背景
在全球最常见的心血管代谢疾病中，高血压在动脉粥样硬化以及冠心病(CHD)中扮演着重要角色。《柳叶刀》发表的一项研究表明，2019年全球30-79岁成人的高血压年龄标准化患病率为女性32%，男性34%。值得注意的是，与1990年相比，2019年全球30-79岁高血压患者人数从6.5亿增加到12.8亿，翻了一番。动脉粥样硬化是一种慢性炎症性血管病变，具有脂质沉积、纤维帽形成和斑块不稳定性等多种病理特征。冠心病是由冠状动脉粥样硬化引起的一种缺血性心脏病，其特征是冠状动脉狭窄、与斑块破裂相关的血栓栓塞和心肌缺血损伤。
与一般人群中的单纯血脂异常相比，高血压患者的血脂异常对冠心病发作构成更显著的风险。高血压导致持续的血流剪切应力损伤血管内皮，增加血管通透性，促进低密度脂蛋白胆固醇(LDL-C)渗透到内皮下层并氧化，从而启动动脉粥样硬化过程，同时激活炎症通路，加速泡沫细胞形成和动脉粥样硬化斑块进展。这两个过程协同形成"损伤-沉积"恶性循环，显著加速动脉粥样硬化进展，增加斑块不稳定性及破裂风险，进一步增加冠心病风险。在一般人群中，血脂异常主要依靠LDL-C的进行性沉积和慢性炎症，驱动冠状动脉动脉粥样硬化狭窄的缓慢进展，通常表现为稳定型心绞痛，而单用降脂药物可以有效减缓动脉粥样硬化进展。因此，高血压合并血脂异常的患者应设定更严格的血脂控制目标，并采用结合降压、降脂和抗炎治疗的综合管理策略。通过阻断协同病理机制，这种方法可以减缓动脉粥样硬化进展，降低心血管事件风险。
在心血管风险评估中，高密度脂蛋白胆固醇(HDL-C)、LDL-C和甘油三酯(TGs)等传统脂质代谢指标是核心评估工具。然而，临床实践中存在复杂且矛盾的现象；例如，一些冠状动脉疾病(CAD)患者的LDL-C和HDL-C水平在正常范围内，而其他LDL-C升高或HDL-C降低的个体却未发生心血管事件。这些发现表明，单一脂质参数在评估动脉粥样硬化风险时存在局限性。近年来，提出了诸如腰高比(WHtR)和心血管代谢指数(CMI)等新指标。WHtR通过腰围(WC)与身高的比值反映中心性肥胖，已被证明在预测心血管事件方面比传统的体重指数(BMI)或单独的腰围更有价值。CMI整合了体脂分布和脂质代谢参数，能敏感地捕捉胰岛素抵抗相关代谢紊乱，对高血压和心血管事件风险具有非线性预测价值。然而，其临床应用仍受到测量标准化不足和人群特异性阈值争议等问题的限制。血浆致动脉粥样硬化指数(AIP，即log(TG/HDL-C))整合了甘油三酯(TG)与HDL-C的比值，全面反映了脂质代谢紊乱的严重程度，在预测血管病变进展和心血管事件方面具有重要价值。然而，现有研究主要集中于一般人群，AIP与高血压患者CHD发病率之间的关联机制和临床意义尚不清楚。
本研究聚焦于高血压人群，旨在量化AIP与CHD发病率之间的相关性，特别关注上述研究空白。通过阐明AIP在高血压患者中的预测效能，可以为早期风险分层、动态干预时机选择和疗效评估提供理论基础。
材料与方法
研究人群
我们使用了美国疾病控制与预防中心(CDC)开展的连续国家调查构建的国家健康和营养检查调查(NHANES)数据库数据。作为全球公共卫生中一项重要的跟踪研究项目，NHANES通过多阶段分层抽样方法系统地收集各种国家健康指标、营养状况和疾病风险因素的多样化数据。这些数据对于支持慢性疾病分布特征和演变趋势的评估至关重要。NHANES采用多级抽样策略、标准化数据收集过程和覆盖所有年龄段的大规模样本库，显著提高了研究结果在人群水平上的外推有效性。
因此，我们在分析中使用了2005年至2018年的七个NHANES周期。高血压定义为自我报告的高血压、收缩压≥140 mmHg、舒张压≥90 mmHg或当前使用降压药物。这一综合定义已在基于人群的研究中被验证为有效的筛查方法。在排除未接受高血压医学诊断以及CHD、TG和HDL-C数据不完整的参与者后，我们共纳入6,290名患者。
AIP、CMI和WHtR的定义
AIP、CMI和WHtR是基于血液样本和身体测量数据计算得出的。按照标准化抽样协议，通过移动调查车或固定抽样点收集血液样本，以确保样本处理和数据可比性的标准化。AIP值通过公式AIP = log(TG/HDL-C)获得，其中TG代表甘油三酯(mmol/L)，HDL-C代表高密度脂蛋白胆固醇(mmol/L)。大型流行病学研究，如NHANES，已将此指数用作动脉粥样硬化负荷的定量指标。此外，CMI和WHtR是新型心血管代谢指标。WHtR首先计算为腰围(厘米)与身高(厘米)的比值。随后，通过将TG/HDL-C比值乘以WHtR进一步计算CMI。
冠心病定义
在本研究中，CHD的诊断标准主要基于临床病史和使用NHANES数据的先前文献。在流行病学调查中，研究人员通过结构化问卷收集健康信息。通过询问受访者"医生或其他健康专业人员是否曾告诉您患有CHD？"、"医生或其他健康专业人员是否曾告诉您患有心绞痛？"或"医生或其他健康专业人员是否曾告诉您患有心脏病发作(也称为心肌梗死)？"等问题来评估回答。回答"是"表示诊断为CHD。
协变量
我们的协变量包括年龄、种族、性别、教育水平、过去12个月的饮酒情况、贫困收入比(PIR)、吸烟、运动、中风、肺气肿、癌症、哮喘和BMI。其中，教育水平分为三个等级：高中以下、高中和高中以上；吸烟史定义为一生累积吸烟量≥100支；运动史定义为过去30天内进行中等强度运动。
统计分析
我们应用卡方检验和t检验来统计评估参与者的基线特征，并基于AIP、CMI、WHtR、TG和HDL-C/LDL-C的四分位范围进行分层比较。为探索AIP、CMI、WHtR、TG、HDL-C/LDL-C与高血压患者CHD之间的线性关系，我们应用了加权多元线性和加权逻辑回归分析。模型1未调整协变量。模型2调整了性别、年龄和种族，而模型3调整了性别、年龄、种族、教育水平、PIR、吸烟、运动习惯、中风、肺气肿、癌症、哮喘、BMI、体重、身高、WC和LDL-C。将AIP、CMI、WHtR、TG和HDL-C/LDL-C指标从连续变量转换为四分位分类变量后，趋势检验用于验证变量之间的等级相关趋势。使用平滑曲线拟合方法，我们探索了AIP、CMI、WHtR、TG、HDL-C/LDL-C与高血压患者CHD之间潜在的非线性相互作用。在分层效应的亚组分析中纳入了性别、年龄、种族、教育背景、PIR、生活方式(吸烟和运动习惯)以及疾病史(包括哮喘、中风、肺气肿和癌症)。交互检验分析用于确定亚组间关联强度的异质性。此外，本研究采用逻辑回归模型评估从曲线下面积(AUC)计算的五个指标对高血压患者的诊断预测效能，旨在识别最具预测性的指标。考虑到混杂因素的影响，我们在五个模型中纳入了性别、年龄和种族。数据通过R软件包(版本4.2)和EmpowerStats统计平台(版本5.0)进行分析。所有假设检验均使用双侧检验，p < 0.05表示差异显著。
结果
基线特征
我们纳入了6,290名经确认患有高血压的受试者。根据参与者的基线特征，中位年龄为60[50, 75]岁，女性多于男性(51.76%，n = 3256 vs 48.24%，n = 3034)。一项队列研究报告该人群中CHD的患病率为15.18%。根据AIP四分位数分类的参与者基线数据显示，AIP四分位数在性别、年龄、种族、教育程度和心血管相关风险因素(包括心力衰竭、糖尿病和吸烟史)方面存在统计学显著差异。随着AIP增加，男性比例、PIR、BMI、WC、体重和身高呈上升趋势；相反，年龄和女性构成比例呈下降趋势。此外，心力衰竭、糖尿病和吸烟等心血管疾病风险因素的发生率随AIP增加而显著增加。
AIP与CHD之间的关联
使用逐步混杂因素调整的加权逻辑回归分析AIP与CHD发病率的关联。当将AIP分析为连续变量时，基础模型(未校正协变量)显示，AIP每增加一个单位，CHD发病率风险显著增加60%(OR = 1.60, 95% CI: 1.30-1.96, p < 0.0001)。经过逐步协变量校正后，模型2(部分校正)的优势比增加到80%(OR = 1.80, 95% CI: 1.43-2.26, p < 0.0001)，模型3(完全校正)的优势比显著增加58%(OR = 1.58, 95% CI: 1.25-2.01, p < 0.0001)。所有三个模型均显示AIP与CHD发病率之间存在显著正相关。在将AIP转换为四分位数后，与最低四分位数(Q1)相比，最高四分位数(Q4)的CHD风险显著增加，增幅为43%(OR = 1.43, 95% CI: 1.15-1.79, p = 0.0008)。此外，平滑曲线拟合分析显示AIP与CHD风险之间存在显著的非线性正相关趋势。
亚组分析
使用亚组分析技术，我们探索了不同特征人群之间关联的差异。结果显示，在多个亚组中AIP与CHD之间存在统计学显著的正相关。具体而言，男性(OR = 1.73, 95% CI: 1.29-2.34, p < 0.001)和女性(优势比OR = 1.52, 95% CI: 1.06-2.19, p = 0.024)均显示出显著正相关。60岁以上人群组中的关联强度更为突出(OR = 1.63, 95% CI:1.24-2.15, p = 0.001)。在不同种族中，非西班牙裔白人(OR = 1.61, 95% CI:1.18-2.21, p = 0.003)和非西班牙裔黑人(OR = 2.42, 95% CI:1.45-4.02, p < 0.001)均显著正相关。在社会经济因素方面，教育程度较低的参与者(OR = 1.86, 95% CI: 1.25-2.76, p = 0.002)、PIR < 1.3的参与者(OR = 1.81, 95% CI: 1.25-2.62, p = 0.002)和PIR ≥ 1.3的参与者(OR = 1.89, 95% CI: 1.10-3.24, p = 0.021)均存在显著正相关。吸烟史和运动习惯均与健康相关行为特征显著正相关。慢性疾病分层结果显示，无肺气肿组、无中风组和无哮喘组的风险显著增加。此外，肿瘤患者显示存在关联，而无肿瘤病史的患者仍显著相关。高血压患者中AIP与CHD之间的相关性在各亚组中表现出相似趋势。尽管观察到上述亚组差异，但在交互检验中未发现显著异质性(p-interaction > 0.05)。这些发现表明，在所有关键亚组中，高血压患者的AIP与CHD一致相关，支持其作为广泛应用的风险预测因子的实用性。
AIP与WHtR、CMI、TG和HDL-C/LDL-C对CHD预测能力的比较
AIP、WHtR、CMI、TG和HDL-C/LDL-C等参数预测CHD的AUC值(95% CI)分别为0.695(0.677-0.712)、0.691(0.673-0.709)、0.687(0.669-0.704)、0.689(0.672-0.707)和0.690(0.673-0.708)。AIP在所有五个指数中表现出最高的区分能力。ROC曲线分析表明，与WHtR、CMI、TG和HDL-C/LDL-C相比，AIP在调整了包括性别、年龄和种族在内的混杂因素的模型中，对高血压患者CHD表现出更优越的预测性能。
讨论
我们在这项队列研究中纳入了6,290名参与者，观察到高血压患者中AIP与CHD之间存在直接相关性。这一发现表明，较高的AIP值可能会显著增加高血压患者CHD的发病率。此外，AIP在预测性能方面略优于传统脂质指标和新指标(如WHtR和CMI)。这一重要发现突显了AIP指标在规划CHD预防策略和日常健康管理中的重要性。
2001年，Dobiášová等人首次将AIP确立为量化血脂异常的血浆生物标志物，并揭示了其与LDL-C颗粒大小之间存在显著的负相关。此外，小而密的低密度脂蛋白(sdLDL)，一种比大而疏水的LDL颗粒具有更小流体动力学直径的LDL亚型，表现出显著更高的内皮通透性和对动脉壁沉积的更大倾向。值得注意的是，sdLDL颗粒的氧化易感性通过清道夫受体CD36介导的吞噬过程加速巨噬细胞吞噬。这加速了泡沫细胞形成并促进动脉粥样硬化斑块进展。此外，较高的sdLDL水平与冠状动脉疾病发病率的增加显著正相关。然而，由于成本高和技术复杂，sdLDL测量在临床上很少使用。基于常规脂质参数的衍生指标AIP可作为sdLDL的替代指标。此外，残粒样脂蛋白胆固醇(RLP-C)是与AIP增加相关的另一个重要成分。孟德尔随机化研究证实，RLP-C是缺血性心脏病的独立致病因素，可促进泡沫细胞形成和内皮功能障碍。这些证据加强了AIP在多维度上确定动脉粥样硬化风险发展中的重要性。
许多研究讨论了AIP与心血管疾病发病率之间的内在关联，从而表明AIP在评估心血管健康方面的潜在价值。Yu Zhang等人在一项针对7,708名年龄≥45岁中国人的前瞻性队列研究中报告，心血管疾病发病率随AIP水平增加而显著增加。在一项包含14项观察性研究的荟萃分析中，研究者报告称，AIP水平较高的患者更可能发展为冠状动脉疾病。另一项基于NHANES的17,382名参与者的横断面研究显示，高血压患者中AIP水平与全因死亡率呈线性正相关，与心血管疾病特异性死亡率呈U形关系。值得注意的是，与LDL-C、HDL-C和TG等传统脂质检测指标相比，AIP在准确识别肥胖、糖尿病和冠状动脉疾病等心血管疾病高发人群方面具有更高的敏感性和特异性，突显了其在心血管风险评估中的独特价值。我们的研究进一步验证了AIP的临床效果：在高血压患者中，AIP对冠心病的预测能力略优于传统脂质指标(TG、HDL-C/LDL-C)以及WHtR和CMI，AUC略有增加。AIP直接量化动脉粥样硬化的核心脂质驱动因素，反映sdLDL颗粒和脂蛋白残粒的积累，从而显示出更好的预测效果；WHtR作为腹部肥胖的替代指标，通过胰岛素抵抗间接影响脂质代谢，存在滞后性；CMI整合了肥胖和脂质参数，但未能反映致动脉粥样硬化脂蛋白的动态变化。
值得注意的是，与高血压病理过程相关的血流动力学异常(如异常血流剪切应力)、内皮功能障碍和慢性炎症状态可以进一步加剧脂质代谢紊乱，形成"血压升高-脂质谱失衡-动脉粥样硬化"的协同致病链。其中，致动脉粥样硬化脂蛋白(如sdLDL和脂蛋白残粒RLP-C)的积累是连接高血压与CHD的关键中介。AIP作为甘油三酯与HDL-C比值的对数转换指标，本质上是sdLDL和RLP-C等致动脉粥样硬化脂质成分积累的综合替代标志物。在高血压条件下，持续的血流动力学压力可能加剧内皮损伤和炎症反应，放大AIP反映的脂质代谢异常，从而强化其对冠状动脉粥样硬化的协同促进作用。这一机制不仅解释了高血压患者中升高的AIP与CHD风险之间更显著的关联，还表明AIP可能是连接高血压和CHD病理过程的关键中间环节。
高血压已被广泛认为是CHD的独立危险因素，通过多种病理生理机制加速动脉粥样硬化进展，从而增加CHD发病风险。然而，先前的研究主要集中在一般人群中AIP与CHD之间的关联，而关于高血压患者中动脉粥样硬化严重程度、CHD发病率和疾病进展之间交互机制的研究仍然有限。
本研究首次系统地研究了高血压患者中AIP与CHD之间的关系。结果表明，高血压患者中AIP与CHD发病率之间存在非线性正相关，且不受性别影响。这一发现与先前强调AIP对心血管健康不利影响的研究一致，进一步支持将AIP作为评估高血压患者CHD风险的重要指标。值得注意的是，与传统脂质标志物(TG、HDL-C/LDL-C)和新型代谢标志物(WHTR、CMI)相比，AIP在预测效能方面略占优势，为高血压患者的心血管风险管理提供了新的参考标准。
本研究的优势在于利用了NHANES数据，这些数据通过分层、多阶段概率抽样方法收集，产生有效样本量。这种方法确保了研究的可信度、普遍性和可靠性。此外，对不同人群的亚组分析有助于全面了解AIP与CHD发病率之间的相关性。然而，本研究也存在局限性。首先，这项队列研究不能直接建立高血压患者AIP与CHD患病率之间的因果关系。其次，由于数据主要来自美国人群，普遍性可能有限，需要在不同种族群体中进行验证。第三，本研究将高血压视为同质群体，而NHANES数据库缺乏该人群中血压控制状态和严重程度异质性的详细数据。尽管存在这一局限性，但交互检验表明AIP在所有亚组中均与CHD一致相关，支持AIP作为广泛应用的预测因素的实用性。
结论
本研究对NHANES数据库中高血压人群的横断面研究探讨了AIP与CHD之间的关系。统计分析显示，AIP与高血压人群的CHD发病率呈正相关。此外，在调整混杂因素后，这种关联仍然具有统计学显著性。在预测性能方面，AIP略优于传统脂质指标(TG和HDL-C/LDL-C)和新指标(WHtR和CMI)。因此，定期监测高血压患者AIP的动态变化可以为个性化健康干预提供定量基础。这些信息可能有助于改进慢性病预防和控制策略，提高公共卫生管理方法的有效性。
【全文结束】
