不同葡萄糖代谢率分组中的脂蛋白(a)与动脉粥样硬化风险：评估其协同预测价值

《Lipids in Health and Disease》：Lipoprotein(a) and atherosclerosis risk across estimated glucose disposal rate strata: evaluating synergistic predictive utility

　　

摘要

背景

高脂蛋白(a) [Lp(a)]水平与胰岛素抵抗都是已知的动脉粥样硬化的风险因素。然而，这两种因素之间的相互关系以及它们对动脉粥样硬化的共同影响仍不十分清楚。本研究旨在探讨不同胰岛素抵抗程度人群中Lp(a)的分布特征，并评估Lp(a)水平与胰岛素抵抗的替代指标——估计的葡萄糖代谢率(eGDR)在预测动脉粥样硬化方面的综合作用。

方法

这项回顾性研究使用了2017年至2025年间在第三湘雅医院接受健康检查的10,753名参与者的数据。通过颈动脉超声来诊断动脉粥样硬化斑块。利用逻辑回归分析和限制性立方样条(RCS)分析，按eGDR四分位数划分，研究Lp(a)与斑块风险之间的关系。此外，还通过基于机器学习的分析进一步评估了同时纳入Lp(a)和eGDR在预测动脉粥样硬化方面的额外价值。

结果

在本研究中，参与者们的Lp(a)浓度中位数为12.4毫克/分升，其中14.4%的人的数值超过30毫克/分升。RCS分析显示Lp(a)与eGDR之间存在显著的非线性（U形）关系，且Lp(a)水平在eGDR最高的四分位数组(Q4)中达到峰值。Lp(a)水平与动脉粥样硬化斑块风险存在独立的正相关关系，尤其是在eGDR最低和最高的四分位数组中，这种关联依然显著。此外，机器学习分析表明，将Lp(a)和eGDR纳入模型后，该模型在预测动脉粥样硬化斑块方面的区分能力有所提升，AUROC值从0.7810略微上升至0.7820。

结论

在总体人群中，Lp(a)水平与动脉粥样硬化斑块存在正线性关联，且这一关联在不同eGDR分组中有所差异。此外，Lp(a)与eGDR之间的相互作用对于预测动脉粥样硬化具有重要意义。将Lp(a)水平与eGDR纳入机器学习模型，能够适度提高对高危人群的识别能力。这一策略有助于实现更精准的临床干预，进而改善心血管健康状况。