《Frontiers in Endocrinology》:Metabolomic profiling refines cardiovascular risk stratification beyond SCORE2-diabetes in patients with concurrent type 2 diabetes and pulmonary dysfunction
编辑推荐:
背景:同时患有2型糖尿病(T2D)和肺功能受损(LFI)的患者发生主要不良心血管事件(MACE)的风险显著增加。尽管SCORE2-Diabetes算法被广泛推荐用于临床风险评估,但其在这一特定多病共存表型中的预后准确性仍未得到充分探索。本研究旨在评估SCORE
背景:同时患有2型糖尿病(T2D)和肺功能受损(LFI)的患者发生主要不良心血管事件(MACE)的风险显著增加。尽管SCORE2-Diabetes算法被广泛推荐用于临床风险评估,但其在这一特定多病共存表型中的预后准确性仍未得到充分探索。本研究旨在评估SCORE2-Diabetes的基线效用,并探讨整合一种基于机器学习的新型代谢组学特征是否能够优化这一高危人群的10年MACE预测。
方法:研究人员对基线时患有T2D且无心血管疾病的英国生物样本库(UK Biobank)参与者进行了前瞻性分析。使用12,130名肺功能保留的参与者作为参考队列来评估基础临床模型,主要队列包括3,706名患有LFI的参与者。采用核磁共振(NMR)波谱法对249种血浆代谢物进行分析。采用结合了最小绝对收缩和选择算子(LASSO)Cox回归、随机森林生存分析和极端梯度提升的机器学习框架来获取一致性特征。内部验证采用1,000次自助法重抽样;在每次重抽样中重复整个建模流程。采用Harrell一致性指数(C-index)、净重分类改善(NRI)、校准度和决策曲线分析(DCA)评估超越SCORE2-Diabetes的增量性能。
结果:在中位随访12年期间,SCORE2-Diabetes在LFI队列中的区分度低于参考队列(C-index,0.670 vs. 0.707)。在3,706名患有LFI的参与者中,845人发生了MACE。加入12种代谢物特征后,C-index从0.670提高到0.722(绝对差异为0.052;P < 0.001),代表区分度有统计学显著但中等的改善。五种代谢物模型的C-index为0.708,而两种代谢物敏感性模型产生的C-index为0.699(95% CI,0.683-0.716)。使用2023年欧洲心脏病学会SCORE2-Diabetes分类,分类NRI为14.8%(95% CI,10.8%-18.8%)。内部校准和DCA表明一致性和净收益得到改善,但这些结果需要外部验证。
结论:在患有T2D和LFI的参与者中,将代谢组学特征加入SCORE2-Diabetes在风险区分度上产生了统计学显著但中等的改善。这些内部验证的发现支持在独立队列和前瞻性影响研究中进行进一步评估;它们并未确立即刻的临床实用性。
2型糖尿病(T2D)因其与心血管疾病(CVD)的紧密关联而成为全球健康危机,CVD是该人群发病和死亡的首要原因。精准的风险分层对预防策略至关重要,然而传统预测模型常存在不足。近期开发的SCORE2-Diabetes算法虽有显著进步,却难以完全捕捉复杂共病患者在临床中的异质性风险。已有充分证据表明,肺功能受损(LFI)与T2D个体心血管事件风险升高密切相关,提示二者可能通过全身炎症、氧化应激和胰岛素抵抗等共同病理生理轴介导。然而,现有算法未纳入LFI的增量预测价值,导致对该高危亚组的风险分层存在关键空白。代谢组学能够捕捉生理状态的实时变化,为超越传统风险因子预测CVD风险提供了前景。为解决这一预测缺口,研究人员探讨了将基于机器学习衍生的代谢组学特征整合入SCORE2-Diabetes模型中,是否能优化T2D合并LFI患者的10年主要不良心血管事件(MACE)预测。研究得出结论,加入12种代谢物特征后,模型区分度得到统计学显著但中等的提升。该研究填补了T2D合并LFI高危亚组在风险预测方面的空白,具有重要学术意义,论文发表在《Frontiers in Endocrinology》。
本研究队列来源于英国生物样本库。最终分析队列包含3,706名同时患有T2D和LFI的参与者,并设置12,130名肺功能保留的T2D参与者为参考队列。研究采用核磁共振(NMR)波谱法对249种血浆代谢物进行定量分析。通过结合最小绝对收缩和选择算子(LASSO)Cox回归、随机森林生存分析和极端梯度提升的机器学习框架获取共识特征。内部验证采用1,000次自助法重抽样。使用Harrell的C-index、净重分类改善(NRI)、校准度和决策曲线分析(DCA)评估预测性能。利用多变量Cox模型评估代谢物与MACE的关联,并采用多变量线性回归分析其与心血管疾病多基因风险评分(CVD-PRS)和心血管磁共振(CMR)表型的关联。
研究人群的基线特征:通过在中位随访12年期间对队列进行观察发现,在3,706名患有T2D和LFI的参与者中,有845人发生了MACE。相较于未发生MACE的参与者,发生MACE的参与者年龄更大、男性比例更高、当前吸烟者更多,且确诊糖尿病年龄更早。在临床指标上,发生MACE的参与者表现出更差的心脏代谢谱,包括更高的收缩压和糖化血红蛋白(HbA1c),以及更低的高密度脂蛋白胆固醇(HDL-C)和估算肾小球滤过率。肺活量测定参数如第1秒用力呼气容积(FEV
1)和用力肺活量(FVC)预测值在MACE组中显著降低,但限制性生理特征在两组中均占主导地位。
代谢预测因子的识别与优先级排序:通过集成机器学习策略,研究人员筛选出由三种算法一致选出的12种代谢物共识特征。这些特征包括炎症和液体平衡标志物(如糖蛋白乙酰化物和白蛋白)、支链氨基酸(如异亮氨酸、亮氨酸、缬氨酸)、能量代谢中间产物(如乳酸盐、葡萄糖、柠檬酸盐)、脂质参数(如甘油三酯、高密度脂蛋白颗粒大小)及其他氨基酸(如谷氨酰胺、组氨酸)。变量重要性分析显示,GlycA和异亮氨酸对预测准确性的贡献最大,其次是乳酸盐、白蛋白和HDL颗粒大小。
与结局、遗传和心脏结构的多维关联:通过多变量Cox比例风险回归模型,证实了所选择的代谢特征与MACE发生之间的独立关联。其中,炎症标志物GlycA与不良结局的关联最强(每增加1个标准差(SD),风险比(HR)为1.35),其次是异亮氨酸(HR为1.28)和乳酸盐(HR为1.21)。相反,较高水平的白蛋白(HR为0.81)和较大的HDL颗粒大小(HR为0.86)与MACE风险降低显著相关。在遗传易感性方面,观察到CVD-PRS与关键风险代谢物呈显著正相关,尤其是GlycA和异亮氨酸。对CMR表型的分析显示,这些代谢改变与不良心脏重构相关,例如GlycA与左心室质量(LVM)呈正相关,乳酸盐与右心室舒张末期容积(RVEDV)呈正相关,而白蛋白则与这些结构表型呈负相关。
增量预测价值与区分度性能:通过评估标准SCORE2-Diabetes模型在不同队列中的表现,发现在患有LFI的队列中,其C-index(0.670)显著低于在肺功能保留参考组中的表现(0.707)。在模型复杂度和区分度的权衡分析中,包含全部12种代谢物的模型将C-index提升至0.722,相较于SCORE2-Diabetes绝对提升0.052。包含5种代谢物的模型C-index为0.708,而仅包含GlycA和异亮氨酸的2种代谢物敏感性模型C-index为0.699。在阻塞性生理学亚组中,12种代谢物模型将C-index从0.658提高到0.714;在限制性生理学亚组中,从0.678提高到0.728。在伴有或不伴慢性肝病的参与者中也观察到了类似的预测性能提升,且无异质性证据。
风险重分类、校准度和临床效用:采用2023年欧洲心脏病学会SCORE2-Diabetes风险分类,12种代谢物模型的类别NRI为14.8%,5种代谢物模型为13.6%,2种代谢物模型为10.2%。相应的综合判别改善指数(IDI)分别为0.045、0.038和0.027。在10年校准度方面,SCORE2-Diabetes在高预测风险处存在低估现象,而代谢模型在预测风险与观察到的风险之间表现出更好的一致性。决策曲线分析(DCA)提示,在1%至30%的阈值概率范围内,代谢模型的净收益高于SCORE2-Diabetes。
总结讨论部分,这项前瞻性研究表明,将12种代谢物特征加入SCORE2-Diabetes模型,在合并T2D和LFI的患者中产生了统计学显著但中度的区分度提升。尽管校准度、重分类和DCA结果提供了内部证据,但尚未能确证其能改变治疗决策或改善患者结局。该研究首次在这一特定的T2D-LFI高危亚组中利用代谢组学优化风险分层。从生物学机制来看,GlycA作为慢性炎症标志物,连接了肺部炎症与心血管病理;支链氨基酸代谢失调促进了动脉粥样硬化进程;乳酸盐反映了组织缺氧状态;而白蛋白具有抗氧化和抗炎保护作用。然而,本研究存在一定局限性,如观察性设计难以确立因果关联、队列以欧洲血统为主影响普适性,以及尚缺乏独立的外部验证。
翻译研究结论部分:总结而言,在患有T2D和LFI的参与者中,12种代谢物特征在心血管风险预测方面产生了统计学显著但中等的改善。生物学关联支持了其合理性,但在将该模型应用于临床实践之前,仍需进行独立的外部验证和前瞻性临床影响评估。