系统性炎症综合指数（AISI）与腹主动脉钙化的关联：一项基于NHANES数据库的横断面研究

《Journal of Cardiothoracic Surgery》：The association between the aggregate index of systemic inflammation and abdominal aortic calcification: a National health and nutrition examination survey

本研究基于NHANES数据库，首次探讨了系统性炎症综合指数（AISI）与腹主动脉钙化（AAC）的关联。结果显示，AISI与AAC评分及严重AAC（SAAC）呈非线性正相关，且在糖尿病等特定人群中关联更强。AISI对AAC的预测能力优于SII、NLR等传统炎症指标，为AAC的早期识别提供了新的、易于获取的生物标志物。

　　

论文解读

研究背景：腹主动脉钙化——沉默的“血管石头”

想象一下，我们身体里最粗大的动脉——腹主动脉，其管壁像水管一样，随着时间推移，逐渐沉积了坚硬的“石头”。这就是腹主动脉钙化（Abdominal Aortic Calcification, AAC），一种以血管平滑肌细胞中矿物质沉积为特征的病理过程。它并非简单的衰老现象，而是一个与心血管事件和死亡风险密切相关的“沉默杀手”。研究表明，AAC患者发生致命性心血管事件的风险是普通人群的1.85倍，在透析患者中更是预测死亡的重要指标。

那么，是什么在背后推动着这些“石头”的形成呢？答案是：炎症。免疫细胞释放的炎症因子，会诱导血管平滑肌细胞发生“骨化”转变，并调节血管内膜的矿物质沉积。然而，目前诊断AAC主要依赖侧位腰椎X线片，存在成本高、有辐射暴露等缺点。因此，寻找一种简便、无创、能反映全身炎症状态的生物标志物，对于AAC的早期识别和风险评估至关重要。

研究目的：探寻新型炎症指标AISI与AAC的关联

在此背景下，研究人员将目光投向了系统性炎症综合指数（Aggregate Index of Systemic Inflammation, AISI）。这是一个新兴的炎症指标，由血小板、中性粒细胞、单核细胞和淋巴细胞计数计算得出。与传统的单核细胞-淋巴细胞比值（MLR）或中性粒细胞-淋巴细胞比值（NLR）相比，AISI整合了四种细胞类型，能更全面地评估个体的全身炎症状态。尽管已有研究证实AISI是高血压、脑卒中、特发性肺纤维化等疾病死亡风险的生物标志物，但其与AAC的关系尚属未知。

为了填补这一空白，Wang等人利用美国国家健康与营养调查（NHANES）2013-2014周期的数据，开展了一项横断面研究，旨在深入探讨AISI与AAC之间的关联，并评估其预测价值。

研究方法：基于NHANES数据库的横断面分析

本研究的数据来源于NHANES 2013-2014周期，这是一项旨在评估美国成人和儿童健康与营养状况的全国性调查。研究人员从10,175名参与者中，排除了AAC评估、血小板计数、中性粒细胞计数及协变量数据缺失的个体，最终纳入了2,730名参与者进行分析。

关键技术与方法

1. 1.
   数据来源与队列构建：利用NHANES 2013-2014周期的公开数据，构建了一个包含2,730名具有完整AAC评估、血常规及协变量信息的成人队列。
2. 2.
   炎症指标计算：根据血常规结果，计算AISI（中性粒细胞×单核细胞×血小板/淋巴细胞）、系统性免疫-炎症指数（SII）、中性粒细胞-淋巴细胞比值（NLR）和血小板-淋巴细胞比值（PLR），并对AISI进行自然对数转换（log_eAISI）以符合正态分布。
3. 3.
   AAC评估：采用AAC-24半定量评分技术，通过侧位脊柱X线扫描评估AAC。评分大于0定义为存在AAC，评分大于6定义为严重AAC（SAAC）。
4. 4.
   统计分析：采用加权多元回归分析、趋势检验、平滑曲线拟合和阈值效应分析，评估log_eAISI与AAC评分及SAAC的关联。进行亚组分析和交互作用检验以评估关联的稳定性。绘制受试者工作特征曲线（ROC）比较AISI与其他炎症指标对AAC的预测能力。

研究结果：AISI与AAC呈非线性正相关，预测能力优于传统指标

1. 基线特征：高AISI组AAC风险更高

研究共纳入2,730名参与者。加权分析显示，AAC的患病率为28.97%，SAAC的患病率为7.91%。与log_eAISI最低四分位数组相比，最高四分位数组的AAC评分和SAAC病例数均显著更高（P<0.05）。此外，年龄、BMI、胆固醇、尿酸、肌酐、种族、婚姻状况、饮酒、吸烟、糖尿病和高血压等协变量在log_eAISI四分位数间也存在显著差异。

2. 关联分析：AISI是AAC的独立危险因素

在完全调整了年龄、性别、种族、BMI、吸烟、饮酒、糖尿病、高血压、冠心病及多种生化指标后，log_eAISI与AAC评分和SAAC仍呈显著正相关。

• •
  AAC评分：log_eAISI每增加1个单位，AAC评分增加0.37分（β=0.37, 95% CI=0.20-0.55）。
• •
  SAAC风险：log_eAISI每增加1个单位，SAAC的发生风险增加31%（OR=1.31, 95% CI=1.06-1.62）。
• •
  趋势分析：与最低四分位数相比，最高四分位数的AAC评分增加0.70分，SAAC风险增加68%（OR=1.68, 95% CI=1.10-2.55），且均存在显著的剂量-反应关系（P for trend<0.001）。

3. 非线性关系：存在“饱和效应”

平滑曲线拟合和阈值效应分析揭示了一个有趣的现象：log_eAISI与AAC评分及SAAC之间存在非线性关联，拐点位于log_eAISI=6.64。

• •
  拐点左侧：在log_eAISI<6.64的范围内，AISI与AAC呈显著正相关。log_eAISI每增加1个单位，AAC评分增加0.37分，SAAC风险增加66%。
• •
  拐点右侧：当log_eAISI>6.64时，AISI与AAC评分及SAAC的关联不再具有统计学意义。
  这表明，AISI对AAC的促进作用存在一个“饱和点”，当炎症水平超过一定阈值后，其对AAC的促进作用可能不再增加。

4. 亚组分析：特定人群关联更强

亚组分析显示，log_eAISI与AAC的关联在不同人群中存在异质性。

• •
  AAC评分：在年龄≥65岁、患有冠心病和糖尿病的患者中，log_eAISI与AAC评分的正相关关系更为显著（P for interaction<0.05）。
• •
  SAAC风险：log_eAISI与SAAC的关联在年龄、性别、BMI、饮酒、高血压和冠心病等亚组中相对稳定，但在糖尿病患者中关联更强（P for interaction<0.05）。

5. 预测能力：AISI优于传统炎症指标

ROC曲线分析显示，log_eAISI预测AAC和SAAC的曲线下面积（AUC）分别为0.57和0.61，均高于log_eSII、log_eNLR和log_ePLR。这表明，AISI对AAC和SAAC的预测能力优于SII、NLR和PLR等传统炎症指标。

结论与讨论：AISI——AAC风险评估的新兴生物标志物

本研究首次揭示了系统性炎症综合指数（AISI）与腹主动脉钙化（AAC）之间的非线性正相关关系。在完全调整混杂因素后，AISI水平越高，AAC评分越高，发生严重AAC（SAAC）的风险也越大。更重要的是，这种关联在老年人群、冠心病患者和糖尿病患者中表现得更为显著。

机制探讨：炎症如何“硬化”血管？

AISI之所以能预测AAC，其背后是炎症在血管钙化中的核心作用。AISI整合了中性粒细胞、单核细胞、血小板和淋巴细胞四种细胞类型，它们共同构成了一个复杂的炎症网络，通过多种途径促进血管钙化：

• •
  单核/巨噬细胞：释放肿瘤坏死因子-α（TNF-α）和白细胞介素-1β（IL-1β），诱导内皮细胞向成骨细胞分化。
• •
  中性粒细胞：通过形成中性粒细胞胞外诱捕网（NETs）和释放循环微囊泡，激活核因子-κB（NF-κB）通路，诱导氧化应激，促进血管平滑肌细胞凋亡。
• •
  血小板：释放血小板衍生生长因子，激活IL-1β和IL-6等炎症因子，并刺激血管平滑肌细胞迁移，放大炎症反应。

临床意义与展望

本研究具有重要的临床意义。AISI作为一种基于常规血常规检查的指标，具有获取简便、成本低廉的优势。它能够为临床医生提供一个评估全身炎症状态和AAC风险的新工具，尤其是在缺乏影像学检查条件或需要无创筛查的情况下。对于老年、冠心病和糖尿病等高危人群，监测AISI水平可能有助于早期识别AAC风险，从而进行早期干预。

然而，本研究也存在一些局限性。首先，这是一项横断面研究，无法确定AISI与AAC之间的因果关系。其次，数据来源于美国人群，其结论在其他种族人群中的适用性有待验证。未来需要开展大规模的前瞻性队列研究和干预性研究，以进一步验证AISI的预测价值，并探索通过降低AISI水平来减少AAC发生风险的可能性。

总结

Wang等人的研究为腹主动脉钙化的风险评估提供了新的视角。系统性炎症综合指数（AISI）作为一个全面、易得的炎症指标，与AAC的发生和严重程度密切相关，且其预测能力优于传统的炎症指标。维持较低的AISI水平，或许有助于降低AAC的发生风险，为心血管疾病的预防提供了新的思路。