《MEDIATORS OF INFLAMMATION》：Association Between Three Systemic Inflammatory Biomarkers and Diabetic Foot Ulcer: A Cross-Sectional Study and a Clinical Retrospective Study
编辑推荐：
本研究结合NHANES大型横断面数据与临床回顾性分析，首次系统评估了全身炎症反应指数(SIRI)、全身免疫炎症指数(SII)及系统性炎症累积指数(AISI)三种新型炎症指标与糖尿病足溃疡(DFU)患病风险的关联。结果表明，这三种指标水平升高与DFU风险增加显著相关，有望成为评估糖尿病患者DFU风险的有效工具。
1. 引言
糖尿病足溃疡(DFU)是糖尿病最严重、危及生命的并发症之一。它被定义为糖尿病患者的足部溃疡，伴有下肢神经病变和/或外周动脉疾病。慢性溃疡是糖尿病患者住院和截肢的主要原因，严重影响其生活质量。因此，DFU的早期诊断和干预具有至关重要的临床意义。
新出现的证据强调了慢性炎症在DFU发病机制中的关键作用，其特征是由TNF-α、IL-1β和IL-6等细胞因子主导的持续促炎微环境，这些细胞因子共同损害血管生成并延迟伤口愈合。传统的炎症生物标志物，如白细胞(WBC)计数、C反应蛋白(CRP)、降钙素原和红细胞沉降率(ESR)在DFU患者中显著升高。然而，其诊断效用因特异性不足和易受混杂因素影响而受限。
最近，基于中性粒细胞、淋巴细胞、单核细胞和血小板的新型全身炎症生物标志物已经出现，包括全身炎症反应指数(SIRI)、全身免疫炎症指数(SII)和系统性炎症累积指数(AISI)。这些生物标志物已被广泛用于评估各种慢性炎症状态与人类疾病的关联。尽管这些指标作为炎症状态的指标具有实用性，但在DFU患者中的研究尚未广泛开展。
为弥补现有知识空白，本研究采用双重方法：利用NHANES数据的横断面分析，辅以临床回顾性研究，全面评估SIRI、SII、AISI与DFU患病率之间的关联。
2. 方法
2.1. 研究人群与研究设计
本横断面分析使用了NHANES三个连续周期（1999–2000、2001–2002和2003–2004）的数据。从最初的31，126名参与者中，我们应用了以下排除标准：糖尿病状态数据缺失（n = 28，761）、DFU信息缺失（n = 446）以及全身炎症生物标志物值缺失（n = 224）。最终分析队列包括1，695人。所有NHANES研究方案均获得NCHS研究伦理审查委员会批准，所有参与者均提供了书面知情同意。
2.2. 变量确定
人口统计学和临床协变量包括年龄、性别、种族/民族、教育水平、婚姻状况、高血压状态、吸烟史、身体质量指数(BMI)、糖化血红蛋白(HbA1c)、CRP、WBC计数、全血细胞计数(CBC)参数（淋巴细胞、单核细胞、中性粒细胞和血小板计数）以及血脂谱（总胆固醇和高密度脂蛋白-胆固醇）。
糖尿病定义为符合以下标准：(1)空腹血糖≥126 mg/dL，(2)随机血糖≥200 mg/dL，(3)HbA1c≥ 6.5%，或(4)自我报告的医生诊断或目前使用降糖药物（胰岛素或口服药物）。DFU定义为通过结构化糖尿病问卷确定的、持续时间超过4周的足部溃疡。
全身炎症生物标志物的计算公式如下：
2.3. 统计分析
所有分析均使用SPSS 18.0版、R 4.3.3版和Zstats 1.0进行。连续变量汇总为均值±标准差，分类变量表示为频率和百分比。根据情况，采用Student's t检验或Mann-Whitney检验比较连续变量，采用卡方检验比较分类变量。
考虑到SIRI、SII和AISI的偏态分布，在后续分析中应用了自然对数转换（ln SIRI、ln SII和ln AISI）。构建多变量二元逻辑回归模型来评估全身炎症生物标志物与DFU患病率之间的关联：模型1：未调整；模型2：调整了年龄、性别和种族/民族；模型3：调整了年龄、性别、种族/民族、BMI、吸烟状况和高血压。
应用限制性立方样条(RCS)回归来评估全身炎症生物标志物与DFU患病率之间的潜在非线性关系，并调整了模型3的协变量。此外，还进行了亚组分析，以检查年龄（<65岁 vs. ≥65岁）、性别、种族/民族、BMI类别（<24、24–28、≥28 kg/m2）、吸烟状况和高血压的影响修饰。数据集中缺失值的比例低于5%。为处理缺失数据，分类变量使用最常见类别进行插补。
2.4. 临床验证研究
为了从临床上验证我们的发现，我们进行了一项单中心回顾性研究，纳入2023年1月至12月期间患有DFU的患者以及无DFU的匹配2型糖尿病对照者。2型糖尿病根据美国糖尿病协会2010年标准进行诊断。DFU根据世界卫生组织的定义为“与神经病变以及不同程度的缺血和感染相关的足部溃疡（踝关节远端的溃疡，包括踝关节）”。我们排除了非糖尿病原因导致的慢性伤口患者，包括坏疽性脓皮病、压力性溃疡或血管炎，以确保研究人群专门针对糖尿病相关的足部并发症。我们采用1:2的个体匹配病例-对照设计。从同一患者数据库中选择对照组，要求为无任何DFU病史的2型糖尿病患者。为了控制主要混杂因素，每个对照根据年龄（±5岁）和已知2型糖尿病病程（±5岁）与一个DFU病例进行匹配。
研究参与者被分为DFU组和非DFU组。比较组间的基线特征和实验室参数。连续变量表示为均值±标准差，并使用Student's t检验进行分析，而分类变量以百分比表示，并使用卡方检验进行比较。
由于非正态分布，全身炎症生物标志物（SIRI、SII和AISI）在后续分析中进行了自然对数转换（ln SIRI、ln SII和ln AISI）。采用多变量二元逻辑回归模型来评估这些炎症指标与DFU患病率之间的独立关联。模型1：未调整；模型2：调整了年龄和性别；模型3：调整了年龄、性别、糖尿病病程、BMI和白蛋白水平。进行受试者工作特征(ROC)曲线分析，以初步评估SII、SIRI和AISI对DFU状态的区分能力。
3. 结果
3.1. 横断面研究结果
根据纳入和排除标准，本横断面研究共纳入1，695名参与者。在本研究中，135名（7.99%）参与者被诊断为DFU，1，560名（92.01%）参与者为无DFU的糖尿病患者。平均年龄为64.48岁，876名（51.83%）为男性。简而言之，DFU患者与非DFU患者之间存在显著差异，包括中性粒细胞、SIRI水平、SII水平和AISI水平。
多变量逻辑回归分析表明，对数转换的炎症生物标志物（ln SIRI、ln SII和ln AISI）与DFU患病率在所有模型中均呈一致的正相关。在完全调整的模型（模型3）中，调整了年龄、性别、种族/民族、BMI、吸烟状况和高血压后，比值比(ORs)如下：ln SIRI: OR = 2.03 (95% CI: 1.48–2.80)， ln SII: OR = 1.78 (95% CI: 1.29–2.44)， ln AISI: OR = 1.70 (95% CI: 1.30–2.23)。
三分位数分析进一步证实了这些发现。与最低三分位数组相比，ln SIRI、ln SII和ln AISI最高三分位数组的参与者表现出显著增加的DFU风险。在模型3中，相应的ORs为：ln SIRI: OR = 2.07 (95% CI: 1.25–3.42)， ln SII: OR = 1.79 (95% CI: 1.13–2.85)， ln AISI: OR = 2.03 (95% CI: 1.27–3.26)。所有趋势检验结果均具有统计学意义（p < 0.05）。
调整混杂变量后，RCS分析显示ln SIRI、ln SII和ln AISI与DFU患病率呈线性正相关（非线性检验p > 0.05）。
按年龄、性别、种族、BMI、吸烟状况和高血压分层的亚组分析显示，在所有亚组中关联一致，表明这些关系具有稳健性，没有受到这些人口统计学和临床因素的显著效应修饰。
3.2. 临床验证研究结果
回顾性验证病例-对照研究包括102名参与者，其中34例DFU病例和68例无DFU的糖尿病对照者。DFU组（平均年龄64.03 ± 13.31岁）和非DFU组（平均年龄67.54 ± 10.94岁）在几个临床参数上存在显著差异。DFU患者表现出CRP、血红蛋白、WBC、中性粒细胞、血小板和白蛋白水平升高，同时高密度脂蛋白-胆固醇水平降低。重要的是，与对照组相比，DFU组中所有三种全身炎症生物标志物（SIRI、SII和AISI）均显著升高。
验证研究中的逻辑回归分析证实了全身炎症生物标志物与DFU患病率之间存在强正相关：ln SIRI: OR = 2.51 (95% CI: 1.39–4.54)， ln SII: OR = 5.44 (95% CI: 2.48–11.91)， ln AISI: OR = 2.75 (95% CI: 1.59–4.74)。在完全调整的模型（模型3）中，调整了年龄、性别、糖尿病病程、BMI和白蛋白水平后，ORs如下：ln SIRI: OR = 2.95 (95% CI: 1.18–7.38)， ln SII: OR = 9.98 (95% CI: 2.67–37.26)， ln AISI: OR = 3.12 (95% CI: 1.37–7.10)。
为初步评估SII、SIRI和AISI对DFU状态的区分能力，我们进行了ROC曲线分析。曲线下面积(AUC)值为：SIRI: 0.68 (95% CI: 0.56–0.80, p = 0.003)， SII: 0.78 (95% CI: 0.69–0.88, p < 0.001)， AISI: 0.73 (95% CI: 0.62–0.84, p < 0.001)，表明在本研究中具有适度的区分能力。
4. 讨论
本研究通过NHANES数据的横断面分析和独立的观察性回顾性研究，探讨了包括SIRI、SII、AISI在内的全身炎症生物标志物与DFU之间的关联。我们的横断面分析揭示了SIRI、SII、AISI与DFU患病率之间的显著相关性。RCS分析表明这些炎症指标与DFU之间存在线性关系。比较分析表明，相对于SII和AISI，SIRI对DFU风险表现出更优的预测能力。回顾性研究进一步验证了所有三种生物标志物与DFU风险之间的显著关联。然而，在所评估的三个指标中，SII显示出与DFU患病率最强的关联。
全血细胞计数分析是目前应用最广泛的炎症状态评估方法之一。中性粒细胞、淋巴细胞、单核细胞和血小板的绝对计数以及衍生的参数指标可以作为有价值的全身炎症生物标志物。中性粒细胞计数反映急性炎症反应。糖尿病特征性的慢性高血糖状态损害中性粒细胞功能，从而延长炎症阶段并破坏有效伤口愈合所必需的微妙平衡。淋巴细胞计数在适应性免疫中起着关键作用，淋巴细胞减少症是免疫能力的指标。DFU患者的淋巴细胞表现出显著的氧化应激，表现为活性氧积累、膜损伤、蛋白质羰基增加以及超氧化物歧化酶和过氧化氢酶活性改变。血小板计数反映凝血功能和炎症活性。增强的血小板活化不仅释放炎症介质，还通过粘附受损的血管内皮促进血栓形成，导致动脉粥样硬化进展和局部缺血。单核细胞计数通过细胞因子释放和免疫细胞激活放大炎症级联反应。糖尿病患者伤口愈合受损与单核细胞/巨噬细胞浸润增加以及从促炎表型向促愈合表型转变受阻有关。鉴于全血细胞计数分析在炎症检测方面的可及性、可重复性和成本效益，从全血细胞计数参数中识别新型炎症生物标志物近年来获得了相当的研究兴趣。
最近的研究已确定了几种新型全身炎症生物标志物，包括SIRI、SII和AISI。SIRI计算为（中性粒细胞计数 × 单核细胞计数）/淋巴细胞计数，最初于2016年开发，作为胰腺癌患者化疗后生存结果的预后指标。SII源自（血小板计数 × 中性粒细胞计数）/淋巴细胞计数，最初建立用于预测肝细胞癌患者根治性切除后的临床结果。AISI计算为（中性粒细胞计数 × 血小板计数 × 单核细胞计数）/淋巴细胞计数，最初于2018年研究其在胸外科患者中的预后价值。这些源自常规全血细胞计数参数的血液学指标在反映全面的免疫炎症信息方面表现出增强的能力，并对炎症和免疫状态之间的平衡提供更优的评估。大量证据支持SIRI、SII和AISI与各种慢性炎症性疾病之间存在正相关。
越来越多的证据证明了SIRI、SII和AISI在评估糖尿病进展及其相关并发症方面的实用性。现有研究已经展示了这些指标与糖尿病心血管并发症、糖尿病发生风险以及糖尿病外周动脉病严重程度的关联。然而，这些生物标志物在DFU患者中的应用仍然有限。
在我们的横断面分析中，ln SIRI、ln SII和ln AISI与DFU患病率呈显著正相关：ln SIRI (OR = 2.03, 95% CI: 1.48–2.80)， ln SII (OR = 1.78, 95% CI: 1.29–2.44)， ln AISI (OR = 1.70, 95% CI: 1.30–2.23)。与第一个三分位数组相比，第三个三分位数组表现出大幅增加的DFU风险：ln SIRI增加107%，ln SII增加79%，ln AISI增加103%。亚组分析证实了这些关联的稳健性。在这三种生物标志物中，SIRI与DFU风险的相关性最强。
我们的回顾性观察研究同样证明了所有三种全身炎症生物标志物与DFU风险之间的显著关联：ln SIRI: OR = 2.51 (95% CI: 1.39–4.54)， ln SII: OR = 5.44 (95% CI: 2.48–11.91)， ln AISI: OR = 2.75 (95% CI: 1.59–4.74)。其中，SII显示出与DFU患病率最强的关联。在调整了包括年龄、性别、糖尿病病程、BMI和白蛋白水平在内的关键混杂因素后，这些生物标志物与DFU之间的关联在方向和统计学意义上保持一致，支持了我们主要发现的稳健性。ROC分析的结果也表明，SII在预测DFU方面比其他两种更可靠。值得注意的是，这些发现似乎与我们确定SIRI为最强预测因子的横断面结果不一致。方法学差异可能解释了这种差异：回顾性研究使用了住院糖尿病患者的临床数据，而横断面分析采用了代表一般基线健康状况的NHANES参与者的基于人群的数据。住院患者通常因感染、创伤、手术干预或慢性疾病恶化而经历生理应激。这些不同的人群特征可能导致观察到的生物标志物性能差异。
本研究采用横断面分析和观察性回顾性研究相结合的方法来检验三种全身炎症生物标志物（SIRI、SII和AISI）与DFU之间的关联。据我们所知，这是第一项评估这些生物标志物与DFU患病率之间关系的研究。利用NHANES数据库的大规模队列数据，我们证明了SIRI、SII和AISI与DFU显著相关。为了增强我们发现的稳健性，还额外进行了一项临床回顾性研究。横断面和临床方法的结合增强了结果的有效性和客观性。
本研究的几个局限性值得注意。首先，由于是横断面设计，无法确定全身炎症生物标志物与DFU进展之间的因果关系。未来的纵向研究有必要检查这些生物标志物的时间变化及其对DFU发展的预测能力。其次，虽然横断面分析使用了具有全国代表性的美国样本，但回顾性研究主要基于中国人群，需要进一步在不同种族和地理群体中进行验证。第三，某些变量是通过问卷和自我报告收集的，可能存在回忆偏倚。第四，尽管调整了多个混杂因素，但不能完全排除未测量协变量造成的残余混杂。第五，我们的回顾性研究中DFU事件数量有限。虽然我们的模型调整了最少的一组关键混杂因素，但多个相关炎症指标的分析增加了模型过拟合的风险，并可能夸大ORs的精确度。因此，我们的研究结果，特别是确切的效应大小，应谨慎解释，并需要在更大规模的前瞻性研究中得到验证。此外，我们的ROC分析是在一个小型的、单中心数据集中进行的，没有内部验证或外部重复。因此，提出的SII、SIRI和AISI的截断值不太可能是稳定或可推广的，在这里主要作为初步的临床直观参考。我们关于特定截断值的发现是严格初步的，在考虑任何临床应用之前，必须在更大规模的前瞻性研究中得到验证。
总而言之，本研究整合了NHANES数据库的横断面分析和临床回顾性研究，以评估全身炎症生物标志物与DFU之间的关系。结果一致表明，SIRI、SII和AISI水平升高与DFU患病率显著相关。值得注意的是，横断面分析确定SIRI具有更优的预测准确性，而回顾性研究表明SII可能是更可靠的生物标志物。这些不同的发现凸显了通过随机对照试验和更大规模、更多样化的研究进行进一步调查的必要性。总体而言，我们的研究结果支持将全身炎症生物标志物整合到临床实践中，用于早期识别高风险个体，促进及时干预和改进DFU管理。
