突破性發現:糖尿病對心衰竭生物標記預測價值的影響

本翻譯僅作學術交流用,無商業意圖,請勿轉載,如有疑議問請來信

這項研究探討了糖尿病對心衰竭患者多生物標記預測價值的影響。在對1069名心衰竭患者的長期跟蹤中發現,糖尿病患者呈現更高的死亡率。研究結果顯示,僅有hs-TnT和ST2這兩種生物標記與糖尿病患者的全因和心血管死亡率獨立相關。

糖尿病對心力衰竭生物標誌物預測價值的影響

Impact of diabetes on the predictive value of heart failure biomarkers

Alonso N, Lupón J, Barallat J, de Antonio M, Domingo M, Zamora E, Moliner P, Galán A, Santesmases J, Pastor C, Mauricio D, Bayes-Genis A. Impact of diabetes on the predictive value of heart failure biomarkers. Cardiovasc Diabetol. 2016 Nov 3;15(1):151. doi: 10.1186/s12933-016-0470-x. PMID: 27809845; PMCID: PMC5093972.

https://cardiab.biomedcentral.com/articles/10.1186/s12933-016-0470-x

Abstract

Background

Patients with diabetes mellitus (DM) have an increased risk of developing heart failure (HF). Further, DM is associated with poor prognosis in patients with HF. Our aim was to determine whether DM has any impact on the predictive value of a multi-biomarker panel in patients with HF.

Methods

We included 1069 consecutive ambulatory HF patients in the study: age 66.2 ± 12.8 years, 33.5 ± 13.3 left ventricular ejection fraction, 36% diabetic patients. We measured serum concentrations of N-terminal pro-brain natriuretic peptide (NT-proBNP), high-sensitivity troponin T (hs-TnT), ST2, galectin-3, high-sensitivity C reactive protein (hs-CRP), cystatin-C, soluble transferrin receptor (sTfR), and neprilysin and followed patients for 4.9 ± 2.8 years. Primary endpoints were all-cause and cardiovascular death.

Results

During follow-up, 534 patients died; 283 died of cardiovascular causes. Diabetic subjects had higher mortality (57.7 vs. 45.6%, p < 0.001). NTproBNP (p = 0.07), hs-TnT (p < 0.001), galectin-3 (p < 0.001), and cystatin-C (p = 0.001) concentrations were higher in diabetic patients, whereas sTfR levels were lower (p = 0.005). There were no interactions between DM and NTproBNP, hs-TnT, galectin-3, hs-CRP, cystatin-C, sTfR, and neprilysin relative to risk prediction for all-cause or cardiovascular death. By contrast, ST2 significantly interacted with DM for all-cause (p = 0.02) and cardiovascular (p = 0.03) death. In diabetic patients, HRs for ST2 were 1.27 (95% CI 1.16–1.40, p < 0.001) and 1.23 (95% CI 1.09–1.39, p = 0.001) for all-cause and cardiovascular death, respectively. In nondiabetic patients, HRs for ST2 were 1.53 (95% CI 1.35–1.73, p < 0.001) and 1.64 (95% CI 1.31–2.05, p < 0.001) for all-cause and cardiovascular death, respectively. The multivariable Cox regression analysis showed that hs-TnT and ST2 were the only markers that were independently associated with both all-cause and cardiovascular mortality in patients with HF and diabetes. Moreover, in these patients, the combination of these two markers significantly increased discrimination as assessed by the area under the curve.

Conclusions

Biomarkers used in the general population to predict the clinical course of heart failure are also useful in patients with diabetes. In these patients, among all the biomarkers analysed only hs-TnT and ST2 were independently associated with both all-cause and cardiovascular mortality.

摘要

背景

糖尿病(DM)患者發展為心力衰竭(HF)的風險增加。此外,DM與HF患者的預後不佳相關。我們的目標是確定DM是否對HF患者多生物標誌物面板的預測價值有任何影響。

方法

我們納入了1069名連續的門診HF患者進行研究:平均年齡66.2 ± 12.8歲,左心室射血分數33.5 ± 13.3,糖尿病患者占36%。我們測量了N端前腦利鈉肽(NT-proBNP)、高敏肌鈣蛋白T(hs-TnT)、ST2、半乳糖凝集素-3、高敏C反應蛋白(hs-CRP)、胱抑素C、可溶性轉鐵蛋白受體(sTfR)和尼普利辛的血清濃度,並追蹤患者4.9 ± 2.8年。主要終點是全因和心血管死亡。

結果

在隨訪期間,534名患者死亡;283人因心血管原因死亡。糖尿病患者的死亡率較高(57.7% vs. 45.6%,p < 0.001)。糖尿病患者的NTproBNP(p = 0.07)、hs-TnT(p < 0.001)、半乳糖凝集素-3(p < 0.001)和胱抑素C(p = 0.001)濃度較高,而sTfR水平較低(p = 0.005)。在DM與NTproBNP、hs-TnT、半乳糖凝集素-3、hs-CRP、胱抑素C、sTfR和尼普利辛相對於全因或心血管死亡風險預測方面沒有交互作用。相比之下,ST2在全因(p = 0.02)和心血管(p = 0.03)死亡方面顯著與DM交互作用。在糖尿病患者中,ST2的HR分別為1.27(95% CI 1.16–1.40,p < 0.001)和1.23(95% CI 1.09–1.39,p = 0.001)對於全因和心血管死亡。在非糖尿病患者中,ST2的HR分別為1.53(95% CI 1.35–1.73,p < 0.001)和1.64(95% CI 1.31–2.05,p < 0.001)對於全因和心血管死亡。多變量Cox回歸分析顯示,hs-TnT和ST2是唯一與HF和糖尿病患者的全因和心血管死亡率獨立相關的標誌物。此外,在這些患者中,這兩種標誌物的組合顯著增加了以曲線下面積評估的區分度。

結論

用於一般人群預測心力衰竭臨床進程的生物標誌物對糖尿病患者也有用。在這些患者中,所有分析的生物標誌物中,只有hs-TnT和ST2獨立與全因和心血管死亡率相關。

背景

流行病學研究已證實,糖尿病(DM)的存在與心力衰竭(HF)發病風險增加相關[1, 2]。事實上,HF通常是糖尿病患者觀察到的第一個心血管表現[3]。即使在對冠狀動脈疾病和高血壓等混雜因素進行調整後,HF的風險仍然存在。此外,患有HF的糖尿病患者預後不佳[4]。

對HF患者進行風險分層是一個挑戰。已確立的風險因素,如左心室射血分數(LVEF)、紐約心臟協會(NYHA)功能分類、合併症(DM、貧血和腎功能不全)和治療策略,並不能完全解釋與HF患者相關的死亡風險[5–7]。通過測量不同病理生理過程的生物標誌物可以改善預測,這些過程不被已確立的死亡風險因素所反映[8]。在HF患者中測量的循環生物標誌物被分類為七種病理生理途徑,包括心肌伸張、心肌細胞損傷、細胞外基質、炎症、腎功能障礙、神經激素活化和氧化壓力[9, 10]。近年來,這些生物標誌物在糖尿病患者中的臨床用途以及在血管病變發展中的致病作用日益受到關注[11]。有些生物標誌物已被證實與糖尿病風險相關[14–16],且它們的血清水平被描述為受醫學治療的修改[17]。目前尚不清楚,如DM這樣的全身性疾病是否會影響這些HF生物標誌物的預測價值。因此,本研究的目的是評估DM是否對HF患者多生物標誌物面板的預測價值有任何影響。我們納入了以下生物標誌物:N端前腦利鈉肽(NT-proBNP;心肌伸張和神經激素活化)、尼普利辛(神經激素活化)、半乳糖凝集素-3(細胞外基質)、ST2(炎症、伸張和細胞外基質)、高敏肌鈣蛋白T(hs-TnT;心肌損傷)、胱抑素C(腎功能障礙)、高敏C反應蛋白(hs-CRP;炎症)和可溶性轉鐵蛋白受體(sTfR;氧化壓力)。

方法

研究人群

本研究是先前一項關於不同生物標誌物在一個成熟的HF群體中表現的研究的次級分析[10-13]。從2006年5月到2013年,連續納入了在多學科HF診所接受治療的門診患者進行研究。轉診納入標準和血液樣本採集在其他地方描述[4-7]。所有生物標誌物的分析都是在同一血樣上進行的,該血樣已在-80°下儲存,沒有經歷過冷凍-解凍循環。所有樣本都是在上午9:00至12:00之間採集的。血清中NT-proBNP(N = 1030)、hs-TnT(N = 803)、ST2(N = 814)、半乳糖凝集素-3(N = 811)、hs-CRP(N = 773,我們排除了16名水平≥100 mg/dL的患者)、胱抑素C(N = 804)、STfR(N = 794)和尼普利辛(N = 1069)的濃度被測量。

所有參與者均提供了書面知情同意,並且當地倫理委員會批准了本研究。所有的研究程序均符合1975年(1983年修訂)赫爾辛基宣言中概述的倫理標準。

隨訪和結果

所有患者按照預定的定期間隔進行隨訪,並在出現失代償的情況下進行額外的訪問。定期訪問計劃包括至少每季度一次護士訪問;每半年一次醫師訪問;以及選擇性的老年醫學、精神病學和康復醫學醫師訪問。未參加定期訪問的患者會通過電話聯繫。

本研究的主要結果是全因和心血管死亡。如果死因是由HF引起的(失代償性HF或在沒有其他原因的情況下對治療抗拒的HF)、突然死亡(意外死亡,不論是否有人目擊,之前穩定的患者沒有惡化HF或任何其他死亡原因的證據)、急性心肌梗塞(由於機械、血流動力學或心律失常併發症)、中風(與最近的急性神經缺損相關)、程序性(在診斷或治療程序後的死亡)和其他心血管原因(例如,動脈瘤破裂、周圍缺血或主動脈夾層)則被認為是心血管性死亡。從紙質和電子臨床記錄、普通執業醫師處以及通過聯繫患者親屬確定致命事件。通過與加泰羅尼亞和西班牙衛生系統的數據庫進行比較以驗證數據。事件由兩位作者(MD和JL)裁定。隨訪於2015年9月30日結束。有五名患者在隨訪期間丟失,並適當地進行了刪截。

糖尿病診斷

當滿足以下標準之一時,診斷為糖尿病(DM):(1)之前已確定並記錄在患者電子病史中的DM診斷,(2)實驗室檢測確定的空腹血漿葡萄糖≥126 mg/dL或HbA1c≥6.5%[18],或(3)患者當前處方口服降糖藥物或胰島素。本研究納入的所有患者均患有2型糖尿病。

NTproBNP檢測

NTproBNP水平是通過免疫電化學發光方法(Elecsys®; Roche Diagnostics,瑞士)測定的。該檢測的跨運行CV為0.9-5.5%。

Hs-TnT檢測

Hs-TnT水平通過在Modular Analytics E 170(Roche Diagnostics)上進行的電化學發光免疫分析測量。Hs-TnT檢測的分析範圍為3-10,000 ng/L。在第99百分位值13 ng/L處,CV為9%。

ST2檢測

ST2水平是通過使用高敏度夾心單克隆免疫分析法(Presage® ST2檢測;Critical Diagnostics,聖地亞哥,加州,美國)測量血漿樣本得到的。ST2檢測的運行內系數小於2.5%,總CV為4%。

hsCRP檢測

hsCRP濃度是通過顆粒增強湍度法(CRPHS, ref. 04628918 190; Roche Diagnostics)在自動分析儀Cobas 6000(Roche Diagnostics)上測量的。該方法的線性範圍為0.15-20.0 mg/L,檢測限為0.15 mg/L,功能敏感度為0.3 mg/L,跨序列CV小於8.4%。

半乳糖凝集素-3檢測

對於半乳糖凝集素-3的測量,我們使用了酶聯螢光分析法(BioMerieux ref. 411191)在mini-VIDAS®分析儀(BioMerieux,法國)上進行。該檢測的CV小於10%,線性範圍為3.3-100.0 ng/mL,檢測限為2.4 ng/mL。

胱抑素C檢測

胱抑素C是通過肾免疫絮凝技術測量的,該技術評估胱抑素和附著於乳膠顆粒的抗胱抑素C抗體之間的免疫複合體形成(Cystatin C Radim, ref. NPP42; Radim Group, Pomezia, Italy)。跨檢測的CV為2.9%。

STfR檢測

可溶性轉鐵蛋白受體濃度是通過顆粒增強湍度免疫分析法(Tina-quant Soluble Receptor Transferrin STFR, Roche Diagnostics)在自動分析儀Cobas 6000(Roche Diagnostics)上測量的。該方法的線性範圍為0.5-40.0 mg/L,檢測限為0.50 mg/L,跨序列CV小於3.8%。

尼普利辛檢測

人類尼普利辛(NEP)是通過修改的夾心免疫分析法測量的(HUMAN NEP/CD10 ELISA kit, ref. SK00724-01, lot no. 20111893; Aviscera Biosciences, Santa Clara, CA, USA)。在1.4 ng/mL的陽性對照值下,該檢測的內部和跨檢測CV分別為3.7%和8.9%。

統計分析

類別變量以百分比表示。連續變量對於正常和非正常分佈分別以平均值(標準差)或中位數(四分位數Q1-Q3)表示。通過正常Q-Q圖評估正常分佈。使用卡方檢驗、學生t檢驗和Mann-Whitney U檢驗評估非糖尿病患者和糖尿病患者之間的差異,根據需要進行。我們還在調整年齡、性別、體重指數和估計的腎小球過濾率後,評估了非糖尿病患者和糖尿病患者之間不同生物標誌物水平的差異(經過對數變換)。

我們進行了兩項Cox回歸分析,以全因或心血管死亡為依賴變量,選定的生物標誌物加上DM以及生物標誌物和DM之間的相互作用為獨立共變量。在Cox模型中,為滿足共變量NT-proBNP、hs-TnT、ST2、hs-CRP、半乳糖凝集素-3和sNEP的線性假設,我們使用了NT-proBNP、hs-TnT、hs-CRP、半乳糖凝集素-3和sNEP的對數函數;ST2的二次項;以及log(hs-TnT)。之後,分別對糖尿病患者和非糖尿病患者進行每個生物標誌物的Cox回歸分析。我們使用了整個群體聯合計算的1SD增加,用於五個對數轉換變量的HR計算。ST2分析是針對每10 ng/mL變化進行的。對於sNEP水平低於檢測範圍下限(0.250 ng/mL)的患者,將0.249 ng/mL的濃度作為連續變量引入。根據AUC獲得的ST2的最佳截止點,為全因死亡繪製了非糖尿病患者和糖尿病患者的生存曲線。作為對265名收集了所有生物標誌物的糖尿病患者的敏感性分析,我們對所有生物標誌物和臨床變量進行了兩項全面的多變量Cox回歸分析,再次針對全因和心血管死亡。最後,開發了一個簡單的臨床模型(年齡、性別、紐約心臟協會功能分類、左心室射血分數和估計的腎小球過濾率(CKD-EPI方程式),評估了添加每一個生物標誌物和最佳短組合的鑑別度(AUC)。統計分析是使用SPSS 15(SPSS Inc., 芝加哥,IL, USA)和R統計軟件包的2.11.1版本(Foundation for Statistical Computing, 維也納,奧地利)進行的。雙側p < 0.05被認為是顯著的。

結果

我們在研究中連續納入了1069名門診HF患者。表1列出了整個群體的臨床特徵和基於DM存在與否的統計差異。平均年齡為66.2 ± 12.8歲,72%的患者為男性。主要的HF病因是缺血性心臟病(51%),平均LVEF為33.5 ± 13.3%。總共385名患者(36%)患有DM。在納入時,198名和151名患者分別接受口服抗糖尿病藥物和胰島素治療;39名患者同時服用這兩種藥物。在隨訪期間,這些數字分別增加到285名和241名(166名患者正在接受兩種治療)。如預期,非糖尿病患者和糖尿病患者的許多臨床特徵不同(表1)。例如,糖尿病患者的五種研究生物標誌物的血清濃度較高:NTproBNP(p = 0.07)、hs-TnT(p < 0.001)、半乳糖凝集素-3(p < 0.001)、胱抑素C(p = 0.001)和sTfR(p = 0.005)(表1)。在調整年齡、性別、體重指數和估計的腎小球過濾率後,NTproBNP(p = 0.01)、hs-TnT(p < 0.001)和sTfR(p < 0.05)水平在糖尿病患者中仍顯著較高,而半乳糖凝集素-3(p = 0.1)、胱抑素C(p = 0.86)、hs-CRP(p = 0.62)、sNEP(p = 0.61)和ST2(p = 0.28)的水平在兩組之間不再有顯著差異。

表1 根據糖尿病狀態分類的隨訪期間臨床特徵和治療情況

在平均4.9 ± 2.8年的隨訪期間內(對於在隨訪期間未死亡的患者為6.6 ± 2.3年),共有534名患者死亡。死亡患者中,有284人因心血管原因死亡:137人因進展性HF,67人因突然死亡,26人因急性心肌梗塞,4人因中風,6人在心血管手術期間死亡,31人因其他心血管原因死亡。196名患者死於非心血管原因,而54名患者的死亡原因不明。如預期,糖尿病患者的全因和心血管死亡率均較高(分別為57.7% vs. 45.6%,p < 0.001 和 34.8% vs. 24.2%,p < 0.001)。

大多數生物標誌物與DM之間沒有交互作用,對於全因或心血管死亡風險的預測沒有影響(圖1)。然而,ST2與DM在全因(p = 0.02)和心血管(p = 0.03)死亡方面顯著交互作用。

圖1

基於DM存在與否的生物標誌物的HR和95% CI,以及DM和生物標誌物之間交互作用協變量的統計顯著性。對數轉換變量NTproBNP、hs-TnT、hs-CRP、胱抑素C、半乳糖凝集素-3、STfR和尼普利辛的HR計算使用了1SD增加。ST2分析是針對每10 ng/mL變化進行的。在尼普利辛分析中包括年齡作為協變量。對於ST2的二次形式:全因死亡p = 0.02,心血管死亡p = 0.03。對於log(hs-TnT)的二次形式:全因死亡p = 0.82,心血管死亡p = 0.1。DM與ST2二次形式之間的交互作用:全因死亡p = 0.02,心血管死亡p = 0.03。DM與log(hs-TnT)二次形式之間的交互作用:全因死亡p = 0.82,心血管死亡p = 0.1。hs-CRP,高敏C反應蛋白;hs-TnT,高敏肌鈣蛋白T;NTproBNP,N端前腦利鈉肽;STfR,可溶性轉鐵蛋白受體。

圖1展示了每個生物標誌物的Cox回歸分析的HR和95% CI,包括非糖尿病和糖尿病患者,分別針對全因(左側)和心血管(右側)死亡。在糖尿病患者中,ST2的HR分別為1.27(95% CI 1.16–1.40,p < 0.001)和1.23(95% CI 1.09–1.39,p = 0.001)對於全因和心血管死亡。在非糖尿病患者中,ST2的HR分別為1.53(95% CI 1.35–1.73,p < 0.001)和1.64(95% CI 1.31–2.05,p < 0.001)對於全因和心血管死亡。根據ST2最佳截止值繪製的糖尿病和非糖尿病患者的生存曲線顯示在圖2中。曲線的分歧和HR在非糖尿病患者中略高於糖尿病患者。表2顯示了在265名糖尿病患者中進行的敏感性分析,這些患者進行了所有研究生物標誌物的多變量Cox回歸分析。Hs-TnT、ST2和胱抑素C仍與全因死亡統計相關,而hs-TnT、ST2和半乳糖凝集素-3與心血管死亡相關。最後,使用簡單的臨床模型、研究生物標誌物以及它們的最佳短組合進行鑑別分析,根據先前的多變量分析顯示在表3中。結果顯示,兩個生物標誌物的組合,如hs-TnT和ST2顯著改善了鑑別度,如由置信區間評估。

圖2

相對於ST2最佳截止點的全因死亡Cox回歸生存曲線。a 非糖尿病患者;b 糖尿病患者。

表2 糖尿病患者全因和心血管死亡風險的多變量Cox回歸分析。
表2 糖尿病患者全因和心血管死亡風險的多變量Cox回歸分析。

討論

本研究在一個大型的門診HF患者群體中進行,包括了長期隨訪。主要發現有三個。首先,我們研究的大多數生物標誌物在糖尿病患者中的水平較高;然而,當我們對混雜因素進行調整後,只有NT-proBNP、hs-TnT和sTfR在糖尿病患者中顯著更高。其次,獨立於上述發現,我們沒有發現非糖尿病和糖尿病患者在大多數生物標誌物的全因和心血管死亡預後價值方面的差異。最後,sST2作為一個對糖尿病和非糖尿病患者兩者全因和心血管死亡的顯著預測因子,與非糖尿病患者相比,與較高的風險相關。這個生物標誌物與hs-TnT是我們隊列中糖尿病患者唯一與全因和心血管死亡率獨立相關的標誌物。我們調查的一些生物標誌物在先前的研究中已被證明是糖尿病患者心血管事件發生率和預後的預測因子,其中一些還顯示有助於區分糖尿病患者中心血管疾病風險較高的個體[19]。在老年DM患者中,即使是沒有先前心血管疾病的患者,NT-proBNP也是短期心血管死亡的強獨立預測因子[20]。同樣,在有微量白蛋白尿但沒有已知冠狀動脈疾病的2型糖尿病患者中,NT-proBNP與未來心血管事件強烈相關[17]。此外,最近的一項研究描述了hs-TnT(除了sST2和hs-CRP)是穩定冠狀動脈疾病患者短期預後的最強預測因子[21]。在2型糖尿病患者中,正常的hs-TnT水平對未來不良心血管事件有很高的排除預測價值[22]。在本研究中,大多數生物標誌物與DM沒有交互作用,對於全因或心血管死亡風險的預測沒有影響。然而,ST2與DM在全因和心血管死亡方面顯著交互作用,與非糖尿病患者相比,與糖尿病患者的較高風險相關。實驗和人類研究已暗示ST2與心肌伸張、纖維化、不良心臟重塑、炎症、血流動力學受損和血管疾病之間的關聯[23]。事實上,在實驗研究中,ST2似乎在左心室重塑中扮演關鍵角色;這一過程包括心臟結構的變化、心肌組成的變化、心肌細胞的變形以及影響心臟功能和儲備能力的多種生化和分子變化[24]。目前可用的數據不足以讓我們確定ST2作為心臟重塑標誌物的價值在有無糖尿病的患者中是否不同。也就是說,糖尿病患者可能受到其他變量的影響,如高級終產物、炎症標誌物或微血管損傷,這些可能參與重塑過程,從而可能解釋ST2濃度在有無DM患者之間預後價值的差異。另一方面,ST2的來源尚未確定;盡管已知它是由心肌纖維母細胞和心肌細胞在受傷或壓力的情況下產生的,但也有人提出非心肌產生的可能性,比如由內皮細胞產生[25]。多變量Cox回歸分析顯示,ST2與hs-TnT是本研究中唯一與心力衰竭預後(全因和心血管死亡)獨立相關的生物標誌物。此外,兩種生物標誌物的組合(ST2與hs-TnT)提高了HF預後的預測價值,與僅確定其中一種相比。

糖尿病被廣泛認為是心力衰竭(HF)發展的重要風險因素,並且是HF患者死亡率增加的獨立風險因素。實際上,HF是2型糖尿病患者中最常見的心血管疾病的首要表現[3]。因此,調查用於評估心力衰竭預後的生物標誌物在糖尿病和非糖尿病患者中是否表現相似(無論是其血清濃度還是預後價值)具有臨床意義。據我們所知,目前尚無研究專門探討用於普遍心力衰竭人群的預測生物標誌物是否對糖尿病患者同樣有用。我們的結論是,在我們的HF患者群體中,用於普遍人群預測心力衰竭臨床進程的生物標誌物對糖尿病患者也有用。在這些患者中,所有分析的生物標誌物中,只有高敏肌鈣蛋白T(hs-TnT)和ST2獨立與全因和心血管死亡相關。在預測死亡風險方面,將多種生物標誌物(多標誌物策略)結合使用似乎對糖尿病患者和普遍HF人群同樣有效[10],尤其是當結合兩種生物標誌物時,可以提高鑑別度。

限制

本研究的一個局限性是,大多數糖尿病(DM)的診斷是根據臨床記錄、治療方案,以及對於某些患者,僅依靠血液化學數據進行的。然而,大多數以往的糖尿病研究都使用了這種數據獲取方式。實際上,根據他們的基線診斷,患者被分為非糖尿病和糖尿病兩個亞組,並未考慮隨訪期間新發糖尿病診斷的數據。此外,我們無法評估糖尿病持續時間作為這些患者中的一個重要影響因素。雖然我們的研究參與者來自於一個心力衰竭(HF)單位的普通人群,但該單位位於三級大學醫院,且該隊列患者主要是男性和缺血性病因。大多數患者在前一年曾住院或有左心室射血分數降低。因此,我們不能排除由於選擇可能並不一定代表普遍HF人群的患者而導致的偏差。

結論

糖尿病(DM)對心力衰竭(HF)生物標誌物NT-proBNP、高敏肌鈣蛋白T(hs-TnT)、半乳糖凝集素-3、高敏C反應蛋白(hs-CRP)、胱抑素C、可溶性轉鐵蛋白受體(sTfR)和尼普利辛的預測能力影響不大。只有ST2,在糖尿病和非糖尿病患者中都具有預測價值,與非糖尿病患者中的較高風險相關。

參考文獻

  1. Kannel WB, McGee DL. Diabetes and cardiovascular disease. The Framingham study. JAMA. 1979;241:2035–8.

    Article CAS PubMed Google Scholar 

  2. Nichols GA, Hillier TA, Erbey JR, Brown JB. Congestive heart failure in type 2 diabetes: prevalence, incidence, and risk factors. Diabetes Care. 2001;24:1614–9.

    Article CAS PubMed Google Scholar 

  3. Shah AD, Langenberg C, Rapsomaniki E, Denaxas S, Pujades-Rodriguez M, Gale CP, et al. Type 2 diabetes and incidence of cardiovascular diseases: a cohort study in 1.9 million people. Lancet Diabetes Endocrinol. 2015;3:105–13.

    Article PubMed PubMed Central Google Scholar 

  4. Bertoni AG, Hundley WG, Massing MW, Bonds DE, Burke GL, Goff DC Jr. Heart failure prevalence, incidence, and mortality in the elderly with diabetes. Diabetes Care. 2004;27:699–703.

    Article PubMed Google Scholar 

  5. Bouvy ML, Heerdink ER, Leufkens HG, Hoes AW. Predicting mortality in patients with heart failure: a pragmatic approach. Heart. 2003;89:605–9.

    Article CAS PubMed PubMed Central Google Scholar 

  6. Levy WC, Mozaffarian D, Linker DT, Sutradhar SC, Anker SD, Cropp AB, et al. The seattle heart failure model: prediction of survival in heart failure. Circulation. 2006;113:1424–33.

    Article PubMed Google Scholar 

  7. Pocock SJ, Wang D, Pfeffer MA, Yusuf S, McMurray JJ, Swedberg KB, et al. Predictors of mortality and morbidity in patients with chronic heart failure. Eur Heart J. 2006;27:65–75.

    Article PubMed Google Scholar 

  8. Gravning J, Askevold ET, Nymo SH, Ueland T, Wikstrand J, McMurray JJ, et al. Prognostic effect of high-sensitive troponin T assessment in elderly patients with chronic heart failure: results from the CORONA trial. Circ Heart Fail. 2014;7:96–103.

    Article CAS PubMed Google Scholar 

  9. Braunwald E. Biomarkers in heart failure. N Engl J Med. 2008;358:2148–59.

    Article CAS PubMed Google Scholar 

  10. Lupón J, de Antonio M, Vila J, Peñafiel J, Galán A, Zamora E, et al. Development of a novel heart failure risk tool: the Barcelona bio-heart failure risk calculator (BCN bio-HF calculator). PLoS ONE. 2014;9:e85466.

    Article PubMed PubMed Central Google Scholar 

  11. Kranendonk ME, de Kleijn DP, Kalkhoven E, Kanhai DA, Uiterwaal CS, van derGraaf Y, Pasterkamp G, et al. Extracellular vesicle markers in relation to obesity and metabolic complications in patients with manifest cardiovascular disease. Cardiovasc Diabetol. 2014;13:37.

    Article PubMed PubMed Central Google Scholar 

  12. Gupta DK, Wang TJ. Natriuretic peptides and cardiometabolic health. Circ J. 2015;79:1647–55.

    Article PubMed PubMed Central Google Scholar 

  13. Darrow AL, Shohet RV. Galectin-3 deficiency exacerbates hyperglycemia and the endothelial response to diabetes. Cardiovasc Diabetol. 2015;14:73.

    Article PubMed PubMed Central Google Scholar 

  14. Parrinello CM, Lutsey PL, Ballantyne CM, Folsom AR, Pankow JS, Selvin E. Six-year change in high-sensitivity C-reactive protein and risk of diabetes, cardiovascular disease, and mortality. Am Heart J. 2015;170:380–9.

    Article CAS PubMed PubMed Central Google Scholar 

  15. Lin YH, Zhang RC, Hou LB, Wang KJ, Ye ZN, Huang T, Zhang J, Chen X, Kang JS. Distribution and clinical association of plasma soluble ST2 during the development of type 2 diabetes. Diabetes Res Clin Pract. 2016;118:140–5.

    Article CAS PubMed Google Scholar 

  16. Coglianese EE, Larson MG, Vasan RS, Ho JE, Ghorbani A, McCabe EL, Cheng S, Fradley MG, Kretschman D, Gao W, O’Connor G, Wang TJ, Januzzi JL. Distributionand clinical correlates of the interleukin receptor family member soluble ST2 in the Framingham heart study. Clin Chem. 2012;58:1673–81.

    Article CAS PubMed PubMed Central Google Scholar 

  17. von Scholten BJ, Reinhard H, Hansen TW, Lindhardt M, Petersen CL, Wiinberg N, Hansen PR, Parving HH, Jacobsen PK, Rossing P. Additive prognostic value of plasma N-terminal pro-brain natriuretic peptide and coronary artery calcification for cardiovascular events and mortality in asymptomatic patients with type 2 diabetes. Cardiovasc Diabetol. 2015;14:59.

    Article Google Scholar 

  18. American Diabetes Association. Classification and diagnosis of diabetes. Diabetes Care. 2015;38(Suppl):S8–16

    Article Google Scholar 

  19. Gori M, Gupta DK, Claggett B, Selvin E, Folsom AR, Matsushita K, et al. Natriuretic peptide and high-sensitivity troponin for cardiovascular risk prediction in diabetes: the atherosclerosis risk in communities (ARIC) study. Diabetes Care. 2016;39:677–85.

    Article PubMed Google Scholar 

  20. Bruno G, Landi A, Barutta F, Ghezzo G, Baldin C, Spadafora L, et al. N-terminal probrain natriuretic peptide is a stronger predictor of cardiovascular mortality than C-reactive protein and albumin excretion rate in elderly patients with type 2 diabetes: the Casale Monferrato population-based study. Diabetes Care. 2013;36:2677–82.

    Article CAS PubMed PubMed Central Google Scholar 

  21. Lepojärvi ES, Piira OP, Kiviniemi AM, Miettinen JA, Kenttä T, Ukkola O, et al. Usefulness of highly sensitive troponin as a predictor of short-term outcome in patients with diabetes mellitus and stable coronary artery disease (from the ARTEMIS study). Am J Cardiol. 2016;117:515–21.

    Article PubMed Google Scholar 

  22. Yiu KH, Lau KK, Zhao CT, Chan YH, Chen Y, Zhen Z, Wong A, et al. Predictive value of high-sensitivity troponin-I for future adverse cardiovascular outcome in stable patients with type 2 diabetes mellitus. Cardiovasc Diabetol. 2014;13:63.

    Article PubMed PubMed Central Google Scholar 

  23. Pascual-Figal DA, Lax A, Perez-Martinez MT, del Carmen Asensio-Lopez M, Sanchez-Mas J. GREAT Network. Clinical relevance of sST2 in cardiac diseases. Clin Chem Lab Med. 2016;54:29–35.

    Article CAS PubMed Google Scholar 

  24. Rodrigues PG, Leite-Moreira AF, Falcão-Pires I. Myocardial reverse remodeling how far can we rewind? Am J Physiol Heart Circ Physiol. 2016;310:H1402–22.

    Article PubMed Google Scholar 

  25. Bartunek J, Delrue L, Van Durme F, Muller O, Casselman F, De Wiest B, Croes R, Verstreken S, Goethals M, de Raedt H, Sarma J, Joseph L, Vanderheyden M, Weinberg EO. Nonmyocardial production of ST2 protein in human hypertrophy and failure is related to diastolic load. J Am Coll Cardiol. 2008;52:2166–74.

    Article CAS PubMed PubMed Central Google Scholar