您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(医学版)》

山东大学学报 (医学版) ›› 2021, Vol. 59 ›› Issue (8): 107-112.doi: 10.6040/j.issn.1671-7554.0.2021.0204

• • 上一篇    下一篇

1 144例尿酸测值动态变化与痛风发病的关联性分析

毛倩,王喆,管佩霞,刘玉洁,肖宇飞,杨毅,丛慧文,王廉源,石福艳,王素珍   

  • 出版日期:2021-08-10 发布日期:2021-09-16
  • 通讯作者: 石福艳. E-mail:shifuyan@126.com王素珍. E-mail:wangsz@wfmc.edu.cn
  • 基金资助:
    国家自然科学基金(81803337,81872719);国家统计局课题(2018LY79);山东省自然科学基金(ZR2019MH034)

Correlation analysis of dynamic changes of uric acid and incidence of gout in 1,144 cases

MAO Qian, WANG Zhe, GUAN Peixia, LIU Yujie, XIAO Yufei, YANG Yi, CONG Huiwen,WANG Lianyuan, SHI Fuyan, WANG Suzhen   

  1. School of Public Health, Weifang Medical University, Weifang 261053, Shandong, China
  • Online:2021-08-10 Published:2021-09-16

摘要: 目的 采用联合模型探讨男性和女性人群尿酸值的纵向动态变化与痛风发病的关联,为痛风疾病的早期防控提供理论依据。 方法 分析陕西省西安市某医院2007年至2014年1 144例健康人群体检数据,通过R 3.6.2软件,利用联合模型(结构包括线性混合效应模型与Cox比例风险模型),基于共享参数α,探讨尿酸与痛风发病之间的关联性。在此基础上,参照尿酸正常值,按观测次数进行等级划分,采用Cox比例风险模型,分析纵向数据下尿酸值的动态变化对痛风发病的作用大小。 结果 研究纳入1 144例受试者,随访期间有102例发生结局事件(痛风),其中,男性发病76例,女性发病26例,发病密度分别为34.21/万人年和16.15/万人年。联合模型结果显示,男性尿酸水平的纵向变化与痛风发病之间存在关联(HR=1.014 9,95%CI:1.010 6~1.019 2, P<0.001),女性尿酸值的纵向变化与痛风发病之间无关联(P>0.05)。Cox比例风险模型结果显示,相对于尿酸值处于正常范围的男性,尿酸转正常后发病风险增加4.458 0倍(HR=4.458 0,95%CI:2.528 0~7.862 0),尿酸波动后发病风险会增加4.679 0倍(HR=4.679 0,95%CI:2.716 6~8.058 0)。 结论 健康男性尿酸值的纵向波动会增加痛风发病的风险,应关注男性个体尿酸值的动态变化,降低痛风的发病风险。

关键词: 联合模型, 尿酸, 痛风, 纵向数据, 生存分析

Abstract: Objective To analyze the correlation between longitudinal dynamic changes of uric acid and gout in male and female populations so as to provide theoretical basis for the early prevention and control of gout. Methods The physical examination data of healthy people from a hospital in Xian, Shannxi Province during 2007 and 2014 were collected. The joint model including linear mixed effects model and Cox proportional risk model was adopted to explore the relationship between uric acid level and gout based on the correlation parameter α, which was run by R 3.6.2 software. Then, based on the normal range of uric acid, grades were classified according to the number of observations. Cox proportional risk model was used to analyze the effects of dynamic changes of uric acid on the incidence of gout. Results A total of 1,144 subjects were enrolled in our study. During the follow-up, 102 individuals developed gout, with 76 males(34.21/10,000/year), and 26 females(16.15/10,000/year). The joint model showed that longitudinal changes in uric acid level were associated with gout incidence in male population(HR=1.014 9, 95%CI: 1.010 6-1.019 2, P<0.001), but there was no correlation between longitudinal changes in uric acid and gout in female population(P>0.05). The Cox model showed that compared with males with normal uric acid level, those with uric acid level returned to normal had the risk of gout increased by 4.458 0-fold(HR=4.458 0, 95%CI: 2.528 0-7.862 0), and by 4.679 0-fold(HR=4.679 0, 95%CI:2.716 6-8.058 0)after uric acid fluctuations. Conclusion The longitudinal fluctuations of uric acid level in healthy male adults could increase the risk of gout. Due attention should be paid to the dynamic changes of uric acid level to reduce the risk of gout.

Key words: Joint model, Uric acid, Gout, Longitudinal data, Survival analysis

中图分类号: 

  • R195.1
[1] 唐子猗, 青玉凤. 降尿酸药物治疗高尿酸血症及痛风的现状及研究进展[J]. 风湿病学杂志, 2019, 23(3): 199-204.
[2] 中国医师协会中西医结合医师分会内分泌与代谢病学专业委员会. 高尿酸血症和痛风病证结合诊疗指南(2021-01-20)[J]. 世界中医药, 2021, 16(2): 183-189.
[3] 杨瑞丽. 痛风发作部位与经络及其影响因素的相关性研究[D]. 昆明: 云南中医药大学, 2020.
[4] Dalbeth N, Merriman TR, Stamp LK. Gout [J]. Lancet, 2016, 388(10055): 2039-2052.
[5] Bove M, Cicero AF, Veronesi M, et al. An evidence-based review on urate-lowering treatments: implications for optimal treatment of chronic hyperuricemia [J]. Vasc Health Risk Manag, 2017, 13: 23-28. doi: 10.2147/VHRM.S115080. eCollection 2017.
[6] 林海月, 陈奕和, 李佩佩, 等. 尿酸水平与痛风发作的关系分析: 241例病案分析[J]. 饮食保健, 2018, 5(19): 81-82.
[7] 张彩文, 廖秀风, 梁玉宏. 高尿酸血症与痛风发病的关系分析[J]. 黑龙江医药, 2020, 33(6): 1410-1411.
[8] Juraschek SP, Gelber AC, Choi HK, et al. Effects of the dietary approaches to stop hypertension(DASH)diet and sodium intake on serum uric acid [J]. Arthritis Rheumatol, 2016, 68(12): 3002-3009.
[9] Rizopoulos D. Joint models for longitudinal and time-to-event data: with applications in R [M]. New York: CRC Press, 2012.
[10] Wulfsohn MS, Tsiatis AA. A joint model for survival and longitudinal data measured with error [J]. Biometrics, 1997, 53(1): 330-339.
[11] Yu T, Wu L, Gilbert PB. A joint model for mixed and truncated longitudinal data and survival data, with application to HIV vaccine studies [J]. Biostatistics, 2018, 19(3): 374-390.
[12] 王策. 纵向和生存数据的一个联合建模方法研究及其在艾滋病疗效评估中的应用[D]. 昆明: 云南师范大学, 2015.
[13] Van der Elst W, Molenberghs G, Hilgers RD, et al. Estimating the reliability of repeatedly measured endpoints based on linear mixed-effects models. A tutorial[J]. Pharm Stat, 2016, 15(6): 486-493.
[14] Cox DR. Regression models and life-tables [J]. J R Stat Soc Series B Stat Methodol, 1972, 34(2): 187-220.
[15] 杨春兰. 一个基于参数化方法的纵向和生存数据联合模型及其在临床数据分析中的应用[D]. 昆明: 云南师范大学, 2020.
[16] 张慧敏. 基于联合模型的纵向和生存数据统计方法探讨[D]. 南京: 东南大学, 2019.
[17] 王一茸. 基于纵向生存数据的建模方法研究及其在肝硬化数据中的应用[D]. 南宁: 广西师范学院, 2018.
[18] Hickey GL, Pete P, Andrea J, et al. Joine RML: a joint model and software package for time-to-event and multivariate longitudinal outcomes [J]. BMC Med Res Methodol, 2018, 18(1): 50.
[19] 田玥, 杨怡, 李枚岭, 等. 尿酸的临床与基础研究进展[J]. 西南军医, 2016, 18(4): 358-361.
[20] 范永君, 刘启贵, 刘珂华, 等. 尿酸的动态变化与代谢综合征的关联研究[J]. 中国卫生统计, 2019, 36(4): 507-510. FAN Yongjun, LIU Qigui, LIU Kehua, et al. The correlation between dynamic changes of uric acid and metabolic syndrome [J]. Chinese Journal of Health Statistics, 2019, 36(4): 507-510.
[21] Sun H, Liu Q, Wang X, et al. The longitudinal increments of serum alanine aminotransferase increased the incidence risk of metabolic syndrome: a large cohort population in China [J]. Clin Chim Acta, 2019, 488: 242-247. doi: 10.1016/j.cca.2018.10.033.
[22] 肖宇飞, 冯佳宁, 王晓璇, 等. 利用数据库数据采用联合模型动态预测312例肝硬化患者预后的观察分析[J]. 山东大学学报(医学版), 2020, 58(9): 71-76. XIAO Yufei, FENG Jianing, WANG Xiaoxuan, et al. Prediction of the prognosis of 312 cirrhosis patients using the joint models and database [J]. Journal of Shandong University(Health Sciences), 2020, 58(9): 71-76.
[23] 何彩丽, 程宁, 荣右明, 等. 金昌队列人群痛风发病危险因素的Cox回归分析[J]. 中华流行病学杂志, 2017, 38(7): 897-901. HE Caili, CHENG Ning, RONG Youming, et al. Risk factors of gout in Jinchang cohort: a Cox regression analysis [J]. Chinese Journal of Epidemiology, 2017, 38(7): 897-901.
[24] Desai RJ, Franklin JM, Spoendlin-Allen J, et al. An evaluation of longitudinal changes in serum uric acid levels and associated risk of cardio-metabolic events and renal function decline in gout [J]. PLoS One, 2018, 13(2): e0193622.
[25] 杨磊, 周嘉强. 血清尿酸在男性痛风急性发作时的变化及其相关因素分析[J]. 中华医学杂志, 2012, 92(11): 783-784.
[26] Shiozawa A, Buysman EK, Korrer S. Serum uric acid levels and the risk of flares among gout patients in a US managed care setting [J]. Curr Med Res Opin, 2017, 33(1): 117-124.
[1] 谢同辉,陈志强,常建华,赵丹文,徐博文,智绪亭. 肝内胆管癌根治性切除术后生存因素分析及列线图的建立[J]. 山东大学学报 (医学版), 2021, 59(4): 93-99.
[2] 管帅,段世菲,夏晓娜,孟祥水,马祥兴. 双能光子CT对痛风诊断的应用价值[J]. 山东大学学报 (医学版), 2021, 59(2): 66-70.
[3] 肖宇飞,冯佳宁,王晓璇,毛倩,石福艳,王素珍. 利用数据库数据采用联合模型动态预测312例肝硬化患者预后的观察分析[J]. 山东大学学报 (医学版), 2020, 1(9): 71-76.
[4] 刘聪聪,陈晓璐,司书成,王博洁,李云霞,李文超,袁同慧,薛付忠. 山东省人群血清尿酸变异性与冠心病发病风险的关系[J]. 山东大学学报 (医学版), 2020, 58(12): 109-116.
[5] 曹瑾,季晓康,孙秀彬,蒋正,薛付忠. γ-谷氨酰转肽酶与高尿酸血症关系的队列分析[J]. 山东大学学报(医学版), 2017, 55(6): 124-128.
[6] 于珍珍,陈慧,杨晓云,吕明. 高尿酸血症、幽门螺杆菌感染与代谢综合征的相关性[J]. 山东大学学报(医学版), 2017, 55(5): 76-80.
[7] 张敏, 穆晓楠, 马伟元, 党宁宁, 张楠. 山东省皮肤恶性黑色素瘤患者的临床特征与预后危险因素分析(附61例报告)[J]. 山东大学学报(医学版), 2015, 53(11): 80-84.
[8] 杨洋1,2,杜文军2,史兆章2,郑昭敏2,陈士俊2. 经皮微波固化治疗小肝癌复发及生存时间的影响因素分析[J]. 山东大学学报(医学版), 2014, 52(1): 89-94.
[9] 王霞,高燕燕,安毅. 别嘌呤醇对高尿酸血症患者动脉弹性短期影响的临床观察[J]. 山东大学学报(医学版), 2012, 50(2): 1-.
[10] 李红,汪为民,李雪琴. 老年糖尿病患者血尿酸和抗心磷脂抗体水平变化的临床分析[J]. 山东大学学报(医学版), 2011, 49(4): 163-164.
[11] 张兰芝,周玉秀. 唐山市社区中青年痛风及高尿酸血症的流行病学调查[J]. 山东大学学报(医学版), 2010, 48(5): 163-164.
[12] . 持续非卧床腹膜透析患者大动脉僵硬度影响因素分析[J]. 山东大学学报(医学版), 2009, 47(10): 75-79.
[13] 李成乾,赵家军,王霞,李长贵,苗志敏 . VLDL对人尿酸盐转运蛋白hOAT1基因表达的影响[J]. 山东大学学报(医学版), 2008, 46(6): 579-581.
[14] 阚慕洁,崔佳乐,刘畅,洪敏. 吗啡对大鼠肾功能部分血浆生化指标影响的评估[J]. 山东大学学报(医学版), 2007, 45(8): 785-786.
[15] 禚金花,刘萍,林萍,冯国昌,赵慧娟,李红彦 . 铝螯合剂对染铝大鼠肾功能及必需元素的影响[J]. 山东大学学报(医学版), 2007, 45(5): 459-461.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 索东阳,申飞,郭皓,刘力畅,杨惠敏,杨向东. Tim-3在药物性急性肾损伤动物模型中的表达及作用机制[J]. 山东大学学报 (医学版), 2020, 1(7): 1 -6 .
[2] 张宝文,雷香丽,李瑾娜,罗湘俊,邹容. miR-21-5p靶向调控TIMP3抑制2型糖尿病肾病小鼠肾脏系膜细胞增殖及细胞外基质堆积[J]. 山东大学学报 (医学版), 2020, 1(7): 7 -14 .
[3] 龙婷婷,谢明,周璐,朱俊德. Noggin蛋白对小鼠脑缺血再灌注损伤后学习和记忆能力与齿状回结构的影响[J]. 山东大学学报 (医学版), 2020, 1(7): 15 -23 .
[4] 付洁琦,张曼,张晓璐,李卉,陈红. Toll样受体4抑制过氧化物酶体增殖物激活受体γ加重血脂蓄积的分子机制[J]. 山东大学学报 (医学版), 2020, 1(7): 24 -31 .
[5] 马青源,蒲沛东,韩飞,王超,朱洲均,王维山,史晨辉. miR-27b-3p调控SMAD1对骨肉瘤细胞增殖、迁移和侵袭作用的影响[J]. 山东大学学报 (医学版), 2020, 1(7): 32 -37 .
[6] 李宁,李娟,谢艳,李培龙,王允山,杜鲁涛,王传新. 长链非编码RNA AL109955.1在80例结直肠癌组织中的表达及对细胞增殖与迁移侵袭的影响[J]. 山东大学学报 (医学版), 2020, 1(7): 38 -46 .
[7] 史爽,李娟,米琦,王允山,杜鲁涛,王传新. 胃癌miRNAs预后风险评分模型的构建与应用[J]. 山东大学学报 (医学版), 2020, 1(7): 47 -52 .
[8] 肖娟,肖强,丛伟,李婷,丁守銮,张媛,邵纯纯,吴梅,刘佳宁,贾红英. 两种甲状腺超声数据报告系统诊断效能的比较[J]. 山东大学学报 (医学版), 2020, 1(7): 53 -59 .
[9] 丁祥云,于清梅,张文芳,庄园,郝晶. 胰岛素样生长因子II在84例多囊卵巢综合征患者颗粒细胞中的表达和促排卵结局的相关性[J]. 山东大学学报 (医学版), 2020, 1(7): 60 -66 .
[10] 徐玉香,刘煜东,张蓬,段瑞生. 101例脑小血管病患者脑微出血危险因素的回顾性分析[J]. 山东大学学报 (医学版), 2020, 1(7): 67 -71 .