编辑推荐：
为探究 SII 与 MetS 及其组分的关联，Shahid Beheshti University of Medical Sciences 的研究人员开展相关研究。结果发现 SII 与 MetS、高血糖、高血压显著相关。该研究对代谢疾病防治意义重大，推荐科研读者阅读。
来自 Shahid Beheshti University of Medical Sciences 大学的 Prevention of Metabolic Disorders Research Center（代谢紊乱预防研究中心）的研究人员 Azra Ramezankhani、Maryam Tohidi 和 Farzad Hadaegh 在《Cardiovascular Diabetology》期刊上发表了题为 “Association between the systemic immune-inflammation index and metabolic syndrome and its components: results from the multiethnic study of atherosclerosis (MESA)” 的论文。这篇论文在心血管疾病与糖尿病研究领域意义重大，为深入探究代谢综合征（Metabolic Syndrome，MetS）与全身免疫炎症指标之间的关联提供了新的视角和依据，有助于推动相关疾病预防和诊疗技术的发展。
研究核心内容速览
论文通过对 Multi-Ethnic Study of Atherosclerosis（MESA）队列数据的分析，发现全身免疫炎症指数（Systemic Immune-Inflammation Index，SII）与代谢综合征及其部分组分（如高血糖、高血压）之间存在显著关联。这意味着 SII 或许能作为一个简单且经济有效的指标，用于识别中老年人患代谢综合征的风险，尤其是对于糖尿病和高血压的高危人群。
研究背景：探索代谢综合征背后的 “炎症密码”
代谢综合征（MetS）可不是个简单的病症，它是多种代谢异常情况的组合，像高血压、高血糖、中心性肥胖以及血脂异常（dyslipidemia）等都包含其中。在美国，它的患病率一路飙升，从 2011 - 2012 年的 37.6% 涨到了 2017 - 2018 年的 41.8% ，已经成为一个严重的公共健康难题。MetS 不仅会影响心脏传导，导致 QRS 波群持续时间延长、QTc 离散度增加，还和心血管疾病（Cardiovascular Disease，CVD）、心源性猝死以及 2 型糖尿病（Type 2 Diabetes Mellitus，T2DM）的发生紧密相关。
近年来，越来越多的研究发现，炎症在 MetS 各个组分的发展和进展过程中起着关键作用。像 C 反应蛋白（C-reactive protein，CRP）、白细胞介素 - 6（Interleukin-6，IL-6）和肿瘤坏死因子 - α（Tumor Necrosis Factor-alpha，TNF-α）这些炎症生物标志物水平升高，都和 MetS 的关键组分，比如内脏肥胖、胰岛素抵抗等密切相关。这表明，慢性低度炎症状态在 T2DM 和 CVD 的发病机制中扮演着重要角色。在已经患有 CVD 的患者中，这种过度的炎症反应还会让临床结果变得更糟。
在这样的背景下，寻找合适的炎症生物标志物来预测 MetS 就变得尤为重要。一些基于血常规（Complete Blood Count，CBC）检测得出的复合炎症指标，如中性粒细胞与淋巴细胞比值（Neutrophil-to-Lymphocyte Ratio，NLR）、血小板与淋巴细胞比值（Platelet-to-Lymphocyte Ratio，PLR）以及全身免疫炎症指数（SII）等，因为其预测疾病的能力受到了广泛关注。SII 是由 Hu 等人开发的综合生物标志物，它整合了血小板、中性粒细胞和淋巴细胞的计数，能反映身体炎症和免疫状态的平衡。虽然 SII 最初是用于评估癌症患者的预后，但后来发现它和很多疾病都有关系，不过关于 SII 和 MetS 之间关联的研究还比较有限，特别是在普通人群中的研究。之前有两项基于美国国家健康与营养检查调查（National Health and Nutrition Examination Survey，NHANES）数据的研究，结果却不太一致，而且这两项研究涉及的年龄范围较广，对老年人群的研究样本量较小。考虑到中老年人更容易患慢性炎症和代谢疾病，生活方式和身体活动模式也有所不同，所以开展这项研究很有必要，它能填补这一领域的研究空白。
研究方法：抽丝剥茧探寻关联奥秘
研究人员从 Biologic Specimen and Data Repository Information Coordinating Center（BioLINCC）获取了 MESA 队列研究的数据。MESA 是一项大型的队列研究，一直在收集纵向数据，用于调查不同种族人群中亚临床心血管疾病的患病率、风险因素和进展情况。
研究选取了 MESA 队列中第 5 次检查（2010 - 2012 年）时年龄在 45 - 84 岁的 2755 名参与者，其中男性 1305 名。研究人员通过问卷调查和访谈收集了参与者的人口统计学信息、病史、家族史、吸烟饮酒情况、药物使用情况等。还对参与者进行了人体测量，像体重、身高、腰围（Waist Circumference，WC）等，计算了体重指数（Body Mass Index，BMI）；测量了血压，采集了空腹血样来检测生化指标，比如空腹血糖（Fasting Blood Glucose，FBG）、甘油三酯（Triglycerides，TG）、高密度脂蛋白胆固醇（High-Density Lipoprotein Cholesterol，HDL-C）等；通过自动化细胞计数器检测了血小板、中性粒细胞和淋巴细胞的计数。
在定义研究相关指标时，MetS 的诊断依据美国国家胆固醇教育计划（National Cholesterol Education Program，NCEP）成人治疗小组 III（Adult Treatment Panel III，ATP III）指南，满足至少三个条件即可诊断。SII 则通过血小板计数（Platelet Count，PC）× 中性粒细胞计数（Neutrophil Count，NC）/ 淋巴细胞计数（Lymphocyte Count，LC）来计算。
统计分析方面，研究人员先用 Shapiro-Wilk 检验评估连续变量的正态性。由于 SII 呈右偏分布，所以对其进行自然对数（LnSII）转换，使其符合参数检验的要求。研究人员用 t 检验、卡方检验、Mann-Whitney U 检验等评估不同组之间的差异，用逻辑回归模型探索 SII 与 MetS 及其组分的关联，还进行了亚组分析、非线性关系检验等。通过这些严谨的方法，全面深入地分析数据，力求找出 SII 与 MetS 及其组分之间的真实关系。
研究结果：发现炎症指标与代谢异常的紧密 “纽带”
- 参与者基本特征：研究样本中男性 1305 名，女性 1450 名，男性平均年龄 69.5 岁，女性平均年龄 69.4 岁。大约 39.2% 的参与者被诊断为 MetS。在 MetS 的各个组分中，高血压和高腰围的患病率最高，分别影响了 69.7% 和 61.6% 的参与者。和未患 MetS 的人相比，患 MetS 的人更可能是黑人或西班牙裔，受教育程度较低，身体活动较少，当前饮酒者比例较低，而且 BMI、WC、收缩压（Systolic Blood Pressure，SBP）、TG、FBG、NC、LC 和 PC 更高，HDL-C 更低。
- SII 与 MetS 的关联：在未调整的模型中，LnSII 和 MetS 没有显著关联。但在调整了年龄、性别和种族的模型 2，以及进一步调整了多种混杂因素的模型 3 中，LnSII 与 MetS 呈现正相关。把 LnSII 按四分位数分组分析后发现，在模型 3 调整所有混杂因素后，第 3 四分位数的参与者患 MetS 的患病率比第 1 四分位数的参与者高 47%。通过限制立方样条（Restricted Cubic Spline，RCS）曲线分析，证实了 LnSII 和 MetS 之间存在线性关系。
- SII 与 MetS 各组分的关联：LnSII 与高 FBG（1.23；1.05 - 1.44）和高血压（1.37；1.15 - 1.63）呈正相关，但和其他组分没有明显关联。在 LnSII 的分类分析中，第 4 四分位数的参与者高 FBG 的患病率比第 1 四分位数高 32%，第 4 四分位数的参与者高血压的患病率比第 1 四分位数高 63%。另外，第 2 四分位数的参与者低 HDL-C 的患病率比第 1 四分位数高 40%。而且，这些关联在进一步调整了 MetS 的其他组分后依然存在。RCS 曲线显示，LnSII 和 MetS 各组分之间没有非线性关联。
- 亚组分析结果：亚组分析发现，在男性、年龄≥60 岁的个体、黑人以及肥胖个体中，LnSII 和 MetS 存在显著正相关。在 MetS 的各个组分中，高血压在不同亚组中都和 LnSII 呈正相关。不过，肥胖状态对 LnSII 和升高的 WC 之间的关系有显著影响，在肥胖个体中两者呈正相关，在非肥胖个体中呈负相关。
研究结论与讨论：炎症指标助力代谢疾病防治
这项研究发现，SII 与 MetS 及其部分组分（高 FBG 和高血压）之间存在显著的线性关联，即使在控制了相关混杂因素后依然如此。在亚组分析中，肥胖状态会影响 SII 和升高的 WC 之间的关系。这表明 SII 可能是一个反映代谢紊乱的综合指标，对于在中老年人中识别 MetS 风险，尤其是糖尿病和高血压的风险，具有重要意义。
之前的研究已经表明 SII 在预测癌症治疗效果和预后方面有重要作用，在其他代谢相关疾病中也有一定的预测价值。但关于 SII 和 MetS 之间关联的研究还存在不一致的地方，比如之前两项基于 NHANES 数据的研究，对 SII 和 MetS 之间关联的形状和性质的结论就不一样。本研究不仅发现了 SII 和 MetS 之间的线性关联，还发现 SII 和高 FBG 之间的关联在调整其他因素后依然显著，这和之前的研究结果不同，可能是因为研究人群的年龄、高血糖患病率以及基线 SII 水平等存在差异。
研究还进一步探讨了 SII 和高血压之间的关联，虽然之前的研究有不同的发现，但本研究认为两者的线性关联可能和年龄相关的因素有关，比如慢性低度炎症。炎症和 MetS 各组分之间存在双向关系，炎症会导致代谢功能障碍，而代谢异常也会加剧炎症，形成恶性循环。
本研究没有发现 SII 和高 TG、升高的 WC 以及低 HDL-C 在总体人群中有显著关联，但在分类分析中发现了 SII 和低 HDL-C 的关联。和之前研究结果的差异可能是因为调整方法不同，本研究进一步调整了 MetS 其他组分的影响，能更准确地探究 SII 和特定 MetS 组分之间的独立关系。
总的来说，本研究的优势在于利用了 MESA 队列数据，样本量大、人群多样化，还针对中老年人这一高风险人群进行研究，并且在分析 SII 和 MetS 各组分关联时进行了更全面的调整，统计效力也很高。不过研究也存在局限性，比如是横断面研究，无法确定因果关系；可能存在未测量的混杂因素；研究对象是美国 45 岁以上人群，对年轻人群的适用性有限。
未来还需要进一步开展纵向研究，明确 SII 和 MetS 之间的因果关系，评估 SII 在临床实践中作为筛查工具的潜力，为预防和治疗代谢综合征及其相关疾病提供更有力的依据。
