从脂代谢指标探究骨质疏松症和骨质疏松性骨折的风险因素

秦威城 何博文 尚奇 周泽霖 招文华 李兵 陈桂锋 余富勇 周本根 沈耿杨 江晓兵* 任辉*

1.广州中医药大学第一临床医学院,广东 广州 510405 2.广州中医药大学岭南医学研究中心,广东 广州 510405 3.广州中医药大学第一附属医院脊柱骨科,广东 广州 510405

骨质疏松症(osteoporosis,OP)是一种代谢性骨骼疾病,以骨量减少,骨微结构破坏为特征,导致骨强度降低或脆性骨折的风险增加[1]。全世界约有2亿妇女患有OP,50岁以上的女性和男性中分别有1/3和1/5经历过骨质疏松性骨折(osteoporotic fracture,OPF)[2]。人口老龄化已成为世界范围内的普遍现象[3],联合国预测到2050年,大多数地区约有1/4的人口年龄在60岁以上,其中最常见的OPF部位是脊椎(脊柱)、股骨近端(髋部)和前臂远端(腕部)[4]。因此,探寻OP及OPF的发病危险因素迫在眉睫。

脂代谢异常是动脉粥样硬化的典型危险因素[5],并能够通过损害血液循环,进而对骨骼的数量和质量产生不利影响[6-7]。高脂血症还可以通过调节骨吸收中的破骨细胞和骨形成中的成骨细胞来增加骨量丢失的风险[8]。研究表明,在小鼠身上进行定量计算机断层扫描的临床前研究发现,高胆固醇饮食可以降低骨骼含量[9]。临床研究表明,用于降低血脂的他汀类药物可以增加患者骨密度(bone mineral density,BMD),防止骨折[10]。当前大部分研究以探讨脂代谢与BMD和OP间的关系为主,而脂代谢与OPF是否存在联系,其中的联系与OP相比是否存在异同鲜有研究报道。因此,本研究通过分析OP与OPF中BMD与脂代谢指标的关系,探讨并对比影响OP与OPF发生的相关因素,为OP和OPF的预防及治疗提供一定的临床依据。

1 资料与方法

1.1 一般资料

回顾性收集2021年1月至2022年5月在广州中医药大学第一附属医院脊柱骨科的住院患者检查的骨密度、骨代谢和脂代谢相关数据,方案得到广州中医药大学第一附属医院伦理委员批获(JY2022-216)。纳入标准:(1)符合《骨质疏松鉴别诊断》中骨质疏松症或骨质疏松性骨折诊断标准;(2)无其他基础疾病(包括肿瘤、精神相关疾病、严重脏器衰竭及糖尿病等影响脂代谢的相关疾病)或基础疾病已控制。排除标准:(1)3个月内曾服用影响骨代谢、脂代谢的相关药物;(2)肌酐清除率低于35 mL/min;(3)酗酒或严重消化道疾病。

1.2 诊断标准

基于世界卫生组织的诊断标准进行分组,通过DXA测量结果:将T值>-2.5表示非OP组,T值≤-2.5为OP组;OP合并骨折者纳入OPF组,余者纳入非OPF组。根据腰椎(L1- L4)椎体(lumbar vertebrae,LV)、左股骨颈(neck of left femur,NOF)和左髋关节(left hip joint,HJ)的BMD值分别进行记录,即LV、NOF、HJ。

1.3 脂代谢指标测定

根据患者血清学检查结果,汇总脂代谢指标,包括总胆固醇(TC)、甘油三酯(TG)、高密度脂蛋白胆固醇(HDL-C)、低密度脂蛋白胆固醇(LDL-C)、载脂蛋白A1(Apo-A1)、载脂蛋白B(Apo-B)。

1.4 统计学方法

本研究使用SPSS 25.0和R语言4.20。正态分布的连续变量用均值±标准差表示,正态分布且方差齐的变量的两组间比较用t检验。不符合正态分布的变量用中位数和四分位数表示范围,不符合正态分布或者方差不齐的变量,两组间比较使用Wilcoxon rank-sum检验。回归分析采用多元逐步回归分析,以筛选OP和OPF发生相关的脂代谢指标。相关性分析使用斯皮尔曼方法分析。P<0.05表明差异有统计学意义。

2 结果

2.1 非骨质疏松组与骨质疏松组间一般资料比较

依据诊断标准,共有475例患者纳入分析,其中OP组192例,非OP组283例。非OP组与OP组在骨折发生率、年龄、BMI、TG、HDL-C、Apo-A1、LV、NOF及HJ之间的差异存在统计学意义(P<0.05);而两组其余指标的差异无统计学意义,见表1。

表1 非骨质疏松组与骨质疏松组间一般资料比较Table 1 Comparison of baseline characteristics between non-osteoporosis group and osteoporosis

2.2 非骨质疏松骨折组与骨质疏松骨折组间一般资料比较

非OPF组与OPF组在年龄、BMI、TC、HDL-C、Apo-A1、Apo-B、LV、NOF、HJ之间的差异存在统计学意义(P<0.05),而两组其余指标的差异无统计学意义,见表2。

表2 非骨质疏松骨折组与骨质疏松骨折组间一般资料比较Table 2 Comparison of baseline characteristics between non-osteoporosis fracture group and osteoporosis fracture

2.3 非骨质疏松组与骨质疏松组中骨密度和脂代谢指标的相关性分析

如图1所示,在非OP组中,LV与BMI(R=0.258,P<0.05)和TC(R=-0.126,P<0.05)存在相关性;NOF与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)存在相关性;HJ与BMI(R=0.263,P<0.05)、Apo-A1(R=-0.118,P<0.05)存在相关性。在OP组中,LV与BMI(R=0.290,P<0.05)、HDL-C(R=-0.147,P<0.05)存在相关性;NOF与BMI(R=0.305,P<0.05)、TG(R=0.159,P<0.05)存在相关性;HJ与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)存在相关性。

图1 非骨质疏松组与骨质疏松组中脂代谢指标和骨指标的相关性Fig.1 Correlation analysis of lipid index and bone indexes between non-osteoporosis group and osteoporosis group

2.4 非骨质疏松骨折组与骨质疏松骨折组中骨密度和脂代谢指标的相关性分析

在非OPF组中,LV与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)存在相关性;NOF与BMI(R=0.332,P<0.05)、HDL-C(R=-0.186,P<0.05)、Apo-A1(R=-0.189,P<0.05)存在相关性;HJ与BMI(R=0.377,P<0.05)、HDL-C(R=-0.185,P<0.05)、Apo-A1(R=-0.171,P<0.05)存在相关性,见图2。在OPF组中,LV与BMI(R=0.435,P<0.05)存在相关性;NOF与BMI(R=0.449,P<0.05)存在相关性;HJ与BMI(R=0.556,P<0.05)、TG(R=0.211,P<0.05)存在相关性,见图2。

图2 非骨质疏松骨折组与骨质疏松骨折组中脂代谢指标和骨指标的相关性Fig.2 Correlation analysis of lipid index and bone indexes between non-osteoporosis fracture group and osteoporosis fracture group

2.5 骨质疏松多元线性逐步回归分析

以脂代谢指标为自变量,是否OP为因变量,进行多元回归分析,通过应用逐步法针对自变量进行筛选。结果显示,BMI、HDL-C及Apo-B是OP发生的保护因素,见表3。

表3 骨质疏松多元线性逐步回归分析Table 3 Logistic regression analysis of lipid index on non-osteoporosis and osteoporosis

2.6 骨质疏松骨折的多元逐步回归分析

以脂代谢指标为自变量,是否OPF为因变量,进行多元回归分析,通过应用逐步法针对自变量进行筛选。结果显示,Apo-A1是OPF发生的独立危险因素,BMI、HDL-C及Apo-B是OPF发生的保护因素,见表4。

表4 骨质疏松骨折多元线性逐步回归分析Table 4 Logistic regression analysis of lipid index on normal and osteoporotic fracture

2.7 脂代谢指标与骨质疏松和骨质疏松骨折的ROC工作曲线

在非OP组与OP组中,以BMI、HDL-C和Apo-B为检验变量,是否发生OP为状态变量,进行ROC曲线分析,得出灵敏度、特异度、曲线下面积(AUC)分别为71.40%、32.30%、0.742,见图3。在非OPF组与OPF组中,以BMI、HDL-C、Apo-A1及Apo-B为检验变量,是否发生OPF为状态变量,进行ROC曲线分析,得出灵敏度、特异度、曲线下面积(AUC)分别为74.90%、41.30%、0.710,见图4。

图3 预测骨质疏松的ROC曲线Fig.3 ROC curve of osteoporosis and osteoporotic fracture regression model

图4 预测骨质疏松骨折的ROC曲线Fig.4 ROC curve of osteoporosis and osteoporotic fracture regression model

3 讨论

OP作为一种代谢性骨病,其可能与其他代谢性疾病共同发生,如血脂异常、肥胖、糖尿病、非酒精性脂肪性肝病和心血管疾病等[11]。既往研究已证明在心血管疾病患者中血脂异常与骨代谢之间存在一定的联系[12]。相关临床研究表明血脂异常与OP呈负相关,而且胆固醇对骨代谢的影响取决于研究中调整的不同研究样本量、研究人群和协变量[13]。目前,骨代谢与脂肪代谢之间可能存在共同的致病机制甚至串扰效应[14]。本研究中比较了OP与OPF对于脂代谢指标的联系。

本研究中,OP和OPF与脂代谢指标有一定的相关性。脂代谢指标与不部位骨密度的相关性并非保持一致,其中整体上分析BMI与骨密度呈正相关,HDL和Apo-A1与骨密度呈负相关。多元逐步回归分析提示BMI、HDL-C及Apo-B是OP发生的保护因素;Apo-A1是OPF发生的独立危险因素,BMI、HDL-C及Apo-B是OPF发生的保护因素。基于OP和OPF相关的因素构建ROC曲线,AUC面积分别为0.742、0.710,表明脂代谢指标对于OP和OPF的预测均具有较好的效果。

既往已有许多研究报道脂代谢指标与OP呈现显著关系,但存在结果的不一致性,即存在正相关或负相关[15]。如一项动物实验显示单个基因可以同时影响HDL-C和BMD,这表明HDL-C和BMD之间存在密切关联[15]。通过给予小鼠高脂肪饮食,引起的肥胖会扩张脂肪组织并引起全身慢性炎症,进而导致骨质疏松症,表明血脂异常是OP发生的危险因素[16]。Sun等[17]发现槲皮素能够提高OP小鼠血清中HDL-C的水平,同时抑制参与脂肪产生相关蛋白质的表达。与之相反,一项基于公共数据库的研究表明,HDL-C水平和BMD水平之间没有显著的遗传相关性[18]。另一项研究也展现出类似的结果,HDL-C和腰椎之间的遗传相关性没有统计学意义[19]。本研究证明了BMI、HDL-C及Apo-A1与OP存在显著关系,与前者脂代谢指标与OP密切相关的结论一致,而且同步证明BMI、HDL-C、Apo-A1及Apo-B与OPF存在显著关系。

综上所述,本研究通过分析患者的临床信息,证明了脂代谢指标(BMI、HDL-C、Apo-A1、Apo-B)与OP和OPF间具有一定的相关性,而且二者的相关趋势呈一致性。同时,脂代谢指标与OPF的关系鲜有研究报道,本次通过回顾性研究初步证明二者间的脂代谢指标存在显著关系,这为OP和OPF的预防及治疗提供一定的临床监测依据。

本研究不足之处:①临床信息来自住院患者,样本量较少,有待进一步扩大收集临床信息来源,以减小误差,完善研究结论,使其具有更广的适用范围。②脂代谢指标与骨密度的关系是复杂的,应增加临床一般资料的种类,同时予以排除,避免多个混杂因素的干扰。