從脂代謝指標探究骨質疏松癥和骨質疏松性骨折的風險因素

秦威城 何博文 尚奇 周澤霖 招文華 李兵 陳桂鋒 余富勇 周本根 沈耿楊 江曉兵* 任輝*

1.廣州中醫藥大學第一臨床醫學院,廣東 廣州 510405 2.廣州中醫藥大學嶺南醫學研究中心,廣東 廣州 510405 3.廣州中醫藥大學第一附屬醫院脊柱骨科,廣東 廣州 510405

骨質疏松癥(osteoporosis,OP)是一種代謝性骨骼疾病,以骨量減少,骨微結構破壞為特征,導致骨強度降低或脆性骨折的風險增加[1]。全世界約有2億婦女患有OP,50歲以上的女性和男性中分別有1/3和1/5經歷過骨質疏松性骨折(osteoporotic fracture,OPF)[2]。人口老齡化已成為世界范圍內的普遍現象[3],聯合國預測到2050年,大多數地區約有1/4的人口年齡在60歲以上,其中最常見的OPF部位是脊椎(脊柱)、股骨近端(髖部)和前臂遠端(腕部)[4]。因此,探尋OP及OPF的發病危險因素迫在眉睫。

脂代謝異常是動脈粥樣硬化的典型危險因素[5],并能夠通過損害血液循環,進而對骨骼的數量和質量產生不利影響[6-7]。高脂血癥還可以通過調節骨吸收中的破骨細胞和骨形成中的成骨細胞來增加骨量丟失的風險[8]。研究表明,在小鼠身上進行定量計算機斷層掃描的臨床前研究發現,高膽固醇飲食可以降低骨骼含量[9]。臨床研究表明,用于降低血脂的他汀類藥物可以增加患者骨密度(bone mineral density,BMD),防止骨折[10]。當前大部分研究以探討脂代謝與BMD和OP間的關系為主,而脂代謝與OPF是否存在聯系,其中的聯系與OP相比是否存在異同鮮有研究報道。因此,本研究通過分析OP與OPF中BMD與脂代謝指標的關系,探討并對比影響OP與OPF發生的相關因素,為OP和OPF的預防及治療提供一定的臨床依據。

1 資料與方法

1.1 一般資料

回顧性收集2021年1月至2022年5月在廣州中醫藥大學第一附屬醫院脊柱骨科的住院患者檢查的骨密度、骨代謝和脂代謝相關數據,方案得到廣州中醫藥大學第一附屬醫院倫理委員批獲(JY2022-216)。納入標準:(1)符合《骨質疏松鑒別診斷》中骨質疏松癥或骨質疏松性骨折診斷標準;(2)無其他基礎疾病(包括腫瘤、精神相關疾病、嚴重臟器衰竭及糖尿病等影響脂代謝的相關疾病)或基礎疾病已控制。排除標準:(1)3個月內曾服用影響骨代謝、脂代謝的相關藥物;(2)肌酐清除率低于35 mL/min;(3)酗酒或嚴重消化道疾病。

1.2 診斷標準

基于世界衛生組織的診斷標準進行分組,通過DXA測量結果:將T值>-2.5表示非OP組,T值≤-2.5為OP組;OP合并骨折者納入OPF組,余者納入非OPF組。根據腰椎(L1- L4)椎體(lumbar vertebrae,LV)、左股骨頸(neck of left femur,NOF)和左髖關節(left hip joint,HJ)的BMD值分別進行記錄,即LV、NOF、HJ。

1.3 脂代謝指標測定

根據患者血清學檢查結果,匯總脂代謝指標,包括總膽固醇(TC)、甘油三酯(TG)、高密度脂蛋白膽固醇(HDL-C)、低密度脂蛋白膽固醇(LDL-C)、載脂蛋白A1(Apo-A1)、載脂蛋白B(Apo-B)。

1.4 統計學方法

本研究使用SPSS 25.0和R語言4.20。正態分布的連續變量用均值±標準差表示,正態分布且方差齊的變量的兩組間比較用t檢驗。不符合正態分布的變量用中位數和四分位數表示范圍,不符合正態分布或者方差不齊的變量,兩組間比較使用Wilcoxon rank-sum檢驗。回歸分析采用多元逐步回歸分析,以篩選OP和OPF發生相關的脂代謝指標。相關性分析使用斯皮爾曼方法分析。P<0.05表明差異有統計學意義。

2 結果

2.1 非骨質疏松組與骨質疏松組間一般資料比較

依據診斷標準,共有475例患者納入分析,其中OP組192例,非OP組283例。非OP組與OP組在骨折發生率、年齡、BMI、TG、HDL-C、Apo-A1、LV、NOF及HJ之間的差異存在統計學意義(P<0.05);而兩組其余指標的差異無統計學意義,見表1。

表1 非骨質疏松組與骨質疏松組間一般資料比較Table 1 Comparison of baseline characteristics between non-osteoporosis group and osteoporosis

2.2 非骨質疏松骨折組與骨質疏松骨折組間一般資料比較

非OPF組與OPF組在年齡、BMI、TC、HDL-C、Apo-A1、Apo-B、LV、NOF、HJ之間的差異存在統計學意義(P<0.05),而兩組其余指標的差異無統計學意義,見表2。

表2 非骨質疏松骨折組與骨質疏松骨折組間一般資料比較Table 2 Comparison of baseline characteristics between non-osteoporosis fracture group and osteoporosis fracture

2.3 非骨質疏松組與骨質疏松組中骨密度和脂代謝指標的相關性分析

如圖1所示,在非OP組中,LV與BMI(R=0.258,P<0.05)和TC(R=-0.126,P<0.05)存在相關性;NOF與BMI(R=0.215,P<0.05)、Apo-B(R=0.132,P<0.05)、HDL-C(R=-0.120,P<0.05)和Apo-A1(R=-0.159,P<0.05)存在相關性;HJ與BMI(R=0.263,P<0.05)、Apo-A1(R=-0.118,P<0.05)存在相關性。在OP組中,LV與BMI(R=0.290,P<0.05)、HDL-C(R=-0.147,P<0.05)存在相關性;NOF與BMI(R=0.305,P<0.05)、TG(R=0.159,P<0.05)存在相關性;HJ與BMI(R=0.372,P<0.05)、TC(R=0.164,P<0.05)、TG(R=0.157,P<0.05)、LDL-C(R=0.161,P<0.05)、Apo-B(R=0.176,P<0.05)存在相關性。

圖1 非骨質疏松組與骨質疏松組中脂代謝指標和骨指標的相關性Fig.1 Correlation analysis of lipid index and bone indexes between non-osteoporosis group and osteoporosis group

2.4 非骨質疏松骨折組與骨質疏松骨折組中骨密度和脂代謝指標的相關性分析

在非OPF組中,LV與BMI(R=0.373,P<0.05)、TC(R=-0.153,P<0.05)、HDL-C(R=-0.148,P<0.05)、LDL-C(R=-0.136,P<0.05)、Apo-A1(R=-0.171,P<0.05)、Apo-B(R=-0.100,P<0.05)存在相關性;NOF與BMI(R=0.332,P<0.05)、HDL-C(R=-0.186,P<0.05)、Apo-A1(R=-0.189,P<0.05)存在相關性;HJ與BMI(R=0.377,P<0.05)、HDL-C(R=-0.185,P<0.05)、Apo-A1(R=-0.171,P<0.05)存在相關性,見圖2。在OPF組中,LV與BMI(R=0.435,P<0.05)存在相關性;NOF與BMI(R=0.449,P<0.05)存在相關性;HJ與BMI(R=0.556,P<0.05)、TG(R=0.211,P<0.05)存在相關性,見圖2。

圖2 非骨質疏松骨折組與骨質疏松骨折組中脂代謝指標和骨指標的相關性Fig.2 Correlation analysis of lipid index and bone indexes between non-osteoporosis fracture group and osteoporosis fracture group

2.5 骨質疏松多元線性逐步回歸分析

以脂代謝指標為自變量,是否OP為因變量,進行多元回歸分析,通過應用逐步法針對自變量進行篩選。結果顯示,BMI、HDL-C及Apo-B是OP發生的保護因素,見表3。

表3 骨質疏松多元線性逐步回歸分析Table 3 Logistic regression analysis of lipid index on non-osteoporosis and osteoporosis

2.6 骨質疏松骨折的多元逐步回歸分析

以脂代謝指標為自變量,是否OPF為因變量,進行多元回歸分析,通過應用逐步法針對自變量進行篩選。結果顯示,Apo-A1是OPF發生的獨立危險因素,BMI、HDL-C及Apo-B是OPF發生的保護因素,見表4。

表4 骨質疏松骨折多元線性逐步回歸分析Table 4 Logistic regression analysis of lipid index on normal and osteoporotic fracture

2.7 脂代謝指標與骨質疏松和骨質疏松骨折的ROC工作曲線

在非OP組與OP組中,以BMI、HDL-C和Apo-B為檢驗變量,是否發生OP為狀態變量,進行ROC曲線分析,得出靈敏度、特異度、曲線下面積(AUC)分別為71.40%、32.30%、0.742,見圖3。在非OPF組與OPF組中,以BMI、HDL-C、Apo-A1及Apo-B為檢驗變量,是否發生OPF為狀態變量,進行ROC曲線分析,得出靈敏度、特異度、曲線下面積(AUC)分別為74.90%、41.30%、0.710,見圖4。

圖3 預測骨質疏松的ROC曲線Fig.3 ROC curve of osteoporosis and osteoporotic fracture regression model

圖4 預測骨質疏松骨折的ROC曲線Fig.4 ROC curve of osteoporosis and osteoporotic fracture regression model

3 討論

OP作為一種代謝性骨病,其可能與其他代謝性疾病共同發生,如血脂異常、肥胖、糖尿病、非酒精性脂肪性肝病和心血管疾病等[11]。既往研究已證明在心血管疾病患者中血脂異常與骨代謝之間存在一定的聯系[12]。相關臨床研究表明血脂異常與OP呈負相關,而且膽固醇對骨代謝的影響取決于研究中調整的不同研究樣本量、研究人群和協變量[13]。目前,骨代謝與脂肪代謝之間可能存在共同的致病機制甚至串擾效應[14]。本研究中比較了OP與OPF對于脂代謝指標的聯系。

本研究中,OP和OPF與脂代謝指標有一定的相關性。脂代謝指標與不部位骨密度的相關性并非保持一致,其中整體上分析BMI與骨密度呈正相關,HDL和Apo-A1與骨密度呈負相關。多元逐步回歸分析提示BMI、HDL-C及Apo-B是OP發生的保護因素;Apo-A1是OPF發生的獨立危險因素,BMI、HDL-C及Apo-B是OPF發生的保護因素。基于OP和OPF相關的因素構建ROC曲線,AUC面積分別為0.742、0.710,表明脂代謝指標對于OP和OPF的預測均具有較好的效果。

既往已有許多研究報道脂代謝指標與OP呈現顯著關系,但存在結果的不一致性,即存在正相關或負相關[15]。如一項動物實驗顯示單個基因可以同時影響HDL-C和BMD,這表明HDL-C和BMD之間存在密切關聯[15]。通過給予小鼠高脂肪飲食,引起的肥胖會擴張脂肪組織并引起全身慢性炎癥,進而導致骨質疏松癥,表明血脂異常是OP發生的危險因素[16]。Sun等[17]發現槲皮素能夠提高OP小鼠血清中HDL-C的水平,同時抑制參與脂肪產生相關蛋白質的表達。與之相反,一項基于公共數據庫的研究表明,HDL-C水平和BMD水平之間沒有顯著的遺傳相關性[18]。另一項研究也展現出類似的結果,HDL-C和腰椎之間的遺傳相關性沒有統計學意義[19]。本研究證明了BMI、HDL-C及Apo-A1與OP存在顯著關系,與前者脂代謝指標與OP密切相關的結論一致,而且同步證明BMI、HDL-C、Apo-A1及Apo-B與OPF存在顯著關系。

綜上所述,本研究通過分析患者的臨床信息,證明了脂代謝指標(BMI、HDL-C、Apo-A1、Apo-B)與OP和OPF間具有一定的相關性,而且二者的相關趨勢呈一致性。同時,脂代謝指標與OPF的關系鮮有研究報道,本次通過回顧性研究初步證明二者間的脂代謝指標存在顯著關系,這為OP和OPF的預防及治療提供一定的臨床監測依據。

本研究不足之處:①臨床信息來自住院患者,樣本量較少,有待進一步擴大收集臨床信息來源,以減小誤差,完善研究結論,使其具有更廣的適用范圍。②脂代謝指標與骨密度的關系是復雜的,應增加臨床一般資料的種類,同時予以排除,避免多個混雜因素的干擾。