This article has been
cited by other articles in ScienceCentral.
초록
배경
지질 대사 이상은 대사관련지방간질환(metabolic-associated fatty liver disease, MAFLD)과 심혈관질환의 주요 위험 요인 중 하나이다. 현재 관상동맥질환을 예측하기 위해 여러 지질 수식이 사용되고 있다. 본 연구의 목적은 국내 일반인구집단을 대상으로 지질 수식의 진단 성능을 평가하고 지질 수식과 MAFLD의 연관성을 평가하는 것이다.
방법
본 연구는 종합건강증진센터에서 총 콜레스테롤(total cholesterol, TC), 고밀도 지단백질 콜레스테롤(high-density lipoprotein cholesterol, HDL-C), 저밀도 지단백질 콜레스테롤(low-density lipoprotein cholesterol, LDL-C), 중성지방(triglyceride, TG)을 포함한 혈청 생화학검사와 복부초음파검사를 받은 22,104명의 한국 성인을 대상으로 분석하였다. Atherogenic index of plasma (AIP, LN(TG/HDL-C)), Castelli risk index-I (CRI-I, [TC/HDL-C]), Castelli risk index-II (CRI-II, [LDL-C/HDL-C]), lipoprotein combined index (LCI, [(TC×TG×LDL-C)/HDL-C]), non-HDL-C (TCHDL-C) 등의 5가지 지질 수식을 평가하였다.
결과
MAFLD의 빈도는 32% (6,979/22,104)였다. AIP가 가장 높은 수신기작동특성곡선아래면적(area under the receiver operating characteristic curve, AUROC: 0.793)을 보였으며, LCI (0.748), CRI-I (0.737), CRI-II (0.701), non-HDL-C (0.632)가 그 뒤를 이었다. 다중로지스틱 회귀분석 결과, AIP가 MAFLD와 가장 강한 연관성을 보였다(OR=2.051, 95% 신뢰구간: 1.951–2.156, P<0.0001).
결론
본 연구를 통해 국내 일반인구집단에서 지질 수식이 MAFLD와 독립적으로 연관되어 있음을 확인하였다. 지질 수식은 MAFLD 예측을 위한 대체 지표가 될 수 있으며, 이 중 AIP가 MAFLD 위험 증가를 예측하는 가장 좋은 지표로 확인되었다.
Abstract
Background
Abnormalities of lipid metabolism are one of the major risk factors for metabolic-associated fatty liver disease (MAFLD) and cardiovascular diseases. A number of lipid equations have been used to predict coronary artery diseases. The aims of this study were to evaluate the diagnostic performance of the lipid equations and to investigate the associations between the lipid equations and MAFLD in a Korean cohort.
Methods
This study consisted of 22,104 Korean adults who underwent abdominal ultrasonography and biochemical testing, including total cholesterol (TC), high-density lipoprotein cholesterol (HDL-C), low-density lipoprotein cholesterol (LDL-C), and triglyceride (TG) at a comprehensive health promotion center. Five lipid equations were calculated: atherogenic index of plasma (AIP, LN(TG/HDL-C)]); Castelli risk index-I (CRI-I, [ TC/HDL-C]); Castelli risk index-II (CRI-II, [ LDL-C/HDL-C]); lipoprotein combined index (LCI, [ (TC×TG×LDL-C)/HDL-C]); and non-HDL-C (TC–HDL-C).
Results
A total of 6,979 (32%) individuals had MAFLD. The AIP had the highest area under the receiver operating characteristic curve for MAFLD (0.793), followed by the LCI (0.748), CRI-I (0.737), CRI-II (0.701), and non-HDL-C (0.632). Multivariate logistic regression analysis showed that AIP had the strongest association with MAFLD (odds ratio, 2.051, 95% confidence interval: 1.951–2.156, P<0.0001).
Conclusions
This study demonstrated that lipid equations were independently associated with MAFLD in a Korean cohort. The lipid equations may be an alternative predictor for MAFLD. Among them, AIP exhibited the highest predictor for MAFLD risk.
Keywords: Metabolic-associated fatty liver disease (MAFLD), Atherogenic index of plasma (AIP), Castelli risk index (CRI), Lipoprotein combined index, Non-HDL Cholesterol
서 론
대사관련지방간질환(metabolic-associated fatty liver disease, MAFLD)은 만성간질환의 원인 중 하나로, 전세계적인 유병률은 대략 33%로 알려져 있다. 최근 비만의 증가와 더불어 MAFLD의 발생도 지속적으로 증가하는 추세이다[
1]. MAFLD는 심뇌혈관질환을 포함한 간외질환 발생의 독립적인 위험인자로 알려져 있어, 일반인구집단에서 MAFLD 고위험군을 조기에 선별하여 관리하는 것이 공중보건학적으로 매우 중요하다[
1].
아시아태평양간학회에 따르면, 지방간이 있으면서 다음 세 개의 진단기준 중 하나를 충족하면 MAFLD를 진단할 수 있다; 1) 과체중/비만형 MAFLD: 과체중 또는 비만이 동반되는 경우, 2) 대사형 MAFLD: 허리둘레 ≥90/80 cm (아시아 남자/여자), 혈압 ≥130/85 mmHg, 중성지방(Triglyceride, TG) ≥150 mg/dL, 고밀도 지단백질 콜레스테롤(high-density lipoprotein cholesterol, HDL-C)<40 mg/dL (남자)<50 mg/dL (여자), 당뇨병전단계(prediabetes: 공복 혈당 100-125 mg/dL, 당부하검사에서 2시간 후 혈당 140-199 mg/dL, hemoglobin A1c (HbA1c) 5.7-6.4%), homeostasis model assessment of insulin resistance [HOMA-IR; (insulin×glucose)/405] 점수≥2.5, 고감도 C반응성 단백질(high-sensitivity C-reactive protein (hs-CRP)>2 mg/L과 같은 대사이상 소견 7개 중 2개 이상에 해당하는 경우, 3) 당뇨병형 MAFLD: 2형 당뇨병이 동반되는 경우[
2]. 지방간을 진단하기 위해 일반적으로 복부초음파검사, 간섬유화스캔, 전산화단층촬영술, 자기공명영상 등을 활용하고 있으나, 이러한 검사법은 일반인구집단을 대상으로 일괄적으로 적용하기에는 한계가 있다[
1]. 또한, 국내 국가검진 프로그램에 포함된 복부초음파검사는 40세 이상 남녀 중 간암 고위험군에 한해 시행되고 있으며, 일반인구집단을 대상으로 시행하는 경우는 드물다[
3]. 뿐만 아니라, MAFLD 진단기준에 포함된 당부하검사, HOMA-IR, hs-CRP 등은 상대적으로 고가의 검사에 속하기 때문에, 일반인구집단을 대상으로 적용하기 위해서는 보다 저렴하고 실용적인 검사법이 필요하다[
2].
간은 지질대사를 담당하는 주요 장기 중 하나로, MAFLD와 이상 지질혈증의 관련성은 잘 알려져 있다. 이상지질혈증은 일반적으로 총 콜레스테롤[total cholesterol (TC)] ≥240 mg/dL, LDL-C ≥160 mg/dL, HDL-C<40 mg/dL, 또는 TG ≥200 mg/dL인 경우 진단할 수 있으며, TC, HDL-C, LDL-C, TG는 국내 일반인구집단을 대상으로 국가에서 실시하는 이상지질혈증 검사에 포함되어 있다[
4]. 이와 같은 지질 검사는 심혈관질환의 진단, 치료 및 추적관찰을 위한 바이오마커로 활용되고 있다. 최근에는 이러한 개별 지질 검사에 기반한 다양한 수식[atherogenic index of plasma (AIP), Castelli risk index-I (CRI-I), Castelli risk index-II (CRI-II), lipoprotein combined index (LCI), non-HDL-C]도 심혈관질환의 위험도 예측에 이용되고 있다[
5-
12].
MAFLD와 심혈관질환은 주요 위험인자를 공유하는 질환이며, 동시에 MAFLD는 심혈관질환 발생의 독립적인 위험인자로도 알려져 있다. 최근 외국에서 시행된 연구에 따르면 지질 수식이 심혈관질환뿐만 아니라 MAFLD 예측에도 유용한 바이오마커로 활용될 수 있다는 결과가 보고되었다[
13-
17]. 이에 본 연구에서는 국내 일반인구집단에서 영상의학검사 및 생화학검사를 시행하지 않고 MAFLD를 선별하기 위해, 국가검진프로그램에 속하는 개별 지질 검사 4종에 기반한 지질 수식 5종의 진단 성능을 평가하고자 한다.
재료 및 방법
본 연구는 2023년 1월부터 12월까지 삼성창원병원 종합건강증진센터를 방문하여 복부초음파검사, 일반혈액검사, 일반화학검사를 시행 받은 성인 57,562명을 대상으로 분석하였다. 20세 미만, 외국인, 결측치가 있는 경우를 제외하였고, 20세 이상, B형간염 및 C형간염 음성인 경우(B형간염 표면항원 음성, B형간염 표면항체 양성 및 C형간염 항체 음성), 전혈구검사와 신장기능검사가 정상인 성인 22,104명을 대상으로 분석하였다. 아시아태평양간학회의 진단기준에 따라, 복부초음파를 통해 지방간이 있으면서 과체중 또는 비만이 있는 경우, 당뇨병이 있는 경우, 또는 대사이상 7개 중 2개 이상이 있는 경우 MAFLD군(N=6,979)으로 진단하였다. 또한, 복부초음파에서 지방간이 없으면서 전혈구검사 및 신기능검사에서 정상인 경우 대조군(N=15,125)으로 정의하였다. 본 연구는 삼성창원병원 임상시험심사위원회(institutional review board, IRB)에서 승인을 받은 후 시행하였다(IRB no., 2022-10-002).
10시간 공복 후 채혈한 혈액에서 aspartate aminotransferase (AST), alanine aminotransferase (ALT), gamma glutamyl transferase (GGT), 총단백질(protein, total), 알부민(albumin), TG, TC, HDL-C, LDL-C, glucose, HbA1c, hs-CRP, insulin 등을 측정하였다. 일반화학검사는 Cobas 8000 series (Roche Diagnostics, Mannheim, Germany)에서 시행되었다. 공복 혈당이 126 mg/dL 이상인 경우, 당화혈색소가 6.5% 이상인 경우 당뇨병으로 정의하였다. 안정한 상태에서 2회 측정하여 수축기 혈압이 140 mmHg 이상이거나 이완기 혈압이 90 mmHg 이상인 경우 고혈압으로 정의하였다. 체질량지수(body mass index, BMI)는 신장과 체중을 이용하여 계산하였다(kg/m2). 지질 검사 4종에 기반한 수식 5종은 다음과 같다: 1) AIP=[LN(TG/HDL-C)], 2) CRI-I=(TC/HDL-C), 3) CRI-II=(LDL-C/HDLC), 4) LCI=[(TC×TG×LDL-C)/HDL-C], 5) non-HDL-C=(TC–HDL-C).
Kolmogorov-Smirnov test를 통해 정규성 검정을 시행하였고 정규분포 가정을 만족하는 경우 Student t-test를 시행하였으며, 정규분포 가정을 만족하지 않은 경우 Mann-Whitney test를 시행하여 연구대상군을 비교하였다. 범주형 변수는 Chi-squared test를 이용하여 분석하였다. 지질 수식과 MAFLD의 연관성을 평가하기 위해 나이, 성별, 체질량지수, 당뇨병, 고혈압, AST, ALT, GGT, HbA1c을 보정하여 다중 로지스틱 회귀분석을 시행하였다. 지질 수식 및 중 성지방과 MAFLD의 연관성은 1표준편차(standard deviation, SD) 증가당 오즈비[odds ratio (OR) per SD increase]와 95% 신뢰구간(confidence interval, CI)으로 제시하였다. 수신기작동특성곡선(receiver operation characteristic curve, ROC) 분석을 시행하여 MAFLD 진단을 위한 민감도, 특이도 및 곡선아래면적(area under the receiver operating characteristic curve, AUROC)을 평가하였고, 최적의 결정치는 Youden index (J)에 기반하여 결정하였다. DeLong 방법을 사용하여 곡선아래면적의 차이와 표준 오차를 평가하였다. 분석은 MedCalc Statistical software version 23.0.5 (MedCalc Software Ltd, Ostend, Belgium)와 PASW Statistics for Windows, version 18 (SPSS Inc., Chicago, IL, United States)에서 시행하였다.
결 과
MAFLD군과 대조군의 임상적 특징 및 검사결과는
Table 1에 제시하였다. 본 연구대상자들을 국내 일반인구집단으로 가정한다고 할 때 MAFLD의 빈도는 32% (6,979/22,104)로 확인되었다. 대조군에 비해 MAFLD군에서 나이, 고혈압, 당뇨병, 허리둘레, 체질량지수, AST, ALT, GGT, TC, LDL-C, TG, Glucose, HbA1c 등이 유의미하게 높았으며, HDL-C은 유의미하게 낮았다(
P<0.0001,
Table 1). 뿐만 아니라, 지질 수식 5종 AIP, CRI-I, CRI-II, LCI, non-HDL-C도 대조군에 비해 MAFLD군에서 높은 것으로 확인되었다(
P<0.0001,
Table 1).
단변량 로지스틱 회귀분석 결과 지질 수식 AIP, CRI-I, CRI-II, LCI, non-HDL-C은 모두 MAFLD의 발생과 유의미한 관련성이 있었고 1표준편차 증가당 오즈비는 다음과 같았다; AIP (3.520), CRII (2.491), CRI-II (2.094), LCI (2.982), non-HDL-C (1.630) (
P<0.0001,
Table 2). 나이, 성별, 체질량지수, 당뇨병, 고혈압, AST, ALT, GGT, HbA1c를 보정한 다중 로지스틱 회귀분석 결과, AIP, CRI-I, CRI-II, LCI, non-HDL-C 모두 독립적으로 MAFLD의 발생과 관련되어 있었고 1표준편차 증가당 오즈비는 다음과 같았다; AIP (2.051), CRI-I (1.709), CRI-II (1.553), LCI (1.795), non-HDL-C (1.402) (
P<0.0001,
Table 2). 5개의 지질 수식 중에서 AIP의 오즈비(2.051)는 TG의 오즈비(1.820)보다 높은 것으로 확인되었다(
Table 2).
수신기작동특성곡선 분석 결과, AIP (AUROC, 0.793; 민감도, 76%; 특이도, 68%)가 MAFLD의 발생을 가장 잘 예측할 수 있었으며, LCI (AUROC, 0.748; 민감도, 64%; 특이도, 73%), CRI-I (AUROC, 0.737; 민감도, 68%; 특이도, 68%), CRI-II (AUROC, 0.701; 민감도, 66%; 특이도, 65%), non-HDL-C (AUROC, 0.632; 민감도, 56%; 특이도, 65%) 순서로 확인되었다(
P<0.0001 for all pairwise comparisons,
Fig. 1,
Table 3,
Table 4). 뿐만 아니라, AIP의 AUROC (0.793)는 TG의 AUROC (0.765)보다 높았다(
P<0.0001,
Fig. 1,
Table 3).
고 찰
본 연구에서는 국내 일반인구집단을 대상으로 MAFLD를 선별하기 위해 국가검진프로그램에 속하는 지질 검사 4종에 기반하여 간단하게 계산할 수 있는 수식 5종의 진단 성능과 MAFLD 관련성을 평가하였다. AIP, CRI-I, CRI-II, LCI, non-HDL-C가 모두 독립적인 바이오마커로 확인되었으며, AIP가 MAFLD 예측에 가장 우수한 바이오마커로 평가되었다. 또한, AIP는 전통적인 개별 지질 검사인 TG보다 MAFLD 예측에 더 유용한 표지자로 확인되었다. AIP와 같은 지질 수식은 단일 지질 검사보다 지질 및 지단백질 분획 사이의 전반적인 상호작용을 더 잘 반영하기 때문에, 개별 지질 검사보다 더 좋은 예측력을 보이는 것으로 판단된다.
최근 국내에서 시행된 일반인구기반 코호트 연구(nationwide population-based cohort study)에 따르면, AIP는 심혈관질환에 대한 독립적인 바이오마커로 평가되었으며, 심혈관질환의 고위험군을 식별하기 위한 집단선별검사(mass screening method)로 제안된 바 있다[
8]. 뿐만 아니라, 국민건강영양조사 자료를 분석한 국내 연구에 따르면, AIP는 비만 지표, 혈당 등과 밀접하게 관련되어 있어, AIP는 다양한 대사이상질환과도 직접적인 관련이 있음을 시사한다[
9]. 최근 외국에서 시행된 연구에 따르면, 당뇨병이 있는 환자군에서도 AST, ALT 또는 체질량지수보다 AIP가 MAFLD 예측에 유용한 표지자로 확인되었다[
14]. 본 연구 결과는 AIP가 국내 일반인구집단에서 MAFLD 고위험군을 식별하기 위한 간단하고 실용적인 집단선별검사로 활용될 수 있음을 보여주었다.
AIP는 small dense LDL cholesterol (sdLDL-C)의 농도를 반영하는 지표로도 알려져 있다[
18]. sdLDL-C은 기존 LDL-C보다 심뇌혈관질환의 발생 예측 및 위험도 평가에 유용한 표지자임에도, 국내에서는 고가의 비급여 검사로 지정되어 있어 임상적 활용이 쉽지 않은 상태이다[
19,
20]. 고비용의 sdLDL-C에 대한 대안으로 AIP를 활용한다면 비용효과적인 접근법이 될 것으로 기대된다. 이를 위해서는 추후 MAFLD 환자에서 심혈관질환의 고위험군을 예측하기 위한 AIP의 임상적 유용성 평가에 대한 추가 연구가 필요할 것이다.
CRI-I, CRI-II 및 non-HDL-C도 개별 지질 검사보다 심혈관질환 위험도 예측에 더 좋은 성능을 보이는 것으로 알려져 있다[
10,
21,
22]. 최근 연구에 따르면, non-HDL-C도 급성 허혈성 뇌경색 환자에서 재발 및 사망 예측을 위한 유용한 바이오마커로 보고된 바 있다[
12]. 뿐만 아니라, non-HDL-C과 CRI-I은 LDL-C 농도가 낮은 경우에 발생하는 동맥경직 수준(arterial stiffness level)과도 유의한 상관관계가 있음이 보고되었으며, 이러한 결과는 non-HDL-C과 CRI-I가 심혈관질환에 대한 잔존 위험(residual cardiovascular risk)에 대한 바이오마커로 활용될 수 있음을 시사한다[
23]. 본 연구에서는 기존에 심혈관질환 예측 바이오마커로 평가된 지질 수식이 국내 일반인구집단에서 MAFLD 선별을 위한 바이오마커로 활용될 수 있음을 확인하였다. 당뇨병 환자에서 MAFLD와 AIP의 관련성에 대해 평가한 연구가 일부 보고된 반면, 현재까지 다른 지질 수식과 MAFLD와의 관련성에 대해서는 평가된 바 없다[
16]. 본 연구는 국내 일반인구집단에서 지질 수식과 MAFLD의 관련성 및 진단 성능을 평가한 첫 번째 연구라는 점에서 의의가 있다.
본 연구의 한계는 다음과 같다. 첫째, 본 연구는 단면연구로 디자인되었기 때문에, 지질 수식과 MAFLD 발생과의 인과관계를 규명하기 위해서는 추후 종단적 연구가 필요하다. 둘째, 본 연구는 경상남도지역을 대표하는 단일 건강검진센터에서 시행된 연구로 국내 모든 지역을 반영하는 결과로 일반화하기에는 한계가 있다. 셋째, 종합건강증진센터의 과거병력 기록은 수진자가 직접 작성하여 제출하기 때문에, 정보 누락 시 발생할 수 있는 오류를 배제할 수 없다. 넷째, 본 연구에서는 복부초음파에 기반하여 지방간을 진단하였다. 아시아태평양간학회에 따르면, 영상의학적 방법, 혈청학적 방법, 또는 생검을 통해 지방간을 진단할 것을 권장하고 있으며, 현재 지방간 진단을 위한 표준검사는 조직생검이다. 본 연구에서 사용한 복부초음파를 통한 지방간의 진단은 지방량이 30% 미만인 경우 또는 비만인 경우 민감도가 낮고, 간섬유화 및 부종이 있는 경우 측정 오차가 발생할 수 있으며, 주관적 판단에 의한 판독 오차 가능성이 있다는 점에서 한계가 있다.
요약하면, 본 연구에서는 국내 일반인구집단에서 MAFLD 고위험군 선별에 적용할 수 있는 간단하고 실용적인 지질 수식을 평가하였다. AIP는 국내 일반인구집단에서 MAFLD 진단에 가장 효과적인 수식으로 확인되었으며, 추가적인 복부초음파 및 고가의 생화학검사를 시행하기에 앞서 적용해볼 수 있는 수식으로 판단되었다. 추후 본 연구 결과를 검증하기 위해서는 대규모 전향적 연구를 통해 지질 수식의 임상적 타당성 및 유용성을 평가할 필요가 있겠다.
감사의 글
이 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행되었습니다(RS-2023-00211468). 또한, 재단법인 에스디의학연구소 연구지원사업 2023년도 연구비에 의하여 수행되었습니다.
REFERENCES
2. Eslam M, Newsome PN, Sarin SK, Anstee QM, Targher G, Romero-Gomez M, et al. 2020; A new definition for metabolic dysfunction-associated fatty liver disease: an international expert consensus statement. J Hepatol. 73:202–9. DOI:
10.1016/j.jhep.2020.07.045. PMID:
32933781.
6. Cai G, Shi G, Xue S, Lu W. 2017; The atherogenic index of plasma is a strong and independent predictor for coronary artery disease in the Chinese Han population. Medicine (Baltimore). 96:e8058. DOI:
10.1097/MD.0000000000008058. PMID:
28906400. PMCID:
PMC5604669.
9. Shin HR, Song S, Cho JA, Ly SY. 2022; Atherogenic index of plasma and its association with risk factors of coronary artery disease and nutrient intake in Korean adult men: the 2013-2014 KNHANES. Nutrients. 14:1071. DOI:
10.3390/nu14051071. PMID:
35268046. PMCID:
PMC8912761.
10. Millán J, Pintó X, Muñoz A, Zúñiga M, Rubiés-Prat J, Pallardo LF, et al. 2009; Lipoprotein ratios: physiological significance and clinical usefulness in cardiovascular prevention. Vasc Health Risk Manag. 5:757–65. DOI:
10.2147/VHRM.S6269. PMID:
19774217. PMCID:
PMC2747394.
11. Nair D, Carrigan TP, Curtin RJ, Popovic ZB, Kuzmiak S, Schoenhagen P, et al. 2009; Association of total cholesterol/high-density lipoprotein cholesterol ratio with proximal coronary atherosclerosis detected by multislice computed tomography. Prev Cardiol. 12:19–26. DOI:
10.1111/j.1751-7141.2008.00011.x. PMID:
19301687.
12. Wang G, Jing J, Wang A, Zhang X, Zhao X, Li Z, et al. 2021; Non-high-density lipoprotein cholesterol predicts adverse outcomes in acute ischemic stroke. Stroke. 52:2035–42. DOI:
10.1161/STROKEAHA.120.030783. PMID:
34000828.
18. Hirano T, Satoh N, Ito Y. 2024; Specific increase in small dense low-density lipoprotein-cholesterol levels beyond triglycerides in patients with diabetes: implications for cardiovascular risk of MAFLD. J Atheroscler Thromb. 31:36–47. DOI:
10.5551/jat.64271. PMID:
37438123. PMCID:
PMC10776337.
19. Lamarche B, Tchernof A, Moorjani S, Cantin B, Dagenais GR, Lupien PJ, et al. 1997; Small, dense low-density lipoprotein particles as a predictor of the risk of ischemic heart disease in men. Prospective results from the Québec cardiovascular study. Circulation. 95:69–75. DOI:
10.1161/01.CIR.95.1.69. PMID:
8994419.
21. Boekholdt SM, Arsenault BJ, Mora S, Pedersen TR, LaRosa JC, Nestel PJ, et al. 2012; Association of LDL cholesterol, non-HDL cholesterol, and apolipoprotein B levels with risk of cardiovascular events among patients treated with statins: a meta-analysis. JAMA. 307:1302–9. DOI:
10.1001/jama.2012.366. PMID:
22453571.
22. Liu H, Deng X, Peng Y, Zeng Q, Song Z, He W, et al. 2017; Meta-analysis of serum non-high-density lipoprotein cholesterol and risk of coronary heart disease in the general population. Clin Chim Acta. 471:23–8. DOI:
10.1016/j.cca.2017.05.006. PMID:
28495387.
23. Wen J, Huang Y, Lu Y, Yuan H. 2019; Associations of non-high-density lipoprotein cholesterol, triglycerides and the total cholesterol/HDL-c ratio with arterial stiffness independent of low-density lipoprotein cholesterol in a Chinese population. Hypertens Res. 42:1223–30. DOI:
10.1038/s41440-019-0251-5. PMID:
30918334. PMCID:
PMC8075960.
Fig. 1
Areas under the receiver operating characteristic curve of the lipid parameters for predicting metabolic-associated fatty liver disease. The areas under the receiver operating characteristic curve are shown in parentheses.
Abbreviations: AIP, Atherogenic index of plasma; CRI, Castelli risk index; LCI, Lipoprotein combined index; HDL-C, high-density lipoproteincholesterol.
Table 1
Baseline characteristics of the study subjects
|
Control (N=15,125) |
MAFLD (N=6,979) |
P
|
|
Age (yr) |
44 (39–51) |
45 (40–52) |
<0.0001 |
|
Sex (male/female) |
0.8 (6,719/8,406) |
3.0 (5,232/1,747) |
<0.0001 |
|
Hypertension (%) |
5 (711/15,125) |
12 (828/6,979) |
<0.0001 |
|
Diabetes (%) |
0 (0/15,125) |
12 (832/6,979) |
<0.0001 |
|
Waist circumference (cm) |
81 (76–87) |
93 (88–100) |
<0.0001 |
|
Weight (kg) |
62.2 (54.3–71.1) |
78.0 (70.7–86.1) |
<0.0001 |
|
Body mass index (kg/m2) |
22.6 (20.7–24.6) |
26.7 (24.8–28.9) |
<0.0001 |
|
Total Protein (g/dL) |
7.3 (7.0–7.6) |
7.4 (7.1–7.6) |
<0.0001 |
|
Albumin (g/dL) |
4.7 (4.6–4.9) |
4.8 (4.6–5.0) |
<0.0001 |
|
AST (IU/L) |
19 (16–23) |
24 (19–30) |
<0.0001 |
|
ALT (IU/L) |
16 (12–22) |
29 (20–42) |
<0.0001 |
|
GGT (IU/L) |
18 (13–29) |
34 (23–56) |
<0.0001 |
|
ALP (IU/L) |
61 (51–73) |
69 (58–80) |
<0.0001 |
|
Total Cholesterol (mg/dL) |
196 (174–219) |
201 (174–228) |
<0.0001 |
|
HDL-cholesterol (mg/dL) |
64 (55–75) |
51 (44–59) |
<0.0001 |
|
LDL-cholesterol (mg/dL) |
123 (102–145) |
131 (105–156) |
<0.0001 |
|
Triglyceride (mg/dL) |
85 (62–122) |
145 (104–207) |
<0.0001 |
|
Glucose (mg/dL) |
92 (87–98) |
98 (92–107) |
<0.0001 |
|
Hemoglobin A1c (%) |
5.4 (5.2–5.6) |
5.6 (5.4–5.9) |
<0.0001 |
|
HOMA-IR |
1.07 (0.7–1.6) |
2.12 (1.5–3.1) |
<0.0001 |
|
hs-CRP (mg/L) |
0.395 (0.240–0.730) |
0.8 (0.440–1.580) |
<0.0001 |
|
BUN (mg/dL) |
11.8 (9.9–14.1) |
12.4 (10.5–14.6) |
<0.0001 |
|
Creatinine (mg/dL) |
0.80 (0.70–0.90) |
0.90 (0.80–1.00) |
<0.0001 |
|
AIP |
0.564 (0.277–0.937) |
1.074 (0.684–1.492) |
<0.0001 |
|
CRI-I |
2.984 (2.507–3.623) |
3.9 (3.191–4.644) |
<0.0001 |
|
CRI-II |
1.882 (1.454–2.438) |
2.556 (1.945–3.160) |
<0.0001 |
|
LCI |
31,275 (17,666–56,225) |
74,761 (39,809–130,522) |
<0.0001 |
|
Non-HDL-C |
130 (107–154) |
149 (121–176) |
<0.0001 |
Table 2
Association between lipid parameters and MAFLD
|
Univariate analysis |
Multivariate analysis |
|
Model I*
|
Model II†
|
Model III‡
|
|
OR§ (95% CI) |
P
|
OR§ (95% CI) |
P
|
OR§ (95% CI) |
P
|
OR§ (95% CI) |
P
|
|
AIP |
3.520 (3.382–3.663) |
<0.0001 |
2.302 (2.199–2.411) |
<0.0001 |
2.244 (2.140–2.354) |
<0.0001 |
2.051 (1.951–2.156) |
<0.0001 |
|
CRI-I |
2.491 (2.407–2.578) |
<0.0001 |
1.747 (1.678–1.819) |
<0.0001 |
1.821 (1.746–1.899) |
<0.0001 |
1.709 (1.637–1.785) |
<0.0001 |
|
CRI-II |
2.094 (2.028–2.161) |
<0.0001 |
1.533 (1.476–1.592) |
<0.0001 |
1.625(1.562–1.691) |
<0.0001 |
1.553 (1.491–1.618) |
<0.0001 |
|
LCI |
2.982 (2.851–3.119) |
<0.0001 |
1.930 (1.839–2.025) |
<0.0001 |
1.962 (1.867–2.063) |
<0.0001 |
1.795 (1.704–1.890) |
<0.0001 |
|
Non-HDL-C |
1.630 (1.556–1.652) |
<0.0001 |
1.349 (1.301–1.399) |
<0.0001 |
1.442 (1.388–1.498) |
<0.0001 |
1.402 (1.347–1.458) |
<0.0001 |
|
Triglyceride |
3.255 (3.111–3.407) |
<0.0001 |
2.046 (2.948–2.148) |
<0.0001 |
1.987 (1.890–2.090) |
<0.0001 |
1.820 (1.727–1.919) |
<0.0001 |
Table 3
Performance of lipid parameters for MAFLD
|
Cutoff*
|
Sensitivity (95% CI) |
Specificity (95% CI) |
PPV (95% CI) |
NPV (95% CI) |
AUROC (95% CI) |
|
AIP |
Female |
0.381 |
76.1 (74.0–78.1) |
70.3 (69.3–71.3) |
52.4 (51.3–53.4) |
87.3 (86.3–88.2) |
0.805 (0.794–0.816) |
|
Male |
0.724 |
74.3 (73.1–75.5) |
60.9 (59.7–62.0) |
44.9 (44.0–45.7) |
84.7 (84.0–85.3) |
0.735 (0.726–0.744) |
|
Total |
0.600 |
76.2 (75.2–77.2) |
68.4 (67.6–69.1) |
50.8 (50.1–51.5) |
87.0 (86.5–87.5) |
0.793 (0.788–0.799) |
|
CRI-I |
Female |
3.241 |
64.1 (61.8–66.4) |
74.0 (73.1–75.0) |
51.4 (50.2–52.7) |
82.8 (81.9–83.7) |
0.746 (0.733–0.759) |
|
Male |
3.698 |
61.7 (60.3–63.0) |
65.1 (64.0–66.3) |
43.1 (42.2–44.1) |
79.9 (79.2–80.5) |
0.678 (0.668–0.687) |
|
Total |
3.413 |
67.9 (66.8–69.0) |
68.0 (67.3–68.8) |
47.6 (46.9–48.3) |
83.2 (82.7–83.7) |
0.737 (0.731–0.742) |
|
CRI-II |
Female |
2.139 |
60.0 (56.6–61.3) |
74.6 (73.6–75.5) |
49.8 (48.5–51.2) |
80.9 (80.0–81.8) |
0.714 (0.700–0.728) |
|
Male |
2.533 |
54.9 (53.5–56.2) |
67.6 (66.4–68.7) |
42.0 (41.0–43.1) |
77.7 (77.1–78.3) |
0.642 (0.632–0.652) |
|
Total |
2.173 |
66.5 (65.4–67.6) |
64.7 (63.9–65.4) |
44.7 (44.0–45.3) |
81.8 (81.3–82.3) |
0.701 (0.694–0.707) |
|
LCI |
Female |
40,959 |
65.7 (63.4–67.9) |
74.2 (73.3–75.2) |
52.2 (51.0–53.4) |
83.5 (82.5–84.3) |
0.759 (0.746–0.771) |
|
Male |
63,736 |
60.6 (59.3–61.9) |
68.6 (67.4–69.7) |
45.2 (44.2–46.3) |
80.2 (79.6–80.8) |
0.693 (0.683–0.702) |
|
Total |
53,291 |
64.2 (63.1–65.3) |
73.1 (72.4–73.8) |
50.6 (49.8–51.4) |
82.7 (82.2 –83.1) |
0.748 (0.742–0.753) |
|
Non-HDL-C |
Female |
141 |
52.3 (49.9–54.7) |
70.0 (69.0–70.9) |
45.0 (43.7–46.4) |
75.7 (74.8–76.6) |
0.641 (0.626–0.656) |
|
Male |
147 |
53.8 (52.4–55.2) |
61.5 (60.3–62.6) |
37.4 (36.5–38.4) |
75.6 (75.0–76.3) |
0.595 (0.584–0.605) |
|
Total |
143 |
55.9 (54.8–57.1) |
65.3 (64.5–66.0) |
40.8 (40.1–41.6) |
77.6 (77.1–78.1) |
0.632 (0.626–0.638) |
|
Triglyceride |
Female |
102 |
67.3 (65.1–69.5) |
75.1 (74.2–76.0) |
54.8 (53.6–56.1) |
83.6 (82.7–84.6) |
0.777 (0.765–0.789) |
|
Male |
125 |
65.8 (64.5–67.1) |
65.2 (64.1–66.4) |
46.0 (45.0–46.9) |
80.9 (80.3–81.6) |
0.711 (0.702–0.720) |
|
Total |
104 |
75.0 (74.0–76.0) |
65.6 (64.8–66.3) |
49.5 (48.8–50.1) |
85.4 (84.8–85.9) |
0.765 (0.759–0.772) |
Table 4
Pairwise comparison of area under the receiver operating characteristic curves
|
Difference between areas |
Standard Error*
|
95% Confidence Interval†
|
P
|
|
AIP ~ CRI-I |
0.057 |
0.003 |
0.051–0.062 |
<0.0001 |
|
AIP ~ CRI-II |
0.093 |
0.004 |
0.085–0.099 |
<0.0001 |
|
AIP ~ LCI |
0.046 |
0.002 |
0.041–0.049 |
<0.0001 |
|
AIP ~ Non-HCL-C |
0.161 |
0.004 |
0.153–0.169 |
<0.0001 |
|
AIP ~ Triglyceride |
0.028 |
0.001 |
0.025–0.030 |
<0.0001 |
|
CRI-I ~ CRI-II |
0.036 |
0.001 |
0.033–0.038 |
<0.0001 |
|
CRI-I ~ LCI |
0.011 |
0.002 |
0.007–0.014 |
<0.0001 |
|
CRI-I ~ Non-HCL-C |
0.105 |
0.002 |
0.099–0.109 |
<0.0001 |
|
CRI-I ~ Triglyceride |
0.029 |
0.003 |
0.022–0.035 |
<0.0001 |
|
CRI-II ~ LCI |
0.047 |
0.002 |
0.043–0.052 |
<0.0001 |
|
CRI-II ~ Non-HCL-C |
0.069 |
0.002 |
0.064–0.073 |
<0.0001 |
|
CRI-II ~ Triglyceride |
0.065 |
0.004 |
0.056–0.073 |
<0.0001 |
|
LCI ~ Non-HCL-C |
0.116 |
0.002 |
0.111–0.120 |
<0.0001 |
|
LCI ~ Triglyceride |
0.018 |
0.002 |
0.013–0.022 |
<0.0001 |
|
Non-HCL-C ~ Triglyceride |
0.133 |
0.004 |
0.125–0.141 |
<0.0001 |
PDF
Citation
Print
XML Download