中年健康人群肾小球高滤过与心血管风险的关联
该研究基于CARTaGENE前瞻性人群队列,纳入9515名40-69岁无高血压、糖尿病、心血管病、eGFR<60 mL/min/1.73 m2且未用他汀/阿司匹林的健康人,中位随访70个月。肾小球高滤过定义为按年龄和性别分层后eGFR>95百分位(473人),对照组为eGFR 25-75百分位(4761人)。高滤过组心血管复合终点发生率13.2/100人年,对照组7.7/100人年,调整后HR 1.88(95%CI 1.30-2.74,P=.001),倾向性评分匹配后结果相似(HR 2.20)。高滤过者的心血管风险与597例3a期CKD患者相似(HR 0.90,95%CI 0.56-1.42,P=.64)。提示在健康中年人群中识别肾小球高滤过可能有助于心血管风险分层。
要点
- 在无高血压、糖尿病、心血管病的中年健康人群中,肾小球高滤过(eGFR>95百分位)与心血管事件风险独立相关,调整后HR 1.88(95%CI 1.30-2.74,P=.001)。
- 高滤过组心血管事件发生率为13.2/100人年,正常滤过组为7.7/100人年;倾向性评分匹配后高滤过仍与更高风险相关(HR 2.20,95%CI 1.44-4.24,P=.02)。
- 肾小球高滤过者的心血管风险与3a期慢性肾脏病(eGFR 45-60 mL/min/1.73 m2)患者相似(HR 0.90,95%CI 0.56-1.42,P=.64)。
- 分数多项式回归显示eGFR百分位与心血管风险呈非线性关联,仅eGFR高于75百分位时风险显著增加。
- 该关联在按种族、吸烟、肥胖分层定义高滤过、排除随访6或12个月内事件、以及复合终点去除短暂性脑缺血发作的敏感性分析中均保持一致。
适用人群与场景
- 研究纳入CARTaGENE队列中40-69岁健康个体,健康定义为无既往心血管事件、无糖尿病、无高血压、eGFR≥60 mL/min/1.73 m2且未使用阿司匹林和/或他汀。
- 排除标准包括既往心肌梗死、不稳定型心绞痛、心力衰竭、卒中、短暂性脑缺血发作、糖尿病、高血压、eGFR<60 mL/min/1.73 m2或使用阿司匹林和/或他汀。
- 研究场景为人群队列,非急诊或ICU。
诊断标准与关键阈值
- 肾小球高滤过定义为按年龄十年段和性别分层后eGFR>95百分位(或高于均值2个标准差)。
- 正常滤过率对照组定义为按年龄十年段和性别分层后eGFR位于25-75百分位。
- eGFR通过CKD-EPI方程基于血清肌酐估算,肌酐经同位素稀释质谱法校准。
- 3a期慢性肾脏病定义为eGFR 45-60 mL/min/1.73 m2。
研究设计与关键结果
- 研究类型为前瞻性人群队列研究,纳入9515名健康个体(4050名男性,占42.6%),中位年龄50.4岁(IQR 45.9-55.6)。
- 高滤过组473人,中位eGFR 112 mL/min/1.73 m2(IQR 107-115);正常滤过组4761人,中位eGFR 92 mL/min/1.73 m2(IQR 87-97)。
- 中位随访70个月(IQR 68-72),共发生245例心血管事件(3例心血管死亡、67例心肌梗死、69例不稳定型心绞痛、52例心力衰竭、34例卒中、20例短暂性脑缺血发作)。
- 高滤过组心血管事件发生率为13.2/100人年,正常滤过组为7.7/100人年;未调整HR 1.71(95%CI 1.20-2.44,P=.003),调整后HR 1.88(95%CI 1.30-2.74,P=.001)。
- 倾向性评分匹配406对后,高滤过组中位eGFR 112 mL/min/1.73 m2(IQR 106-115),对照组94 mL/min/1.73 m2(IQR 88-99),未调整HR 2.20(95%CI 1.44-4.24,P=.02)。
- 高滤过者与597例3a期CKD患者的心血管风险相似(HR 0.90,95%CI 0.56-1.42,P=.64)。
- 敏感性分析:排除随访6个月内事件后HR 2.04(95%CI 1.39-2.99,P<.001);排除12个月内事件后HR 2.03(95%CI 1.35-3.06,P=.001);复合终点去除短暂性脑缺血发作后HR 2.03(95%CI 1.39-2.97,P<.001)。
证据类型、等级与局限
- 证据类型为前瞻性人群队列研究。
- 局限:所有CARTaGENE参与者为随机选择的志愿者,可能引入选择偏倚,尽管样本似乎准确代表源人群。
- 局限:仅纳入40-69岁个体,对更年老和更年轻个体的推广不确定;本研究使用的高滤过阈值可能仅适用于该队列。
- 局限:GFR未经直接测量,而是基于单次血清肌酐值代入CKD-EPI方程估算;该方程在肾功能正常个体中验证,在高eGFR时表现最佳但仍可能高估GFR,尤其在肌肉消耗时;eGFR不能区分高滤过与肾单位数量多。
- 局限:白蛋白尿数据仅在小部分参与者中可用,高滤过组33人(7%)、正常滤过组248人(5%)有白蛋白尿测量,样本量小结论不可靠。
- 局限:尽管样本量大,但不足以充分评估各类型心血管事件与高滤过的关联。
对床旁实践的改变
- 在中年健康人群中,肾小球高滤过(按年龄和性别分层eGFR>95百分位)与心血管事件风险升高独立相关,其风险水平与3a期慢性肾脏病相似。
- 作者认为,肾小球高滤过可能是可 easily 识别的、提示不良代谢环境和血管功能障碍的标志物;在健康个体中识别高滤过可能为实施预防策略提供机会,以减轻心血管疾病全球负担。
- 研究结果提示,即使传统心血管危险因素缺失,高滤过仍可能改善心血管风险估计。
提炼说明
- 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译12 节 · 点击展开
引言
慢性肾脏病(CKD)定义为估算肾小球滤过率(eGFR)低于60 mL/min/1.73 m2,是一种广泛存在的疾病,影响全球数百万人,并且是公认的心血管发病和死亡的危险因素。1 然而,eGFR超常即肾小球高滤过(GHF)的个体也可能具有心血管疾病风险增加。2,3,4 事实上,GHF可被视为糖尿病、代谢综合征、高血压及吸烟相关疾病等高危状态下血管功能障碍的标志物,并与心血管事件增加相关。5,6,7,8,9,10,11,12 对这些研究的解读较为复杂,因为GHF的定义差异很大,从任意设定的实测或eGFR切点(90-175 mL/min/1.73 m2)到依赖年龄和/或性别的定义,且考虑或不考虑种族及合并降压治疗。13 然而,目前尚不清楚GHF是否也可能与表面上健康个体在不利代谢环境中的异常血管功能障碍相关。
因此,本研究的目的在于使用按年龄和性别分层的流行病学高滤过定义,描述健康个体中与GHF相关的心血管风险特征。13
方法
研究设计、人群和测量指标
本研究使用CARTaGENE人群队列的纵向随访数据。14该队列最初设计用于调查与慢性病相关的因素,已在其他地方详细描述。15,16,17,18简言之,2009年8月至2010年10月期间,在加拿大魁北克省的4个大都市区随机选取了20 004名年龄在40至69岁之间的个体。该队列可代表魁北克省40至69岁人群。15采集了所有参与者的血液和尿液样本。约半数CARTaGENE参与者完成了完整的饮食习惯问卷,用于估算每日蛋白质和钠摄入量。肱动脉血压(BP)在隔离房间内坐位休息10分钟后使用Omron 907L设备(Omron)测量;报告值为3次记录的平均值。中心BP参数在同一次检查中与肱动脉BP同时使用SphygmoCor PX设备(Atcor Medical)估算,使用肱动脉收缩压和舒张压校准桡动脉压力波。18使用SphygmoCor设备导出以下参数:(1)中心收缩压和舒张压;(2)中心脉压(PP);(3)PP放大率(肱动脉PP/中心PP),表示PP从中心动脉到外周动脉的放大比率;(4)增强压力(中心收缩压−前向波压力),代表反射波的幅度;以及(5)增强指数([增强压力/中心PP]×100),即左心室因后向波反射而承受的额外负荷。PP放大率、增强压力和增强指数可视为动脉硬度的间接标志物。瘦体重使用TBF-310全身成分分析仪(Tanita)通过生物阻抗估算。所有参与者均提供了书面知情同意。本研究遵循《赫尔辛基宣言》,19经当地伦理委员会批准,并遵循加强流行病学观察性研究报告(STROBE)报告指南。20
定义
健康个体定义为无既往心血管事件(CVE)、糖尿病、高血压、eGFR低于60 mL/min/1.73 m2(3-5期CKD21)或使用阿司匹林和/或他汀类药物。既往CVE为自我报告,包括心肌梗死、不稳定型心绞痛、心力衰竭、卒中和短暂性脑缺血发作。糖尿病定义为使用降糖药物和/或空腹血糖水平大于或等于126 mg/dL和/或非空腹血糖水平大于或等于200 mg/dL(转换为毫摩尔每升,乘以0.0555)和/或血红蛋白A1c水平大于或等于6.5%(转换为占总血红蛋白比例,乘以0.01)。22高血压定义为使用任何降压药物和/或BP大于或等于140/90 mm Hg(3次记录的平均值)。
具有GHF的健康参与者定义为eGFR大于第95百分位(或高于均值2个标准差),正常肾小球滤过率(对照组)定义为按年龄十年段和性别分层后eGFR位于第25至第75百分位之间。5,12,13 肾小球滤过率通过血清肌酐测量估算,采用同位素稀释质谱法校准,使用慢性肾脏病流行病学协作组(CKD-EPI)方程。23 3a期CKD定义为eGFR在45至60 mL/min/1.73 m2之间。21
结局指标
主要结局为CVE,定义为心血管死亡、心肌梗死、不稳定型心绞痛、需要住院的心力衰竭、卒中和短暂性脑缺血发作的复合终点。纵向随访数据来自魁北克医疗保险机构Régie de l’assurance maladie du Quebéc(RAMQ)、卫生与社会服务部(MED-ECHO)以及魁北克统计研究所的数据库。分析时,数据可从入组时获取至2016年3月31日。由于魁北克省政府是该省唯一的医疗服务提供者,所有就诊数据均可获得,包括住院或门诊就诊期间的诊断代码和操作、出院小结以及死亡原因和日期,数据缺失仅因移居省外所致(<1%)。24 这些医疗行政数据库以及国际疾病统计分类和相关健康问题第十版建立的病例识别指南此前已在心血管诊断方面得到验证。25,26,27,28,29
统计分析
正态分布的连续数据以均值和标准差表示,并采用t检验进行比较。非正态分布的连续数据以中位数(四分位距[IQR])表示,并采用Mann-Whitney检验进行比较。分类数据采用Pearson χ2检验进行比较。为评估GHF与CVE首次发生之间的关联,建立了Cox比例风险模型,并校正已知或怀疑与结局相关的协变量:年龄、性别、非裔美国人种族、当前吸烟、体重指数、去脂体重、空腹血糖水平、低密度脂蛋白胆固醇水平、总胆固醇水平、平均动脉压和心率。该分析以3a期CKD个体(eGFR为45-60 mL/min/1.73 m2)作为对照组重复进行,以比较GHF与中度CKD之间CVE发生率的差异。比例风险假设通过log-minus-log图进行目视评估。
进行了多项敏感性分析。首先,GHF也在按年龄十年段、性别以及(1)非裔美国人种族、(2)当前吸烟或(3)肥胖(体重指数>30[按体重千克数除以身高米数的平方计算])分层后进行了识别。其次,为排除入组前已启动的潜在亚临床疾病过程的可能影响,纳入了入组后6个月和12个月的洗脱期。第三,复合终点CVE在不包括短暂性脑缺血发作的情况下重新定义,因为其有时被视为较不重要的结局。
为进一步比较有无GHF个体之间CVE发生率的差异,进行了倾向评分匹配,以尽量减少两组之间已测量和未测量差异所致的混杂。30 倾向评分采用非简约逻辑回归模型确定,以GHF为因变量,以我们所列出的协变量为自变量。使用该倾向评分,采用卡钳宽度等于标准差0.2进行最近邻1:1无放回匹配。31 当各协变量的绝对标准化差异均小于10%时,认为匹配组之间达到了适当平衡。32
为探讨eGFR与CVE发生之间的非线性关联,使用分数多项式回归模型确定eGFR百分位数每增加5%的风险比(HRs)(按年龄十年段和性别分层后),并校正所列出的协变量。为比较中心血压(BP)特征的潜在差异,使用一般线性回归模型计算估计边际均值(校正均值),同样校正上述协变量(不包括肱动脉平均BP),并与事后Bonferroni校正的单因素方差分析进行比较。
采用多重插补处理缺失值(缺失数据列表见补充材料中的eTable 1)。点估计值及其相应方差按照Rubin规则合并。33 双侧P < .05被认为具有显著性。分析使用IBM SPSS Statistics(版本25.0;IBM Corp)和Stata IC(版本15.1;StataCorp)软件进行。
结果
在20 004名CARTaGENE参与者中,9515名(4050名[42.6%]男性;中位[四分位距]年龄,50.4[45.9-55.6]岁)符合健康个体标准。其中,473名参与者有GHF(中位[IQR] eGFR,112[107-115] mL/min/1.73 m2),4761名肾小球滤过率正常(对照组)(中位[IQR] eGFR,92[87-97] mL/min/1.73 m2)(补充材料中的eFigure)。GHF或滤过率正常个体的eGFR范围按各年龄十年段和性别差异很大(补充材料中的eTable 2)。GHF参与者略年轻,且更常为非洲裔美国人或吸烟者(表1)。除GHF者心率和增强指数略高外,血流动力学参数相似。213名(45%)GHF个体和2387名(50%)无GHF个体有膳食习惯数据,其显示中位(IQR)每日蛋白质(61[36-86] vs 63[37-89] g;P = .40)和钠(2.2[1.3-3.3] vs 2.3[1.4-3.1] g;P = .80)摄入量相似。
GHF与心血管风险
在中位随访70个月(IQR,68-72)期间,共发生245例CVE(3例心血管死亡、67例心肌梗死、69例不稳定型心绞痛发作、52例心力衰竭发作、34例卒中以及20例短暂性脑缺血发作)。在GHF组中,473例个体发生35例事件(发病率为每100人年13.2例),而在正常滤过组中,4761名参与者发生210例事件(发病率为每100人年7.7例)。在未调整和调整的Cox回归分析中,与正常肾小球滤过率相比,GHF均与更高的CVE风险相关(未调整HR,1.71;95% CI,1.20-2.44;P = .003;调整HR,1.88;95% CI,1.30-2.74;P = .001)(表2和图1)。在按年龄十年、性别以及(1)种族、(2)当前吸烟状态或(3)肥胖分层后定义GHF的敏感性分析中,肾小球高滤过仍与CVE显著相关(表2)。同样,在排除前6个月(HR,2.04;95% CI,1.39-2.99;P < .001)和12个月(HR,2.03;95% CI,1.35-3.06;P = .001)内发生CVE的参与者后,以及在从复合结局中排除短暂性脑缺血发作后(HR,2.03;95% CI,1.39-2.97;P < .001),GHF仍与CVE显著相关。
在分数多项式回归分析中,CVE风险与eGFR百分位数之间呈现非线性关联,eGFR高于第75百分位数时风险关联逐步升高(图2)。
通过倾向评分,将406名具有GHF的健康个体与406名年龄和基线特征相似且协变量平衡适当的对照进行匹配(补充材料中的eTable 3)。在该队列中,GHF个体的中位(IQR)eGFR为112(106-115)mL/min/1.73 m2,而对照组为94(88-99)mL/min/1.73 m2。在未调整的Cox回归分析中,与正常滤过率相比,GHF再次与更高的CVE风险相关(HR,2.20;95% CI,1.44-4.24;P = .02)。
肾小球超滤过与CKD的比较
为检验与CKD相比GHF相关的CVE风险,确定了597名患有3a期CKD的CARTaGENE参与者的子集(补充材料中的eTable 4)。在未调整的Cox回归分析中,患有GHF的健康个体与3a期CKD参与者的CVE风险相似(HR,0.90;95% CI,0.56-1.42;P = .64),尽管基线时其血流动力学和代谢特征更为有利,合并症负担更轻。
调整后的血压参数
肾小球超滤过与调整后的肱动脉或中心动脉收缩压和舒张压升高无关。然而,它与中心脉压和动脉波反射参数略高相关(补充材料中的eTable 5)。
讨论
利用CARTaGENE队列的前瞻性数据,本研究表明,与肾小球滤过率正常的个体相比,GHF与健康个体心血管风险增加相关。值得注意的是,GHF是使用基于年龄和性别的流行病学定义并配以匹配对照组来定义的,如前所建议。13这使得能够使用根据性别和肾功能生理性下降调整的阈值来识别GHF,避免了任意选择的阈值。有趣的是,尽管GHF的合并症负担较低,但其心血管风险与3a期CKD相似。
大量研究显示,在肥胖、糖尿病、高血压和吸烟等高危因素人群中,肾小球超滤与心血管事件(CVE)发生率相关。2,3,4,5,6,7,8,9,10,11 遗憾的是,这些研究中有许多使用了各种任意定义的肾小球超滤(GHF)阈值,这可能引入了偏倚,因为这些阈值可能忽略基于性别的差异和估算肾小球滤过率(eGFR)随年龄的生理性变化。13 例如,慢性肾脏病预后联盟的数据显示,与eGFR在90至104 mL/min/1.73 m2之间的参考组相比,eGFR为105 mL/min/1.73 m2或更高时心血管死亡率增加。4 一项使用同一人群的既往研究表明,不同年龄组的全因死亡率在不同的eGFR阈值处升高。34 GHF导致心血管预后更差的原因可能至少部分在于肾素-血管紧张素-醛固酮系统的适应不良性激活,导致全身血流动力学反应改变、内皮功能障碍和动脉僵硬。35,36 此外,与肱动脉血压相比,中心血压可能更好地提示潜在的不良心血管结局,37 因为它能更精确地估计真实的主动脉血压,而后者直接影响中心器官(心脏、大脑和肾脏)。38 在本研究中,GHF与动脉僵硬度和波反射参数增加相关。这一观察结果与Reboldi等5的发现一致,即伴有GHF的高血压个体脉压(PP)增加。综上所述,这些发现提示动脉僵硬度和增加的脉压传递至微循环可能导致微血管损伤和GHF。
然而,与GHF相关的这种心血管风险增加是否也存在于健康个体中仍有待确定。最近,一项大型韩国注册研究2发现GHF与全因死亡和心血管死亡风险之间存在强关联。尽管研究人群被认为是健康的,但较高比例的参与者有血压升高或糖尿病,且未提供关于CVE的数据。使用与本研究可比的GHF定义,Reboldi等5也发现与GHF相关的心血管风险增加程度相似,且独立于动态血压和白蛋白尿,但研究人群来自动态血压注册数据库,因此主要包括高血压个体。据我们所知,本研究首次使用大型、特征明确的北美队列和先前经过验证的医疗行政前瞻性数据,表明GHF与健康个体的心血管风险相关。重要的是,GHF的定义使用了基于血清肌酐水平的流行病学数据——一种廉价、普遍可及的生物标志物——而非任意阈值或繁琐的GFR测量方法,该定义的稳健性已在敏感性分析中得到证明。
普通人群中肾小球高滤过(GHF)的原因仍有待确定,但可以从妊娠、糖尿病和肥胖等生理或病理状态的研究中获得线索。由于肾小球滤过率(GFR)由肾血浆流量、跨肾小球基底膜的水压梯度和超滤系数决定,这些成分中任何一项的改变都可能导致GHF。39在正常妊娠中,全身血管舒张伴随全身血管阻力下降,加之钠潴留,导致入球小动脉和出球小动脉阻力均降低,最终引起肾血流量增加和GHF。39,40这似乎由松弛素介导,松弛素是一种由胎盘产生的激素,负责增加肾脏微循环中一氧化氮和内皮素的释放。41有趣的是,妊娠期GHF与长期肾功能障碍无关,可能因为它不与肾小球高压相关。42另一方面,GHF是糖尿病肾病最早的表现之一。与妊娠相反,糖尿病导致出球小动脉的血管收缩程度大于入球小动脉,从而有效地引起GHF,同时也导致肾小球高压和滤过分数增加。43尽管确切机制仍不确定,但已涉及多种介质,如胰岛素样生长因子1、心房利钠肽、葡萄糖和钠潴留增加、山梨醇以及晚期糖基化产物。44,45,46,47
此外,肥胖个体的估算肾小球滤过率(eGFR)高于瘦个体。48,49,50与糖尿病一样,肾脏血流动力学改变导致GHF伴滤过分数增加。肾素-血管紧张素-醛固酮系统的激活,通过脂肪细胞分泌肾素和肾素前体,51似乎是肥胖中的主要介质,尽管也提出了其他机制。49虽然GHF可能是这些疾病患者全身性血管功能障碍的良好标志物,因此可能预测未来心血管事件,但令人惊讶的是,即使在健康参与者中,GHF的存在也能改善心血管风险评估。因此,可以提出,即使在表面健康的成年人中,GHF也可能代表一种在不利神经体液环境下的血管功能障碍形式,一种传统心血管危险因素无法识别的形式。
局限性
本研究存在若干局限性。第一,所有CARTaGENE参与者均为随机选取的志愿者,这可能引入选择偏倚,尽管该样本似乎能准确代表其源人群。15此外,仅纳入了40至69岁的个体;因此,向更年长和更年轻个体的外推尚不确定。然而,该人群可能从早期干预中获得最大获益。本研究中使用的GHF阈值也可能仅适用于该队列。第二,GFR并非直接测量,而是利用输入CKD-EPI方程的单一血清肌酐值进行估算。23尽管如此,该方程在肾功能正常的个体中已得到验证;其在eGFR较高时表现最佳,但仍可能高估GFR,尤其是在存在肌肉消耗的情况下。为减少这一潜在偏倚,所有分析均对通过生物电阻抗估算的肌肉量进行了校正。此外,eGFR无法区分GHF与肾单位数量增多,后者被认为是一种生理性状态。52
然而,本研究的目的并非准确测定肾小球滤过率,而是评估一种普遍可获得的参数与CVEs的关联。此外,如果本研究中被识别为患有GHF的某些个体实际上为肾单位数量增多且单肾单位GFR正常,这只会强化我们的发现,因为这些个体预计不会有更高的心血管风险。第三,白蛋白尿数据仅在CARTaGENE参与者中一个非常小的子集中可用,无法纳入我们的分析。在被识别为GHF和滤过率正常的参与者中,分别仅有33例(7%)和248例(5%)具有可用的白蛋白尿测量值。虽然基于如此少的例数得出结论存在风险,但两组的尿白蛋白与肌酐比值相似,中度增加的白蛋白尿仅见于5例滤过率正常的个体,而GHF个体中未见。第四,尽管本研究的样本量较大,但不足以充分评估各类型CVEs的发生与GHF之间的关联。
结论
利用前瞻性CARTaGENE队列的数据,GHF被证明与健康中年个体较高的CVEs风险相关。肾小球高滤过可能是代谢环境不良和血管功能障碍的一个易于识别的标志物。因此,在健康个体中识别GHF可能为实施预防策略以减少心血管疾病的全球负担提供机会。
参考来源
- Dupuis ME, Nadeau-Fredette AC, Madore F, et al. Association of Glomerular Hyperfiltration and Cardiovascular Risk in Middle-Aged Healthy Individuals. JAMA Netw Open. 2020. PMID: 32275320. doi:10.1001/jamanetworkopen.2020.2377
- 全文:PMC7148438(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7148438/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。