脂质特征与晚发性(80岁及以上)缺血性中风:一项针对未接受降脂治疗的成年人的回顾性研究
《Frontiers in Neurology》:Lipid feature and late onset ≥80?years of ischemic stroke: a retrospective study in lipid-lowering therapy-naive adults
【字体:
大
中
小
】
时间:2026年05月15日
来源:Frontiers in Neurology 2.8
编辑推荐:
摘要
背景:80岁及以上首次发生缺血性中风的患者数量正在稳步增长。然而,这一高龄人群独特的血脂特征尚未得到系统性的定义。本研究旨在明确这些血脂模式,并阐明它们与老年急性缺血性中风发病延迟之间的关系。
方法:我们对2022年3月至2025年6月期间连续入院的初次急性缺血性中风患
摘要
背景:80岁及以上首次发生缺血性中风的患者数量正在稳步增长。然而,这一高龄人群独特的血脂特征尚未得到系统性的定义。本研究旨在明确这些血脂模式,并阐明它们与老年急性缺血性中风发病延迟之间的关系。
方法:我们对2022年3月至2025年6月期间连续入院的初次急性缺血性中风患者进行了回顾性队列分析。为了减少降脂药物治疗的干扰(这些药物同时影响血脂代谢和脑血管风险),我们实施了严格的排除标准,排除了任何之前使用过调胆固醇药物的患者。参与者被分为三个年龄组:最年轻组(60-69岁)、中年组(70-79岁)和最老年组(≥80岁)。系统地分析了各组的人口统计特征和血脂参数,并通过相关分析和多变量回归分析来确定与晚发性缺血性中风相关的血脂预测因子。
结果:根据我们的纳入和排除标准,共有565名患者被纳入最终分析(最年轻组239人;中年组200人;最老年组126人)。与年轻组相比,最老年组的总胆固醇、甘油三酯、载脂蛋白B、低密度脂蛋白胆固醇(LDL-C)、极低密度脂蛋白胆固醇(VLDL-C)和非高密度脂蛋白胆固醇(non-HDL-C)水平显著降低(所有p < 0.05)。此外,该组的血脂异常亚型发生率也较低,特别是在总胆固醇、甘油三酯、LDL-C和VLDL-C方面。多变量分析表明,在整个患者群体中,non-HDL-C是晚发性缺血性中风最强的血脂预测因子;性别之间存在差异:女性中LDL-C是主要预测因子,而在男性中则是甘油三酯。
结论:研究结果表明,晚发性缺血性中风的老年人具有独特的血脂特征。在血脂控制策略中,应将non-HDL-C与LDL-C一起作为共同目标。
1 引言
全球80岁及以上的人口正在快速增长,预计从2019年的1.43亿增加到2050年的4.26亿(1)。这一群体承担了不成比例的中风负担:约30%的中风事件、三分之一的急性护理需求以及近60%的30天内中风死亡(2)。缺血性中风占病例的88.27%,在这一人群中每年每1000人年的发病率超过17.23例(3),这使得一级预防成为健康老龄化的关键(4)。
衰老会破坏血脂稳态,增加患脑血管疾病的脆弱性(5)。包括LDL-C、non-HDL-C、脂蛋白(a)和ApoE在内的血脂标志物已被确定为缺血性中风的已知预测因子(6-9)。然而,具有里程碑意义的队列研究[Framingham(10)、REGARDS(11)和China-PAR(12)存在关键局限性:大多数研究主要招募的是年轻人或中年人,未能充分代表九十多岁或百岁老人,并且很少排除正在服用他汀类或其他降脂药物的参与者。因此,未接受过治疗的最高龄人群的年龄特定血脂-中风关系仍不明确,限制了定制化的预防策略的发展。为了解决这一问题,我们进行了一项针对60岁及以上首次发生急性缺血性中风患者的医院基于回顾性的队列研究(2022-2024年),排除了之前接受过降脂治疗的患者,以避免生理血脂变化和年龄增长带来的脑血管风险下降的混淆效应。患者被分为60-69岁、70-79岁和≥80岁三个组。我们比较了不同组别的基线血脂特征,并通过多变量回归分析了血脂异常与晚发性缺血性中风之间的年龄特定关联,并通过敏感性分析进行了验证。这项研究为极端老年人群中的血脂预测因子提供了独特的证据,填补了老年中风预防知识领域的关键空白。
2 材料与方法
2.1 研究人群和研究设计
本研究是在我们神经科进行的医院基于回顾性的队列研究,对象是2022年3月至2025年6月期间连续入院的首次急性缺血性中风患者。该队列来自一项先前具有完全不同目的的研究(13),并根据中风发病年龄分为三个年龄组:最老年组(≥80岁)、中年组(70-79岁)和最年轻组(60-69岁)。由于研究的回顾性特点,无需获得知情同意书,并从 Bethune International Peace Hospital 获得了伦理批准(2023-KY-121)。所有方法和程序均符合相关指南和规定。
纳入标准包括:(1)中风发作时年龄≥60岁;(2)首次出现急性缺血性脑血管事件;(3)从症状出现到入院的时间≤7天;(4)通过入院后24小时内进行的脑磁共振成像(MRI)上的扩散加权成像(DWI)确认为急性脑梗死;(5)能够接受标准化的神经血管评估,如脑MRI/MRA(磁共振血管造影)或CTA(计算机断层扫描血管造影)、颈动脉多普勒超声和全面的实验室检查。
排除标准包括:(1)之前接受过降脂治疗,包括记录在案的他汀类、PCSK9抑制剂、纤维酸类药物或其他降脂药物;(2)有脑血管病史,包括既往中风(缺血性/出血性)、短暂性脑缺血发作(TIA)或神经血管介入治疗;(3)有颅内异常,如创伤性脑损伤后遗症、肿瘤性病变或动静脉畸形、脑静脉窦血栓形成、脱髓鞘性疾病(例如多发性硬化)或先天性畸形。
2.2 基本数据收集
系统记录了所有参与者的全面人口统计和临床参数,包括基线特征(年龄、生理性别、当前吸烟状况及主要合并症,如心房颤动、糖尿病、高血压、血脂异常、冠状动脉疾病和高同型半胱氨酸血症),以及入院前的抗血小板药物、口服抗凝剂、他汀类药物、降压药和降糖药物的详细用药记录。中风特异性指标包括NIHSS(美国国立卫生研究院中风评分)来量化神经功能缺陷,精确记录症状出现到入院的时间间隔,并根据TOAST(Trial of ORG 10172 in Acute Stroke Treatment)标准进行病因分类,以确保对整个队列的急性缺血性中风特征进行多维度描述。
2.3 血脂数据收集
在急诊科就诊或神经科入院后24小时内采集空腹血液样本。使用Roche Cobas c702自动化生化分析仪通过标准化酶法检测空腹血清血脂,测量指标包括总胆固醇(TC)、甘油三酯(TG)、低密度脂蛋白胆固醇(LDL-C)、高密度脂蛋白胆固醇(HDL-C)、极低密度脂蛋白胆固醇(VLDL-C)、载脂蛋白A(ApoA)、B(ApoB)、E(ApoE)和脂蛋白(a) [Lp(a)],并在入院后48小时内完成检测。所有检测值均符合中国成年人群的全国验证参考区间:TC < 5.18 mmol/L,TG < 1.70 mmol/L,HDL-C 1.16—1.42 mmol/L,LDL-C < 3.37 mmol/L,VLDL-C < 0.77 mmol/L,ApoA 1.20—1.60 g/L,ApoB 0.60—1.40 g/L,ApoE 2.7—4.9 mg/dL,Lp(a) < 300 mg/L。non-HDL-C的浓度是通过从TC中减去HDL-C计算得出的。
2.4 统计方法
所有分析均使用SPSS 18.0(IBM公司)和Microsoft Office Excel 2007进行,统计显著性定义为双侧p < 0.05。连续参数通过Kolmogorov–Smirnov测试进行正态性评估,高斯分布的数据以平均值±标准差(SD)表示,非参数数据以中位数和四分位数范围(IQR)表示。分类变量以绝对频率和百分比表示。组间比较使用ANOVA进行,对于正态分布的连续变量使用Tukey事后校正,对于非正态分布使用Kruskal-Wallis测试;分类分析根据情况使用χ2检验或Fisher精确检验。使用Cochran-Armitage趋势检验评估不同年龄组之间的序数趋势。
为了消除生物性别、常规脑血管风险因素(高血压、糖尿病等)和入院前用药的潜在混淆效应,进行了部分相关分析并进行了协方差调整,以分离血脂与发病年龄的关系。通过Kendall’s tau-b一致性分析进一步量化了血脂参数与年龄组之间的等级顺序关联。线性回归建模分为多个阶段:首先进行血脂-年龄关系的单变量分析,然后进行多变量调整——模型1(性别+危险因素)和模型2(模型1+入院前用药)。随后通过逐步选择算法(进入p < 0.05,保留p < 0.10)从完整参数集中确定主要的血脂预测因子。进行性别分层分析,以考虑血脂代谢和中风病理生理学中的性别差异。
3 结果
3.1 研究人群的选择
2022年3月至2025年6月期间, our Hospital的中风中心共招募了2,557名初次出现急性缺血性中风的患者。经过严格筛选后,367人因首次发病年龄<60岁被排除,另外918人因有记录的中风史(短暂性脑缺血发作、缺血性/出血性中风)或不确定的脑血管病史被排除。进一步的排除理由包括:223人不符合MRI-DWI协议;16人影像质量差;12人缺乏完整的影像数据;123人未进行空腹血脂检测;112人正在接受降脂治疗;35人存在结构性/并发的神经病理学问题(3例慢性硬膜下血肿、7例海绵状血管瘤、4例动静脉畸形、1例静脉窦血栓形成、9例阿尔茨海默病、1例线粒体脑病、1例疑似物质相关脑病、2例常染色体显性动脉病)。最终的分析队列包括565名未接受过降脂治疗的、60岁及以上的首次缺血性中风患者,根据发病年龄分为三个老年亚组:最年轻组(60-69岁,n = 239人)、中年组(70-79岁,n = 200人)和最老年组(≥80岁,n = 126人)。
3.2 基本特征
表1列出了整个队列及各年龄组的人口统计和临床特征。与流行病学模式一致,男性在首次缺血性中风发病率中占多数(总人口的60.5%)。这种性别差异随着年龄的增长而逐渐减弱,但在最老年组中男性仍占多数(趋势p = 0.078)。最老年组在心血管合并症方面表现出显著升高,心房颤动(p < 0.001)和冠心病(p = 0.002)的患病率更高。药理管理模式显示,抗血小板治疗(p值趋势<0.001)和抗凝治疗(p值趋势=0.007)的使用随年龄增加而增加。根据NIHSS评分测量的中风严重程度在各年龄组中逐渐加重(p值趋势<0.001)。值得注意的是,吸烟率与年龄呈负相关(当前吸烟者:p = 0.023,趋势p值=0.007)。TOAST亚型分布在各组间存在显著异质性(p < 0.001),但没有明显的年龄相关趋势(趋势p值=0.417)。
表1显示了各年龄组的基本人口统计和临床特征。与流行病学模式一致,男性在首次缺血性中风发病率中占多数(60.5%)。这种性别差异随着年龄的增长而逐渐减弱,但在最老年组中仍然存在(趋势p = 0.078)。最老年组在心血管合并症方面表现出显著升高,心房颤动(p < 0.001)和冠心病(p = 0.002)的患病率更高。药理管理模式显示,抗血小板治疗(p值趋势<0.001)和抗凝治疗(p值趋势=0.007)的使用随年龄增加而增加。中风严重程度根据NIHSS评分显示,随着年龄的增长而逐渐加重(p值趋势<0.001)。吸烟率与年龄呈负相关(当前吸烟者:p = 0.023,趋势p值=0.007)。TOAST亚型分布在各组间存在显著异质性(p < 0.001),但没有明显的年龄相关趋势(趋势p值=0.417)。
表1
| 变量 | 最年轻组(n = 239) | 中年组(n = 200) | 最老年组(n = 126) | p值 | 趋势p值 |
|----------------|------------|--------------|--------------|-----------|------------|
| 年龄,中位数,IQR | 65.0 (62.0–67.0) | 74.0 (71.0–76.0) | 84.0 (81.75–88.0) | -- | |
| 性别,n (%) | 158 (66.1) | 120 (60.0) | 64 (50.8) | 0.01 | 0.078 |
| 血管风险因素 | 心房颤动,n (%) | 10 (4.2) | 9 (4.5) | 26 (20.6) | <0.001 | <0.001 |
| | | 87 (36.4) | 71 (35.5) | 41 (32.5) | 0.76 | 0.652 |
| | | 154 (64.4) | 126 (63.0) | 85 (67.5) | 0.71 | 0.652 |
| | | 33 (13.8) | 34 (17.0) | 41 (32.5) | <0.001 | <0.001 |
| | | 42 (17.6) | 37 (18.5) | 21 (16.7) | 0.91 | 0.887 |
| | | 33 (13.8) | 16 (8.0) | 7 (5.6) | 0.02 | 0.007 |
| | | 43 (18.0) | 34 (17.0) | 42 (33.3) | 0.001 | 0.003 |
| | | 5 (2.1) | 5 (2.5) | 10 (7.9) | 0.01 | 0.009 |
| | | 135 (56.5) | 104 (52.0) | 76 (60.3) | 0.33 | 0.664 |
| | | 74 (31.0) | 59 (29.5) | 35 (27.8) | 0.81 | 0.524 |
| | | 2.0 (1.0–3.0) | 2.0 (1.0–4.0) | 3 (1.0–5.0) | <0.001 | 0.009 |
| | | 24 (12.0–48.0) | 24.0 (12.0–48.0) | 24.0 (12.0–48.0) | 0.62 | 0.094 |
| | | <0.001 | 0.417 | | |
| | 大动脉粥样硬化 | 109 (45.6) | 90 (45) | 43 (34.1) | | |
| | 心肌栓塞 | 5 (2.1) | 3 (1.5) | 21 (16.7) | | |
| | 小动脉阻塞 | 104 (43.5) | 83 (41.5) | 51 (40.5) | | |
| | 其他确定病因 | 8 (3.3) | 6 (3.0) | 2 (1.6) | | |
| | 未确定病因 | 13 (5.4) | 18 (9.0) | 9 (7.1) | | |
3.3 按年龄分层的血脂特征和血脂异常模式演变
分析框架将血脂参数分为主要血脂成分(TC、TG、ApoA、ApoB、ApoE、脂蛋白(a)、HDL-C、LDL-C、VLDL-C)及计算出的比率(non-HDL-C、LDL-C/HDL-C、VLDL-C/HDL-C、ApoB/ApoA)。表2详细列出了各年龄组的空腹血脂的中位浓度(或值)及四分位数范围(IQR)。在主要变量中,年龄分层比较显示TC、TG、ApoB、ApoE、LDL-C和在总体研究群体中,单一参数异常情况最为常见,具体如下:低HDL-C(59.5%)、低ApoA(54.3%)、高TC(28.7%)、高LDL-C(28.5%)、高TG(27.1%)、升高的VLDL-C(26.2%)、高脂蛋白(a)(20.5%)、高ApoE(19.1%)、低ApoE(10.6%)、低ApoB(9.7%)、高ApoA(5.1%)和高ApoB(4.6%)。异常情况的排名随年龄变化而有所调整(见图2),其中高TC、高LDL-C、高TG和高VLDL-C与年龄呈正相关(所有p值<0.05,趋势 p值<0.01),而最年长群体的ApoE患病率下降(趋势p值=0.01)。
表3 变量
最年轻组(n=239)
中年组(n=200)
最年长组(n=126)
趋势p值
HDL-C↓,n (%) 141 (59.0) 115 (57.5) 80 (63.5) 0.552 0.495
ApoA↓,n (%) 133 (55.7) 100 (50.0) 74 (58.7) 0.264 0.795
TC↑,n (%) 82 (34.3) 61 (30.5) 19 (15.1) <0.001 <0.001
LDL-C↑,n (%) 80 (33.5) 62 (31.0) 19 (15.1) 0.001 0.001
TG↑,n (%) 88 (36.8) 48 (24.0) 17 (13.5) <0.001 <0.001
VLDL-C↑,n (%) 83 (34.7) 48 (24.0) 17 (13.5) <0.001 <0.001
脂蛋白a↑,n (%) 55 (23.0) 41 (20.5) 20 (15.9) 0.276 0.110
ApoE↑,n (%) 38 (15.9) 42 (21.0) 28 (22.2) 0.241 0.111
ApoE↓,n (%) 36 (15.1) 16 (8.0) 8 (6.3) 0.012 0.005
ApoB↓,n (%) 22 (9.2) 13 (6.5) 20 (15.9) 0.020 0.122
ApoA↑,n (%) 12 (5.0) 9 (4.5) 8 (6.3) 0.758 0.660
ApoB↑,n (%) 10 (4.2) 13 (6.5) 3 (2.4) 0.207 0.643
图2 随年龄变化的孤立性血脂异常亚型重组:单一参数血脂异常的患病率排名随中风发病年龄的增长而变化。
对于多参数血脂异常(≥2个变量),在总体研究群体中最常见的五种组合是:TG + VLDL-C(26.2%)、TC + LDL-C(25.0%)、TG + HDL-C(17.2%)、TC + TG(13.1%)和TG + LDL-C(12.9%),这些组合的排名随年龄变化而变化(见图3)。十一种不同的双参数亚型在不同年龄组之间存在显著频率差异(见补充表1),所有这些亚型的患病率在最年长组中均降低(p值范围:0.038至<0.001)。在混合性血脂异常(≥3个变量)中,四种最常见的类型在不同年龄组中的排名保持稳定,但TC + TG + LDL-C和TC + TG + 脂蛋白(a)的患病率随年龄增长而下降。
3.4 脂质参数与年龄层次的相关性
Kendall’s tau-b分析确定了八个与年龄层次显著相关的脂质参数(见表4)。TC、TG、LDL-C、VLDL-C、非HDL-C、LDL-C/HDL-C比值和VLDL-C/HDL-C比值呈现负相关,而ApoE呈现正相关。值得注意的是,调整了包括性别、常规心血管风险因素和既往用药情况在内的协变量后,ApoB水平与首次发病年龄之间显示出额外的负相关关系。这将与年龄相关的脂质参数范围扩展到了九个具有临床意义的生物标志物。
3.5 最年长群体中晚发性中风的脂质决定因素
为了进一步阐明脂质谱对极老年人群晚发性缺血性中风的预测能力,我们使用了首次中风发病年龄作为连续变量进行了分层线性回归分析。分析框架包括三个序列模型:未调整的单变量关联;考虑性别和常规中风风险因素的调整模型(模型1);以及进一步考虑中风前用药情况的调整模型(模型3)。结果见表5。单变量分析显示TC、TG、LDL-C、非HDL-C和LDL-C/HDL-C比值是晚发性中风的主要脂质决定因素(所有p值<0.001)。这些关联在多变量调整后仍然保持一致的方向和幅度。次要预测因子包括ApoB、ApoE、VLDL-C和VLDL-C/HDL-C比值在所有模型中均显示出显著贡献(p<0.05)。逐步多变量回归最终确定非HDL-C是总体研究群体中的主要脂质预测因子,性别分层显示女性中LDL-C占主导地位,而男性中TG占主导地位。
4 讨论
老年人口的快速增长需要更加关注高龄人群中的脑血管疾病,特别是考虑到80岁以上人群首次缺血性中风的病理生理学特征与年轻老年人群的不同(14)。这种人口差异突显了进行特定人群研究以优化神经预防策略的必要性。通过常规临床生物标志物识别晚发性中风的预测因子具有特别的实际应用价值和预后潜力。然而,针对最年长人群的研究要么因为样本代表性不足,要么因为被系统性地排除在临床试验之外而受到限制(15)。我们的研究通过详细描绘极长寿人群中新发中风的特征,特别解决了这一差距。
在神经血管病理生理学中,脂质具有双重作用:作为维持血脑屏障完整性的结构成分以及调节脑灌注的动态调节因子(16)。虽然血脂异常是公认的可改变的中风风险因素(相对风险RR 1.8–2.6),但现行指南建议超越传统参数进行更广泛的脂质组学分析以增强风险分层(17)。尽管空腹血脂检测在临床实践中普遍存在,并且在心脑血管研究中占有重要地位(18),但其对高龄人群中发作的预测效用尚未得到充分探索。本研究系统地评估了这一关系,并纳入了先前研究中经常忽略的关键方法学考虑因素。值得注意的是,我们的分析方法严格考虑了降脂疗法的混淆效应——鉴于他汀类药物的多效神经保护作用不仅限于降低LDL-C。Northern Manhattan研究就体现了这种复杂性(19),表明用药状态显著改变了LDL-C与中风风险的关系。通过将分析限制在未使用他汀类药物的个体上,我们减轻了治疗混淆因素的影响,同时澄清了未经治疗的老年人群中的基础 lipid-中风关系。
本研究提供了未使用他汀类药物的80岁以上人群中缺血性中风发生情况的多维度特征描述。首先,我们 delineated 9种核心脂质成分(TC、TG、ApoB、LDL-C等)和4个综合指标在无药物条件下的年龄依赖性变化轨迹——这是先前老年脂质组学研究中很少涉及的关键视角。其次,我们的双轴分析结合定量水平和定性异常频率揭示了独特的老年保护性脂质特征:极高龄组显示出减弱了的促动脉粥样硬化谱型(低TC、TG、ApoB、LDL-C、VLDL-C、非HDL-C、LDL-C/HDL-C和VLDL-C/HDL-C),同时血脂异常亚型的患病率较低。这些发现共同表明,未使用脂质治疗的老年人群中早期中风的发生反映了多因素失调,需要结合全面的脂质谱监测和个性化阈值优化来实施精准预防。通过整合趋势分析、相关性和分层回归分析,我们确定非HDL-C是极老年人群中风时间生物学的主要脂质决定因素。非HDL-C的预测优势源于其包含的促动脉粥样硬化脂质谱——除了LDL-C外,它还量化了富含甘油三酯的脂蛋白(TRL)、残余颗粒和脂蛋白(a),这些都与他汀类药物耐受性中风风险有关(20, 21)。我们的发现支持了将非HDL-C作为独立心血管风险生物标志物的新兴共识(22),这在老年人群中尤其有利,因为:空腹状态使其具有临床实用性;在代谢综合征表型(如肥胖、糖尿病、代谢紊乱等)中具有更好的预测有效性;在高风险人群中具有更强的死亡率相关性(23)。这些基于证据的优势支持在老年脂质指南中同时针对非HDL-C和LDL-C。
4. 讨论
老年人口的指数级增长要求我们更加关注高龄人群中的脑血管疾病,尤其是考虑到80岁以上人群首次缺血性中风的独特病理生理学特征与年轻老年人群的差异(14)。这种人口差异强调了进行特定人群研究的必要性,以优化预防策略。通过常规临床生物标志物识别晚发性中风的预测因子具有特殊的转化价值,结合了实际可及性和预后潜力。然而,针对最年长人群的研究要么由于样本代表性不足,要么因为被系统性地排除在临床试验之外而受到限制(15)。我们的研究通过详细描述极长寿人群中新发中风的情况,特别解决了这一问题。
在神经血管病理生理学中,脂质具有双重作用:作为维持血脑屏障完整性的结构成分以及调节脑灌注的动态调节因子(16)。虽然血脂异常是公认的可改变的中风风险因素(相对风险RR 1.8–2.6),但现行指南建议超越传统参数进行更广泛的脂质组学分析以增强风险分层(17)。尽管空腹血脂检测在临床实践中普遍存在,并且在心脑血管研究中占有重要地位(18),但其对高龄人群中发作的预测效用尚未得到充分探索。本研究系统地评估了这一关系,并考虑了先前研究中经常被忽视的关键方法学因素。值得注意的是,我们的分析方法严格考虑了降脂疗法的混淆效应——鉴于他汀类药物的多效神经保护作用超出了LCL-C降低的范围。Northern Manhattan研究说明了这一点(19),表明用药状态显著改变了LDL-C与中风风险的关系。通过将分析限制在未使用他汀类药物的个体上,我们减轻了治疗混淆因素的影响,同时澄清了未经治疗的老年人群中的基础 lipid-中风关系。
我们的研究提供了未使用他汀类药物的80岁以上人群中缺血性中风发生的多维度特征描述。首先,我们描绘了9种核心脂质成分(TC、TG、ApoB、LDL-C等)和4个综合指标在无药物条件下的年龄依赖性变化轨迹——这是先前老年脂质组学研究中很少涉及的关键视角。其次,我们的双轴分析结合定量水平和定性异常频率揭示了老年保护性脂质特征:极高龄组显示出减弱了的促动脉粥样硬化谱型(低TC、TG、ApoB、LDL-C、VLDL-C、非HDL-C、LDL-C/HDL-C和VLDL-C/HDL-C),同时血脂异常亚型的患病率较低。这些发现共同表明,未使用脂质治疗的老年人群中早期中风的发生反映了多因素失调,需要结合全面的脂质谱监测和个性化阈值优化来实施精准预防。第三,通过整合趋势分析、相关性和分层回归分析,我们确定非HDL-C是极老年人群中风时间生物学的主要脂质决定因素。非HDL-C的预测优势源于其包含的促动脉粥样硬化脂质谱——除了LDL-C外,它还量化了富含甘油三酯的脂蛋白(TRL)、残余颗粒和脂蛋白(a),这些都与他汀类药物耐受性中风风险有关(20, 21)。我们的发现支持将非HDL-C作为独立心血管风险生物标志物的新兴共识(22),特别是在老年人群中具有优势,因为:空腹状态使其具有临床实用性;在老年人群中普遍存在的代谢综合征表型(如肥胖、糖尿病、代谢紊乱等)中具有更好的预测有效性;在高风险人群中具有更强的死亡率相关性(23)。这些基于证据的优势支持在老年脂质指南中同时针对非HDL-C和LDL-C,有可能通过增强残余风险捕获来革新初级中风预防策略。
我们的研究发现表明,维持非HDL-C水平不佳可能通过延迟老年人群中的缺血性中风发作而带来脑保护益处。有效管理促动脉粥样硬化脂质负荷需要结合生活方式调整(饮食优化、结构化运动计划)和药物治疗的多模式干预。现有证据确认,尽管他汀类药物是降低脂质的基石,但它们对非HDL-C的影响适中,突显了持续的残余心血管风险(24)。新兴的临床试验数据展示了有希望的替代方案:PCSK9抑制剂通过双重LDL受体上调和VLDL颗粒清除显示出更好的非HDL-C降低效果;类似地,高剂量ω-3制剂和下一代纤维酸类药物显示出协同效应,相比传统疗法实现了更好的非HDL-C降低(28–34%)。然而,关于极老年人群的最佳非HDL-C阈值、联合疗法的长期安全性以及超出脂质调节的多效效应仍存在关键知识空白。这些未解决的问题强调了开发针对性疗法的紧迫性,特别是针对非HDL-C成分(如残余胆固醇和脂蛋白(a)的新药。
我们的性别分层分析揭示了脂质-中风关联中的独特病理生理学差异。男性老年患者表现出更高的促动脉粥样硬化血脂异常倾向,表现为高甘油三酯血症,而女性患者则更易出现单独的LDL-C失调。这些发现可能与雌激素介导的LDL受体调节和脂肪组织脂解的性别差异有关。然而,这些结果需要通过大规模、多中心随机对照试验进一步确认。与之前主要针对65–75岁老年人的研究不同,我们的研究提供了专门针对80岁以上未使用降脂疗法的老年人群的新数据,从而消除了慢性用药的混淆因素。值得注意的是,我们的研究与以往的研究在设计(回顾性与前瞻性)、年龄分布以及最重要的研究中排除了使用降脂疗法的个体等方面的差异——这一特点既区分了我们的工作,也限制了研究的直接普遍性。未来需要具有标准化脂质测量协议的前瞻性、多中心研究来在不同的种族和地理人群中验证我们的发现。
5. 局限性
有几个方法学限制需要考虑。首先,单一中心的设计本质上限制了研究的普遍性,需要在不同的种族和地理人群中进行外部验证以确认我们观察到的脂质-中风时间生物学关联。其次,排除无症状脑血管事件(SCIs)引入了时间偏差,因为临床中风发作前的亚临床神经病理学可能会改变真正的脂质风险时间动态。这种遗漏可能扭曲了对促动脉粥样硬化脂质负担时间效应的估计。最关键的是,将静态脂质阈值应用于不同年龄层次违反了已确定的老年脂质代谢轨迹。当前的诊断框架缺乏为80岁以上人群验证的年龄调整阈值,特别是在富含甘油三酯的脂质成分方面。这种标准化差距在最近的ESC/EAS(欧洲心脏病学会/欧洲动脉粥样硬化学会)指南中得到承认,可能会混淆极长寿人群中血脂异常-中风关系的解释。我们注意到,在大多数纳入的患者中,空腹血液样本是在首次使用他汀类药物后12小时内采集的。尽管普遍认为LDL-C的降低仅在治疗3–5天后才能检测到,但短期他汀类药物暴露对基线脂质测量的潜在影响不能完全排除。鉴于脂质水平是动态的,并受多种因素影响,未来的研究应理想地分析中风发作前最近三次健康检查报告中的脂质谱,以减少偏差并提高发现的有效性。此外,严重影响脂质代谢的条件(如肝肾功能障碍、甲状腺疾病、恶性肿瘤和慢性消耗性疾病)在我们的研究中没有明确排除。这可能引入了残留的混淆因素,未来的研究应包括对这些因素的系统筛查或统计调整以验证我们的发现。
6. 结论
虽然血脂异常是公认的脑血管风险因素,但其与老年人群(≥80岁)晚发性缺血性中风的时间关系仍不清楚。本研究提供了首次全面的年龄特异性脂质异常描述,并量化了它们对极长寿人群中风表现的时节律学贡献。我们的发现加深了对老年中风病理生理学的理解,并为这一快速增长的人群提供了针对性的脂质管理策略。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号