不同胰岛素抵抗替代指数对中老年2型糖尿病患者发生高尿酸血症的预测价值研究

黄书玮 周志衡 冯天元 刘莉 邓光璞 李尧天 朱宏

基金項目：国家重点研发计划项目（2020YFC2006400）

引用本文：黄书玮，周志衡，冯天元，等. 不同胰岛素抵抗替代指数对中老年2型糖尿病患者发生高尿酸血症的预测价值研究［J］. 中国全科医学，2024，27（19）：2364-2374. DOI：10.12114/j.issn.1007-9572.2023.0472.［www.chinagp.net］

HUANG S W，ZHOU Z H，FENG T Y，et al. Study on the predictive value of different insulin resistance replacement indices for hyperuricemia in middle-aged and elderly patients with type 2 diabetes［J］. Chinese General Practice，2024，27（19）：2364-2374.

? Editorial Office of Chinese General Practice. This is an open access article under the CC BY-NC-ND 4.0 license.

【摘要】 背景 我国2型糖尿病（T2DM）患者的数量庞大，其继发高尿酸血症（HUA）的风险较高。一旦T2DM患者继发HUA，将进一步加剧其他潜在并发症的风险，导致不良健康后果。因此，及时识别出这些继发HUA高风险的患者，并对其进行早期预防和治疗，显得尤为重要。目的 探讨中老年T2DM患者常见胰岛素抵抗（IR）替代指标对发生HUA的预测价值，并选择合适指标作为预测HUA发生和发展的工具。方法 采取分层随机抽样的方法，于深圳市某区7个社区卫生服务中心2023年1—3月就诊的T2DM患者中选取HUA患者479例和非高尿酸血症患者（NHUA）1 528例。采用多因素Logistic回归分析评估三酰甘油葡萄糖（TyG）指数、三酰甘油葡萄糖体质量（TyG-BMI）指数、三酰甘油葡萄糖腰围（TyG-WC）指数、三酰甘油-高密度脂蛋白胆固醇（TG/HDL-C）指数、非高密度脂蛋白胆固醇-高密度脂蛋白胆固醇（Non-HDL-C/HDL-C）指数、胰岛素抵抗代谢（METS-IR）指数等IR替代指标及其四分位数对中老年T2DM患者发生HUA的影响。使用受试者工作特征（ROC）曲线评估不同IR替代指标对于中老年T2DM患者发生HUA的预测价值。并从CHARLS数据库中筛选2011年和2015年队列数据，组成巢式病例对照，验证几种IR替代指标预测HUA发生的有效性。结果 多因素Logistic回归分析结果显示，TyG指数、TyG-BMI指数、TyG-WC指数、TG/HDL-C指数、Non-HDL-C/HDL-C指数、METS-IR指数是发生HUA的独立影响因素（P<0.05）。ROC曲线提示TyG-WC指数、Non-HDL-C/HDL-C指数和METS-IR指数对预测HUA的发生具有较高的价值，ROC曲线下面积（AUC）分别为0.811、0.796和0.791。巢式病例对照研究结果显示，高水平TyG-WC指数、Non-HDL-C/HDL-C指数和METS-IR指数相较于低水平，发生HUA的风险分别是2.083倍、2.152倍、2.263倍（P<0.05）。结论 TyG指数、TyG-BMI指数、TyG-WC指数、TG/HDL-C指数、Non-HDL-C/HDL-C指数、METS-IR指数均能预测HUA发生，其中TyG-WC指数、METS-IR指数和Non-HDL-C/HDL-C指数可以作为预测中老年T2DM患者发生HUA的工具。

【关键词】 糖尿病，2型；高尿酸血症；中年人；老年人；胰岛素抵抗；风险评估

【中图分类号】 R 587.1 R 589.9 【文献标识码】 A DOI：10.12114/j.issn.1007-9572.2023.0472

Study on the Predictive Value of Different Insulin Resistance Replacement Indices for Hyperuricemia in Middle-aged and Elderly Patients with Type 2 Diabetes

HUANG Shuwei1，2，ZHOU Zhiheng3，FENG Tianyuan2，LIU Li2，DENG Guangpu2，LI Yaotian2，ZHU Hong1，2*

1.School of Public Health，Southern Medical University，Guangzhou 510515，China

2.Nanfang Hospital，Southern Medical University，Guangzhou 510515，China

3.Shenzhen Pingshan General Hospital，Southern Medical University，Shenzhen 518118，China

*Corresponding author：ZHU Hong，Researcher/Doctoral supervisor；E-mail：zhuhongnfyy@126.com

【Abstract】 Background In China，there is a significant prevalence of type 2 diabetes patients（T2DM），who also have an increased risk of developing secondary hyperuricemia（HUA）. Patients with T2DM who develops HUA are at increased risk of developing further problems，which could have detrimental effects on their health. Consequently，it is crucial to promptly identify individuals who have a high risk of developing secondary HUA and to begin early prevention and therapy. Objective Exploring the predictive value of common insulin resistance （IR）surrogates for the HUA in middle-aged and elderly T2DM patients. And employ a subset of these metrics as predictive metrics for the occurrence and progression of HUA. Methods Using stratified random sampling，479 individuals with type 2 diabetes mellitus（T2DM）and 1 528 patients with non-hyperuricemia（NHUA）were chosen from seven community health service centers in Shenzhen between January and March 2023. Multivariate Logistic regression analysis was used to evaluate the effects of various insulin resistance（IR）metrics and their quartiles on the incidence of HUA in middle-aged and older type 2 diabetic patients. Triglyceride-high density lipoprotein cholesterol（TG/HDL-C）index，non-high density lipoprotein cholesterol ratio（Non-HDL-C/HDL-C）index，triglyceride glucose（TyG）index，triglyceride glucose body mass（TyG-BMI）index，triglyceride glucose waist circumference（TyG-WC）index，and insulin resistance metabolism（METS-IR）index are some of these metrics. The predictive efficacy of several IR substitution measures for HUA in middle-aged and older T2DM patients was assessed using the ROC curve. The CHARLS database's cohort data from 2011 and 2015 were filtered in order to create a nested case-control that would validate the predictive power of different IR alternative indicators for the likelihood of HUA. Results Multivariate Logistic regression study revealed that the METS-IR index，TG/HDL-C index，Non HDL-C/HDL-C index，TyG index，TyG-BMI index，TyG-WC index，and TG/HDL-C index were independent influencing factors for the occurrence of HUA（P<0.05）. The ROC curve indicates that the TyG-WC index，the Non-HDL-C/HDL-C index，and the METS-IR index，with AUCs of 0.811，0.796，and 0.791，respectively，have good value in predicting the occurrence of HUA. According to the results of the nested case-control study，there was a higher risk of developing HUA at 2.083，2.152，and 2.263 times，respectively，for high levels of the TyG-WC index，Non-HDL-C/HDL-C index，and METS-IR index compared to low levels（P<0.05）. Conclusion TyG index，TyG-BMI index，TyG-WC index，TG/HDL-C ratio index，Non-HDL-C/HDL-C index，and METS-IR index all predicted HUA occurrence，and Non-HDL-C/HDL-C index can be used as tools to predict the occurrence of HUA in middle-aged and elderly patients with T2DM.

【Key words】 Diabetes mellitus，type 2；Hyperuricemia；Middle aged；Aged；Insulin resistance；Risk assessment

胰岛素抵抗（IR）是指靶细胞对胰岛素反应减弱的状态，是糖尿病患者的重要特征。美国内分泌学学会认为，美国90%以上的2型糖尿病（T2DM）患者存在IR［1］。

目前，临床上IR检测的“金标准”是高胰岛素正常血糖钳夹试验（HEC），此外，胰岛素抑制试验（IST）、同位素示踪检测也具有较高的精准度，但由于其侵入性大、价格高、操作复杂等特点，极大地限制了实际应用。因此，学者研究出了许多间接测定空腹胰岛素敏感性的方法，例如，稳态模型评估IR替代指数（HOMA-IR）、β细胞功能指数（HOMA-β）、定量胰岛素敏感指数（QUICKI）和贝内特胰岛素敏感指数（ISI，也称胰岛素敏感指数），其都可以通过测量空腹胰岛素（FINS）和隔夜空腹血糖（FPG）来计算，其中HOMA-IR被广泛使用［2］。然而，在中国，T2DM患者的随访管理是在基层医疗卫生机构进行的，常不测量FINS或不具备测量FINS的条件，这使得上述方法在大规模临床研究和流行病学调查中难以确定IR状态。最近的研究发现，许多基于常规生化指标计算的IR替代指标，如三酰甘油葡萄糖（TyG）指数［3］、三酰甘油葡萄糖体质量（TyG-BMI）指数［4］、三酰甘油葡萄糖腰围（TyG-WC）指数［5］、三酰甘油（TG）/高密度脂蛋白胆固醇（HDL-C）指数（HG/HDL-C）［6］、非高密度脂蛋白胆固醇-高密度脂蛋白胆固醇（Non-HDL-C/HDL-C）指数［7］、胰岛素抵抗代谢（METS-IR）指数［8］等，其在评估IR状态方面都有很高的价值，且用于计算的指标是基层体检常规项目，可以用来评估基层医疗卫生机构T2DM患者的IR状态。

尿酸（UA）是内源性和外源性嘌呤的最终降解代谢产物，主要通过肾脏排泄，在高浓度时可引起高尿酸血症（HUA）。中国的HUA总患病率为13.3%［9］，仅次于糖尿病、高血压和高脂血症，位居第四。HUA不仅可引起痛风，还与糖尿病、脂肪肝、高血压等代谢相关疾病密切相关。研究表明，UA与IR之间存在相关

性［10-12］。UA水平升高与IR和胰岛素分泌受损显著相关［13］。脂肪组织的IR在血清UA代謝HUA的发生中起关键作用［14-15］。目前，有关T2DM患者IR替代指标与HUA发生之间关系的研究较少。因此，本研究将回顾分析TyG指数、TyG-BMI指数、TyG-WC指数、TG/HDL-C指数、Non-HDL-C/HDL-C指数、METS-IR指数等IR替代指标对T2DM患者发生HUA的预测价值，以选择其中能够用以精准预测HUA发生的指标，并选取中国健康与养老追踪调查（CHARLS）数据库2011年和2015年相关数据，开展巢式病例对照研究，进而证实其预测中老年T2DM患者发生HUA的应用价值。

1 资料与方法

1.1 研究对象

于深圳市某区28个社区卫生服务中心中随机抽取7个社区卫生服务中心，选择于2023年1—3月就诊于7个社区卫生服务中心的T2DM患者2 007例。纳入标准：（1）T2DM患者，符合《中国2型糖尿病防治指南（2020年版）》［16］诊断标准：临床症状典型且FPG≥7.0 mmol/L；（2）年龄≥45岁。排除标准：（1）诊断为其他类型糖尿病患者，如1型糖尿病等；（2）近3个月内服用影响UA产生和代谢的药物；（3）诊断肝肾功能不全的患者；（4）其他可能影响UA水平的疾病，如肾炎、肾衰竭、重性肝病、肿瘤等。依据《中国高尿酸血症和痛风诊疗指南（2019）》［17］中的HUA诊断标准：空腹UA≥420 μmol/L，将患者划分为HUA组（UA≥420 μmol/L，479例）和NHUA组（UA<420 μmol/L，1 528例）。

巢式病例对照研究对象来源于CHARLS数据库［18］。从CHARLS数据库中获取2011年和2015年调查对象的一般信息（年龄、性别、既往病史、吸烟情况、饮酒情况）、体格测量（身高、体质量、腰围）和实验室检查资料，包括FPG、糖化血红蛋白（HbA1c）、总胆固醇（TC）、TG、HDL-C、低密度脂蛋白胆固醇（LDL-C）、UA，并使用唯一ID对2011年和2015年的数据进行匹配。纳入标准：（1）2011调查记录有T2DM病史者；（2）2011年调查记录中UA<420 μmol/L；（3）年龄≥45岁；（4）2011年和2015年跟踪调查均有记录。排除标准：（1）遗漏体格测量、实验室检查等关键信息者；（2）2011年和2015年记录不符者（如2011年与2015年年龄相差不是4岁，2011年有T2DM病史但2015年无T2DM病史，2011年与2015年身高相差过大）；（3）有不合理记录者（如47岁但身高仅0.73 m，腰围<40 cm，体质量>150 kg，FPG>100 mol/L，HDL-C和LDL-C之和大于TC等）。最终纳入了955对T2DM患者。

1.2 研究方法

1.2.1 收集患者的年龄、性别、既往病史、吸烟史和饮酒史、运动情况等一般信息。其中，T2DM病程为从确诊T2DM开始至调查当天累计月数；高血压病史，建有高血压档案的视为有高血压病史，反之则无；吸烟史，采用1997年WHO对吸烟者的定义：一生中连续或累积吸烟6个月或以上者均视为吸烟者［18］；饮酒史，在调查时间点算起的前一年，无论何种酒类，只要喝过均定义为饮酒［19］；运动情况，将运动频率高于每周1次以上的视为运动，运动频率低于此的视为不运动。

1.2.2 体检和临床检查资料。本研究使用多功能综合秤测量患者的身高和体质量。患者赤脚站在多功能综合秤上站立，多功能综合秤将自动读取并计算BMI；使用卷尺测量患者的腰围（WC），患者直立，阅读脐部水平一周；臂管智能血压计（OMRON HBP-9021）用于测量患者的收缩压（SBP）和舒张压（DBP），静坐5 min后，手臂与心脏水平，左右手分别测量2次，取4次的平均读数。夜间禁食12 h后，清晨抽血送实验室测定FPG、HbA1c、TG、TC、HDL-C、LDL-C、UA、丙氨酸氨基转氨酶（ALT）、天冬氨酸氨基转氨酶（AST）、血清肌酐（Scr）等生化指标。社区卫生服务中心均采用迈瑞BS-320全自动生化分析仪进行生化检测。

1.2.3 指标计算公式。下式中各指标单位如下表1所示。BMI为kg/m2；身高、腰围为m；体质量为kg；FPG、TC、TG、HDL-C、LDL-C、UA为mg/dL。各指标mg/dL与mmol/L或μmol/L之间换算公式分别为1 mg/dL FPG=18.02 mmol/L FPG，1 mg/dL TC=38.67 mmol/L TC，1 mg/dL TG=88.6 mmol/L TG，1 mg/dL HDL-C=38.67 mmol/L HDL-C，1 mg/dL LDL-C=38.67 mmol/L LDL-C，1 mg/dL UA=59.481 μmol/L UA。

表1 指标计算公式

Table 1 Indicator calculation formula

序号 公式

式（1） BMI=体质量/身高2

式（2） TyG指数=ln［TG×FBG/2］

式（3） TyG-BMI指数=TyG指数×BMI

式（4） TyG-WC指数=TyG指数×WC

式（5） TG/HDL-C指数=TG/HDL-C

式（6） Non-HDL-C/HDL-C指数=（TC-HDL-C）/HDL-C

式（7） METS-IR指数= {ln［2×FPG+TG］×BMI/ln ［HDL-C］}

式（8） LCI指数=TC×TG×LDL-C/HDL-C

式（9） CI指数=（LDL-C-HDL-C）（TG<400 mg/dL）

或LDL-C-HDL-C+TG/5（TG≥400 mg/dL）

注：TyG指数=三酰甘油葡萄糖指数，TG=三酰甘油，FPG=空腹血糖，TyG-BMI指数=三酰甘油葡萄糖体质量指数，TyG-WC指数=三酰甘油葡萄糖腰围指数，WC=腰围，TG/HDL-C指数=三酰甘油-高密度脂蛋白胆固醇指数，HDL-C=高密度脂蛋白胆固醇，Non-HDL-C/HDL-C指数=非高密度脂蛋白胆固醇-高密度脂蛋白胆固醇指数，TC=总胆固醇，METS-IR指数=胰岛素抵抗代谢指数，LCI=脂质心血管指数，CI=胆固醇指数。

1.3 统计学方法

采用SPSS 22.0版统计软件进行数据分析。由于本研究的样本量足够大，使用Shapiro-Wilk检验和直方图方法进行正态分布检验。对符合正态分布的计量资料以（x-±s）表示，两组间比较采用独立样本t检验，不符合正态分布的计量资料以M（P25，P75）表示，组间比较采用Mann-Whitney U检验。计数资料以相对数表示，使用χ2检验进行组间比较。使用单因素Logistic回归分析探讨中老年T2DM患者发生HUA影响因素，并将单因素分析中有统计学意义的指标，纳入多因素Logistic回归分析探讨中老年T2DM患者发生HUA的影响因素。采用受试者工作特征曲线（ROC曲线）分析不同的IR替代指标预测中老年T2DM患者发生HUA的价值，得出其ROC曲线下面积（AUC）、最佳截断值、灵敏度、特异度和约登指数。在巢式病例對照中，采用χ2检验探讨暴露因素与中老年T2DM患者发生HUA及血糖控制结果之间的关系，采用OR值表示暴露组与非患病组的结局事件风险比。以P<0.05为差异有统计学意义。

2 结果

2.1 一般资料和临床数据的比较

HUA组与NHUA组的年龄、吸烟史、饮酒史、高血压病史、T2DM病程、HbA1c、ALT、AST比较，差异无统计学意义（P>0.05）；HUA组的运动情况、性别、WC、BMI、SBP、DBP、FPG、Scr、TC、TG、LDL-C、TyG指数、TyG-BMI指数、TyG-WC指数、TG/HDL-C指数、Non-HDL-C/HDL-C指数、METS-IR指数、LCI指数、CI指数高于NHUA组，HUA组的HDL-C低于NHUA组，差异有统计学意义（P<0.05），见表2。

2.2 中老年T2DM患者发生HUA的单因素Logistic回归分析

以中老年T2DM患者是否发生HUA（赋值：是=1，否=0）为因变量，以［性别（赋值：男性=1，女性=2）、吸烟（赋值：吸烟=1，不吸烟=0）、饮酒（赋值：饮酒=1，不饮酒=0）、高血压（赋值：1=是，否=0），以及年龄、T2DM病程、WC、BMI、SBP、DBP、FPG、HbA1c、ALT、AST、Scr、TC、TG、HDL-C、LDL-C、TyG指数、TyG-BMI指数、TyG-WC指数、TG/HDL-C指数、Non-HDL-C/HDL-C指数、METS-IR指数、LCI指数、CI指数（以上自变量赋值均为实测值）］为自变量进行单因素Logistic回归分析。结果显示，性别、运动、高血压、WC、BMI、SBP、DBP、FPG、Scr、TC、TG、LDL-C、HDL-C、TyG指数、TyG-BMI指数、TyG-WC指数、TG/HDL-C指数、Non-HDL-C/HDL-C指数、METS-IR指数、LCI指数、CI指数是中老年T2DM患者发生HUA的影响因素（P<0.05），见表3。

2.3 中老年T2DM患者发生HUA的多因素Logistic回归分析

以中老年T2DM患者的HUA发生与否（赋值：是=

1，否=0）为因变量，以单因素分析中有统计学意义的指标作为自变量进行多因素Logistic回归分析。由于各IR替代指标之间存在共线性，因此分别进行多因素Logistic回归分析。在调整混杂因素和共线性诊断后，建立了6个IR替代指数的模型，结果显示TyG指数、TyG-BMI指数、TyG-WC指数、TG/HDL-C指数、Non-HDL-C/HDL-C指数、METS-IR指数是中老年T2DM患者发生HUA的影响因素（P<0.05），见表4。

2.4 6个胰岛素抵抗替代指标预测中老年T2DM患者发生HUA的多因素Logistic回归分析

以中老年T2DM患者的HUA发生与否（赋值：是=1，否=0）为因变量，以2.3中各模型的自变量（各IR替代指标用其四分位数来替换，依次为Q1、Q2、Q3、Q4，均以Q1为参照）纳入多因素Logistic回归分析中。结果显示，在所有6个指标中，Q4的HUA发生风险均高于Q1，各指标Q4与Q1相比的OR值分别为：3.941（TyG指数）、4.735（TyG-BMI指数）、5.184（TyG-WC指数）、3.554（TG/HDL-C指数）、4.375（Non-HDL-C/HDL-C指数）和4.725（METS-IR指数），见表5。

2.5 6个IR替代指标预测中老年T2DM患者发生HUA的ROC曲线

使用ROC曲线比较6个IR替代指标对中老年T2DM患者发生HUA风险的影响。TyG-WC指数的AUC最高，为0.811［95%CI（0.792～0.830）］，最佳截点值为8.20，灵敏度为84.80%，特异度为37.90%，约登指数为0.469；其次为Non-HDL-C/HDL-C指数的AUC为0.796［95%CI（0.773～0.819）］，最佳截点值为2.76，灵敏度为77.50%，特异度为30.30%，约登指数为0.472。METS-IR指数的AUC为0.791［95%CI（0.768～0.814）］，最佳截点值为39.61，灵敏度为64.50%，特异度为22.00%，约登指数为0.425。分性别亚组分析后发现，各指数在女性中的表现均比在男性中的表现更佳，AUC、约登指数均更高。各指数中，依旧是TyG-WC指数、Non-HDL-C/HDL-C指数、METS-IR指数的诊断价值较高。见图1和表6。

2.6 T2DM患者发生HUA的巢式病例对照分析

从CHARLS数据库2011年队列中纳入的955例NHUA的T2DM者中，共有74例在2015年随访时发展为了HUA，累积发病率7.75%，将这74例作为病例组，剩余881例作为对照组，构建巢式病例对照。将2011年和2015年随访时TyG-WC指数、Non-HDL-C/HDL-C指数、METS-IR指数均大于ROC曲线分析得出的最佳截点值（8.20、2.76、39.61）的患者视为暴露于高TyG-WC指数（Non-HDL-C/HDL-C指数、METS-IR指数）水平下，其余视为非暴露于高TyG-WC指数（Non-HDL-C/HDL-C指数、METS-IR指数）水平下。各组T2DM患者HUA发生情况见表7。进一步分析发现，高TyG-WC指数水平的患者发生HUA的风险高于低TyG-WC指数水平的患者（χ2=5.966，P=0.015），OR（95%CI）为1.677（1.042～2.700），调整年龄、性别和高血压史等混杂因素后，OR（95%CI）为1.909（1.154～3.158）。高Non-HDL-C/HDL-C指数的患者发生HUA的风险高于低Non-HDL-C/HDL-C指数水平的患者（χ2=4.870，P=0.027），OR（95%CI）为1.723（1.058～2.807），调整年龄、性别和高血压史等混杂因素后，OR（95%CI）为1.810（1.096～2.987）。高METS-IR指数水平的患者发生HUA的风险高于低METS-IR指数水平的患者（χ2=4.612，P=0.032），OR（95%CI）为1.677（1.042～2.700），调整年龄、性别和高血压史等混杂因素后，OR（95%CI）为1.812（1.084～3.031）。

2.7 T2DM患者血糖控制的巢式病例對照研究

从CHARLS数据库2011年队列中纳入的955例T2DM患者中，共有589例在2015年随访时血糖控制在7.0 mmol/L以下，血糖控制率为61.68%。将这589例作为控制良好组，剩余366例作为控制不良组，构建巢式病例对照。将2011年和2015年随访时TyG-WC指数、Non-HDL-C/HDL-C指数、METS-IR指数均大于ROC曲线分析得出的最佳截点值（8.20、2.76、39.61）的患者视为暴露于高TyG-WC指数（Non-HDL-C/HDL-C指数、METS-IR指数）水平下，其余视为非暴露于高TyG-WC指数（Non-HDL-C/HDL-C指数、METS-IR指数）水平下。各组T2DM患者血糖控制情况见表8。进一步分析发现，低TyG-WC指数水平的患者血糖控制率高于高TyG-WC指数水平的患者（χ2=71.002，P<0.001），OR（95%CI）为3.151（2.403～4.133），调整年龄、性别和高血压史等混杂因素后，OR（95%CI）为3.123（2.361～4.130）。低Non-HDL-C/HDL-C指数水平的患者血糖控制率高于高Non-HDL-C/HDL-C指数水平的患者（χ2=19.976，P<0.001），OR（95%CI）为1.822（1.399～2.373），调整年龄、性别和高血压史等混杂因素后，OR（95%CI）为1.763（1.350～2.302）。低METS-IR指数水平的患者血糖控制率高于高METS-IR指数水平的患者（χ2=41.107，P<0.001），OR（95%CI）为2.589（1.973～3.399），调整年龄、性别和高血压史等混杂因素后，OR（95%CI）为2.596（1.950～3.458）。

3 讨论

糖尿病患者常伴IR症状。IR是许多病理生理状况的共同因素，如肥胖、血脂异常、糖耐量异常和动脉粥样硬化［20］。HUA水平与IR之间存在交互作用［21］。大量UA沉积于胰岛细胞内，会损害胰岛B细胞的胰岛素分泌功能，胰岛素代偿性增强，同时，HUA可导致内皮细胞损伤、消耗葡萄糖的能力降低，产生类似IR的效果［22］。此外，已有研究表明，HUA可引起3T3-L1脂肪细胞的IR［23］。IR会引起持续的高血糖状态，加剧肾脏损害，影响UA的排泄，同时IR带来的高胰岛素血症会增加肾脏对UA的重吸收，导致血清UA水平升高［24］。以往研究已经证实了IR与HUA的密切关系，但在临床实践中仍没有一套完善的IR评价体系来指导HUA的预防和治疗。由于作为评估IR的“金标准”的正常血糖胰岛素钳夹技术在实践中是不可行的。而MATTHEWS等［25］提出HOMA-IR通常被视为评估IR的关键实验室指标。但其计算包括血清胰岛素，因而限制了使用。BMI、WC、FPG和血脂相关参数是基层医疗卫生机构可以完成的常规检查指标，利用这些指标计算的IR替代指标方便、通用，适用于公共卫生管理中筛查HUA高危人群。本研究分析了这些指标与中老年T2DM患者的HUA之间的关系。本研究评估了上述指标在该人群中预测HUA的价值，并选择了用于临床推广的高价值指标。

本研究发现，HUA患者的IR替代指标、BMI和血脂相关参数明显高于UA水平正常的患者，提示HUA患者的IR和脂代谢紊乱更为严重。通过单因素和多因素Logistic回归分析，调整混杂因素和共线性后，TyG指数、TyG-BMI指数、TyG-WC指数、TG/HDL-C指数、Non-HDL-C/HDL-C指数和METS-IR指数是影响HUA发生的独立因素，其中第四分位数对HUA的预测能力显著高于第一四分位数。ROC曲线评价进一步表明，TyG-WC指数、Non-HDL-C/HDL-C指数和METS-IR指数在AUC、灵敏度和特异度方面表现较好。因此，本研究认为TyG-WC指数、Non-HDL-C/HDL-C指数和METS-IR指数对预测T2DM患者HUA的发生有较高的参考价值。

以往研究表明，TG/HDL-C指数能够有效地识别

IR［26］，是β细胞脂毒性的标志，导致胰岛素分泌减少［27］。TG水平升高也导致β细胞凋亡增加［28］。韩国的一项大型横断面研究表明，Non-HDL-C/HDL-C指数是识别IR的一個高效标记物［29］。HDL-C是动脉粥样硬化的保护性指标，Non HDL-C是指从TC中减去HDL-C，包括所有致动脉粥样硬化的脂蛋白的组合，Non HDL-C/HDL-C指数更能反映动脉粥样硬化的风险。研究表明，慢性全身炎症和内皮细胞损伤可能导致动脉粥样硬化与UA水平的相关性［29-30］。此外，通过IR与UA的关系，Non-HDL-C/HDL-C指数在预测HUA方面显示出很高的价值，本研究的结果与之一致。

通过对多个指标的横断面比较发现，TyG指数是预测IR的最佳指标［31］。然而，有学者发现TyG-BMI指数对IR有更强的预测能力［32］。本研究结果表明，TyG-WC指数的预测能力表现好于TyG指数和TyG-BMI指数，这可能是因为引入了WC指数。BMI可以反映脂肪在人体内的整体分布，而WC可以更直接地反映腰部和腹部积累的脂肪含量，常被用来评估腹型肥胖。研究表明，肥胖，特别是腹部肥胖，在IR中起着重要作用［33］。腹型肥胖会导致人类体内脂联素含量降低［34］，抵抗素升高［35］。同时，当皮下脂肪组织的储蓄水平下降，或脂肪细胞过多地反应脂肪储蓄信号时，会引起各种脂肪细胞因子水平发生变化，从而导致IR［36］。因此，在TyG指数的基础上引入腰围指数更能反映IR的真实水平。此外，一些研究还表明，TyG指数与UA呈正相关，可能的机制是三酰甘油水平过高时，会被降解成游离脂肪酸（FFA），被过多转运到肾脏发生沉积时会造成肾脏损害、肾小球硬化，甚至肾小管凋亡，尿酸盐的排泄减少，UA水平升高［37］。腹型肥胖与HUA密切相

关［38］，内脏脂肪组织也可产生UA［39］，因此引入WC后，TyG-WC指数与UA的关系比TyG指数和TyG-BMI指数更密切，提高了预测HUA发生的能力。

本研究发现METS-IR指数与HUA密切相关，与以往研究的结果相似［40-41］。METS-IR指数越高，内脏、肝脏和胰腺的脂肪含量就越多［42］。此外，肝脏和胰腺中脂肪含量的积累会显著增加IR［43-44］。METS-IR的计算包括FPG、TG、BMI和HDL-C，与TyG指数和TyG-BMI指数相比，增加的HDL-C更能反映内脏脂肪功能的变化和脂质堆积的程度，更好地反映代谢紊乱［45］，提高了对HUA的预测能力。本研究还发现，中老年的T2DM患者中，女性的AUC通常高于男性的AUC，其中女性患者的TyG-WC指数的AUC高达0.864，具有很高的诊断能力。这可以通过雌激素对内脏脂肪积累以及葡萄糖和脂肪代谢的影响来解释［46］。

最后本研究使用了CHARLS数据库进行结果的验证，结果发现，在TyG-WC指数、Non-HDL-C/HDL-C指数和METS-IR指数的高水平组相较于低水平组，患者发生HUA的风险均更高，且血糖控制率更低，证实了这三个指数对于中老年T2DM患者预测HUA发生和血糖控制情况的应用价值。根据我国国家基本公共卫生服务规范中的要求，基层医疗卫生机构至少每季度对T2DM患者进行1次随访，日常诊疗中医生也通常会嘱告患者在家也应时常关注血糖的变化，但为T2DM患者提供免费体检的次数却只有1次，由于经济原因或重视程度不够，大多数患者不会再进行额外的体检，这就导致患者对于UA和血脂等其他代谢指标的监测频率远远达不到实际需求。因此，除了要多动员宣传促进患者增加体检频率之外，如何应用好这一次免费体检的数据就显得更加重要。HUA也是一种逐渐加重的进展性代谢疾病，如不及早进行干预，很可能会导致患者很快地从无症状性HUA进展为痛风，一旦进展为痛风，将给患者带来巨大的身体疼痛，其管理难度也将明显上升，因此，在尚未发生HUA或在HUA早期就能够通过预测进行风险识别，从而及时进行干预具有重要意义。此外，由于影响体内UA水平的原因主要为UA的生成情况和排泄情况，UA水平增加原因可能是由于人体相关先天性酶缺失、肾脏排泄UA功能下降以及患者日常饮食中摄入高嘌呤食物增加。如果患者体检前摄入高嘌呤食物或服用了可能会阻断UA生成的药物，可能无法真实反映患者的UA水平，即单纯通过UA可能带来误判HUA为NHUA的风险。因此，本研究所选择的几个IR替代指标一方面可以准确预测HUA的发生风险，并使用这些指标来辅助判断UA的真实情况，以及早进行干预来预防HUA的发生和进展；另一方面，这些IR替代指标也准确预测了血糖控制的情况，可用于辅助医师调整血糖控制方案。具体来说，当通过患者相关体检数据计算出的TyG-WC指数、Non-HDL-C/HDL-C指数和METS-IR指数超过临界值时，说明患者有发生HUA的风险，应格外关注患者的情况，建议患者定期复查UA和相关指标。

因此，本研究建议在基层医疗卫生机构T2DM患者的治疗和管理中，除考虑FPG和HbA1c外，还应考虑IR的水平。TyG-WC指数、Non-HDL-C/HDL-C指数和METS-IR指数可较好地反映IR水平，可作为HUA风险的预测工具，有助于早期进行HUA的预防和处理，并可据此调整干预策略，做好T2DM患者的血糖管理。这些指标具有测量方便、计算简单、适用范围广等优点，具有实用价值。考虑到合并HUA会加重T2DM患者的代谢紊乱，导致不良后果，可采用并联方法结合多种IR替代指标，以提高其敏感性，降低漏诊率。

本研究存在一定的局限性。首先，本研究為横断面研究，样本量较小，研究结果可能不适用于其他地区或人群。与本研究抽取的患者相比，CHARLS数据库的验证可能由于其自我报告的T2DM状况、不同的调查时间、参与者之间不同的UA水平以及不同的分组诊断截止值而存在偏差。未来的研究应采用大样本、多中心、前瞻性设计和更具代表性的临界值，以确定TyG-WC指数、Non-HDL-C/HDL-C指数、METS-IR指数与HUA发生的关系，再进一步探索用这些指标界定发生HUA的低风险、中风险、高风险的情况。这些指数对其他年龄组或人群的适用性也需要进一步研究证实。

4 小结

本研究证实了在中老年T2DM人群中，多项IR替代指标与HUA的发生有密切相关，其中，TyG-WC指数、Non-HDL-C/HDL-C指数、METS-IR指数对HUA的发生有较高的预测价值。本研究还为T2DM患者的健康管理提供了新的视角和工具。在初级卫生保健机构对T2DM患者的管理中，医生应充分利用这些IR替代指标，以更精准地评估患者的IR状况，并以此作为预测HUA发生风险的工具，根据指标情况制定相应的个性化的干预策略。对已达到或即将达到危险阈值的患者，应及时进行干预，调整行为和生活方式，预防HUA的发生。此外，关注IR替代指数的这些变化也有助于血糖的控制，从而减缓T2DM的进展，提高患者的生活质量。

作者贡献：黄书玮参与文章构思与设计、数据收集与管理、论文写作；周志衡、冯天元、刘莉参与文章构思与设计、数据收集与管理、论文修订；邓光璞、李尧天参与文章构思与设计、统计分析、审查和论文写作；朱宏负责文章构思与设计、文章的质量控制及审校，对文章整体负责。

本文无利益冲突。

黄书玮：https：//orcid.org/0009-0005-3072-2658

朱宏：https：//orcid.org/0009-0000-8604-4714

参考文献

EINHORN D. American college of endocrinology position statement on the insulin resistance syndrome［J］. Endocr Pract，2003，9：5-21. DOI：10.4158/ep.9.s2.5.

中华医学会糖尿病学分会胰岛素抵抗学组（筹）. 胰岛素抵抗评估方法和应用的专家指导意见［J］. 中华糖尿病杂志，2018，10（6）：377-385. DOI：10.3760/cma.j.issn.1674-5809.2018.06.001.

RAMDAS NAYAK V K，SATHEESH P，SHENOY M T，et al. Triglyceride Glucose（TyG）Index：a surrogate biomarker of insulin resistance［J］. J Pak Med Assoc，2022，72（5）：986-988. DOI：10.47391/JPMA.22-63.

YUAN Y，SUN W，KONG X Q. Comparison between distinct insulin resistance indices in measuring the development of hypertension：the China Health and Nutrition Survey［J］. Front Cardiovasc Med，2022，9：912197. DOI：10.3389/fcvm.2022.912197.

SONG S，SON D H，BAIK S J，et al. Triglyceride glucose-waist circumference（TyG-WC）is a reliable marker to predict non-alcoholic fatty liver disease［J］. Biomedicines，2022，10（9）：2251. DOI：10.3390/biomedicines10092251.

NUR ZATI IWANI A K，JALALUDIN M Y，YAHYA A，et al.

TG：HDL-C ratio as insulin resistance marker for metabolic syndrome in children with obesity［J］. Front Endocrinol，2022，13：852290. DOI：10.3389/fendo.2022.852290.

KIM S W，JEE J H，KIM H J，et al. Non-HDL-cholesterol/HDL-cholesterol is a better predictor of metabolic syndrome and insulin resistance than apolipoprotein B/apolipoprotein A1［J］. Int J Cardiol，2013，168（3）：2678-2683. DOI：10.1016/j.ijcard.2013.03.027.

BELLO-CHAVOLLA O Y，ALMEDA-VALDES P，GOMEZ-VELASCO D，et al. METS-IR，a novel score to evaluate insulin sensitivity，is predictive of visceral adiposity and incident type 2 diabetes［J］. Eur J Endocrinol，2018，178（5）：533-544. DOI：10.1530/EJE-17-0883.

LIU R，HAN C，WU D，et al. Prevalence of hyperuricemia and gout in mainland China from 2000 to 2014：a systematic review and meta-analysis［J］. Biomed Res Int，2015，2015：762820. DOI：10.1155/2015/762820.

宋華隆，高鹰. 血尿酸水平与2型糖尿病发病风险的关联队列研究［J］. 中国全科医学，2023，26（15）：1831-1839. DOI：10.12114/j.issn.1007-9572.2022.0785.

段琼，张紫行，徐娟，等. 高尿酸血症与脂肪肝关联的前瞻性队列研究［J］. 中华疾病控制杂志，2022，26（12）：1420-1425，1432. DOI：10.16462/j.cnki.zhjbkz.2022.12.010.

MART?NEZ-S?NCHEZ F D，VARGAS-ABONCE V P，GUERRERO-CASTILLO A P，et al. Serum Uric Acid concentration is associated with insulin resistance and impaired insulin secretion in adults at risk for Type 2 Diabetes［J］. Prim Care Diabetes，2021，15（2）：293-299. DOI：10.1016/j.pcd.2020.10.006.

李歆旎，沈艳，金雪娟，等. 血尿酸与高血压的相关性研究［J］. 中国分子心脏病学杂志，2022，22（5）：4897-4902. DOI：10.16563/j.cnki.1671-6272.2022.10.005.

HAN T S，LAN L，QU R G，et al. Temporal relationship between hyperuricemia and insulin resistance and its impact on future risk of hypertension［J］. Hypertension，2017，70（4）：703-711. DOI：10.1161/HYPERTENSIONAHA.117.09508.

SUN H L，CHANG X N，BIAN N N，et al. Adipose tissue insulin resistance is positively associated with serum uric acid levels and hyperuricemia in northern Chinese adults［J］. Front Endocrinol，2022，13：835154. DOI：10.3389/fendo.2022.835154.

中华医学会糖尿病学分会. 中国2型糖尿病防治指南（2020年版）［J］. 国际内分泌代谢杂志，2021，41（5）：482-548. DOI：10.3760/cma.j.cn121383-20210825-08063.

中华医学会内分泌学分会. 中国高尿酸血症与痛风诊疗指南（2019）［J］. 中华内分泌代谢杂志，2020，36（1）：1-13. DOI：10.3760/cma.j.issn.1000-6699.2020.01.001.

何权瀛，高莹慧. 关于吸烟问题若干名词定义［J］. 中华结核和呼吸杂志，2009，32（1）：56. DOI：10.3760/cma.j.issn.

1001-0939.2009.01.008.

中国疾病预防控制中心. 中国慢性病及其危险因素监测分析报告2004年［M］. 北京：中国协和医科大学出版社，2009.

KING G L，PARK K，LI Q. Selective insulin resistance and the development of cardiovascular diseases in diabetes：the 2015 edwin bierman award lecture［J］. Diabetes，2016，65（6）：1462-1471. DOI：10.2337/db16-0152.

孙琳，王桂侠，郭蔚莹. 高尿酸血症研究进展［J］. 中国老年学杂志，2017，37（4）：1034-1038. DOI：10.3969/j.issn.1005-9202.

2017.04.112.

BORGHI C，TYKARSKI A，WIDECKA K，et al. Expert consensus for the diagnosis and treatment of patient with hyperuricemia and high cardiovascular risk［J］. Cardiol J，2018，25（5）：545-563. DOI：10.5603/CJ.2018.0116.

刘颖. 高尿酸对3T3-L1脂肪细胞IRS-1表达及其酪氨酸磷酸化水平的影响［D］. 长沙：中南大学，2013.

董洋，赵心迪，曹慧霞，等. 2型糖尿病患者血尿酸水平与肾功能损伤的相关性［J］. 中华实用诊断与治疗杂志，2022，36（5）：456-459. DOI：10.13507/j.issn.1674-3474.2022.05.005.

MATTHEWS D R，HOSKER J P，RUDENSKI A S，et al. Homeostasis model assessment：insulin resistance and beta-cell function from fasting plasma glucose and insulin concentrations in man［J］. Diabetologia，1985，28（7）：412-419. DOI：10.1007/BF00280883.

SELVI N M K，NANDHINI S，SAKTHIVADIVEL V，et al.

Association of Triglyceride-Glucose Index（TyG index）with HbA1c and Insulin Resistance in Type 2 Diabetes Mellitus［J］. Maedica，2021，16（3）：375-381. DOI：10.26574/maedica.2021.16.3.375.

YOUNG K A，MATURU A，LORENZO C，et al. The triglyceride to high-density lipoprotein cholesterol（TG/HDL-C）ratio as a predictor of insulin resistance，β-cell function，and diabetes in Hispanics and African Americans［J］. J Diabetes Complications，2019，33（2）：118-122. DOI：10.1016/j.jdiacomp.2018.10.018.

LISTENBERGER L L，HAN X L，LEWIS S E，et al. Triglyceride accumulation protects against fatty acid-induced lipotoxicity［J］. Proc Natl Acad Sci U S A，2003，100（6）：3077-3082. DOI：10.1073/pnas.0630588100.

KIMURA Y，TSUKUI D，KONO H. Uric acid in inflammation and the pathogenesis of atherosclerosis［J］. Int J Mol Sci，2021，

22（22）：12394. DOI：10.3390/ijms222212394.

張金涛，戴冰冰，刘畅. 代谢因素对银屑病关节炎的影响［J］. 临床内科杂志，2021，38（8）：537-540. DOI：10.3969/j.issn.1001-

9057.2021.08.011.

DU T T，YUAN G，ZHANG M X，et al. Clinical usefulness of lipid ratios，visceral adiposity indicators，and the triglycerides and glucose index as risk markers of insulin resistance［J］. Cardiovasc Diabetol，2014，13：146. DOI：10.1186/s12933-014-0146-3.

ER L K，WU S，CHOU H H，et al. Triglyceride glucose-body mass index is a simple and clinically useful surrogate marker for insulin resistance in nondiabetic individuals［J］. PLoS One，2016，11（3）：e0149731. DOI：10.1371/journal.pone.0149731.

KOJTA I，CHACI?SKA M，B?ACHNIO-ZABIELSKA A. Obesity，bioactive lipids，and adipose tissue inflammation in insulin resistance［J］. Nutrients，2020，12（5）：1305. DOI：10.3390/nu12051305.

JIANG C Y，YANG R J，KUANG M B，et al. Triglyceride glucose-body mass index in identifying high-risk groups of pre-diabetes［J］. Lipids Health Dis，2021，20（1）：161. DOI：10.1186/s12944-021-01594-7.

BARAZZONI R，GORTAN CAPPELLARI G，RAGNI M，et al. Insulin resistance in obesity：an overview of fundamental alterations［J］. Eat Weight Disord，2018，23（2）：149-157. DOI：10.1007/s40519-018-0481-6.

KATSIKI N，MANTZOROS C，MIKHAILIDIS D P. Adiponectin，lipids and atherosclerosis［J］. Curr Opin Lipidol，2017，28（4）：347-354. DOI：10.1097/MOL.0000000000000431.

CUI N，CUI J，SUN J P，et al. Triglycerides and total cholesterol concentrations in association with hyperuricemia in Chinese adults in Qingdao，China［J］. Risk Manag Healthc Policy，2020，13：165-173. DOI：10.2147/RMHP.S243381.

杨媛，周光清，李宛霖，等. 不同肥胖指标在高尿酸血症风险预测中的应用价值比较研究［J］. 中国全科医学，2022，25（4）：453-460. DOI：10.12114/j.issn.1007-9572.2021.00.281.

BAEK J，HE C C，AFSHINNIA F，et al. Lipidomic approaches to dissect dysregulated lipid metabolism in kidney disease［J］. Nat Rev Nephrol，2022，18（1）：38-55. DOI：10.1038/s41581-021-00488-2.

HAN R F，ZHANG Y，JIANG X. Relationship between four non-insulin-based indexes of insulin resistance and serum uric acid in patients with type 2 diabetes：a cross-sectional study［J］. Diabetes Metab Syndr Obes，2022，15：1461-1471. DOI：10.2147/DMSO.S362248.

LIU X Z，XU X，ZHU J Q，et al. Association between three non-insulin-based indexes of insulin resistance and hyperuricemia［J］. Clin Rheumatol，2019，38（11）：3227-3233. DOI：10.1007/s10067-019-04671-6.

BELLO-CHAVOLLA O Y，ANTONIO-VILLA N E，VARGAS-V?ZQUEZ A，et al. Metabolic Score for Visceral Fat（METS-VF），a novel estimator of intra-abdominal fat content and cardio-metabolic health［J］. Clin Nutr，2020，39（5）：1613-1621. DOI：10.1016/j.clnu.2019.07.012.

KATO K，TAKAMURA T，TAKESHITA Y，et al. Ectopic fat accumulation and distant organ-specific insulin resistance in Japanese people with nonalcoholic fatty liver disease［J］. PLoS One，2014，9（3）：e92170. DOI：10.1371/journal.pone.0092170.

KO J，SKUDDER-HILL L，TARRANT C，et al. Intra-pancreatic fat deposition as a modifier of the relationship between habitual dietary fat intake and insulin resistance［J］. Clin Nutr，2021，40（7）：4730-4737. DOI：10.1016/j.clnu.2021.06.017.

楊曦，柳怡莹，万沁. TG/HDL-C、TyG指数对T2DM患者高尿酸血症的预测价值［J］. 天津医药，2021，49（6）：603-608. DOI：10.11958/20203608.

赵美茹，朱迪，刘淋，等. 简易胰岛素抵抗指标与698例2型糖尿病患者发生高尿酸血症风险的关联［J］. 山东大学学报（医学版），2022，60（12）：44-51. DOI：10.6040/j.issn.1671-7554.0.2022.0575.

（收稿日期：2023-06-14；修回日期：2024-02-26）

（本文编辑：王世越）