评估常规和非常规血脂参数在非糖尿病人群中预测糖尿病风险的价值

背景

常规和非常规脂质参数与糖尿病风险相关，但关于脂质参数预测未来糖尿病风险的比较研究仍然非常有限，常规和非常规脂质参数预测未来糖尿病的价值尚未得到评估。本研究旨在确定常规和非常规血脂参数对糖尿病未来发展的预测价值。

方法

该研究对15464名基线血糖正常的参与者进行了纵向随访研究。在基线时测量/计算低密度脂蛋白胆固醇(LDL- c)、甘油三酯(TG)、总胆固醇(TC)、高密度脂蛋白胆固醇(HDL-C)等常规脂质参数，并计算非HDL-C、残余胆固醇(RC)、LDL/HDL-C、TG/HDL-C、非hdl /HDL-C、TC/HDL-C、RC/HDL-C等非常规脂质参数。通过Cox比例风险回归对人口统计学和糖尿病相关危险因素进行校正，估计危险比(HR)和95%可信区间(CI)。采用时间依赖性受试者操作特征曲线(ROC)评估常规和非常规基线血脂参数对未来糖尿病的预测值和阈值波动区间。

结果

在平均6.13年的随访期间，糖尿病发病率为3.93 / 1000人-年。在基线非糖尿病人群中，常规血脂参数中只有TG和HDL-C与未来糖尿病风险相关，而除非HDL-C外的所有非常规血脂参数均与未来糖尿病风险显著相关。相比之下，非常规血脂参数比常规血脂参数更能反映糖尿病风险，RC/HDL-C比值是反映糖尿病风险的最佳血脂参数(HR: 6.75, 95% CI 2.40-18.98)。灵敏度分析进一步验证了该结果的稳健性。时间依赖性ROC曲线分析显示，RC、非hdl /HDL-C比值、TC/HDL-C比值是预测中长期糖尿病风险的最佳脂质参数。

结论

非常规脂质参数在评估和预测未来糖尿病风险方面通常优于常规脂质参数。建议在临床实践中也应常规评估非常规血脂参数。

糖尿病的高患病率及其广泛的并发症给人类造成了巨大的疾病负担，是全世界死亡和残疾的主要原因之一[1，2，3.］．已知糖尿病与一系列相互关联的血脂和脂蛋白异常有关。与非糖尿病患者相比，糖尿病患者通常表现出致动脉粥样硬化危险因素的模式[4］．其中，富含甘油三酯脂蛋白的代谢紊乱被认为是这种脂质诱导动脉粥样硬化的病理生理学的关键，包括肝脏VLDL分泌增加，VLDL和肠道合成乳糜微粒的清除受损[4，5，6，7］．临床上常规脂质主要表现为HDL-C水平降低，TG水平升高[4，8]，而非常规脂类则是RC、TC/HDL比值、非HDL- c、TG/HDL- c、非HDL/HDL- c、LDL/HDL- c比值升高[9，10，11，12］．这些血脂异常特征与心血管疾病风险增加有关[13，14，15]，这是2型糖尿病患者死亡的主要原因[16］．因此，早期发现上述糖尿病血脂异常表现，可以有效预防和干预糖尿病风险，对于降低糖尿病发病率和糖尿病相关死亡率至关重要。近年来，人们对常规和非常规血脂参数与糖尿病风险的关系进行了一系列研究[8，9，10，11，12，17，18];总体而言，非常规血脂参数具有良好的应用价值，在糖尿病风险评估和预测方面表现优异。然而，关于预测未来糖尿病风险的脂质参数的比较研究仍然相对有限[10，18，19]，常规和非常规血脂参数在预测未来糖尿病中的价值尚未得到评估。为了解决这一问题，在本研究中，我们基于NAGALA大型纵向队列研究数据，研究了常规和非常规血脂参数(在以往研究的基础上加上RC/HDL-C比值)与未来糖尿病风险的独立相关性和预测价值。

数据来源和研究人群

在目前的纵向分析中，我们使用1994年至2016年的NAGALA队列数据，研究常规和非常规脂质参数对未来糖尿病风险的预测价值。冈村教授已将NAGALA队列数据上传至Dryad数据库，供公众分享[20.]，研究设计的详细描述已在之前发表[21］．简而言之，NAGALA是一项基于健康检查人群的纵向队列研究，始于1994年，持续招募在村上纪念医院进行健康检查的人群(随访反应率约为60%)，以评估非传染性疾病及其相关风险因素。在当前的研究数据集中，包括了1994年至2016年注册参与研究的12498名男性和8446名女性参与者，最后一次访问是在2016年12月31日。根据研究目的，我们排除了患有糖尿病、空腹血糖受损、肝病、过度饮酒的参与者[22]，数据不完整，基线用药，以及无法解释的退出调查。数字1显示了目前研究人群筛选的过程。

伦理认可和同意参与

在最初的调查中，村上纪念医院机构伦理审查委员会批准了NAGALA队列研究，并获得了每位参与者对使用其数据的知情书面同意(IRB2018-09-01) [21］．本研究是对NAGALA队列数据的二次分析。研究方案已获得江西省人民医院伦理审查委员会(IRB2021-066)批准，整个过程遵循赫尔辛基宣言。参见附加文件中的STROBE语句1:文本S1。

人口和生活方式数据

年龄、性别、吸烟和饮酒、用药史、疾病史和运动习惯的信息是自我报告的。根据标准方案测量血压、体重、腰围、身高和身体质量指数(BMI)。在运动习惯方面，对参与者每周进行体育锻炼的频率进行评估，每周超过一次被认为是一种运动习惯。饮酒状况的评估基于参与者在过去一个月每周饮酒的数量和类型，参与者被分为不/少量饮酒者、轻度饮酒者、适度饮酒者和重度饮酒者[22］．在吸烟状况方面，参与者被分为不吸烟、过去吸烟和现在吸烟。

生物标志物的测定和计算

研究参与者禁食> 8小时后抽取静脉血，在标准实验室用全自动生化分析仪测定HDL-C、γ -谷氨酰转移酶(GGT)、空腹血糖(FPG)、TC、天门冬氨酸转氨酶(AST)、TG、血红蛋白A1c (HbA1c)、谷丙转氨酶(ALT)浓度。

脂质参数计算如下:

TG/HDL-C比值= TG/HDL-C [10];

TC/HDL-C比值= TC/HDL-C [10];

Non-HDL-C = TC−HDL-C [11];

LDL-C = 90% non-HDL-C−10%TG [23];

LDL/HDL-C比值= LDL- c /HDL-C [12];

非HDL-C/HDL-C比值=非HDL-C/HDL-C [23];

RC = Non-HDL-C−LDL-C [24];

RC/HDL-C比值= RC/HDL-C [25］．

糖尿病脂肪肝的测定及胰岛素抵抗代谢评分(METS-IR)

糖尿病的诊断依据是参与者的随访体检信息。参考美国糖尿病协会的标准[26]，如果随访期间HbA1c≥6.5%或FPG≥7.0 mmol/L，则诊断为糖尿病。此外，随访期间参与者自我报告的糖尿病诊断也包括在分析中。

消化科医生根据腹部多普勒超声诊断脂肪肝:血管模糊、肝脏明亮、深度衰减、肝肾回波对比[27］．

met - ir: Ln [BMI × (TG + 2FPG)]/[Ln(HDL-C)] [28］．

统计分析

描述性数据表示为分类变量的计数(百分比)和连续变量的中位数(四分位范围)或平均值(标准偏差)。分类变量采用Pearson卡方检验，连续变量采用Mann-Whitney U检验或Student 's t检验比较组间差异。此外，为了进一步量化组间差异，我们还计算了组间标准化差异(差异> 10%被认为是显著的)[29，30.］．

在评估脂质参数与糖尿病风险的关系之前，进行了几项辅助分析。首先，计算Pearson相关系数评价脂质参数与METS-IR的相关性，对非正态连续变量进行Box-Cox正态变换分析[31］．其次，采用多元线性回归检验协变量的共线性，其中方差膨胀因子(VIF) > 5的协变量将不纳入后续的多元调整模型[32］．第三，通过肉眼检查Kaplan-Meier (KM)曲线来检验比例风险假设。

采用Cox比例风险回归模型估计基线常规和非常规血脂参数水平与随访终点之间的相关性和相关性大小，并记录相应的HR和95% CI。为了系统地考虑混杂因素对结果的影响，我们评估了四种基于流行病学的多变量Cox回归模型[33］．在第一个模型(模型1)中，主要的基本人口统计数据(年龄、性别和BMI)对主要终点的影响被考虑。在此基础上，第二模型进一步纳入运动习惯、吸烟状况、饮酒状况、脂肪肝等重要危险因素(模型2)。模型3在模型2的基础上进一步调整血压、血糖的相关参数。为了充分考虑协变量的潜在作用，我们将第四个模型作为最终模型，对除脂质参数外的所有非共线变量进行调整(模型4)。

我们基于模型4进行了三次敏感性分析，以评估脂质参数与糖尿病风险之间关系的稳健性。敏感性-1:排除进入研究队列2年内诊断为糖尿病的患者，以减少反向因果关系的潜在影响。敏感性-2:为了减少脂质参数与糖尿病因基线脂肪肝而引起的混淆，我们将分析限制在无脂肪肝的人群中。敏感性-3:基线血压高的参与者被排除在外，因为高血压与糖尿病风险增加相关。

在关联分析结果的基础上，我们进一步绘制时间依赖性ROC曲线，计算3年、6年、9年、12年时间依赖性ROC曲线下的面积，量化血脂参数预测未来糖尿病风险的准确性，并计算相应的最佳阈值。此外，为了验证脂质参数最佳阈值用于预测未来糖尿病风险的有效性，我们还使用Cox回归中嵌套的4节限制性三次样条(RCS，基于模型4)分析拟合脂质参数与糖尿病风险之间的剂量-反应相关性形状[34］．通过目测曲线形状，确定HR = 1对应的脂质参数值为最佳阈值。所有分析均使用统计编程语言R(3.4.3版;www.r-project.org)和Empower (R)(3.4.3版;X&Y Solutions, Inc.，波士顿，马萨诸塞州，美国)。所有试验均为双尾试验，显著性设为P< 0.05。

基线特征

研究人群包括15,464名基线无糖尿病参与者，平均年龄为43.7(8.9)岁。在平均6.13年(最小-最大)的随访中。：0.46–13.14 years), 373 participants were diagnosed with new-onset diabetes (3.93 per 1000 person-years). Differences in baseline characteristics of the study population were reported in Table1根据将来是否会患糖尿病来判断。正如预期的那样，未来糖尿病患者和非糖尿病患者在基线时已经存在显著差异P< 0.05)。值得注意的是，与随访期间发生糖尿病的患者相比，无糖尿病患者的基线糖代谢(FPG、HbA1c、METS-IR)差异最大(标准化差异> 100%)。其次，从数据的人口学特征来看，两组在体重、腰围、BMI方面存在较大差异(标准化差异:76-92%)。血脂参数中，除非hdl - c、LDL-C、TC外，常规与非常规血脂参数在体检早期均有较大差异(标准化差异> 70%)。最后值得一提的是，两组在基线脂肪肝人群中的差异也值得注意(标准化差异:99%)。这些发现表明，早期体检和评估这些差异很大的基线特征可能有助于预测未来的糖尿病风险。

基线常规和非常规血脂参数与METS-IR的相关性

Pearson相关分析显示，所有常规和非常规血脂参数均与基线时的METS-IR相关(附加文件3.:表S1)。相比之下，脂质参数/HDL-C比值和HDL-C与METS-IR的线性统计相关性强于其他脂质参数(HDL-C的Pearson r =−0.7139;TC/HDL-C比值Pearson r = 0.7324;TG/HDL-C比值Pearson r = 0.7447;LDL/HDL-C比值Pearson r = 0.7049;非hdl /HDL-C比值Pearson r = 0.7318;RC/HDL-C比值Pearson r = 0.7139)。

基线常规和非常规血脂参数与未来糖尿病的关系

在进行多元Cox回归分析之前，我们的数据通过了对数线性假设和比例风险假设检验。额外的文件3.:表S2为基于VIF的共线性筛选程序，共线变量腰围、收缩压、体重不在下面的多变量模型中。额外的文件2:图S1以RC/HDL-C比值为例，给出RC/HDL-C比值四分位对应的KM曲线，结果表明KM曲线之间无交集。

基于流行病学，我们运行了四个多变量Cox回归模型来评估基线常规和非常规血脂参数与未来糖尿病风险的关系(表2)2)．在调整人口统计学和生活方式因素的模型中(模型1和模型2)，所有血脂参数都与未来糖尿病风险相关。然而，在进一步考虑血压和血糖的影响后，LDL-C、非hdl -c和TC与糖尿病风险之间的相关性消失了(模型3)。在最终模型(模型4)中，我们调整了除血脂参数外的所有非共线变量，得到了与模型3相似的结果。常规血脂参数中，只有TG和HDL-C与糖尿病风险相关，而除非HDL-C外的所有非常规血脂参数均与糖尿病风险相关。值得一提的是，通过比较与糖尿病风险相关的血脂参数的HR，我们发现RC/HDL-C比值比其他血脂参数更能反映未来发生糖尿病的风险(HR: 6.75, 95% CI 2.40-18.98)。

敏感性分析

在基于模型4调整协变量后，三种敏感性分析的结果(表3.)与Table的主要结果一致2: LDL-C、non-HDL-C、TC与糖尿病风险无显著相关性，其他脂类参数均与糖尿病风险显著相关，且RC/HDL-C比值与糖尿病风险的HR高于其他脂类参数。

常规和非常规血脂参数对未来糖尿病风险的预测价值

绘制随时间变化的ROC曲线，以评估HDL-C、TG和非常规血脂参数对未来糖尿病风险的预测价值4)．数字2显示这些脂质参数随时间变化曲线下的面积。总的来说，所有血脂参数对糖尿病风险的预测价值随着时间的推移而降低。此外，相对而言，非常规血脂参数对糖尿病风险的预测价值略高于常规血脂参数。其中，RC/HDL-C比值对糖尿病短期风险的预测价值最高，非hdl /HDL-C比值和LDL/HDL-C比值对糖尿病中期风险的预测价值最高，非hdl /HDL-C比值RC和TC/HDL-C比值对糖尿病中长期风险的预测价值最高。

常规和非常规血脂参数预测未来糖尿病风险的阈值分析

使用随时间变化的ROC曲线，我们还计算了用于预测3、6、9和12年糖尿病风险的常规和非常规血脂参数的最佳阈值。从图中可以看出。3.，尽管随着时间的推移，所有用于预测未来糖尿病风险的血脂参数的阈值仅在狭窄的范围内波动(HDL-C: 1.3602-1.5025;TG: 0.8242 - -0.8580;RC: 0.5578 - -0.6280;TC/HDL-C比值:3.6975-3.9741;TG/HDL-C比值:0.5983-0.7276;LDL-HDL-C比值:2.2192-2.3191;Non-HDL/HDL-C比值:2.6975-2.9741;RC/HDL-C比值:0.3509-0.3681)。此外，通过RCS，我们确认HDL-C、TG、RC、TC/HDL-C比值、TG/HDL-C比值、LDL/HDL-C比值、non-HDL/HDL-C比值、RC/HDL-C比值的阈值分别为1.46 mmol/L、0.90 mmol/L、0.58 mmol/L、3.75、0.71、2.30、2.75、0.36(附加文件2:图S2A-H)。在RCS和ROC阈值分析中，除TG阈值水平略有差异外，其余血脂参数阈值均在稳定波动范围内。

这项纵向队列研究主要有四个发现:(1)在基线非糖尿病人群中，常规血脂参数中只有TG和HDL-C与未来糖尿病风险相关，而除非HDL-C外的所有非常规血脂参数均与未来糖尿病风险显著相关。(2)与其他常规和非常规血脂参数相比，RC/HDL-C比值更能反映未来糖尿病风险。(3)与常规血脂参数相比，非常规血脂参数对预测未来糖尿病风险具有更高的价值。(4) RC/HDL-C比值对短期糖尿病风险最有预测价值，非hdl /HDL-C比值、LDL/HDL-C比值对中短期糖尿病风险最有预测价值，RC、非hdl /HDL-C比值、TC/HDL-C比值对中长期和长期糖尿病风险最有预测价值。

糖尿病是本世纪增长最快的慢性非传染性疾病之一，是一种复杂的代谢性疾病，根据不同的病因表现出不同的亚表型[35，36］．最常见的是代谢综合征相关表型，主要表现为血脂异常和肥胖。有效管理这些复杂的脂质代谢紊乱和肥胖是糖尿病综合预防、治疗和护理的重要组成部分，可以降低心血管疾病的发病率和死亡率[37］．传统脂质参数HDL-C、TC、LDL-C、TG与糖尿病的关系在过去已被广泛研究，其中高浓度TG和低浓度HDL-C显著增加糖尿病风险已成为几乎所有代谢领域学者的共识[37，38，39]，但LDL-C、TC与糖尿病之间的直接关系仍存在一些争议[10，40，41］．但需要提到的是，在治疗方面，降低LDL-C水平仍是糖尿病患者脂质管理的首要任务[37]，对高血脂、高血糖、高血压采取多方面的治疗策略，可进一步改善糖尿病患者的健康状况[42］．在本研究中，我们还从基线信息的比较中观察到，与随访期间未发生糖尿病的患者相比，新发糖尿病患者除基线时的非hdl - c、LDL-C和TC外，常规和非常规血脂参数均有显著差异。此外，在回归分析中，当仅调整生活方式和人口统计学数据时，所有常规血脂参数都与未来糖尿病风险相关。在进一步的协变调整模型中，LDL-C和TC与糖尿病风险的相关性消失。Khaloo等人的工作中也描述了类似的情况。[10］．这一现象提示LDL-C和TC未来可能在糖尿病的发病风险中发挥一定作用，但与其他脂质参数相比，这种作用可能较弱且不稳定。

脂质比、RC、非hdl - c等非常规脂质参数是近年来研究的热点。这些脂质参数由常规脂质参数按一定公式或直接除[10，11，12，23，24，25］．目前，利用非常规脂质参数作为内分泌系统、心脑血管系统、消化系统、呼吸系统、泌尿系统疾病的新型标志物，开展了一系列流行病学研究[8，9，10，11，12，43，44，45，46，47，48］．总的来说，非常规脂质参数提高了常规脂质参数评估和识别大多数疾病风险的能力。

许多研究报道了常规和非常规血脂参数与糖尿病的关系[8，9，10，11，12，17，18]，但关于预测未来糖尿病的血脂参数的比较研究非常有限。已经发表的几项纵向研究的结果仍然存在一些差异。Hadaegh等人于2010年在伊朗进行了首次比较研究，以评估常规和非常规脂质参数在预测未来糖尿病风险方面的效用[19］．他们测量/计算了5201名基线无糖尿病受试者的TG/HDL-C比值、非HDL-C、HDL-C、TC和TG。在平均5.6年的随访后，他们发现TG/HDL-C比是女性未来糖尿病风险的更好指标，而TC/HDL-C比是男性未来糖尿病风险的更好指标。随后，韩国的Seo等人在2011年对5577名无糖尿病受试者进行了另一项纵向研究[18］．在4年的随访中，他们发现TC/HDL-C比率在反映未来糖尿病风险方面表现最好。值得注意的是，在Hadaegh教授和Seo教授的研究中[18，19]，尽管他们进行了随访，但在最终的数据分析中没有考虑到时间因素。他们的最终分析结果基于多变量Logistic回归分析，可能有偏差。最近，Khaloo等人的一项涉及5474名非糖尿病受试者的纵向研究表明，Ln-TG/HDL-C比值是预测未来糖尿病风险的较好脂质参数[10］．综合以上几项类似研究的结果，在多种血脂参数中，TC/HDL-C比值和TG/HDL-C比值可能是预测未来糖尿病的良好参数。在我们目前的研究中，我们在15464名基线血糖正常的受试者队列中纳入了更多非常规血脂参数。在长达13年的随访中，我们进一步证实了他们的发现:TC/HDL-C比值和TG/HDL-C比值都是预测未来糖尿病风险的良好脂质参数。在此基础上，我们的结果增加了更多的证据，我们发现在所有血脂参数中，RC/HDL-C比值是反映未来患糖尿病风险的最佳参数。这一发现在以往的类似研究中未见报道，据我们所知，这是第一个评估糖尿病与RC/HDL-C比值之间关系的研究。

已有多项研究报道了用于糖尿病诊断/预测的常规与非常规血脂参数阈值[9，18，49，50］．综上所述，已发表的研究中脂质参数的阈值分析结果与我们本研究的分析结果的主要差异在于TG和对时间变量的考虑。与其他阈值分析研究相比，我们目前的研究充分考虑了时间依赖性变量，并评估了基线脂质参数作为未来糖尿病风险的预测因子，而现有的类似研究更多地关注于当前[9，18，49，50］．此外，在本研究中，我们还评估了常规和非常规血脂参数对预测短期、中期和长期糖尿病风险的预测价值。总体而言，RC/HDL-C比值对预测短期糖尿病风险、非hdl /HDL-C比值和LDL/HDL-C比值对预测中短期糖尿病风险具有最佳预测价值，而RC、非hdl /HDL-C比值和TC/HDL-C比值对预测中长期和长期糖尿病风险具有最佳预测价值。

测量脂质和脂蛋白的常规方法包括化学方法和酶法。一般来说，化学方法比较耗时，因此在临床中通常只用于校准，而酶法由于其相对简单和准确，已成为自动生化分析仪器中最常用的分析方法[51，52］．虽然传统的脂质测量方法具有良好的诊断性能，但它们仍然需要昂贵的仪器、训练有素的操作人员和专门的实验室。因此，对于初级卫生保健机构和行动不便的人群来说，传统的脂质测量方法可能并不理想[53］．最近，用于测量脂质和脂蛋白的生物传感器已在概念验证阶段被开发出来，用于慢性疾病的预防和治疗监测，允许用户在家庭环境中同时测量多个脂质参数，只需很少的培训[54，55，56］．与传统方法相比，脂类和脂蛋白生物传感器更方便、快速、易于操作。此外，最近的研究表明，新型生物材料(如纳米材料)具有更好的生物相容性、稳定性和独特的物理、电子和化学性质[52，57，58］．这些新材料和新技术可能有很大的潜力，可以通过检测血脂参数来早期筛查糖尿病高危人群[59］．

脂质参数与糖尿病相关的机制有很多。从临床角度来看，脂质参数及脂质参数引起的IR的致动脉粥样硬化作用可能是糖尿病的主要相关因素[4，60，61，62］．其中，包括肾素-血管紧张素-醛固酮系统(RAAS)在内的血管活性激素途径似乎在这一过程中发挥了重要作用[63］．RAAS是体内维持血浆钠浓度、动脉血压和细胞外容量的重要系统[64］．肾素和血管紧张素II之间的失衡可导致大量慢性和急性疾病[64，65]，早期血管紧张素II诱导的斑块形成是RAAS对动脉粥样硬化最重要的作用之一[66]，而在病理条件下，RAAS也通过其对其他系统的影响，直接或间接地促进了动脉粥样硬化及其各种并发症的发展[67］．除此之外，当肾素和血管紧张素II失衡时，RAAS有害轴也会增加炎症细胞因子的释放，并产生和增加氧化应激;这些病理改变会进一步促进动脉粥样硬化的形成，加剧IR，减少胰岛素分泌[66，68］．另一方面，还应注意的是，血清hepcidin和hepcidin/铁蛋白比值在IR和糖尿病的发展中也起着重要作用[69，70］．在本研究中，我们计算了IR替代指标METS-IR，相关分析表明，所有血脂参数都与METS-IR密切相关，其中TG/HDL-C的相关性最强(TG/HDL-C的Pearson r = 0.7447)。此外，值得注意的是，非常规脂质参数在识别动脉粥样硬化和IR方面也比常规脂质参数更有效[61，71］．结合目前的研究成果，我们对未来可能开展的一系列工作提出了几点简单的建议:(1)建议医务人员加强对非常规脂质参数的了解。(2)建议医疗机构检测中心在常规血脂测量的基础上，通过在计算机中添加算法，将非常规血脂参数作为检测项添加到显示列表中。(3)建议进一步开展常规与非常规脂质参数的对比研究，探讨脂质参数在其他疾病风险评估中的价值。(4)建议在非hdl - c的基础上增加更多非常规的脂质参数作为脂质管理的主要目标[72］．(5)建议将非常规脂质参数作为开发高灵敏度糖尿病生物传感器的潜在靶点。

研究的优势与局限性

在解读当前研究成果的同时，有几个研究优势值得提及:(1)与同类研究相比，本研究在纵向设计的基础上进一步扩大了样本量，纳入了更多非常规的脂质参数。(2)我们首次研究了RC/HDL-C比值与糖尿病的关系，通过多元Cox回归分析发现RC/HDL-C比值与其他常规和非常规血脂参数相比，更能反映未来患糖尿病的风险。(3)本研究首次采用时间依赖性ROC曲线分析比较血脂参数对未来糖尿病的预测价值。

需要承认的几个研究局限性:(1)目前研究的终点为新发糖尿病事件，而随访期间的死亡事件在目前的数据集中没有记录，这可能对目前的研究结果有一定的竞争风险。(2)本研究中，我们分别分析了3岁、6岁、9岁和12岁几个脂质参数对糖尿病发病风险的预测价值，但由于人体代谢状况随着年龄的增长而逐渐恶化，本研究结果可能更适合糖尿病的中短期风险预测[73]，以前预测的糖尿病风险可能不再适用。(3)本研究的参与者是做过健康检查的普通人。一般来说，大多数接受健康检查的人都没有餐后葡萄糖的常规测量。因此，目前的研究可能低估了糖尿病的发病率。(4)目前的研究并未区分糖尿病的类型，但基于大量已发表的研究数据[1，8，74]，目前的结果更适合2型糖尿病，在其他特殊类型糖尿病的适用性还有待进一步研究。

结论

总之，我们的研究结果证明了非常规血脂参数对于预测未来糖尿病风险的重要性。与常规血脂参数相比，利用非常规血脂参数预测未来糖尿病风险是值得的。建议在临床实践中尽快纳入非常规血脂参数，进行糖尿病风险的常规评估和治疗监测。

本研究中使用的数据已由冈村教授等人上传至“Dryad”数据库。

TC:

总胆固醇

TG:

甘油三酸酯

高密度脂蛋白胆固醇:

高密度脂蛋白胆固醇

密度:

低密度脂蛋白胆固醇

RC:

残余的胆固醇

人力资源:

风险比

置信区间:

置信区间

中华民国:

接收算子特征

体重指数:

身体质量指数

AST:

天冬氨酸转氨酶

GGT:

Gamma-glutamyl转移酶

ALT:

丙氨酸转氨酶

台塑:

空腹血糖

糖化血红蛋白:

糖化血红蛋白

METS-IR:

胰岛素抵抗的代谢评分

VIF:

方差膨胀因子

RCS:

限制性三次样条

公里:

kaplan meier

我要感谢心血管研究所的同事们在统计分析方面的监督和帮助。

本研究由江西省自然科学基金资助(No. 20192BAB205007)。

作者及隶属关系

1. 江西省人民医院心内科，江西南昌330006

   国泰盛

2. 南昌大学医学院，江西南昌330006

   邝茂斌，杨瑞娟

3. 江西省人民医院内分泌科，江西南昌，330006

   杨瑞娟，钟燕佳

4. 江西省人民医院，江西省心血管研究所，江西南昌，330006

   张淑华邹杨

贡献

YZ和GT-S:写作-初稿准备。YZ、MB-K、GT-S、YJ-Z、SH-Z:撰稿、审稿、编辑。YZ, MB-K, RJ-Y和YJ-Z:形式化分析和验证。GT-S和YZ:数据管理和验证。SH-Z, GT-S和YZ:监督。YZ:概念化。所有作者都阅读并批准了最终的手稿。

相应的作者

对应到杨邹．

伦理批准并同意参与

在最初的调查中，村上纪念医院机构伦理审查委员会批准了NAGALA队列研究，并获得了每位参与者对使用其数据的知情书面同意(IRB2018-09-01)。本研究是对NAGALA队列数据的二次分析。研究方案已获得江西省人民医院伦理审查委员会(IRB2021-066)批准，整个过程遵循赫尔辛基宣言。参见附加文件中的STROBE语句1:文本S1。

发表同意书

不适用。

相互竞争的利益

所有作者都没有竞争利益需要声明。

出版商的注意

伟德体育在线施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。

开放获取本文遵循知识共享署名4.0国际许可协议，允许以任何媒介或格式使用、分享、改编、分发和复制，只要您对原作者和来源给予适当的署名，提供知识共享许可协议的链接，并注明是否有更改。本文中的图像或其他第三方材料包含在文章的创作共用许可协议中，除非在材料的信用额度中另有说明。如果材料未包含在文章的创作共用许可协议中，并且您的预期使用不被法定法规所允许或超出了允许的使用范围，您将需要直接获得版权所有者的许可。如欲查看本牌照的副本，请浏览http://creativecommons.org/licenses/by/4.0/．创作共用公共领域奉献弃权书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本条所提供的资料，除非在资料的信用额度中另有说明。

转载及权限