《Annals of Medicine》：Associations of atherogenic index of plasma related indices with subclinical carotid atherosclerosis
编辑推荐：
血浆动脉粥样硬化指数（atherogenic index of plasma, AIP)相关指标与颈动脉粥样硬化(carotid atherosclerosis, CA)之间关联的证据有限。研究人员纳入了2017年至2020年来自中国湖北省脑卒中高危人群筛查和
血浆动脉粥样硬化指数（atherogenic index of plasma, AIP)相关指标与颈动脉粥样硬化(carotid atherosclerosis, CA)之间关联的证据有限。研究人员纳入了2017年至2020年来自中国湖北省脑卒中高危人群筛查和干预项目(CSHPSIP)的59123名参与者进行这项横断面研究。构建了三个指标来评估AIP相关指标：AIP-体重指数(AIP-body mass index, AIP-BMI)、AIP-腰围(AIP-waist circumference, AIP-WC)和AIP-腰高比(AIP-waist-height ratio, AIP-WHtR)。结果显示，AIP-BMI(OR = 1.36, 95% CI = 1.31–1.41)、AIP-WC(1.34, 1.29–1.38)和AIP-WHtR(1.33, 1.28–1.38)每增加1个标准差(standard deviation, SD)与颈动脉内膜中层厚度(carotid intima-media thickness, CIMT)相关。AIP-BMI(OR = 1.32, 95% CI = 1.28–1.37)、AIP-WC(1.34, 1.29–1.38)和AIP-WHtR(1.33, 1.29–1.38)每增加1个SD与斑块相关。当按四分位距(interquartile range, IQR)分组时，与Q1组相比，AIP-BMI、AIP-WC和AIP-WHtR与狭窄呈正相关。受试者工作特征(receiver operating characteristic, ROC)分析显示，AIP-BMI对CA和CIMT具有最大的诊断价值，曲线下面积(area under the curve, AUC)分别为0.833(0.828, 0.838)和0.817(0.811, 0.824)。AIP-BMI、AIP-WC和AIP-WHtR对斑块具有最大的诊断价值，AUC分别为0.842(0.836, 0.848)、0.842(0.836, 0.847)和0.842(0.836, 0.848)。同时，所有四个指标(AIP、AIP-BMI、AIP-WC和AIP-WHtR)对斑块显示出相同的诊断价值，AUC为0.871(0.858, 0.884)。研究结论认为，AIP相关指标与CA、CIMT、斑块和狭窄呈正相关。未来需要前瞻性研究来证实这些发现并阐明其临床效用。
该研究发表于《Annals of Medicine》，旨在探讨血浆动脉粥样硬化指数(AIP)相关复合指标与亚临床颈动脉粥样硬化(CA)之间的关联，为心血管疾病的风险评估提供便捷工具jit的工具。
研究背景方面，AIP作为甘油三酯(TG)与高密度脂蛋白胆固醇(HDL-C)比值的对数转换[lg(TG/HDL-C)]，已被证实是冠状动脉粥样硬化性疾病的可靠预测指标。既往研究表明，AIP升高与CA患病率增加相关。CA是心脏代谢性疾病的关键病理过程，早期检测对于预防心脏代谢性疾病和降低死亡率至关重要。近期有研究证实，将AIP与肥胖相关指标如体重指数(BMI)、腰围(WC)、腰高比(WHtR)相结合，可以更全面地评估卒中风险。然而，这种联合指标是否与CA存在类似关联，以及是否优于单独使用AIP，尚不明确。基于此，研究人员开展了这项大规模横断面研究，旨在评估AIP-BMI、AIP-WC和AIP-WHtR与CA的关联，并探索其在社区-based风险分层中的潜在应用价值。
该研究用到的主要关键技术方法包括：研究样本来源于2017年至2020年中国湖北省脑卒中高危人群筛查和干预项目(CSHPSIP)，经排除后最终纳入59123名参与者；通过标准化颈动脉超声检查评估CA，以颈动脉内膜中层厚度(CIMT)≥1.0 mm定义为内膜增厚，IMT≥1.5 mm或局灶性管壁狭窄>50%定义为斑块，狭窄程度≥50%定义为狭窄；采用logistic回归模型分析AIP相关指标与CA的关联，并使用有向无环图(DAG)识别潜在协变量；运用限制性立方样条(RCS)模型探索剂量-反应关系；通过受试者工作特征(ROC)曲线及曲线下面积(AUC)比较诊断性能，计算净重分类改善指数(NRI)和综合判别改善指数(IDI)评估增量判别价值，采用Bootstrap内部验证(1000次重抽样)减少过拟合；按性别和年龄进行亚组分析。
研究结果部分包括以下几个方面：
一、AIP相关指标与CA的关联。AIP相关指标与CA、CIMT、斑块和狭窄均呈正相关。调整后，AIP-BMI、AIP-WC和AIP-WHtR每增加1个SD，与CA的关联OR值分别为1.39(1.35–1.43)、1.39(1.34–1.43)和1.38(1.34–1.42)；与CIMT的关联OR值分别为1.36(1.31–1.41)、1.34(1.29–1.38)和1.33(1.28–1.38)；与斑块的关联OR值分别为1.32(1.28–1.37)、1.34(1.29–1.38)和1.33(1.29–1.38)。当按四分位距分组时，三个复合指标与狭窄均呈正相关。
二、剂量-反应关系。RCS分析显示，AIP相关指标与CA、CIMT和斑块呈非线性正相关(P
非线性<0.05)。
三、亚组分析。按年龄和性别分层的亚组分析结果与总人群一致。AIP相关指标与CA、CIMT和斑块的关联在各亚组中均有统计学意义；但与狭窄的关联仅存在于女性和≥60岁人群中，在男性和<60岁人群中无统计学意义。
四、AIP相关指标对CA的增量判别价值。AIP-BMI、AIP-WC和AIP-WHtR对CA具有统计学意义但适度的增量价值(NRI=0.034, IDI=0.009–0.010, 均P<0.05)；AIP-BMI对CIMT和斑块具有适度增量价值；AIP-WC对狭窄具有增量价值。
五、ROC分析。AIP-BMI对CA和CIMT的判别性能相对最高，AUC分别为0.833(0.828, 0.838)和0.817(0.811, 0.824)。AIP-BMI、AIP-WC和AIP-WHtR对斑块的判别性能相似且较高，AUC均为0.842。所有四个指标对狭窄的判别性能相似，AUC为0.871(0.858, 0.884)。虽然AUC值较高，但指标间差异较小，临床意义不确定。
讨论部分，研究人员指出该研究揭示了AIP相关指标与亚临床CA的显著正相关，结果在调整协变量和大多数亚组分析中保持稳定。亚组分析发现，AIP相关指标与狭窄的关联仅在女性和≥60岁人群中显著，这可能与年龄作为CA的既定危险因素、以及女性绝经后对动脉粥样硬化的不利影响有关。
与单独使用AIP相比，AIP相关指标对CA的判别性能有适度改善，但对狭窄无明显优势。尽管统计上显著，但NRI和IDI的绝对增幅以及AUC的组间差异较小，提示这些指标的临床实用价值可能有限。因此，AIP相关指标应被视为便捷、低成本的群体风险分层筛查工具，而非独立的诊断或预测生物标志物。
关于潜在机制，AIP反映致动脉粥样硬化血脂谱，人体测量指标代表中心性肥胖和脂肪功能障碍，其联合整合了血脂和代谢肥胖表型，共同促进动脉粥样硬化形成。具体包括：调节胆固醇代谢、 dysfunctional脂肪组织导致动脉损伤、促进促炎因子分泌引发炎症反应和氧化应激，驱动内皮功能障碍、斑块发生和发展。
该研究的优势包括：大样本量增强了统计效力；系统构建并全面比较了多种AIP相关指标与CA表型的关系；采用了系列严谨的统计方法；指标来源于常规实验室和人体测量数据，支持其在社区风险评估中的应用。局限性包括：横断面设计无法建立因果关系；研究人群来自中国区域性健康筛查项目，外推性受限；存在残余混杂因素；模型预测性能未进行内部验证；统计显著性并不意味着临床效用；潜在机制需进一步研究；未与Framingham风险评分或ASCVD风险评分等成熟心血管风险评分直接比较。
研究结论：AIP相关指标与亚临床CA、CIMT、斑块和狭窄呈正相关。虽然具有统计学意义，但效应量和重分类改善程度较为有限。这些指数可作为可及性风险评估的替代标志物。未来需要前瞻性研究来证实这些发现并阐明其临床效用。
