HOMA2 IR-CP和TyG-BMI在2型糖尿病患者中预测代谢功能障碍相关脂肪性肝病的价值及其相关性研究

《Diabetes, Metabolic Syndrome and Obesity》：Predictive Value and Correlation Study of HOMA2 IR-CP and TyG-BMI for Metabolic Dysfunction-Associated Steatotic Liver Disease in Patients with Type 2 Diabetes Mellitus

　　探讨HOMA2 IR-CP和TyG-BMI与T2DM患者MASLD的关联，构建预测模型并验证其性能。LASSO回归和逻辑回归分析显示两者为独立危险因素，模型AUC分别为0.805和0.730，校准和决策曲线分析证实其临床价值。RCS分析表明HOMA2 IR-CP与MASLD呈非线性关联，而TyG-BMI呈线性关联。

　　这项研究探讨了基于C肽的胰岛素抵抗指数（HOMA2 IR-CP）和甘油三酯-葡萄糖-体重指数（TyG-BMI）在2型糖尿病（T2DM）患者中与代谢功能障碍相关脂肪肝（MASLD）之间的关系。研究的主要目标是识别MASLD的独立风险因素，构建一个临床预测模型，并评估该模型的预测性能。通过分析这些指标，研究旨在为T2DM患者的MASLD风险评估提供一个可靠的工具，从而促进早期诊断和干预。

### 研究背景与意义

近年来，MASLD的全球患病率和发病率逐年上升，尤其是在2016年之后，其患病率甚至达到了37.8%。特别是在超重和肥胖人群中，MASLD的患病率显著增加，分别为70.0%和75.3%。对于患有T2DM的患者，MASLD的患病率约为65.0%，并且这类患者更易发展为严重的肝病，如肝纤维化。由于MASLD在早期阶段通常没有明显的临床症状，而患者又往往不愿意接受侵入性的诊断方法（如肝活检）或昂贵的检查手段（如磁共振成像），因此，准确评估T2DM患者的MASLD风险仍然是一个重大挑战。因此，探索非侵入性的生物标志物对于MASLD的早期识别和管理具有重要的临床意义。

### 研究方法

研究采用横断面设计，共纳入了311名T2DM患者，按照7:3的比例随机分为衍生队列（218例）和验证队列（93例）。通过LASSO回归筛选预测因素，并将其结果与逻辑回归分析相结合。随后，构建了一个基于HOMA2 IR-CP和TyG-BMI的列线图预测模型，并通过受试者工作特征（ROC）曲线、校准曲线和决策曲线分析（DCA）来评估模型的预测性能。此外，使用限制性三次样条（RCS）回归分析探讨HOMA2 IR-CP和TyG-BMI与MASLD之间的剂量反应关系，并进行了分层分析和交互作用分析。

### 研究结果

研究发现，HOMA2 IR-CP和TyG-BMI是T2DM患者中MASLD的独立风险因素。在衍生队列中，模型的曲线下面积（AUC）为0.805，在验证队列中为0.730。校准曲线显示，预测概率与实际结果之间有良好的一致性，而DCA验证了该模型在临床中的显著净效益。RCS分析进一步揭示了HOMA2 IR-CP与MASLD之间存在非线性关系（P < 0.05），而TyG-BMI与MASLD之间则呈现线性关系（P = 0.139）。尽管在性别、年龄、BMI或糖化血红蛋白（HbA1c）水平分层的亚组中未观察到显著的交互作用效应，但研究发现，BMI低于28 kg/m2和HbA1c≥7%的患者中，这些指标与MASLD的关联更为显著。

### 讨论

研究结果表明，HOMA2 IR-CP和TyG-BMI在T2DM患者中对MASLD具有良好的预测能力。HOMA2 IR-CP是基于C肽的胰岛素抵抗指数，相较于传统的HOMA-IR，它能够更准确地评估胰岛素抵抗，尤其适用于接受外源性胰岛素治疗的患者。TyG-BMI则是一个结合了甘油三酯、血糖水平和BMI的指标，已被证明在MASLD的预测中具有较高的准确性。通过构建基于这两个指标的列线图模型，研究提供了更加便捷和实用的MASLD风险评估工具，有助于在临床实践中实现早期干预和治疗。

### 临床应用与意义

该模型的构建基于常见的临床实验室指标，如血糖、甘油三酯和BMI，这些指标不仅容易获取，而且成本较低，有助于减轻患者的经济负担并简化临床操作。即使在缺乏先进检查设备的基层医疗机构，如社区医院或初级保健中心，这些指标也能用于评估T2DM患者的MASLD风险。这为大规模人群筛查提供了可行性，同时确认了模型在临床中的广泛应用潜力。

### 模型的非线性关系

RCS分析显示，HOMA2 IR-CP与MASLD之间存在非线性关系，而TyG-BMI则与MASLD呈线性关系。这一发现意味着，HOMA2 IR-CP的预测能力在不同水平上可能存在差异，因此在临床实践中可能需要更细致的阈值调整。然而，TyG-BMI的线性关系使得其在不同亚组中具有较为一致的预测能力，这有助于简化模型的应用。

### 亚组分析与风险因素

分层分析显示，BMI低于28 kg/m2和HbA1c≥7%的患者中，HOMA2 IR-CP和TyG-BMI与MASLD的关联更为显著。这一结果表明，即使在非肥胖的T2DM患者中，也应重视MASLD的风险评估，因为这些患者可能因其他因素（如胰岛素抵抗或血糖控制不佳）而面临较高的MASLD风险。此外，研究还指出，某些抗糖尿病药物可能有助于降低MASLD的发病率，因此在长期管理T2DM患者时，除了关注血糖控制外，还应考虑这些药物对肥胖和胰岛素抵抗的影响。

### 临床建议与未来研究方向

基于研究结果，建议在临床实践中，对于符合以下条件的T2DM患者，应将其归类为MASLD的高风险群体，并优先进行肝脏影像学检查或肝纤维扫描以确认诊断：BMI < 28 kg/m2、HbA1c ≥ 7%以及HOMA2 IR-CP ≥ 1.38、TyG-BMI ≥ 223.33。此外，干预策略应同时关注“血糖控制”和“改善胰岛素抵抗与葡萄糖-脂质代谢”，例如使用胰高血糖素样肽-1受体激动剂（GLP-1 RAs）等药物，这些药物不仅能降低血糖，还能减少肝脏脂肪含量，从而实现对MASLD的综合管理。

### 研究局限性

尽管研究取得了重要成果，但也存在一些局限性。首先，MASLD的诊断主要依赖于影像学检查，而未采用肝活检这一金标准，这可能导致早期或轻度脂肪肝的漏诊。其次，研究数据来源于单一中心的亚洲队列，由于不同地区和民族在遗传背景、生活方式和饮食习惯上的差异，研究结果的推广性可能受到限制。此外，研究样本量相对较小，可能影响统计模型的稳健性和估计的可靠性。未来的研究需要更大规模、多中心的队列，以验证HOMA2 IR-CP和TyG-BMI在不同医疗环境下的适用性和预测性能。

### 结论

综上所述，本研究证实了HOMA2 IR-CP和TyG-BMI在T2DM患者中对MASLD的独立预测作用。基于这两个指标构建的列线图模型显示出良好的预测性能，尤其在区分MASLD患者和非MASLD患者方面具有较高的准确性。因此，HOMA2 IR-CP和TyG-BMI可以作为临床实践中简单且有效的MASLD风险预测标志物，为T2DM患者的MASLD筛查和干预提供重要参考。