NLR、PLR、MLR 与冠状动脉疾病严重程度的相关性分析

罗寒玉 冯 俊 曹 瑞 王本龙

安徽医科大学附属六安市人民医院（安徽六安 237008）

急性冠脉综合征（acute coronary syndrome，ACS）是目前世界上中高收入国家的主要死亡原因［1］。其病理生理机制是在动脉粥样硬化斑块破裂或侵蚀的基础上继发血栓形成并导致管腔完全或不完全闭塞的临床综合征。ACS包括不稳定型心绞痛、急性ST段抬高型心肌梗死和急性非ST段抬高型心肌梗死。炎症因子作为调节免疫和炎症反应的重要介质，是多种疾病的生物标志物。越来越多的临床证据表明，冠状动脉中的局部免疫细胞产生炎症因子参与ACS的发病过程。近年来炎症机制也已成为众多研究者关注的焦点所在，各种炎症标志物与冠状动脉疾病（coronary artery disease，CAD）之间的关系早已建立［2-3］，如外周血中主要包括中性粒细胞、单核细胞、血小板和淋巴细胞。这些炎症标志物易于获得，最近已被研究证实为CAD严重程度的预测指标［4-6］。有研究［7-10］表明，中性粒细胞、单核细胞和血小板可能促进动脉粥样硬化的发展，而淋巴细胞可能抑制动脉粥样硬化。促动脉粥样硬化炎性细胞与抗动脉粥样硬化炎性细胞的比值，如NLR、PLR和MLR可能比单个因素的预测效能更强大。本研究旨在探讨冠状动脉造影患者的中性粒细胞-淋巴细胞比值（neutrophil-to-lymphocyte ratio，NLR）、血小板-淋巴细胞比值（platelet-tolymphocyte ratio，PLR）和单核细胞-淋巴细胞比值（monocyte-to-lymphocyte ratio，MLR）与CAD严重程度的关系。

1 资料与方法

1.1 研究对象

研究对象为2021年1月—2021年12月在六安市人民医院患者因典型的心绞痛和心电图表现出缺血迹象或心肌损伤的生物标志物证据（如肌钙蛋白I或肌酸激酶MB升高）而进入急诊科或心内科，然后进行冠脉造影。入选标准包括：（1）稳定型心绞痛；（2）不稳定型心绞痛；（3）ST段抬高型心肌梗死；（4）非ST段抬高型心肌梗死。排除标准：任何已知全身性感染的患者；慢性肾病；慢性肝病；慢性阻塞性疾病；慢性炎症性疾病；造血；系统紊乱、恶性肿瘤和/或化疗治疗；急性感染和使用糖皮质激素治疗史；过去三个月的数据不包括在内。最终分析共包括150例患者。每例参与者的临床诊断和治疗过程完全符合指南。根据医学伦理招募患者，并获得每位患者的知情书面同意。

1.2 分组

使用Gensini评分评估CAD的严重程度。根据造影结果，对每支冠状动脉血管病变狭窄程度进行定量评定，狭窄程度以最严重处为标准，狭窄直径＜25%计1分，25%≤直径＜50%计2分，50%≤直径＜75%计4分，75%≤直径＜90%计8分，90%≤直径＜99%计16分，≥99%计32分。根据不同冠状动脉分支将以上得分乘以相应系数：左主干病变，得分×5；左前降支近段×2.5，中段得分×1.5，远段得分×1；第一对角支×1，第二对角支×0.5；左回旋支近段×2.5，远段和后降支均×1，后侧支×0.5；右冠近、中、远段和后降支均×1。各病变支得分总和即为患者的冠状动脉病变狭窄程度总积分。通过Gensini评分评估CAD严重程度，并将其分为轻、中、重度病变组。所有患者在接受冠脉造影之前均接受了详细的病史、临床评估、采血、心电图、超声心动图检查，NLR通过中性粒细胞计数除以淋巴细胞计数来测定，PLR通过血小板计数除以淋巴细胞计数来测定，MLR通过单核细胞计数除以淋巴细胞计数来测定。

1.3 统计学方法

所有数据均采用SPSS 26.0进行分析。正态分布的计量资料以（±s）表示，多组间比较采用单因素方差ANOVA test，非正态分布的计量资料用秩和检验，用中位数和四分位间距来描述数据的集中趋势和离散情况。计数资料以百分率表示，组间比较采用χ2检验。采用多元Logistic回归分析以确定严重CAD的潜在预测因素。受试者操作特性曲线ROC曲线分析计算NLR的灵敏度和特异度以评估与CAD相关性。P＜0.05被认为差异有统计学意义。

2 结 果

2.1 临床基线特征比较

所选参与者的基线特征见表1。150例患者的平均年龄为（66.49±11.43）岁；男性共有101例，占67.3%。41例患者（27.3%）的Gensini评分较低，69例患者（46%）的Gensini评分中等，40例患者（26.7%）的Gensini评分较高。不同Gensini组之间的年龄、性别、心率、血红蛋白、血小板、淋巴细胞、单核细胞、红细胞平均体积、红细胞分布宽度、PLR比较差异均无统计学意义（均P＞0.05）。

表1 Gensini评分组的基线特征 （±s）

表1 Gensini评分组的基线特征 （±s）

注：MCV：红细胞平均体积，RDW：红细胞分布宽度。

变量Gensini 1-14（n=41）Gensini 15-47（n=69）Gensini 48-150（n=40）χ2/FP年龄/岁66.00±9.5266.29±11.9067.33±12.580.7930.858心率/次73.76±11.1475.46±10.3879.83±16.632.8160.245血红蛋白/（g/L）131.10±17.04128.38±14.70127.55±17.980.8900.580血小板/（×109/L）185.98±56.42201.16±53.97199.68±66.230.6140.388中性粒细胞/（×109/L）3.80（2.90，4.65）4.00（2.96，5.24）5.64（4.00，9.63）21.5240.000淋巴细胞/（×109/L）1.59±0.471.83±0.891.58±0.711.2610.143单核细胞/（×109/L）0.48±0.210.49±0.250.59±0.251.2140.063 MCV/fL91.44±5.4991.53±3.9691.57±4.531.7390.991 RDW13.15±0.8513.13±0.9113.28±0.780.9800.666 NLR2.13（1.67，3.56）2.47（1.65，3.31）3.67（2.52，6.85）17.5350.000 PLR122.33（90.88，144.91）124.21（89.00，165.01）131.55（85.31，192.50）1.4090.494 MLR3.66（2.77，4.94）3.36（2.78，5.29）2.85（1.67，4.21）8.4730.014高血压［n（%）］24（58.5）53（76.8）29（72.5）4.2320.121糖尿病［n（%）］12（29.3）21（30.4）13（32.5）0.0440.950脑梗死［n（%）］9（22）22（31.9）8（20）1.1040.295吸烟［n（%）］15（36.6）22（31.9）15（37.5）0.0150.801饮酒［n（%）］16（39）16（23.2）9（22.5）1.9860.143

2.2 Pearson相关性检验

Gensini评分与NLR呈正相关（r=0.319），然而，Gensini评分与MLR、PLR之间无相关性（P＞0.05）。见图1。

图1 Gensini 评分与NLR、PLR、MLR 的相关性

2.3 多元Logistic回归分析

多元Logistic回归分析用于评估NLR、PLR和MLR以确定严重CAD的潜在预测因素。表2显示的结果表明，NLR（OR=1.306，95%CI：0.107～0.427）是CAD的独立危险因素。

表2 多元Logistic回归分析评估CAD的预测因素

2.4 ROC曲线

在ROC分析中，NLR的曲线下面积（area under the curve，AUC）最高，为0.723（95%CI：0.629～0.817，P＜0.001），NLR≥0.25为识别CAD存在的最佳临界值，灵敏度为78.49%，特异度为60.26%。（表3，图2）

图2 NLR、PLR 和MLR 在CAD 检测中的有效性

表3 ROC曲线分析NLR、PLR、MLR

3 讨 论

ACS是一个主要的公共卫生问题，在全球范围内发病率不断上升。NLR、PLR、MLR整合了单核细胞、淋巴细胞、血小板和中性粒细胞的信息，广泛用作癌症、结核病和自身免疫性疾病预后中的炎症标志物［11-14］。多项研究［15-19］证明了各种炎症生物标志物与CAD之间的密切一致关系。结果显示，在调整了一系列已知的心血管风险因素后，NLR与Gensini得分呈正相关，而研究中未观察到MLR、PLR与CAD严重程度之间的关联。

Bikash等［20］的研究表明NLR 是高危人群中CAD存在的有力预测因子，并与CAD严重程度呈正相关，该研究还建议NLR值为1.785或更高作为预测CAD存在和严重程度的最佳临界值。与先前研究相反的是，Ji等［21］的研究证明MLR是冠状动脉病变严重程度的预测因子（OR：2.05，95%CI：1.15～3.66），在Logistic分析方面，MLR水平比NLR表现更好。Li等［22］的研究证明PLR作为一种新的炎症标志物，与急性心肌梗死患者住院主要心血管不良事件的发生和Gensini评估的CAD严重程度相关，并可广泛用作一种有效的炎症生物标志物，以改善ACS的预后。而在此次研究中，MLR、 PLR与CAD严重程度之间没有关联。

本研究中，NLR被确定为所有其他炎症标志物中CAD的最强预测因子，这表明NLR相对较高的患者可能有更严重的冠状动脉狭窄，NLR有助于预测病变的严重程度。基于ROC曲线分析，发现NLR的曲线下面积最高，为0.723（95%CI：0.629～0.817，P＜0.001），NLR≥0.25为识别CAD存在的最佳临界值，灵敏度为78.49%，特异度为60.26%。这支持NLR可用于识别严重病变。总之，我们认为NLR有助于预测CAD和评估冠状动脉病变的严重程度。

NLR是高危人群中CAD存在的有力预测因子，并与CAD严重程度呈正相关，而在研究中未观察到MLR、PLR与CAD严重程度之间的关联。

本研究的不足之处：首先，样本量很小，研究仅限于单个中心，不能代表整个人口；第二，没有评估心血管危险因素，如低密度脂蛋白、颈动脉内膜中膜厚度、踝肱指数；第三，没有在研究人群中测量其他炎症标志物，如C-反应蛋白等这些因素可能导致炎症过程的进展。