睾酮相关指标与男性糖脂代谢异常状态:单中心回顾性研究

《Frontiers in Endocrinology》:Testosterone-related indices and adverse glucose-lipid metabolic status in men: a single-center retrospective study

【字体: 大 中 小 】 时间:2026年08月28日 来源:Frontiers in Endocrinology 5.7

编辑推荐:

  背景:较低睾酮常伴随糖脂代谢异常,但计算所得睾酮分数在代谢评估中的临床价值仍不确定。本研究评估了总睾酮(TT)、计算游离睾酮(FT)、游离睾酮百分比(FT%)、生物可利用睾酮(BioT)、生物可利用睾酮百分比(BioT%)及性激素结合球蛋白(SHBG)与男性男

  
背景:较低睾酮常伴随糖脂代谢异常,但计算所得睾酮分数在代谢评估中的临床价值仍不确定。本研究评估了总睾酮(TT)、计算游离睾酮(FT)、游离睾酮百分比(FT%)、生物可利用睾酮(BioT)、生物可利用睾酮百分比(BioT%)及性激素结合球蛋白(SHBG)与男性男科门诊患者糖脂特征的交叉 sectional 关联。方法:本单中心回顾性横断面分析纳入420名成年男性男科门诊患者,记录完整TT、SHBG、白蛋白、葡萄糖、总胆固醇(TC)、甘油三酯(TG)、高密度脂蛋白胆固醇(HDL-C)和低密度脂蛋白胆固醇(LDL-C)。研究人员进行了年龄调整偏Spearman相关、秩标准化回归、SHBG调整模型、限制立方样条(RCS)分析、年龄分层交互分析、敏感性分析及探索性机器学习辅助验证。结果:TT与葡萄糖和TG呈负相关,与HDL-C呈正相关。FT%和BioT%与TG正相关、与HDL-C负相关,但在额外调整SHBG后明显减弱或逆转。RCS模型支持TT与葡萄糖、TG、HDL-C近似线性关联。机器学习辅助验证中285名参与者(67.9%)存在不良糖脂代谢状态。Age+TT+SHBG模型与XGBoost显示中等判别力,AUC分别为0.691和0.688。SHAP分析提示SHBG和年龄是最强模型贡献因子,但因相关预测因子可能影响SHAP重要性估计,该排序应视为探索性。结论:在男性男科门诊中,较低TT与不良糖脂谱(较高葡萄糖和TG、较低HDL-C)相关。基于百分比的计算睾酮指标似乎反映SHBG依赖的循环睾酮再分布,而非独立的良性雄激素状态。机器学习辅助验证进一步支持SHBG的解释重要性,但预测性能仍属探索性。这些发现应限于单中心门诊队列解释,不应直接推广至更广泛男性人群。
研究背景与立项依据:睾酮作为男性性腺内分泌状态的核心指标,其水平变化与糖脂代谢异常的发生和进展密切相关。睾酮不仅是维持男性第二性征、性功能与生殖内分泌稳态的主要雄激素,还参与体脂分布、胰岛素敏感性、肝脏脂质合成及骨骼肌葡萄糖摄取等代谢调节。临床中低睾酮常伴肥胖、内脏脂肪堆积、胰岛素抵抗、糖耐量异常及血脂异常,构成代谢综合征(MetS)与2型糖尿病(T2DM)的病理生理基础。男科门诊对睾酮的评估多聚焦勃起功能障碍、不育与迟发性性腺功能减退(LOH),其心血管代谢意义常被低估。既往研究多关注总睾酮(TT)绝对浓度与特定代谢病的横断面关联,而由TT、SHBG与白蛋白(ALB)经Vermeulen公式推算的游离睾酮(FT)、游离睾酮百分比(FT%)、生物可利用睾酮(BioT)、生物可利用睾酮百分比(BioT%)是否提供额外临床信息尚不确定。鉴于此,研究人员在河南中医药大学第一附属医院男科门诊2025年6月1日至2026年6月1日就诊的成年男性中,开展单中心回顾性横断面研究,旨在明确睾酮轴变量与糖脂特征的关联及SHBG的作用。
主要技术方法:研究人员构建420人男性男科门诊队列(年龄≥18岁,排除外源雄激素使用、原发/继发性腺功能障碍、晚期恶性肿瘤及严重肝肾病),采集TT、SHBG、ALB、葡萄糖、TC、TG、HDL-C、LDL-C完整记录。统计上采用年龄秩残差偏Spearman相关、秩标准化多元线性回归、递进加入SHBG的调整模型、自然立方样条(RCS)非线性检验、<35/35–44/≥45岁分层交互、剔除最高1%极值与log秩变换敏感性分析;并定义不良糖脂状态(葡萄糖≥6.1、TC≥5.2、TG≥1.7、HDL-C<1.0、LDL-C≥3.4 mmol/L任一异常)进行Logistic、LASSO、XGBoost五折交叉验证与SHAP解释。
研究结果:基线特征显示中位TT 3.80 ng/mL、葡萄糖5.45 mmol/L、TG 1.38 mmol/L、HDL-C 1.26 mmol/L,队列偏中年(中位36岁)。年龄调整偏相关中TT与葡萄糖(rho=-0.261)、TG(rho=-0.259)负相关,与HDL-C(rho=0.202)正相关(均P<0.001);FT%与BioT%与TG正相关(rho≈0.35)、与HDL-C负相关(rho≈-0.21)。秩标准化回归方向一致。按TT四分位分层,葡萄糖、TG随TT升高下降,HDL-C上升。按SHBG四分位分层,FT%、BioT%、TG随SHBG升高下降,HDL-C上升。SHBG调整模型中,TT对TG的标准化β从-0.258降至-0.054(失显著),对HDL-C从0.202降至0.103;FT%对TG从0.354转为-0.135,对HDL-C从-0.218转为0.017;BioT%类似逆转,提示百分比指标关联由SHBG驱动。RCS分析TT对葡萄糖、TG、HDL-C整体P<0.001且非线性P>0.05,支持近似线性。年龄分层交互P均>0.05,方向一致,<35岁TT-葡萄糖关联最强。敏感性分析剔除极值或换z分数后TT关联稳定。机器学习中285人(67.9%)为不良糖脂状态;Age+TT+SHBG的AUC 0.691,XGBoost 0.688,LASSO 0.677,均属中等判别;SHAP居前为SHBG、年龄、BioT%、FT%、TT。
讨论浓缩:研究人员指出TT逆关联葡萄糖/TG、正关联HDL-C与既往糖尿病、血脂研究一致,可能反映肥胖-内脏脂肪-芳香化酶-下丘脑垂体性腺(HPG)轴抑制及炎症介质致胰岛素抵抗的双向机制;因缺BMI/胰岛素等,残留混杂与横断面时序不能定因果。计算FT/BioT关联弱于TT,源于Vermeulen公式对单次采血误差敏感及未调BMI使游离部分对早期抵抗不敏感。FT%/BioT%表观“有害”实因低SHBG(肝代谢功能障碍标志、受高胰岛素与脂肪肝抑制)释放结合容量而抬高百分比,非独立雄激素效应;加SHBG后衰减/逆转证实其为分布假象。RCS与年龄分层示TT关联线性且跨龄一致。机器学习未优于Age+TT+SHBG,SHAP重申SHBG核心解释力但属探索性。局限含缺体质与生活方式变量、男科门诊外推受限、复合终点病因特异性低、非正式中介、老年层样本小、无外部验证。
结论翻译:本研究表明男性男科门诊中低TT稳健线性关联高葡萄糖、高TG与低HDL-C,跨年龄层方向一致;相较FT与BioT,TT对糖脂异常更敏感。临床解读男性性激素报告时,高FT%或BioT%不可单独推断良性雄激素状态,须联合TT与SHBG。探索性机器学习辅助分析进一步支持SHBG相关特征在识别不良糖脂状态中的重要性,但预测性能中等且需外部验证。上述发现应作为专科门诊队列的横断面关联解释,不构成因果证据或广泛人群推广依据。论文发表于《Frontiers in Endocrinology》。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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