非糖尿病患者氯吡格雷抗血小板治疗高反应性影响因素

马琦 林萍

广东省人民医院（广东省医学科学院）广东省老年医学研究所（广州 510080）

抗血小板治疗高反应性（high on-treatment platelet reactivity，HTPR）是缺血性心脑血管疾病复发重要危险因素［1］。影响氯吡格雷HTPR的因素较多，其中糖尿病的发生使患者血小板、血管内皮及药代动力学发生明显变化［2］，因此HTPR影响因素更加复杂化。目前单独对非糖尿病患者人群的研究鲜有报道。本研究为了排除糖尿病的干扰因素，仅纳入了非糖尿病患者，探讨影响HTPR相关的风险因素。

1 资料与方法

1.1 研究对象 由医院统计室检索2015年6月至2019年5月的住院患者，根据病案记载，收集患者基本资料、临床信息、CYP2C19基因报告以及血小板功能监测数据。纳入标准：诊断为非心源性缺血性脑卒中、冠状动脉粥样硬化性心脏病和缺血性外周血管疾病的非糖尿病患者，并且在血小板聚集功能测定前已接受氯吡格雷（波立维®，75 mg/d）、阿司匹林肠溶片（拜阿司匹灵®，100 mg/d）联合抗血小板治疗至少1周。排除标准：具有糖尿病、血小板增多症、血小板减少症、血小板功能障碍、异常凝血障碍、严重肝病、造血功能障碍、妊娠或恶性肿瘤的患者，合并使用耐信等对氯吡格雷影响明显的药物的患者，以及抗凝剂治疗、1周内接受溶栓治疗的患者。依据以上标准共纳入患者1 882例。本研究经广东省人民医院伦理委员会审核批准（批号：粤医科伦理2017280H）。

1.2 CYP2C19基因多态性分析 采用CYP2C19基因试剂盒（DNA微阵列，Baio Inc.，上海，中国）测定。包括快代谢类型（extensive metabolizers，EM），中间代谢类型（intermediate metabolizers，IM），慢代谢类型（poor metabolizers，PM）。

1.3 血小板聚集功能评估 使用TEG®5000分析仪系统（Haemoscope Corporation，Niles，USA）。血栓弹力图（Thrombelastogram，TEG）是一种测量血小板聚集功能的方法，通过检测血液凝固的动态变化来测量血小板聚集功能［7］。MAADP（the maximum fibrin clot strength induced by ADP）是指 ADP诱导的最大纤维蛋白凝块强度，代表血小板功能，是TEG的一个重要指标。MAADP≥47 mm，设为HTPR临界值，被认为是缺血性事件的预测因子［8-9］。

1.4 统计学方法 所有统计分析均采用IBM SPSS Statistics 23.0（IBM Corp.，Armonk，NY）进行。所有变量均采用Kolmogorov-Smirnov检验（KS检验）进行正态分布检验。正态分布计量资料以均数±标准差表示，分类数据以例（%）表示。正态分布的数据使用独立样本t检验。非正态分布的数据以M（P25，P75）表示，Mann-WhitneyU检验和Kruskal-Wallis检验。多因素logistic回归分析用于确定HTPR和候选危险因素之间的关系，并建立HTPR预测模型，通过受试者操作特征曲线（ROC）和Hosmer-Lemeshow拟合优度检验对模型的区分度和校准度进行评估。P＜0.05为差异有统计学意义。

2 结果

2.1 基本资料 患者的一般资料和实验室结果见表1。其中男1 411例（77.4%），平均年龄为（62.5±11.0）岁。共检出HTPR患者241例（13.2%），其中，765例快代谢中HTPR 79例（10.3%），823例中间代谢者中HTPR 122例（14.8%），慢代谢234例，其HTRP发生率为17.1%。Mann-WhitneyU检验，三者之间差异有统计学意义（P=0.005）。另外，经KS试验，MAADP呈非正态分布，非HTPR患者MAADP中位数为25.7 mm，而HTPR患者MAADP中位数为52.2 mm。血小板分布宽度（platelet distribution width，PDW），非HTPR患者为（15.49±2.15）fL，而HTPR者为（15.86 ± 1.64）fL（P=0.002）。

表1 非糖尿病患者氯吡格雷HTPR组与非HTPR组基本资料对比Tab.1 Comparison of basic data between clopidogrel HTPR group and non-HTPR group in non-diabetics ±s

表1 非糖尿病患者氯吡格雷HTPR组与非HTPR组基本资料对比Tab.1 Comparison of basic data between clopidogrel HTPR group and non-HTPR group in non-diabetics ±s

注：HTPR，抗血小板治疗高反应性；EM，快代谢；IM，中间代谢；PM，慢代谢；CAHD，冠状动脉粥样硬化性心脏病；NCIS，非心源性缺血性卒中；PVD，缺血性周围血管疾病；BMI，体质量指数；HbA1c，糖化血红蛋白；MAADP，ADP诱导的最大纤维蛋白凝块强度

因素性别［例（%）］男女诊断［例（%）］NCIS CAHD PVD高血压病［例（%）］吸烟［例（%）］饮酒［例（%）］CYP2C19［例（%）］EM IM PM年龄（岁）BMI（kg/m2）HbA1c［M（P25，P75），%］MAADP［M（P25，P75），mm］胆固醇（mmol/L）高密度脂蛋白（mmol/L）低密度脂蛋白（mmol/L）甘油三酯（mmol/L）尿酸（μmol/L）血小板（×109/L）平均血小板体积（fL）血小板分布宽度（fL）血小板比积Non-HTPR（n=1 581）1 273（91.2）308（74.9）93（84.5）1 215（88.0）273（82.5）604（38.2）592（90.5）104（91.2）686（89.7）701（85.2）194（82.9）62.2±11.1 24.1±3.0 5.8（5.5，6.1）25.7（15.4，35.7）4.40±1.07 1.01±0.24 2.77±0.84 1.56±0.93 217.5±56.5 217.5±56.5 8.72±1.47 15.49±2.15 1.87±0.54 HTPR（n=241）138（9.8）103（25.1）17（15.5）166（12.0）58（17.5）110（15.4）62（9.5）10（8.8）79（10.3）122（14.8）40（17.1）64.7±10.2 24.2±2.9 5.8（5.6，6.1）52.2（49.6，55.6）4.61±1.25 1.04±0.30 2.94±0.96 1.61±1.22 390.6±100.7 234.5±63.8 8.75±1.41 15.86±1.64 2.05±0.72 F/χ2值64.751 12.398 4.857 12.480 2.103 10.483 3.988 0.364-0.658-25.041 5.909 16.699 2.926 2.802 1.010 2.079 0.579 33.603 5.863 P值＜0.001 0.052 0.028＜0.001 0.197 0.005＜0.001 0.882 0.510＜0.001 0.014 0.115 0.006 0.428 0.065＜0.001 0.725 0.002＜0.001

2.2 氯吡格雷HTPR影响因素logistic回归分析 经单因素logistic回归分析（P＜0.2）筛查后，实施多因素logistic回归分析（表2），HTPR的独立危险因素分别为：性别（OR=2.525，95%CI：1.773 ～ 3.597，P＜ 0.05），年龄（OR=1.023，95%CI：1.009 ～ 1.037，P=0.002），PDW（OR=1.313，95%CI：1.004 ～ 1.716，P=0.047），CYP2C19*2（OR=0.743，95%CI：0.557～ 0.991，P=0.044），CYP2C19*3（OR=0.489，95%CI：0.326 ～ 0.735，P=0.001）。

表2 氯吡格雷HTPR影响因素logistic回归分析Tab.2 Logistic regression analysis of clopidogrel HTPR

基于这些风险因素建立的HTPR预测模型如下：

2.3 氯吡格雷HTPR预测模型区分度和校准度检验 依据MAADP＞47 mm判断HTPR，利用每个患者HTPR真实数据与模型预测数据，建立ROC，并计算出ROC曲线下面积为0.704（95%CI：0.670～ 0.738）（图1）。

图1 HTPR预测模型ROC曲线分析Fig.1 ROC curve analysis of HTPR prediction mode

Hosmer-Lemeshow拟合优度检验HTPR预测模型，差异无统计学意义（χ2=10.194，P=0.252），见图2。这表明预测结果和观察结果之间差异无统计学意义。

图2 预测HTPR模型校准度的Hosmer-Lemeshow拟合优度检验Fig.2 Calibration of the model for predicting HTPR assessed by Hosmer-Lemeshow goodness-of-fit test

3 讨论

抗血小板治疗是缺血性心脑血管疾病患者一种常用的治疗手段。但是即使在抗血小板治疗的情况下，缺血性心脑血管事件仍有复发，抗血小板治疗高反应性是缺血性事件复发的重要危险因素之一［1］，因此在临床实践中监测血小板反应性很重要。目前临床常用的血小板功能检测手段包括光比浊法、流式细胞术、TEG以及血小板功能分析仪等。其中TEG是一种评估血小板功能的良好实用工具，对于东亚患者，有利于识别HTPR，并指导个体化治疗［3］，MAADP＞47 mm被认为是HTPR的临界值［4］。在本研究中，利用TEG评估血小板聚集功能。约13.2%的患者发生HTPR，明显低于文献报道的水平（22.7% ～ 28%）［1］。影响抗血小板治疗的非糖尿病患者氯吡格雷HTPR重要影响因素包括：性别、年龄、PDW和CYP2C19，而与BMI、HbA1c等因素无明显相关性。

本研究发现，HTPR存在性别差异，与男性患者相比，女性患者更容易发生HTPR。BOZZI等［5-6］研究发现，在氯吡格雷服用前及服用后，女性血小板聚集率均较男性高。对于女性患者，ADP激活血小板的反应性一般高于男性，PAR1-AP激动剂和ADP刺激后，血小板纤维蛋白原结合和P-选择素表达均高于男性，P2Y12抑制剂在男性中比在女性中更有效［7］。另外，ADP受体途径介导的GPIIb/IIIa激活的信号分子表达以及随后的RhoA/ROCK信号表明，女性血小板产生的磷酸化蛋白激酶C底物水平高3倍，血小板中信号活性的增加反映了其对激动剂的更高敏感性［8］。前述基础理论，可以通过本研究结果得以印证：男女患者HTPR发生率为9.8%vs.25.1%（P＜0.05）。

年龄因素也是HTPR发生的独立危险因素。SILVAIN等［9］研究结果提示：≥75岁老年患者服用氯吡格雷75 mg比年轻患者更易发生HTPR（OR：2.58，95%CI：1.76 ～ 3.79；P＜ 0.0001），HTPR发生率为38.2%vs.18.2%。药代动力学和药效学模型已证实HTPR与年龄增加有关［10］，年龄越大，血小板反应性越明显［6，10］。由于衰老因素，老年患者血小板转录发生变化，血小板衍生颗粒酶A增加，导致血小板功能改变和过度炎症反应，会加剧炎症和血栓形成［11］。同时，随着年龄的增大，多病共种、多药共服等现象较常见，肝脏代谢能力随年龄而下降，药物之间的相互作用表现明显［12］。因此，在临床实践中应该注意年龄对血小板反应性的影响。

既往研究表明BMI与HTPR 也有关［13］，随着BMI增加，氯吡格雷的生物活性下降［10］。但本研究未获得类似结论。这可能与本研究选择的研究人群有关：仅纳入非糖尿病患者研究。与非糖尿病患者相比，糖尿病患者伴有较高的BMI［13］。唐慧等［14］研究显示，腰围、体质量及体质量指数均是糖尿病患者重要危险因素。

PDW是血小板容积变异的一个参数，反映了血小板大小的变异性，在血小板活化过程中增大，是血小板反应性的更特异的标记物，也是1年重要不良心血管事件经济可靠的预测因子［15］。本研究通过多元logistic回归分析，PDW与HTPR相关，HTPR组PDW略高于非HTPR组。

CYP2C19基因多态性，在氯吡格雷代谢中起着重要作用［16］，也是HTPR发生的独立危险因素［1，10］。氯吡格雷是一种前体药，只有10% ～ 15%被肝细胞中的P450系统代谢为氯吡格雷的活性代谢物［17］。据估计，在氯吡格雷活化过程中，CYP2C19发挥50%的作用［18］。依据药代动力学和药效学模型计算［10］，中间代谢患者氯吡格雷活化物转化率下降26.2%，而慢代谢者下降39.5%。另外，药代动力学研究表明，PM患者需要增加到氯吡格雷剂量的4倍，方可达到与野生型健康志愿者相同的抗血小板作用［19］。CYP2C19基因多态性在氯吡格雷抗血小治疗后的反应性存在显著差异［20］。本研究中，与EM或IM患者相比，PM患者的HTPR发生率更高。

预测模型的目的有助于评估潜在HTPR风险并指导相关治疗，良好的预测模型的ROC曲线下面积通常在0.6～0.85之间［21］。本研究中，氯吡格雷HTPR的预测模型ROC曲线下面积为0.704（图1），因此该模型具有一定的区分度。同时，通过图2可以发现，HTPR预测值与观察值基本接近，具有较好的一致性（P=0.252），因此本研究中的HTPR预测模型具有良好的较准能力。

尽管接受P2YI2受体抑制剂治疗时的血小板反应性对缺血和出血事件有中等程度的预测价值［22］，但目前尚无充足的证据支持对缺血性心脑血管疾病患者常规进行血小板功能和基因分型检测，专家共识仅推荐特殊的高风险患者进行相关检测［23］。本研究为一回顾性分析，研究数据相对局限。因此，在将来的前瞻性研究中，应注重更多的相关危险因素分析，并进行病例追踪随访，更加有利于指导临床。

总之，HTPR导致患者缺血性血管事件的风险增加，探讨氯吡格雷HTPR的影响因素有利于个体化治疗。高龄、女性、PDW和CYP2C19与非糖尿病患者氯吡格雷HTPR相关。预测模型可能有助于识别HTPR，但有必要在临床实践中探索更多的风险因素并进一步验证和较正。