《PLOS One》：Association between uric acid and non-alcoholic fatty liver disease in patients with hypertension
Abstract
血清尿酸（UA）与非酒精性脂肪性肝病（NAFLD）相关，但其在高血压人群中的作用尚不清楚。这项横断面研究调查了1058名高血压患者中两者的关联。多因素Logistic回归分析证实，无论作为连续变量还是分类变量，UA均与NAFLD独立相关。根据完全调整模型，UA、Log10UA和LnUA每增加一个单位，NAFLD风险分别增加0.2%、347.2%和91.7%（P < 0.05）。多变量分层分析显示，UA在特定亚组中增加了NAFLD风险，包括男性、70-79岁个体、非吸烟者、无糖尿病者和肥胖个体（P < 0.05）。受试者工作特征（ROC）分析表明，UA不仅可以预测NAFLD的发生，还能提高基线模型对NAFLD的预测价值（UA，AUC：0.588；基线模型，AUC：0.770；基线模型+UA，AUC：0.772）。总之，UA与高血压患者的NAFLD显著相关，可能作为预测风险指标。
1. Introduction
非酒精性脂肪性肝病（NAFLD）是一种高度流行的代谢性疾病，目前被认为是全球最常见的慢性肝病，构成了重大的全球健康挑战。这种疾病呈进展性过程，可能从肝脂肪变性发展为纤维化、肝硬化，最终导致肝细胞癌。除了对肝脏的影响外，NAFLD还产生显著的全身效应，促进各种肝外并发症的发生和发展。越来越多的证据表明，肥胖、血脂异常和糖尿病是NAFLD的关键危险因素，尤其是在夜间高血压人群中。研究一致表明，高血压个体中NAFLD的患病率显著高于血压正常个体。这种强烈的关联凸显了在高血压患者中识别NAFLD危险因素的迫切需求。了解该人群中NAFLD的可改变决定因素可以为有针对性的预防干预提供信息，并加强综合、多学科的管理策略。
NAFLD的特征是由代谢失调引发的脂毒性肝损伤。目前的研究表明，血清UA作为一种代谢生物标志物，在NAFLD的发病机制中扮演多重角色，涉及代谢功能障碍、氧化应激、炎症反应和胰岛素抵抗等关键通路。临床研究也提示UA可能作为具有临床意义的NAFLD预测指标。Zhou等人进行的一项大型队列研究涉及2049名参与者，结果显示NAFLD的发病率随着UA水平四分位数组（Q1至Q4）的增加而增加，分别为5.27%、10.88%、15.03%和19.18%。此外，Sun等人对36项横断面研究、13项队列研究和1项病例对照研究进行的系统回顾和荟萃分析显示，UA与NAFLD之间存在正相关。与UA水平较低的个体相比，UA水平较高的个体患NAFLD的风险大约高出1.88倍。另一项在糖尿病人群中的研究证实了尿酸与NAFLD之间存在显著关联。从UA水平的第二个四分位数到第四个四分位数，NAFLD的可能性逐渐增加。即使在调整了年龄、性别、体重指数（BMI）和其他代谢成分等混杂因素后，第四个四分位数中NAFLD的概率仍然显著升高。
然而，对文献的全面回顾发现，UA用于高血压人群NAFLD风险评估的临床效用仍未得到充分研究。因此，本研究旨在确定在高血压患者中，UA水平升高是否与NAFLD风险增加显著相关，并检验这种关联在不同人口亚组中的一致性。我们的发现可能为高血压患者NAFLD的风险分层提供新的见解和循证框架。
2. Methods
2.1 Study population
在这项单中心、横断面、回顾性研究中，从武汉协和医院招募了1592名接受健康检查的40-79岁个体。患者的纳入标准如下：（1）明确诊断为高血压；（2）可获得NAFLD的诊断信息。排除标准如下：（1）报告有已知肝病史的个体，包括病毒性、自身免疫性和药物性肝病；（2）诊断为急性疾病、肾功能不全（估计肾小球滤过率 < 60 mL/min/1.73m2）或活动性癌症（定义为自我报告的过去6个月内诊断或治疗的癌症史）的个体；（3）使用口服或注射类固醇的个体，以及缺乏生化测量或病史访谈记录的个体；以及（4）过量饮酒（定义为男性>210克/周，女性>140克/周）的个体。最终，1058名个体被纳入本研究。本研究使用了从公开可用的Dryad数据库获得的匿名数据。我们在2025年2月21日访问并下载了该数据集用于研究目的。所有数据在公开发布前都进行了去标识化处理。作者在数据收集期间或之后无法识别个体参与者的信息。原始研究方案得到了华中科技大学同济医学院机构审查委员会的批准（S155）。由于这项回顾性分析仅涉及公共领域中的去标识化、已存在数据，根据机构指南和现行伦理标准，不需要额外的伦理批准。此外，研究设计符合《赫尔辛基宣言》的所有相关规定。鉴于研究的回顾性性质以及所有患者数据的完全匿名化，伦理委员会批准豁免知情同意。所有数据的处理都严格遵守机构数据保护政策和隐私法规。
2.2 Data collection and definition
本研究包含的数据主要包括人口统计学信息、人体测量学数据、病史和血清标志物。每位参与者完成了一份问卷，以收集关于性别、年龄、烟草使用、酒精使用以及病史和用药史的自我报告数据。年龄分为四组：40-49岁、50-59岁、60-69岁和70-79岁。烟草使用定义为当前吸烟者或既往吸烟者，而酒精使用定义为当前饮酒者或既往饮酒者。糖尿病的定义基于参与者自我报告的糖尿病史或使用降糖药物。类似地，高血压通过自我报告的高血压史或使用口服降压药来识别。BMI计算为体重（公斤）除以身高（米）的平方（kg/m2），BMI ≥ 24被归类为超重或肥胖。测量的血清标志物包括总胆固醇（TC）、甘油三酯（TG）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、丙氨酸氨基转移酶（ALT）、天冬氨酸氨基转移酶（AST）、UA和空腹血糖（FBG）。
UA是本研究的暴露因素。由于UA水平呈非正态分布，应用了以10为底的对数（Log10）和自然对数（Ln）转换以标准化数据。此外，基于UA的四分位数，将数据分为Q1（n = 265）、Q2（n = 265）、Q3（n = 264）和Q4（n = 264），其中Q1 ≤ 313.2 μmol/L，313.2 μmol/L < Q2 ≤ 372.1 μmol/L，372.1 μmol/L < Q3 ≤ 434.5 μmol/L，Q4 > 434.5 μmol/L。
2.3 Assessment of NAFLD
参与者接受了由训练有素的技术人员使用飞利浦IU22系统进行的常规腹部超声检查。NAFLD的诊断基于弥漫性肝脂肪变性的独特超声特征，其特征为（1）肝前场回声增强，（2）进行性后场回声衰减，以及（3）肝脏结构清晰度降低。此外，排除了因过量饮酒（女性每日摄入量>20克，男性>30克）和其他已知原因（如乙型肝炎病毒（HBV）和丙型肝炎病毒（HCV）血清阳性、自身免疫性和药物性肝病）导致的肝脂肪变性病例。其余肝脂肪变性病例根据中华医学会肝病学分会发布的NAFLD诊疗指南归类为NAFLD。
2.4 Statistical analysis
本研究中，所有统计分析均通过SPSS 26.0版进行。首先，通过Shapiro-Wilk检验对所有连续变量进行正态性检验。符合正态分布的连续变量表示为均值±标准差，而不符合正态分布的则表示为中位数（四分位数）。对于符合正态分布的连续变量，采用单因素方差分析（ANOVA）评估四组间的差异。对于不符合正态分布的连续变量，使用Kruskal-Wallis检验评估四组间的差异。分类变量以频数（百分比）表示，组间差异通过卡方检验进行检验。通过单因素Logistic回归分析评估NAFLD的危险因素，并选择P值小于0.05的变量进行多因素Logistic回归分析。建立了三个调整模型：模型1仅调整年龄；模型2调整年龄、性别、烟草使用、酒精使用、糖尿病、BMI和超重或肥胖状态；模型3调整年龄、性别、烟草使用、酒精使用、糖尿病、BMI、超重或肥胖状态、TG、TC、LDL-C、HDL-C、FBG、ALT和AST。随后进行亚组分析，以评估高血压患者中UA水平与NAFLD的多变量分层关联。最后，进行受试者工作特征（ROC）曲线分析，以评估UA和基线模型对NAFLD的预测价值。所有检验均为双侧，P值小于0.05被认为具有统计学意义。
2.5 Model validation and robustness analyses
为确保多变量Logistic回归模型结果的可靠性和稳健性，我们执行了全面的验证和诊断程序。
内部验证通过Bootstrap重采样：使用Bootstrap重采样（1000次重复）评估系数估计的稳定性。报告的95%置信区间直接根据Bootstrap系数的百分位经验分布生成。
模型诊断：
- 1.
多重共线性：通过运行线性回归模型计算所有连续自变量的方差膨胀因子（VIF）。VIF值≥10被认为存在严重多重共线性。
- 2.
拟合优度：使用Hosmer-Lemeshow检验评估最终Logistic模型的校准度。
- 3.
异常值和影响点的敏感性分析：为了评估我们的结论是否受到极端观测值的过度影响，我们根据以下标准识别潜在的异常值和影响点：标准化残差的绝对值>2.5，Cook距离>0.1，以及杠杆值>2*(k+1)/n（其中k是预测变量数量，n是样本量）。然后，在排除已识别的观测值后，通过重新拟合主要多变量模型进行敏感性分析。
3. Results
3.1 Clinical characteristics according to UA quartile groups
如表1所示，性别、年龄、烟草使用、酒精使用、超重或肥胖、NAFLD、BMI、TG、TC、LDL-C、HDL-C和ALT水平在UA四分位数组间存在显著差异（P < 0.05）。具体而言，Q4组有更多饮酒者和NAFLD患者，以及更高的BMI、TG、TC、LDL-C和ALT水平。
3.2 The correlation between UA and NAFLD
如表2所示，单因素Logistic回归分析表明，性别、年龄、烟草使用、饮酒、糖尿病状态、超重或肥胖状态、BMI、FBG、TG、TC、LDL-C、HDL-C、ALT、AST和UA与NAFLD风险显著相关（P < 0.05）。
如表3所示，多因素Logistic回归分析表明，在仅调整年龄的模型1中，无论UA是作为连续变量还是分类变量，均与NAFLD风险显著相关（P < 0.05）。在调整了年龄、性别、烟草使用、饮酒、糖尿病状态、BMI和超重或肥胖状态的模型2中，较高的UA水平继续与NAFLD风险增加显著相关（P < 0.05）。在模型3中，UA仍然与NAFLD风险显著相关，并且UA、Log10UA和LnUA每增加一个单位，NAFLD风险分别增加0.2%、347.2%和91.7%（OR = 1.002, 95% CI: 1.000–1.004, P = 0.027；OR = 4.472, 95% CI: 1.135–17.624, P = 0.032；OR = 1.917, 95% CI: 1.057–3.477, P = 0.032）。此外，Q2组和Q4组的NAFLD风险分别是Q1组的1.513倍和1.643倍（OR = 1.513, 95% CI: 1.006–2.274, P = 0.046；OR = 1.643, 95% CI: 1.043–2.589, P = 0.032）。
3.3 Multivariate stratified analysis of the association between UA and NAFLD
如表4所示，在男性中，Q4组的NAFLD风险是Q1组的1.782倍。此外，UA每增加一个单位，NAFLD风险增加0.2%（P < 0.05）。在70-79岁人群中，Q3组和Q4组的NAFLD风险分别是Q1组的2.831倍和5.376倍（P < 0.05）。此外，UA、Log10UA和LnUA每增加一个单位，NAFLD风险均显著增加（P < 0.05）。在非吸烟者中，Q2组和Q4组的NAFLD风险分别是Q1组的1.662倍和1.860倍（P < 0.05）。UA、Log10UA和LnUA每增加一个单位，NAFLD风险分别增加0.2%、603.6%和133.3%（P < 0.05）。在糖尿病患者中，Q2组的NAFLD风险是Q1组的2.109倍（P < 0.05）。在非糖尿病患者中，UA、Log10UA和LnUA每增加一个单位，NAFLD风险分别增加0.2%、498.1%和117.4%（P < 0.05）。在超重或肥胖参与者中，Q2组和Q4组的NAFLD风险分别是Q1组的1.734倍和0.643倍（P < 0.05）。UA、Log10UA和LnUA每增加一个单位，NAFLD风险分别增加0.2%、63.5%和155%（P < 0.05）。
3.4 The predictive value of UA and the baseline model for NAFLD
如图1A所示，ROC分析表明UA对NAFLD风险具有一定的预测价值（AUC: 0.588, 95% CI: 0.552–0.624, P < 0.001）。此外，图1B还显示UA和基线模型都可以预测NAFLD的发生，UA提高了基线模型的预测能力（UA, AUC: 0.588；基线模型, AUC: 0.770；基线模型+UA, AUC: 0.772）。
3.5 Robustness analysis and model diagnostics
如表5所示，Bootstrap分析（1000次重复）支持关键关联的稳定性。UA与NAFLD之间的正相关关系保持稳健，Bootstrap 95%置信区间较窄（B = 0.002, Bootstrap 95% CI: 0.000 至 0.004），且不包含零。其他显著变量（如BMI和糖尿病）的关联在Bootstrap分析中也保持稳定。
Hosmer-Lemeshow检验表明全模型校准良好（χ2= 11.668, P = 0.167）。多重共线性诊断确认不存在严重共线性，所有VIF均低于10，UA的VIF为1.248。根据预设标准，识别出55个观测值为潜在异常值。在排除这些观测值后进行的敏感性分析中，UA与NAFLD关联的方向、幅度和统计学显著性均未改变（OR = 1.003, 95% CI: 1.001–1.005, P = 0.014），证实主要发现并非由影响点驱动。
4. Discussion
这项涉及中国成年高血压患者的横断面研究揭示了UA与NAFLD风险之间的显著关联。在全面调整所有潜在混杂因素后，UA每增加一个单位与NAFLD风险增加显著相关。为确保所识别关联的稳健性，我们进行了一系列严格的模型诊断。首先，通过Bootstrap重采样（1000次重复）进行的内部验证表明，UA与NAFLD之间的关联保持精确和稳定，95%置信区间（0.000–0.004）较窄且不包含零。其次，敏感性分析证实，在排除潜在异常值后，这种关联仍然一致，表明该发现并非由有影响的观测值驱动。最后，多重共线性诊断确保了独立效应估计的可靠性，所有方差膨胀因子均低于关注阈值。这些结果共同支持了UA与NAFLD关联的高度稳定性和可靠性。鉴于UA检测在高血压管理中的常规可用性和低成本，将其加入模型后观察到的AUC微小增加（从0.770到0.772）代表了对NAFLD风险分层的一种成本效益高的增强。因此，血清UA可被视为高血压患者NAFLD的一个稳健且具有实用价值的独立预测指标。
作为嘌呤代谢的终产物，UA受多种因素影响，包括饮食习惯、人口特征（如年龄、性别和种族/民族）以及遗传易感性。研究表明，血清UA升高是心血管和肾脏疾病的独立危险因素，包括高血压、冠状动脉疾病、中风、心力衰竭和慢性肾病。自Leonardo等人于2002年首次确定UA是NAFLD的独立预测因子以来，UA与NAFLD的关联已被广泛研究。后续研究证实了这种关联，表明血清UA水平升高与NAFLD发生和进展的风险增加相关，从而支持了其作为预测性生物标志物的潜在作用。Wijarnpreecha等人在一项包含25项研究的荟萃分析中报告，高尿酸血症个体的NAFLD风险显著增加，进一步证实了高尿酸血症与NAFLD之间的正相关。Sun等人进行了一项包含50项研究和2,079,710名参与者的系统回顾和荟萃分析，其结果与我们关于高血压患者中血清UA水平升高与NAFLD风险正相关的发现一致。然而，这种关系的性质是复杂且依赖于背景的。一项孟德尔随机化分析表明，血清UA与NAFLD之间存在双向关联，即NAFLD可能增加UA水平，但遗传易感性导致的高尿酸血症并不增加NAFLD风险。这些不一致可能源于方法学的局限性，例如遗传研究中的残留混杂，以及检测暴露与结果之间非线性关系的困难。我们的研究揭示，在高血压个体中，UA与NAFLD的关联是非线性的。当以最低四分位数组（Q1）作为参照时，从Q2组开始，NAFLD风险随着UA水平的增加而显著增加。然而，在Q3组中未观察到显著关联，表明风险可能在该范围内达到平台期。最后，在UA水平最高的Q4组中观察到最强的正相关。这种模式表明UA对NAFLD的影响并非简单的剂量反应关系，因为即使是适度的UA水平升高也是有害的，而极高的UA水平则带来最大的疾病风险。
此外，UA与NAFLD的关联在不同人群中似乎存在差异。例如，Bao等人报告UA是非肥胖绝经后女性NAFLD风险的显著预测因子，而Duan和Chen等人分别在他们的研究中报告了绝经前和绝经后女性中一致的正相关。相反，Fan等人在一项女性糖尿病队列研究中报告UA与NAFLD风险之间无显著关联。这一结果与我们高血压患者的亚组分析一致，即在高血压女性中未观察到UA与NAFLD的显著关系，而在高血压男性中发现了正相关。这些不一致的发现可能归因于研究人群的异质性、代谢特征的差异或与NAFLD发展相关的潜在病理生理机制的不同。
值得注意的是，由于先前的研究尚未系统评估高血压队列中UA与NAFLD的关联，我们的研究通过特别检查高血压个体中的这种关系，为基于UA水平管理NAFLD提供了新的见解。我们的研究结果证实，尿酸升高（UA > 434.5 μmol/L）是高血压患者发生NAFLD的独立危险因素。UA水平升高可能与高血压协同作用，通过促进胰岛素抵抗、氧化应激和炎症反应加速肝脂肪变性和损伤。对于此类患者，积极的降尿酸治疗在提供心血管双重保护的同时，可预防或延缓NAFLD的进展。同时，这些患者应被视为NAFLD高危人群，并定期进行肝脏超声筛查以及纤维化评估（例如FibroTest、肝脏硬度测量、磁共振弹性成像）。对于患有高血压的女性，其他因素（如肥胖和血脂异常）可能是比尿酸更重要的NAFLD驱动因素。这些发现有助于更深入地理解高危人群中NAFLD的发病机制，并为未来研究高血压个体NAFLD的预防和管理策略提供临床证据。
尽管UA促进NAFLD的确切机制有待进一步阐明，但越来越多的证据表明，UA通过四个相互关联的病理过程促进肝脂肪变性和损伤：氧化应激、炎症激活、胰岛素抵抗（IR）和脂质代谢失调。这些机制形成了一个自我强化的循环，驱动NAFLD的进展。在细胞水平上，UA通过多种途径诱导代谢功能障碍。UA进入肝细胞后，通过触发氧化应激和随后的内质网（ER）应激促进细胞内脂质积聚。这激活了未折叠蛋白反应（UPR）通路，调节脂肪生成蛋白的表达，并最终破坏肝脏脂质稳态。UA的促氧化特性通过增加活性氧产生和促进脂质过氧化进一步加剧代谢功能障碍。同时，UA作为一种损伤相关分子模式（DAMP），启动并维持肝脏炎症。通过剂量依赖性地激活核因子κB（NF-κB）信号通路，UA增强促炎细胞因子的表达，同时还促进巨噬细胞募集和NLRP3炎症小体组装。这种炎症级联导致白细胞介素-1β（IL-1β）的大量产生， fostering 一种促进肝细胞损伤和纤维化的慢性炎症状态。UA暴露的代谢后果延伸至全身胰岛素敏感性，因为UA通过抑制IRS1/Akt通路损害胰岛素信号传导。此外，高尿酸血症可能通过尿酸盐晶体在胰岛沉积对胰腺β细胞功能产生不利影响，从而加剧胰岛素抵抗。这种代谢紊乱产生了一个恶性循环：胰岛素抵抗促进脂肪组织中的脂肪分解，导致输送到肝脏的游离脂肪酸增加，而代偿性高胰岛素血症刺激肝细胞中的脂肪生成。随后的脂质超载，加上持续的氧化和炎症损伤，促进细胞毒性代谢物的积累和进行性肝损伤。阐明这些潜在机制对于制定更有效的预防和治疗策略至关重要。
本研究采用了足够大的样本量，并考虑了各种潜在的混杂变量，包括年龄、性别、BMI、吸烟、饮酒和糖尿病。然而，需要注意几个局限性。首先，横断面设计无法就UA与NAFLD之间的因果关系得出明确结论。其次，某些自我报告的混杂因素可能容易受到回忆偏倚的影响。第三，我们的研究可能未能全面考虑其他混杂变量，如遗传易感性、饮食摄入、环境暴露和职业危害，这些因素可能影响观察到的关联。
5. Conclusions
总之，本研究确定了高血压人群中血清UA水平与NAFLD之间的显著关联。尿酸可能作为这些患者NAFLD风险的有用生物标志物。我们的发现为基于UA水平评估NAFLD风险提供了可靠依据。
