心肌纤维化和组织改变可预测慢性肾病患者的心血管结局：一项利用大规模人群数据库的前瞻性虚拟双胞胎研究设计

《Frontiers in Cardiovascular Medicine》：Myocardial fibrosis and tissue alterations predict cardiovascular outcomes in chronic kidney disease—a prospective virtual twin study design using large-scale population database

　　**摘要**

**背景**：心肌纤维化是慢性肾病（CKD）的关键特征，可能对其不成比例的心血管（CV）负担有所贡献。心血管磁共振（CMR）T1映射可以无创地量化弥漫性纤维化，但其在CKD中的预后价值仍不确定。

**目的**：利用英国生物银行（UK Biobank）影像队列中的虚拟双胞胎匹配框架，研究CKD患者的心肌T1值与死亡率和心血管事件发生之间的关联。

**方法**：我们进行了一项1:1的虚拟双胞胎匹配病例-队列研究，将CKD患者与表型匹配的非CKD对照组进行比较，匹配依据包括人口统计学特征、合并症、社会经济状况和心血管风险因素。配对分析比较了两组之间的心肌T1值，并使用分层Cox模型估计T1值增加1个标准差对4.9年随访期间事件发生率的影响。

**结果**：在193对匹配 pair 中（中位年龄68岁；57.5%为女性），CKD患者的心肌T1值高于对照组（p = 0.063），尤其是在出现不良结果的患者中差异更为显著。随访期间，CKD患者的全部原因死亡率和心力衰竭发生率更高（分别为11.3 vs 3.8事件/1,000人年；p = 0.049 和 12.7 vs 3.9事件/1,000人年；p = 0.021）。在CKD中，T1值每增加1个标准差，心血管死亡（HR：3.86；95% CI：1.62, 9.18）、心力衰竭（HR：2.00；95% CI：1.27, 3.15）和心房颤动（HR：2.04；95% CI：1.01, 4.12）的风险均增加，但与全部原因死亡率或心肌梗死无关。在匹配的非CKD对照组中未观察到显著关联。

**结论**：升高的心肌T1值与CKD患者的心血管死亡、心力衰竭和心房颤动独立相关。虚拟双胞胎匹配框架提高了匹配对的可比性和内部有效性，支持在多病态人群中进行精确匹配的队列设计，以进行机制推断和风险分层。

---

**1 引言**

慢性肾病（CKD）是一个重大的全球健康挑战，影响着全球超过8.5亿人（约占全球人口的10%）（1）。心血管疾病（CVD）是CKD的主要死亡原因，早期疾病阶段的患者死于CVD的可能性大于进展为终末期肾病（2）。虽然传统的 cardiometabolic 风险因素对此有所贡献，但它们无法完全解释CKD中显著增加的心血管风险，这表明可能存在疾病特异性机制，如弥漫性炎症、血管钙化和心肌纤维化（3）。心肌间质纤维化是CKD相关重塑的标志，会发展为不可逆的心肌瘢痕形成，即使在肾移植后也可能持续存在（4）。这种纤维化过程会导致心室僵硬、舒张功能障碍、心力衰竭和猝死（3, 5, 6）。带有晚钆增强（LGE）的心血管磁共振（CMR）是检测局部替代纤维化的金标准。然而，其在识别弥漫性间质纤维化（包括在CKD中）方面的敏感性有限（7）。与LGE不同，心肌T1映射可以无创且直接地以高分辨率逐像素方式量化弥漫性间质纤维化，提供更敏感和定量的心肌组织异常标志（7, 8）。重要的是，原生（或造影前）T1映射不需要使用含钆的造影剂，特别是在CKD患者中，这消除了钆在组织中积累和肾源性系统性纤维化（NSF）的风险（9）。新兴证据表明，心肌T1松弛时间在CKD各个阶段均持续升高，尽管先前的研究往往涉及小规模、高度选择的人群（例如排除糖尿病CKD或CAD患者），限制了其普遍性（7, 8, 10）。尽管T1映射在组织学上被验证为纤维化标志物（11），并且在一般人群中能够稳健地预测心血管事件和死亡率（12），但这些关联是否扩展到CKD仍不确定。CKD的特点是不同的重塑轨迹，其中心肌纤维化更为弥漫和广泛（8）。此外，竞争风险和CKD特异性的猝死、心律失常和非动脉粥样硬化性CVD途径可能会进一步改变T1的预后作用（13）。

为了解决这些不确定性，我们利用了英国生物银行的大规模影像数据，并实施了一个1:1的虚拟双胞胎匹配框架，旨在：（1）使用英国生物银行队列的数据，评估CKD患者与非CKD匹配对照组之间的心肌T1关系；（2）评估长期心肌T1是否与CKD中的关键心血管疾病和死亡率结果独立相关。每个CKD患者都与一个表型匹配的非CKD对照者配对——在人口统计学特征、合并症、社会经济状况和心血管风险因素方面保持平衡——以增强内部有效性，并分离肾脏功能障碍对心肌组织特征和临床结果的独立影响。这种设计特别优于传统的1:3或1:4匹配策略，后者可以提高统计功效，但在复杂的多病态人群（如CKD）中可能会带来残余混杂风险（14–16）。从概念上讲，这反映了数字双胞胎的精准医疗范式，旨在通过根据患者特定情况定制比较来改进个性化风险预测（17）。在人群规模上应用这一原则代表了心血管流行病学的方法学转变——为CKD特异性风险分层提供了一个框架，将心肌纤维化生物标志物整合到预后建模中。

---

**2 方法**

**2.1 研究人群**

本分析是在英国生物银行影像子队列中进行的，该子队列来自2006年至2010年间招募的超过50万参与者的更大规模的英国生物银行前瞻性人群队列（18）。基线时年龄在40-69岁之间的参与者来自英国各地。2014年，英国生物银行影像研究启动，对大约20%的队列进行了扫描（19），使用的标准化协议包括心血管CMR影像（20）。本研究使用的数据收集截至2022年10月31日。

**2.2 伦理声明**

本研究符合赫尔辛基宣言。英国生物银行的伦理批准由NHS国家研究伦理服务局于2011年6月17日授予（参考编号11/NW/0382），并于2021年6月18日延长（参考编号21/NW/0157）。所有参与者均提供了书面知情同意书（21）。

**2.3 暴露定义：慢性肾病（CKD）**

根据影像日期之前记录的CKD相关ICD-9/10代码和人口普查及手术操作分类第4版（OPCS-4）代码，将CKD分期定义为3-5期。根据KDIGO标准，CKD定义需要两次间隔≥90天的异常肾功能测量；由于只有少部分英国生物银行影像队列的样本有重复实验室数据，我们依靠诊断代码来定义CKD，因为单次肌酐或eGFR值只能反映一个时间点，无法确定慢性性（22）。

**2.4 对照组定义和研究样本构建**

对照组是从英国生物银行参与者中选择的，这些参与者在影像日期之前没有记录显示CKD分期3-5期的诊断代码。

**2.5 包含和排除标准**

从完整的影像队列中排除了CKD状态信息缺失、原生T1映射数据缺失、体重指数（BMI）、社会经济状况（汤森德指数）或其他匹配协变量缺失的参与者。应用这些标准后（图1），共有201名参与者符合CKD分期3-5期的标准，29,032名肾功能正常的参与者符合纳入对照组的条件。最终分析样本是通过匹配方法部分描述的匹配病例-对照选择确定的。

**图1** 研究招募流程图。

**2.6 CMR影像采集和原生心肌T1分析**

CMR扫描使用标准化的1.5-T扫描仪（MAGNETOM Aera，Syngo Platform VD13A，西门子医疗保健）在英国三个专门的影像中心进行（23）。原生心肌T1映射使用ShMOLLI（简化修改的Look-Locker反演恢复）序列（WIP780B）在心室中段短轴切片上获取（24）。使用全自动质量控制流程计算平均心肌T1松弛时间；预测Dice评分<0.7的研究被排除，如先前发表的研究所示（25）。

**2.7 临床协变量定义**

所有主要临床协变量均来自影像访问时的UKBB数据库。在本分析中包括以下常见疾病：心血管疾病（包括瓣膜性心脏病、心力衰竭、非缺血性心肌病、心律失常、心房颤动、心肌梗死和缺血性心脏病）、中风、高血压、糖尿病、高脂血症和吸烟。合并症状况根据基线自我报告的诊断、国际疾病分类第9版和第10版（ICD-10）代码、OPCS-4分类系统以及2014年之前在评估中心收集的临床数据进行定义。高血压、糖尿病和高脂血症的诊断基于影像访问之前任何来源的记录（自我报告的医生诊断、连接的医院住院ICD-9/10代码和临床评估数据）。高脂血症被定义为持续存在的：无论影像访问时的状态如何，参与者都被归类为高脂血症。

**2.7.1 种族Q风险**

种族是在英国生物银行中自我报告的（26）。种族Q风险算法使用广泛的种族类别来调整心血管风险预测。这些类别包括：白人、南亚人（印度人、巴基斯坦人、孟加拉人、其他亚洲背景）、黑人非洲人、黑人加勒比人、中国人和其他种族群体。根据英国生物银行的文档，在数据预处理期间使用插补技术处理此变量中的缺失或模糊数据（27, 28）。

**2.7.2 汤森德贫困指数**

使用2011年的汤森德贫困指数得分来衡量参与者的区域社会经济状况。该指数是由英格兰和威尔士每个普查输出区域的4个普查变量（失业率、过度拥挤、私人车辆拥有率和房屋所有权）组成的未加权z分数，并与国家平均水平进行比较（29）。较高的汤森德指数值表示较高的物质贫困，较低的值表示相对富裕。

**2.8 参与者结果和随访**

主要结果是通过与国家死亡率登记数据（补充表S1）链接来定义的全因死亡率和心血管死亡率。通过与其他国家数据库（包括医院事件统计和国家统计办公室）的链接，前瞻性地跟踪参与者的健康事件。次要结果包括通过医院事件统计和国家统计办公室识别的房房颤动、心力衰竭和心肌梗死事件。研究随访从CMR影像日期开始，结束于结果发生、随访丢失或研究结束日期。

**2.9 研究设计**

采用基于暴露的匹配队列设计，模仿“双胞胎研究”方法，以最小化混杂因素，并分离CKD对心肌T1松弛时间和研究结果的影响（28）。每个CKD患者与一个非CKD对照者1:1匹配，使用严格的多维匹配标准，包括人口统计学、人体测量学、临床和社会经济因素，从而得到一个高度表型可比的参与者子集，从而更准确地估计CKD对心肌组织特征和心血管风险的具体影响。

**2.9.1 病例匹配框架**

根据临床相关性选择协变量，包括连续变量（年龄、BMI、汤森德贫困指数）和分类变量（性别、种族、高血压、糖尿病、高脂血症、吸烟状况、心血管疾病史和既往中风）（27）。所有分类变量都进行了精确匹配，确保每个CKD患者都与具有相同这些特征的非CKD对照者配对（28）。

**2.9.2 距离计算和匹配实施**

连续变量（年龄和BMI）被标准化为z分数。汤森德贫困指数按原样使用（已经是一个未加权的z分数组合）（29）。匹配基于标准化连续变量之间的欧几里得距离，对每个变量应用±1标准差的阈值以确保匹配紧密（30）。最近邻匹配以1:1的比例进行，不进行替换，确保每个CKD患者都与定义约束内最相似的非CKD对照者匹配（27, 31）。

**2.9.3 双胞胎对照匹配策略**

在对照组内实施了额外的“双胞胎匹配”策略。每个识别的非CKD双胞胎与另一个具有相同合并症和人口统计特征的非CKD个体进行匹配。这使我们能够评估组内异质性，并区分真正的暴露相关效应和随机个体差异。

**3 统计分析**

使用标准化均值差异（SMDs）评估CKD患者和非CKD患者之间的匹配平衡，值小于0.10被认为是可接受的协变量平衡（32）。使用配对统计测试来评估匹配对是否平衡良好，并评估匹配后是否仍然存在系统差异：连续变量使用Wilcoxon符号秩检验，分类变量使用McNemar检验。

为了评估匹配性能，使用Wilcoxon秩和检验（连续变量）和Fisher精确检验（分类变量）比较匹配前后的p值。平衡的改善通过対数转换后的p值来量化，而匹配前后的p值之间的相关性则使用Spearman等级相关系数和Kendall's tau进行评估（33）。3.1 原发性心肌T1值的比较对于整个匹配队列以及在匹配对中CKD参与者经历了特定不良事件的基于临床定义的结果亚组，评估了原发性心肌T1值的组内差异。相应地报告了中位数、平均值、四分位距（IQR）或标准差（SD）以及95%置信区间（CI）。3.2 心肌T1值与临床结果之间的关联计算了CKD参与者和匹配对照组中每种临床结果（全因死亡率、心血管死亡率、心肌梗死、心力衰竭和心房颤动）的累积发病率。在主要分析中，我们分别估计了CKD组内心肌T1值增加1个标准差（SD）与每种结果之间的关联。为了处理事件稀少（每种结果<10例）的潜在小样本偏差，使用了Firth校正的惩罚Cox回归。对于心血管死亡率，还使用了Fine–Gray亚分布危险模型进行了竞争风险分析。在次要分析中，通过在线性Cox比例风险模型中包含T1值和CKD状态的交互项（T1×CKD状态），正式测试了CKD状态的效应修饰。所有测试都是双边的，统计显著性定义为p<0.05，趋势水平显著性定义为p<0.1。分析使用的是R版本4.4.2（R统计计算基金会）。4 结果 4.1 匹配前CKD和非CKD个体的基线特征在匹配之前，CKD和非CKD参与者在多个人口统计和临床变量上存在显著差异，包括年龄、BMI、高血压、高脂血症和心脏病，表明两组之间存在显著的基线不平衡。4.1.1 人口统计和一般特征UKBB中的CKD参与者比没有CKD的参与者年龄更大[中位年龄67（IQR：62, 73）对比64[57, 69]岁；p<0.001]，女性比例更高（56.7%对比48.0%；p=0.017），社会经济贫困程度也更高（中位数-2.0对比-2.7；p=0.012），并且BMI中位数也更高（28对比26 kg/m2；p<0.001）。不同种族Q风险类别的分布也有显著差异（p<0.001），CKD组中非白人/未说明种族的比例更大（补充表S3）。4.1.2 并发症和药物使用CKD参与者并发症的患病率显著更高，包括高血压（71.1%对比32.6%；p<0.001）、高脂血症（58.7%对比28.3%；p<0.001）、糖尿病（20.4%对比5.5%；p<0.001）、既往心脏病（33.3%对比11.6%；p<0.001）和中风（7.5%对比2.1%；p<0.001）。与对照组相比，CKD参与者使用药物的比例显著更高，包括β阻滞剂（28.4%对比6.9%）、ACE抑制剂（32.3%对比11.2%）、ARBs（22.4%对比5.8%）、利尿剂（16.4%对比5.3%）、钙通道阻滞剂（30.3%对比10.1%）、 mineralocorticoid受体拮抗剂（2.0%对比0.3%）、硝酸盐（6.0%对比0.8%）、降脂剂（51.2%对比22.5%）、抗血栓药物（36.3%对比15.3%）、抗凝剂（6.0%对比0.9%）和抗高血糖药物（11.4%对比3.4%），所有比较的p<0.001（补充表S3）。4.1.3 心室结构和功能CKD患者的左心室（LV）质量更高（中位数89对比83 g；p=0.042），壁厚也更大（WT：5.8对比5.6 mm；p=0.001）。指数化指标显示CKD组的心室质量和每搏输出量较低，而指数化的LV每搏输出量（45对比47 mL/m2；p=0.016）和心输出量指数（2.7对比2.9 L/min/m2；p=0.001）也较低。大多数其他LV容积和射血分数指标在两组间相似（补充表S3）。右心室（RV）的容积和功能大致相同，尽管CKD患者的指数化RV每搏输出量（45对比47 mL/m2；p=0.007）和指数化RV舒张末期容积（81对比82 mL/m2；p=0.025）略低（补充表S3）。4.1.4 心房结构和功能CKD组的左心房（LA）比非CKD组更大（LA最小容积：31对比27 mL；p=0.013），而LA射血分数较低（60%对比61%；p=0.002）。指数化的LA最小容积和指数化的LA每搏输出量也存在轻微差异（p值0.031至0.040）。CKD组的右心房（RA）射血分数（44%对比47%；p=0.002）、每搏输出量（36对比38 mL；p=0.006）和指数化的每搏输出量（19对比21 mL/m2；p<0.001）也低于非CKD组。4.2 匹配的有效性和匹配后比较匹配后，人口统计或临床特征上没有显著差异（所有p值>0.05），确认CKD和非CKD参与者在这些参数上达到了成功的平衡（表1）。使用对数转换后的值，匹配前后的p值之间的相关性是弱负相关且不显著（Spearman's rho=?0.21，p=0.52；Kendall's tau=?0.18，p=0.48）。因此，匹配前观察到的差异在匹配后无论是幅度还是方向上都没有持续，这支持了匹配在最小化组间系统差异方面的有效性。所有匹配协变量的标准化平均差异（SMDs）都在可接受的阈值内（<0.1）（32），表明剩余偏差最小且协变量平衡适当（补充图S2）。表1 协变量 非CKD组（N=193） CKD组（N=193） P值 SMDS 性别，% 111（57.5%） 111（57.5） 1.000<0.001 年龄 68.0（62.0, 73.0） 68.0（62.0, 73.0） 0.961<0.001 BMI，kg/m2 27.5（25, 31） 28（25, 31） 0.964 0.06 吸烟，% 4（2.1） 4（2.1） 1.00<0.001 种族Q风险百分比 1184（95.3） 184（95.3） 1.00<0.001 21（0.5） 1（0.5） 1.00<0.001 98（4.1） 8（4.1） 1.00<001 贫困程度 Townsend ?2.3（?3.6, ?2.2） ?2.1（?3.7, 0.1） 0.775 0.1 糖尿病，% 34（17.6） 34（17.6） 1.00<0.001 高脂血症，% 111（57.5） 111（57.5） 1.00<0.001 高血压，% 136（70.5） 136（70.5） 1.00<0.001 任何基线心脏病，% 62（32.1） 62（32.1） 1.00<0.001 中风，% 13（6.7） 13（6.7） 1.00<0.001 临床结果 心肌梗死，% 11（6.7） 5（3.3） 0.204 0.16 心房颤动，% 6（3.4） 6（3.4） 1.00 0.01 心力衰竭，% 4（2.1） 12（6.4） 0.071 0.21 心血管死亡率，% 2（1.00） 3（1.6） 1.000.05 总死亡率，% 4（2.1） 11（5.7） 0.11 0.19 影像生物标志物 全局LV T1，ms 919（889, 952） 929（893, 958） 0.097 0.2 LVEDV，mL 146（129, 169） 146.8（122, 170） 0.699 0.03 LVEDVi，mL/m 1.778（69, 87） 77（67, 86） 0.439 0.05 LVESV，mL 60（50, 73） 58（47, 76） 0.522 0.06 LVESVi，mL/m 1.732（27, 37） 30（26, 37） 0.327 0.15 LVSV，mL 86（76, 98） 86（73, 100） 0.589 0.01 LVEF，% 59（56, 63） 59（55, 63） 0.649 0.13 LVCO，L/min 5.4（4.8, 6.1） 5.2（4.3, 6.0） 0.026 0.22 LVSVi，mL/m 1.745（41, 52） 45（40, 51） 0.351 0.01 LVCOi，L/min/m 1.72.9（2.5, 3.2） 2.7（2.4, 3.1） 0.006 0.29 LVM，g 87（76, 105） 89（71, 104） 0.646 0.09 LVMi，g/m 1.747（41, 53） 46（40, 53） 0.379 0.07 WT，mm 5.9（5.4, 6.5） 5.8（5.3, 6.5） 0.735 0.08 WTi，mm/m 1.73.1（2.9, 3.3） 3.1（2.8, 3.3） 0.726 0.02 RVEDV，mL 153（134, 180） 155（129, 177） 0.332 0.05 RVEDVi，mL/m 1.782（75, 90） 81（69, 91） 0.219 0.08 RVESV，mL 69（56, 80） 65（53, 79） 0.198 0.18 RVESVi，mL 35（30, 42） 34（28, 41） 0.159 0.14 RVSV，mL 88（78, 101） 85（72, 101） 0.359 0.11 RVSVi，mL/m 1.746（42, 53） 46（39, 52） 0.252 0.02 RVEF，% 57（53, 60） 57（53, 61） 0.384 0.11 LAV最大值，mL 70（58, 86） 75（57, 90） 0.342 0.2 LAVi最大值，mL/m 1.737（30, 45） 39（31, 47） 0.274 0.13 LAV最小值，mL 27（20, 37） 30（20, 41） 0.269 0.11 LAVi最小值，mL/m 1.714（11, 19） 16（11, 21） 0.244 0.13 LASV，mL 42（36, 50） 43（34, 49） 0.868 0.09 LASVi，mL/m 1.722（19, 27） 22（19, 26） 0.718 0.08 LAEF，% 61（55, 66） 60（53, 65） 0.291 RAV最大值，mL 80（69, 101） 79（69, 96） 0.843 0.06 RAVi最大值，mL/m 1.743（36, 53） 42（35, 51） 0.846 0.05 RAVi最小值，mL 42（34, 56） 44（35, 57） 0.519 0.07 RAVi最小值，mL/m 1.722（18, 29） 24（18, 29） 0.455 0.11 RAEF，% 46（42, 53） 44（38, 50） 0.018 0.2 RASV，mL 38（31, 46） 36（28, 43） 0.082 0.21 RASVi，mL/m 1.720（16, 24） 19（15, 23） 0.093 0.16 GCS，中位数（IQR）?22（?24, ?19）?22（?25, ?20）0.438 0.1 GRS，中位数（IQR）45（39, 49）44（405, 51）0.981 0.03 GLS，中位数（IQR）?18（?20, ?16）?18（?20, ?16）0.709 0.09 基线药物 任何药物，% 140（72.5） 140（72.5）1.00<0.001 β阻滞剂，% 34（17.6） 53（27.5）0.028 0.22 ACEi，% 53（27.5）59（30.6）0.575 0.075 ARBi，% 33（17.1）42（21.8）0.303 0.12 钙通道阻滞剂，% 48（24.9）58（30.1）0.305 0.01 利尿剂（袢利尿剂和噻嗪类），% 26（13.5）31（16.1）0.566 0.07 硝酸盐，% 5（2.6）11（5.7）0.202 降脂剂，% 95（49.2）96（49.7）1.000.01 抗高血糖药物，% 18（9.3）17（8.8）1.000.02 按慢性肾脏疾病（CKD）存在情况分层的研究人群的基线特征。CKD，慢性肾脏疾病；BMI，体重指数；IQR，四分位数范围；LV，左心室；RV，右心室；LVEDV，左心室舒张末期容积；LVED在排除了一对双方都死亡的情况后，10对不一致数据中的平均差异为56毫秒（95%置信区间为-10至121；标准差为92；p=0.087）。在3对CKD患者因心血管原因死亡的情况下，平均差异为160毫秒（95%置信区间为18至303；p=0.040）（表2；图4）。表2 结果 对数 平均差异 95%置信区间 平均差异标准差 P值 全因死亡率 11 53 (-6, 112) 88 0.075 心血管死亡率 3 160 (18, 303) 58 0.04 全因死亡率* 10 56 (-10, 121) 92 0.087 心肌梗死 5 9 (-73, 91) 66 0.78 心力衰竭 12 68 (19, 118) 78 0.011 心房颤动 6 60 (2, 118) 55 0.045 对比CKD患者和非CKD对照组在指定临床结果下的T1值平均差异。趋势水平的结果已用下划线标出。统计显著的值以粗体显示。*排除了一对CKD患者和对照者都死亡的情况。图4 按临床结果分类的匹配对中平均T1值差异的森林图。*排除了一对CKD患者和对照者都死亡的情况。每个点代表每个结果下CKD患者与匹配对照组之间T1值的平均差异及其95%置信区间。统计显著的关联用红色表示。

4.6.2 CKD患者和非CKD对照组的心肌T1值与心血管结果
在5对CKD患者发生心肌梗死的情况下，平均T1差异为9毫秒（95%置信区间为-73至91；标准差为66；p=0.78）。在12对CKD患者发展为心力衰竭的情况下，原始心肌T1值较高（平均差异为69毫秒；95%置信区间为19至118；标准差为78；p=0.011）；对照组中没有心力衰竭病例。在6对CKD患者发生心房颤动的情况下，T1值较高（平均差异为60毫秒；95%置信区间为2至118；标准差为55；p=0.045）；对照组中没有心房颤动病例（表2）。

4.6.3 反向配对分析：非CKD对照组中不良结果的心肌T1值
在反向配对分析中，非CKD对照组在全因死亡和心肌梗死方面的T1值通常较高，而在心力衰竭和心房颤动方面的T1值较低，与未发生事件的CKD患者相比；然而，这些差异均无统计学意义（补充表S4）。

4.6.4 心肌原发性T1值与结果之间的关联
4.6.4.1 CKD患者
在CKD患者中，原发性T1值增加1个标准差与心血管死亡（HR：3.86（95%置信区间：1.62至9.18；p=0.002）、心房颤动（HR：2.04（95%置信区间：1.01至4.12；p=0.046）和心力衰竭（HR：2.00（95%置信区间：1.27至3.15；p=0.003）的风险显著增加。与全因死亡率（HR：1.59；95%置信区间：0.96至2.62；p=0.071）和心肌梗死（HR：0.75；95%置信区间：0.32至1.73；p=0.50）的关联无统计学意义（图5；表3）。对于事件分布稀疏的终点（心血管死亡、心房颤动和心肌梗死），使用了Firth校正的惩罚性Cox回归，其估计值在方向和大小上与常规Cox模型相当（补充表S6）。通过竞争风险分析得出的结果类似（HR：3.9；95%置信区间：2.14至7.11）。

图5 CKD患者和匹配对照组中心肌原发性T1值与事件发生之间的关联。森林图显示了心肌原发性T1值与CKD患者和匹配对照组中事件发生之间的危险比率（HR）和95%置信区间（CI）。结果包括全因死亡率、心血管死亡、心肌梗死（MI）、心房颤动（AF）和心力衰竭（HF）。表格总结了每个结果的事件数、总参与人数、HR（95% CI）和p值。红色表示统计上显著的关联（p<0.05）。

表3 结果 CKD患者 非CKD对照组 事件总数 HR（95% CI） P值 事件总数 HR（95% CI） P值
全因死亡率 11/19 31.59 (0.96, 2.62) 0.071 4/19 30.90 (0.33, 2.48) 0.845
心血管死亡率 3/19 3.86 (1.62, 9.18) 0.002 2/19 3.22 (0.58, 12.78) 0.206
心肌梗死 5/15 2.07 (0.32, 1.73) 0.497 11/16 4.10 (0.53, 1.90) 0.985
心力衰竭 12/18 8.20 (1.27, 3.15) 0.003 4/18 8.09 (0.28, 3.29) 0.955
心房颤动 6/17 4.20 (1.01, 4.12) 0.046 6/17 9.16 (0.65, 4.05) 0.296

4.6.4.2 匹配非CKD对照组
在非CKD对照组中，T1值与任何调查结果均无显著关联，这表明T1的预后效用可能特定于CKD相关的心肌重塑（图5；表3）。

4.6.4.3 分层Cox模型
在分层Cox模型中，心肌T1值与CKD状态之间的相互作用对任何结果均无显著意义（所有p>0.3）（补充表S5）。

5 讨论
我们首次应用了前瞻性表型相同的双胞胎研究设计，利用现有的大规模人群数据来研究罕见疾病。我们的方法有意优先考虑高表型可比性：每位CKD患者都与一个在人口统计学、共病、社会经济状况和心血管风险因素方面几乎完全相同的对照者1:1匹配。通过关注精心匹配的表型比较者，这项研究表明，双胞胎匹配如何在像CKD这样的复杂、多发病人群中实现精确的流行病学推断。
尽管数据是根据UKBB协议预先获取的，但病例的识别是完全前瞻性和透明的。作为原理验证，这种方法被应用于UKBB数据库，以研究基线原始心肌T1值与CKD患者组织改变和心血管事件发生之间的关系。
我们从这项1:1虚拟双胞胎匹配队列研究中报告了四个主要发现。首先，CKD患者的心肌T1值趋势上高于对照组。其次，CKD患者的全因死亡和心力衰竭的累积发病率高于匹配对照组，但在心肌梗死、心房颤动或心血管死亡方面没有观察到显著差异。第三，在特定结果的配对分析中，CKD患者的原始心肌T1值始终较高，尤其是在心血管死亡、心力衰竭和心房颤动方面有显著差异。第四，在时间至事件Cox回归模型中，心肌T1值增加1个标准差与CKD患者的心血管死亡、心房颤动和心力衰竭的风险增加相关，而在匹配对照组中未观察到显著关联。

5.1 心肌T1作为CKD中心肌纤维化的无创生物标志物
我们发现，UK Biobank中的CKD患者原始心肌T1值持续升高，与其匹配的非CKD对照组相比。这些发现与早期研究一致，表明原始心肌T1值与CKD中心肌损伤标志物（hs-cTnT）和壁应力（NT-proBNP）相关（10）。与之前仅针对高度选择或透析人群的研究（6, 7）不同，我们的研究通过包含更广泛的CKD人群基队列，并采用严格的匹配设计来分离可归因于肾脏功能障碍的心肌信号。

5.2 CKD患者的心肌T1值与死亡率结果
升高的基线原始心肌T1值在配对比较甚至Cox模型中均与CKD患者的心血管死亡率显著相关，表明原始T1值捕获的心肌组织异常反映了导致不良结果的弥漫性心肌疾病重塑过程。尽管心肌T1值与全因死亡率的影响仅在趋势水平上显著，但其方向和幅度在各种分析中是一致的，值得进一步研究。
这些发现与先前将升高的原始T1值与各种临床队列中死亡风险增加联系起来的研究结果一致，将这一证据扩展到CKD背景下（12）。CKD患者的死亡风险是一般人群的两倍多，超过50%的CKD相关死亡是由心血管原因造成的（2），本研究直接指出了在非侵入性CMR扫描中可检测到的心肌组织特性中的潜在机制。孟德尔随机化和观察数据支持轻度至中度肾脏功能障碍与心血管结果（如冠心病和猝死）之间的因果关系（34, 35）。虽然eGFR和白蛋白尿是已知的CKD心血管风险预测因子（16），但它们主要反映了肾脏损伤和系统血管损伤；相比之下，原始T1值图谱提供了直接和定量的心肌特异性无创组织特征。

5.3 心肌T1值与心血管事件结果
升高的基线原始T1值在配对比较和时间至事件模型中均与CKD患者的心力衰竭显著相关，支持其在CKD相关心肌病中心肌纤维化作为标志物的作用。心力衰竭是CKD的主要心血管并发症，影响近30%的CKD美国Medicare患者，而在没有CKD的患者中这一比例仅为6%（36）。风险随着肾功能的下降而增加，ARIC研究表明，eGFR <60 mL/min/1.73 m2的个体心力衰竭风险增加了三倍（37）。虽然超声心动图有助于检测结构和功能异常，但其表征心肌组织改变和检测局灶性和弥漫性间质心肌纤维化的能力有限（37）。在CRIC研究中，50%的CKD患者没有临床心力衰竭迹象，但仍有左心室肥大（38）。在我们的研究中，T1图谱在CKD患者中识别出了早期心肌变化，这些变化出现在临床表现之前，表明其在高风险人群中进行症状前风险分层的潜在用途。
在我们的研究中，升高的原始心肌T1值与CKD患者发生心房颤动的风险显著相关，而在匹配的非CKD对照组中未观察到此类关联。这一发现表明，原始T1图谱检测到的心肌组织异常可能在CKD人群中心律失常风险中起作用。这些发现扩展了先前的流行病学证据，表明CKD和降低的eGFR是心房颤动的独立预测因子（39, 40）。通过利用心肌组织特征，我们的研究表明，由T1值升高的替代性纤维化是连接CKD与心房颤动风险的重要机制路径。这一发现强调了心肌T1图谱在精细化CKD患者心律失常风险预测中的价值，并表明结构性心肌重塑可能比单纯的肾脏功能障碍更能驱动AF的发展。

5.4 应对罕见病研究的方法学挑战
前瞻性招募罕见病患者及其紧密匹配的对照者是非常繁琐和昂贵的。涉及较少见疾病（如晚期CKD）的大规模人群数据库研究往往受到样本量不平衡和混杂因素的挑战。传统的多变量回归方法假设线性关系，在病例数量有限时表现较差，可能会引入偏差和过度拟合。此外，像UK Biobank这样的大规模数据集虽然提供了统计能力，但也可能引入抽样异质性，并可能导致由于组间匹配不良而产生的错误发现（41）。基本统计方法可以解决混杂因素问题，但常用的线性调整模型往往受到较大对照组的影响，并可能错误地应用于较小的目标疾病组（41）。
为了解决这些限制，我们采用了人工双胞胎匹配策略，构建了CKD患者和非CKD患者之间的平衡1:1匹配队列。这种方法可以严格控制人口统计学、临床、心血管和社会经济变量，从而提高我们比较的内部有效性，并保留生物信号。鉴于UK Biobank数据集的巨大规模，我们能够进行匹配以最小化基线不平衡，提高T1比较的可靠性，而不需要复杂的统计建模来处理混杂因素。配对的双胞胎内分析使我们能够通过直接比较每位CKD患者与其匹配的对照组来探索不同结果之间的非线性心肌T1差异。相比之下，分层Cox模型量化了每增加1个标准差的T1值与时间至事件结果之间的线性关联。这两种方法的互补发现增强了我们结论的稳健性，表明由T1值升高的心肌纤维化与CKD中的不良结果密切相关。

5.5 研究的局限性和未来方向
应该承认几个局限性。在这项研究中，CKD的定义基于成像前记录的ICD-10诊断代码。这可能主要捕捉到了病情较重或临床已确诊的CKD患者，而不是早期或未确诊的疾病。因此，在UK Biobank成像队列中观察到的患病率约为1%，远低于全球估计的任何阶段CKD的约10%（1）。这种差异可能是由于基于编码的识别和UK Biobank队列的健康志愿者偏差造成的。
某些结果（特别是心血管死亡）的事件数量有限，导致统计功效降低和模型稳定性增加。尽管应用了惩罚性Cox和竞争风险分析来减轻小样本偏差，但稀少的事件计数限制了这些估计的精确度和可靠性。因此，应该谨慎解释这些结果，并认为它们是假设生成的，需要在更大的成像队列中进行验证。另一个需要考虑的问题是T1值的质量控制。在英国生物银行的自动化T1处理质量控制研究中，只有在没有明显心血管疾病的参与者（42名）中，才对视觉质量检查过的图像与自动处理的T1图像进行了比较。相比之下，在我们的研究中，超过30%的参与者在基线时已经存在心血管疾病，这种情况下T1伪影可能更为普遍。因此，我们仔细检查了极端的T1值，注意到慢性肾病（CKD）中的低异常值很可能是由伪影引起的，可能需要在进行单独的质量审查后进行排除或针对性数据恢复。鉴于本研究采用的单样本队列设计以及可能与心脏磁共振（CMR）/T1数据可用性相关的选择偏差，我们需要在更大、更独立的队列中进行验证。未来，我们计划扩大CKD队列的范围，手动质量控制T1数据以恢复那些被自动质量控制系统排除的病例（Dice得分<0.7），并结合纵向生物标志物和影像数据。这些改进将提高表型评估的准确性，并有助于将心肌T1值发展为一种临床上有用的、无创的心血管风险分层生物标志物。

我们的研究结果支持了通过原生T1映射测量心肌组织特性与识别CKD中的心肌重塑之间的关联，这些变化与心力衰竭、心房颤动和心血管死亡率有关。这项研究支持将T1映射整合到临床评估算法中，以改善CKD患者的心血管风险分层，超越传统的指标（如左心室质量）。从更广泛的意义上讲，我们展示了一种利用现代国家大规模人口数据库中积累的庞大数据和精力的通用方法。所提出的同卵双胞胎研究设计真实地模拟了前瞻性临床研究的结果。尽管数据是预先收集的，但基于公共数据库中公开信息的筛选标准是完全前瞻性的，这提高了透明度，并使得在罕见疾病中可以实现更大的样本量，甚至可以通过自举法进一步扩展样本规模，而不仅仅是本研究中展示的额外双对照组。

在CKD患者中，升高的原生心肌T1值与心力衰竭、心血管死亡率和心房颤动的风险增加独立相关。通过应用基于多维表型相似性的虚拟双胞胎匹配框架，本研究最大化了CKD病例与对照组之间的可比性，并提高了内部有效性。我们的方法展示了精确匹配队列设计在复杂的多重疾病人群中增强机制推断和风险分层的潜力。