《Current Atherosclerosis Reports》：New Methods for Calculating LDL-Cholesterol and Related Biomarkers of Atherosclerotic Cardiovascular Disease Risk
编辑推荐：
本文是一篇关于计算低密度脂蛋白胆固醇（LDL-C）及相关致动脉粥样硬化脂蛋白标志物新方法的综述。文章重点介绍了比传统Friedewald公式更精确的新计算方程，如Modified Sampson-NIH公式在低LDL-C水平（如<70 mg/dL）和广泛甘油三酯（TG）范围内表现优异，适用于高/极高风险患者的管理决策。同时，综述也探讨了估算小而密LDL-C（sdLDL-C）和LDL-甘油三酯（LDL-TG）的新方程，这些基于标准血脂谱的免费工具为ASCVD风险评估提供了额外视角。文章最后指出，尽管这些新方程提高了准确性，但载脂蛋白B（apoB）作为衡量致动脉粥样硬化颗粒数量的金标准，其临床应用价值日益凸显。
低密度脂蛋白结构组成
低密度脂蛋白是球状、不均一的脂质与蛋白质复合物，核心含有胆固醇酯和甘油三酯，外覆磷脂、游离胆固醇等极性脂质组成的单层。其主要载脂蛋白为apoB100。传统上，通过测量LDL-C来量化LDL负荷，但新证据表明，载脂蛋白B（apoB）作为所有含apoB脂蛋白颗粒数量的直接指标，其与ASCVD的关联性强于LDL-C。
常用LDL-C估算方程
Friedewald方程
这是由Friedewald等人于1972年提出的经典方程：LDL-C = TC - HDL-C - TG/5。其优点是仅依赖标准血脂谱。然而，其主要局限在于高甘油三酯血症（TG > 400 mg/dL时通常不适用）和低LDL-C水平时准确性下降，可能导致高危患者治疗不足。
Martin-Hopkins方程
该方程于2013年提出，对Friedewald方程进行了重要改进。它使用一个可变分母（根据TG和非HDL-C水平查询180单元格表格）来估算VLDL-C，从而提高了一定范围内的准确性。2018年指南建议将其用于LDL-C < 70 mg/dL且TG > 150 mg/dL患者的“改良估算”。后来发展的扩展Martin-Hopkins方程可适用于TG高达800 mg/dL的情况。
Sampson-NIH方程及其改进版
2020年提出的Sampson-NIH方程是一个二元二次方程，适用于TG高达800 mg/dL的情况。该方程能更好地解释决定脂蛋白核心TG含量的复杂表面积-体积关系，在极高水平TG时最为准确。其增强版则加入了apoB作为自变量，与BQ参考方法对应度更高。最新的改进是2025年提出的Modified Sampson-NIH方程，该方程特别简化了形式，并针对接受现代降脂治疗（如PCSK9抑制剂）患者极低LDL-C水平（可低至<10 mg/dL）进行了优化，在55 mg/dL和70 mg/dL等关键临床决策阈值上显示出最佳准确性，甚至优于某些直接测定法。
脂质比率图
由于大多数实验室无法进行BQ参考方法测定，为间接评估LDL-C计算或直接测定方法的准确性，研究者开发了“脂质比率图”。该图通过分析LDL-C/非HDL-C比率与√(TG/非HDL-C)的关系，将待评估方法的斜率、截距与大型BQ数据库的基准线进行比较。研究表明，该方法至少需要80个样本才能可靠评估。脂质比率图显示，Sampson-NIH系列方程与BQ参考线最为接近，偏差最小，而Friedewald方程、Martin-Hopkins方程及某些直接LDL-C测定法在较高TG/非HDL-C比率时偏差显著。
其他LDL相关方程
小而密LDL-C方程
小而密LDL长期以来与“致动脉粥样硬化表型”相关。基于标准血脂谱估算sdLDL-C的方程已被提出。研究表明，估算的sdLDL-C在大型队列中与ASCVD事件的关联性强于LDL-C，甚至在校正apoB后仍保持显著，提示其可能作为风险增强指标。机器学习方法也被用于开发更精确的估算方程。
LDL-甘油三酯方程
研究表明，LDL颗粒上的甘油三酯含量与ASCVD风险及慢性炎症有强关联。一项基于标准血脂谱估算LDL-TG的方程显示，其与ASCVD的关联性强于估算的LDL-C，在识别传统血脂指标未检出的高危个体方面具有潜力。不过，其预测价值在很大程度上受到其他高风险代谢疾病的中介影响。
结论
LDL相关估算方法的演进反映了对更好ASCVD风险标志物的需求，也是预防心脏病学从人群近似转向个体化精准治疗的体现。随着降脂疗法能将LDL-C降至前所未有的低水平，微小的分析误差对临床决策的影响被放大。Modified Sampson-NIH方程等新方法通过数学建模减少了系统性误差，尤其在关键的低LDL-C决策阈值附近提高了准确性。然而，分析的改进并未完全重新定义临床风险。LDL-C、apoB和颗粒组成之间的差异在生物学上仍然重要。未来的方向可能在于超越基于胆固醇的指标，转向评估颗粒数量（如apoB）作为统一的风险生物标志物。同时，基于方程的sdLDL-C和LDL-TG估算为风险评估提供了新视角，但如何将这些参数与LDL-C及其他风险因素有效整合，仍需大量研究来确定。总之，新的计算方法提高了LDL-C检测的可靠性，应取代因负偏差可能导致患者治疗不足的Friedewald方程。未来的挑战将是如何最佳地将这些关于脂蛋白颗粒数量、脂质组成和富含甘油三酯脂蛋白负荷的新指标，整合到现有框架中，以有意义地改善临床决策和心血管结局。
