2DM 病程、ALB、FPG、HbA1c、GA、Scr、UA、BUN、UACR、RBC 和VEGF 均與T2DM 患者發(fā)生DR 有關(均P<0.05)。
表2 T2DM 患者發(fā)生DR 的單因素分析Tab.2 Univariate analysis of DR in T2DM patients
2.3 多因素logistic 回歸分析T2DM 患者發(fā)生DR的因素 將上述兩組間差異有統(tǒng)計學意義的指標作為自變量,將患者是否發(fā)生DR(否=0,是=1)作為因變量,采用多因素logistic 回歸分析T2DM 患者發(fā)生DR 的影響因素,結(jié)果如表3 所示,T2DM 病程、HbA1c、UA、VEGF 是T2DM 患者發(fā)生DR 的獨立危險因素(P<0.05),ALB 和RBC 是保護因素(P<0.05)。
表3 T2DM 患者發(fā)生DR 的多因素分析Tab.3 Multivariate analysis of DR in T2DM patients
2.4 模型構建 將多因素分析中的獨立影響因素用于構建T2DM 患者發(fā)生DR 的預測模型,見圖1。各影響因素對模型的權重不同,T2DM 病程對應積分為33.48,ALB 對應積分為43.53,HbA1c 對應積分為41.93,UA 對應積分為47.86,RBC 對應積分為34.25,VEGF 對應積分為53.25,5 項總分為254.3,對應OLP 病情復發(fā)風險值為0.71,預測T2DM 患者發(fā)生DR 的概率為71%。
圖1 T2DM 患者發(fā)生DR 的列線圖預測模型Fig.1 Nomogram prediction model of DR in T2DM patients
2.5 模型評價 采用ROC 曲線評價風險模型和VEGF 預測的區(qū)分度,模型的ROC 曲線下面積(area under curve,AUC)為0.874(95%CI:0.825 ~ 0.928,P<0.001),靈敏度、特異度分別為91.53%和87.64%,區(qū)分度較好;VEGF的AUC為0.861(95%CI:0.819 ~0.903,P<0.001),靈敏度、特異度分別為85.46%和86.25%,預測效能低于風險模型(圖2A)。校準曲線結(jié)果顯示,當事件發(fā)生概率為19%、54%和88%時,模型預測復發(fā)概率和實際復發(fā)概率一致,當事件發(fā)生概率為<20%、53% ~ 87%時,模型低估風險,當事件發(fā)生概率為20% ~ 53%和87%~100%時,模型高估風險,模型整體預測的準確性較高(圖2B)。
圖2 風險評分模型的區(qū)分度和校準度評價Fig.2 Evaluation of discrimination and calibration of risk scoring model
DR 是全球人口視力損害和失明最為常見的原因之一[6-7]。在當今社會,DR 已成為最突出的公共衛(wèi)生威脅之一。相關研究顯示[8-10],在全世界近2.85 億糖尿病患者中,超過三分之一的患者有并發(fā)DR 的跡象,在我國9 240 萬成人糖尿病患者中,約43%的糖尿病患者已經(jīng)患有DR,嚴重威脅患者的健康和生存質(zhì)量[11]。因此,探究糖尿病患者發(fā)生DR 的影響因素,對其發(fā)生發(fā)展進行早期預防和控制至關重要。
研究表明[12],DR 的根本原因是由于糖尿病患者的糖代謝紊亂,在高血糖的影響下,患者眼底毛細血管堵塞且基底膜變厚,從而引起微血管病變。VEGF 是一種二硫鍵結(jié)合的二聚體糖蛋白,是目前所知的最具選擇性的血管生成因子,參與多種生理性和病理性的血管形成過程[13]。周永紅等[14]的研究中顯示,VEGF 水平升高是DR 出現(xiàn)的預警信號,為T2DM 患者發(fā)生DR 的獨立危險因素。因此,VEGF 可能與DR 的發(fā)生發(fā)展存在密切關系。在本研究中,發(fā)現(xiàn)DR 組T2DM 患者的VEGF水平顯著高于非DR 組。這是由于VEGF 對視網(wǎng)膜上皮細胞起著重要的調(diào)控作用,可影響血管內(nèi)皮細胞的增殖和分化,使視網(wǎng)膜微血管滲透性增加[15]。當VEGF 與VEGF 受體結(jié)合時,釋放鈣離子,損傷患者血-視網(wǎng)膜屏障,增加DR 的發(fā)生風險。本研究進一步通過多因素回歸分析發(fā)現(xiàn)VEGF、T2DM 病程、HbA1c、UA、ALB 和RBC 為是T2DM 患者發(fā)生DR 的獨立影響因素。既往研究[16]顯示,糖尿病病程6 ~ 8年是各種血管并發(fā)癥出現(xiàn)的時間,且隨著病程時間越長,DR 病情越嚴重,這與本研究結(jié)果相符。因此,對于糖尿病病程較長的患者來說,定期進行眼底檢查是早期預防和防治DR 的重要手段。另有研究[17]顯示,HbA1c 可導致微血管壁變硬,滲透性增加,從而使視網(wǎng)膜缺血缺氧,促進DR 的發(fā)生。UA 是嘌呤核苷酸分解的最終產(chǎn)物,大量研究證實UA 與糖尿病、高血脂、高血壓等疾病密切相關[18],且為警示DR 的生化指標之一。RBC 是人體中最多的一類細胞,在多種疾病的診斷中具有重要的鑒別作用。研究[19-20]顯示,RBC在DR 患者和非DR 患者中具有明顯差異,而ALB的變化也具有相似的情況,這與本研究結(jié)果相符。此外,本研究根據(jù)以上獨立影響因素構建了DR 的風險預測模型,模型的AUC 為0.874,靈敏度、特異度分別為91.53%和87.64%,具有較高的預測價值。ROC 顯示模型的預測效能高于VEGF。這提示雖然VEGF 對T2DM 患者DR 的發(fā)生具有較好的預測價值,但是依據(jù)獨立影響因素構建的模型的預測結(jié)果更加準確,臨床應用價值更大,說明在關注患者VEGF 的同時還應關注其他指標。
本文存在一定局限性,DR 的發(fā)病機制復雜,影響因素較多,本研究并未全部排除。此外,本研究所納入樣本均為本院記錄患者,有一定的地域局限。
綜上所述,VEGF 水平在DR 患者血清中顯著升高,為T2DM 患者并發(fā)DR 的獨立危險因素,對DR 具有較高的預測價值。