PDF下载 ( 785 KB)
非酒精性脂肪性肝病患者的尿铅水平及其临床意义
DOI: 10.12449/JCH240909
Levels and clinical significance of urinary lead in patients with nonalcoholic fatty liver disease
-
摘要:
目的 探讨尿铅与非酒精性脂肪性肝病（NAFLD）的关系。 方法 选取2017—2020年美国健康和营养检查调查数据（NHANES）中年龄≥18岁的注册参与者，并排除缺乏肝脏瞬时弹性成像数据、尿铅指标及患有乙型肝炎、丙型肝炎、饮酒量显著的人群。将纳入人群（n=2 492）分为NAFLD组852例，Non-NAFLD组1 640例。采用高效液相色谱-电喷雾电离-串联质谱和在线固相萃取联合同位素稀释等方法定量检测尿铅水平。计量资料两组间比较采用成组t检验或Wilcoxon秩和检验；计数资料两组间比较采用χ2检验或Fisher确切概率法。通过多因素Logistic回归分析、限制性立方样条函数、亚组分析、交互作用，探究尿铅与NAFLD的关联。 结果 NAFLD组尿铅水平高于Non-NAFLD组，差异有统计学意义（Z=-2.023，P=0.043）。调整年龄、性别、种族、婚姻、教育、家庭收入与贫困比比值、BMI、吸烟、饮酒、糖尿病、高血压、高脂血症协变量后，尿铅水平Q3组NAFLD的患病风险显著增加（比值比=1.360，95%CI：1.019～1.817，P=0.037）。尿铅与NAFLD的患病风险存在正向剂量-反应关系（P=0.047）且为非线性关系（Pnon-linear=0.037）。尿铅与种族之间存在显著的交互作用，墨西哥裔美国人尿铅每上升1个四分位数，NAFLD的患病风险增加32.40%（比值比=1.324，95%CI：1.017～1.632，P<0.05）。 结论 尿铅水平与NAFLD患病风险显著相关。 -
关键词:
- 非酒精性脂肪性肝病 /
- 铅 /
- 尿 /
- Logistic模型
Abstract:Objective To investigate the association between urinary lead and nonalcoholic fatty liver disease （NAFLD）. Methods The participants， aged ≥18 years， were selected from the 2017 — 2020 National Health and Nutrition Examination Survey （NHANES）， with the exclusion of the participants with a lack of liver transient elastography data and urinary lead markers and those with hepatitis B， hepatitis C， and significant alcohol consumption. A total of 2 492 participants were enrolled and divided into NAFLD group with 852 participants and non-NAFLD group with 1 640 participants. High-performance liquid chromatography-electrospray ionization-tandem mass spectrometry and online solid-phase extraction combined with isotope dilution were used to measure urinary lead level. The independent-samples t test or the Wilcoxon rank sum test was used for comparison of continuous data between two groups， and the chi-square test or the Fisher’s exact test was used for comparison of categorical data between two groups. Multivariate Logistic regression analysis， restricted cubic spline， subgroup analysis， and interaction analysis were used to investigate the association between urinary lead and NAFLD. Results The NAFLD group had a significantly higher urinary lead level than the non-NAFLD group （Z=-2.023， P=0.043）. After adjustment of the covariates of age， sex， race， marital status， education， family income-to-poverty ratio， body mass index， smoking， drinking， diabetes mellitus， hypertension， and hyperlipidemia， there was a significant increase in the risk of NAFLD in the Q3 urinary lead group （odds ratio ［OR］=1.360， 95% confidence interval ［CI］： 1.019 — 1.817， P=0.037）. There was a positive dose-response relationship between urinary lead and the risk of NAFLD （P=0.047）， which was a non-linear relationship （Pnon-linear=0.037）. There was a significant interaction between urinary lead and race， and for every quartile increase in urinary lead， the risk of NAFLD in Mexican-Americans was increased by 32.40% （OR=1.324， 95%CI： 1.017 — 1.632， P<0.05）. Conclusion Urinary lead level is significantly associated with the risk of NAFLD. -
Key words:
- Non-alcoholic Fatty Liver Disease /
- Lead /
- Urine /
- Logistic Models
-
目前全球非酒精性脂肪性肝病（non-alcoholic fatty liver disease，NAFLD）患病率已达32.4%，是最为流行的慢性肝病之一［1］。最新数据［2］表明，近30年（1990—2019年）NAFLD患病率增长10.5%～16%，NAFLD相关死亡率由1.75%增长到2.18%。NAFLD的发生发展过程主要分为4个阶段：单纯性脂肪肝（simple fatty liver，SFL）、脂肪性肝炎（non-alcoholic steatohepatitis，NASH）、肝纤维化和肝硬化。其中，不健康的饮食和久坐的行为方式［3］、2型糖尿病［4］、腹型肥胖［5］是影响其发生发展的重要危险因素。然而，在行为方式中，除了饮食和运动外，睡眠作为重要环节亦不容忽视。近年来对于睡眠在各种慢性疾病中的作用研究逐渐增多，尤其是发现睡眠和昼夜节律对参与食欲调节及能量代谢的激素有较大影响，睡眠障碍可增加肥胖和2型糖尿病的患病风险［6］。NAFLD作为代谢紊乱相关疾病，睡眠是否影响以及如何影响NAFLD的发生发展，目前说法不一。本研究基于团队已建立的队列资源，拟分析不同睡眠情况与NAFLD发生发展的关系，探讨NAFLD的睡眠相关危险因素，旨在为NAFLD的预防和治疗提供思路。
1. 资料与方法
1.1 研究对象
选取2022年6月—2023年6月首都医科大学附属北京友谊医院通州门诊部体检且问卷资料完整的人群（健康体检队列）1 893例，2022年6月—2023年6月于首都医科大学附属北京友谊医院就诊的脂肪肝患者（脂肪肝门诊队列）203例。根据《非酒精性脂肪性肝病防治指南（2018年更新版）》（以下简称《指南》）［7］，排除以下人群：（1）未行腹部B超检查者；（2）HBsAg阳性或在病史中填写既往有HBV感染史者；（3）酗酒者，折合乙醇量男性
1.2 分组及方法
将B超无脂肪肝表现的研究对象纳入非脂肪肝组（non-NAFLD组）（n=1 122），B超显示有脂肪肝且ALT<1.5倍正常值上限（ULN）的研究对象纳入SFL组（n=624），B超显示有脂肪肝且ALT
1.3 资料收集
收集纳入研究对象的年龄、性别、身高、体质量、既往病史等一般情况，以及于本院统一进行的实验检查指标。所有研究对象均需填写包含匹兹堡睡眠质量指数（PSQI）量表的调查问卷。
1.4 PSQI评价标准
PSQI是经过验证和使用最为广泛的睡眠障碍评估量表之一［10］，主要用于评定受试者最近1个月的睡眠质量，分为7项，分别是睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠紊乱、催眠药物、日间功能障碍，每项按0～3等级计分，等级越高，状况越差。累计各成分得分为PSQI总分，总分范围为0～21分，得分越高，表示睡眠质量越差，其中0～5分为睡眠情况很好（0级），6～10分为睡眠情况尚可（1级），11～15分为睡眠情况一般（2级），16～21分为睡眠情况很差（3级）。
1.5 统计学方法
采用SAS 9.2软件进行统计学分析。计量资料符合正态分布的以
2. 结果
2.1 一般资料
non-NAFLD、SFL和NASH组在年龄、性别、文化程度、吸烟、糖尿病、高血压等一般资料方面差异均有统计学意义（P值均<0.001）。3组在BMI、ALT、TG、HDL-C水平上均具有统计学差异（P值均<0.05）（表1）。
表 1 3组间一般资料比较Table 1. The comparison of general information in three groups指标 non-NAFLD组（n=1 122） SFL组（n=624） NASH组（n=122） 统计值 P值 年龄（岁） 39.58±7.71 42.78±7.74 38.94±10.04 F=35.88 <0.001 男［例（%）］ 550（49.02） 506（81.09） 82（67.21） χ2=175.40 <0.001 本科以上学历［例（%）］ 721（64.26） 335（53.69） 35（28.69） χ2=65.90 <0.001 吸烟［例（%）］ 87（7.75） 131（20.99） 25（20.49） χ2=68.57 <0.001 糖尿病［例（%）］ 12（1.07） 58（9.29） 22（18.03） χ2=105.83 <0.001 高血压［例（%）］ 72（6.42） 147（23.56） 36（29.51） χ2=127.79 <0.001 BMI（kg/m2） 22.88±2.74 27.11±3.19 31.94±10.04 F=639.40 <0.001 ALT（U/L） 16.00（12.00～22.00） 27.00（19.00～39.00） 94.00（83.00～115.00） χ2=649.38 <0.001 TG（mmol/L） 0.89（0.69～1.22） 1.65（1.18～2.36） 1.84（1.34～2.30） χ2=552.89 <0.001 HDL-C（mmol/L） 1.41（1.21～1.63） 1.13（1.01～1.29） 1.15（0.97～1.29） χ2=383.33 0.002 2.2 3组间睡眠情况比较
non-NAFLD、SFL和NASH组在PSQI量表总评分分级以及其包含的7个睡眠因素的0～3分分级中的人数比例比较，差异均有统计学意义（P值均<0.05）（图1）。
图 1 3组PSQI量表总分及因子分比较Figure 1. The comparison of the PSQI total score and each factor scores in three groups2.3 NAFLD的睡眠危险因素分析
在单因素分析中显示，与non-NAFLD组比较，除睡眠时间短可增加NAFLD的患病风险（P<0.007），其余各因子分比较，差异均无统计学意义（P值均>0.007）。通过年龄、性别校正后，睡眠总体情况差（P<0.05）、入睡时间长、睡眠时间短、睡眠紊乱严重（P值均<0.007）是NAFLD患病的危险因素。随后通过年龄、性别、文化程度、吸烟、糖尿病、高血压、BMI、TG、HDL-C多因素校正后，PSQI总分和各个因子分比较，差异均无统计学意义（P值均>0.007）（表2）。
表 2 睡眠情况与NAFLD的关联分析Table 2. The association between sleep condition and NAFLD变量 患病率 单因素模型 年龄性别校正模型 多因素校正模型 OR（95%CI） P值 OR（95%CI） P值 OR（95%CI） P值 PSQI总分 697/1 763 Ref Ref Ref 49/105 1.34（0.90～1.99） 0.148 1.67（1.09～2.56） 0.019 0.75（0.41～1.38） 0.360 睡眠质量 590/1 435 Ref Ref Ref 156/433 0.81（0.65～1.01） 0.058 0.90（0.71～1.13） 0.357 0.67（0.48～0.93） 0.017 入睡时间 580/1 497 Ref Ref Ref 166/371 1.28（1.02～1.61） 0.035 1.61（1.26～2.07） <0.001 1.02（1.00～1.04） 0.414 睡眠时间 648/1 695 Ref Ref Ref 98/173 2.11（1.54～2.90） <0.001 2.19（1.56～3.08） <0.001 1.05（0.65～1.70） 0.834 睡眠效率 670/1 671 Ref Ref Ref 76/197 0.94（0.69～1.27） 0.683 0.93（0.67～1.29） 0.655 0.71（0.46～1.11） 0.133 睡眠紊乱 665/1 701 Ref Ref Ref 81/167 1.47（1.07～2.02） 0.018 1.69（1.20～2.39） 0.003 1.03（0.64～1.67） 0.903 催眠药物使用 729/1 818 Ref Ref Ref 17/50 0.77（0.43～1.39） 0.386 0.92（0.49～1.74） 0.806 0.65（0.28～1.51） 0.317 日间功能障碍 463/1 117 Ref Ref Ref 283/751 0.85（0.71～1.03） 0.103 1.02（0.83～1.25） 0.862 0.85（0.65～1.12） 0.241 2.4 NAFLD不同程度分组的危险因素分析
在单因素分析中，SFL的睡眠质量与non-NAFLD组比较，差异有统计学意义（P<0.007），而在多因素校正模型中，与non-NAFLD组比较，SFL的PSQI总分和各因子分数均无统计学差异（P值均>0.007）。在单因素分析中，与non-NAFLD组比较，睡眠总体情况差（P<0.05）、入睡时间长、睡眠时间短、睡眠紊乱严重（P值均<0.007）与NASH患病密切相关。在年龄性别校正模型中显示，与non-NAFLD相比，睡眠总体情况差（P<0.05）、入睡时间长、睡眠时间短、睡眠紊乱严重（P值均<0.007）与NASH患病密切相关。在多因素校正模型中，与non-NAFLD组比较，入睡时间长、睡眠时间短和睡眠紊乱严重（P值均<0.007）是NASH患病的危险因素（表3）。
表 3 睡眠情况与NAFLD不同程度的关联分析Table 3. The association between sleep condition and different severity in NAFLD变量 患病率 单因素模型 年龄性别校正模型 多因素校正模型 OR（95%CI） P值 OR（95%CI） P值 OR（95%CI） P值 SFL vs non-NAFLD PSQI总分 594/1 763 Ref Ref Ref 30/105 0.96（0.61～1.52） 0.865 1.14（0.70～1.86） 0.600 0.67（0.36～1.25） 0.208 睡眠质量 507/1 435 Ref Ref Ref 117/433 0.70（0.55～0.90） 0.005 0.78（0.60～1.00） 0.054 0.63（0.45～0.89） 0.008 入睡时间 507/1 497 Ref Ref Ref 94/371 0.79（0.61～1.04） 0.089 0.96（0.72～1.28） 0.769 0.84（0.74～1.43） 0.059 睡眠时间 568/1 695 Ref Ref Ref 56/173 1.38（0.96～1.98） 0.083 1.29（0.88～1.90） 0.199 0.83（0.50～1.37） 0.470 睡眠效率 560/1 671 Ref Ref Ref 64/197 0.95（0.69～1.30） 0.731 0.91（0.64～1.29） 0.601 0.74（0.47～1.15） 0.181 睡眠紊乱 577/1 701 Ref Ref Ref 47/167 0.98（0.68～1.42） 0.920 1.06（0.72～1.58） 0.760 0.83（0.50～1.38） 0.466 催眠药物使用 610/1 818 Ref Ref Ref 14/50 0.76（0.40～1.43） 0.390 0.90（0.46～1.78） 0.769 0.68（0.29～1.59） 0.378 日间功能障碍 401/1 117 Ref Ref Ref 223/751 0.78（0.64～0.95） 0.055 0.94（0.76～1.17） 0.562 0.81（0.61～1.07） 0.140 NASH vs non-NAFLD PSQI总分 103/1 763 Ref Ref Ref 19/105 3.51（2.01～6.14） <0.001 4.16（2.35～7.37） <0.001 1.31（0.54～3.15） 0.547 睡眠质量 83/1 435 Ref Ref Ref 39/433 1.43（0.96～2.15） 0.081 1.53（1.02～2.30） 0.042 1.02（0.59～1.78） 0.938 入睡时间 50/1 497 Ref Ref Ref 72/371 6.44（4.36～9.53） <0.001 7.35（4.92～10.99） <0.001 4.04（2.33～7.03） <0.001 睡眠时间 80/1 695 Ref Ref Ref 42/173 7.33（4.72～11.39） <0.001 8.54（5.40～13.52） <0.001 3.53（1.83～6.82） <0.001 睡眠效率 110/1 671 Ref Ref Ref 12/197 0.90（0.48～1.69） 0.748 0.98（0.52～1.84） 0.953 0.42（0.17～1.03） 0.058 睡眠紊乱 88/1 701 Ref Ref Ref 34/167 4.65（2.96～7.32） <0.001 5.06（3.19～8.03） <0.001 2.96（1.48～5.93） 0.002 催眠药物使用 119/1 818 Ref Ref Ref 3/50 0.83（0.25～2.75） 0.763 1.05（0.31～3.52） 0.939 0.42（0.07～2.45） 0.335 日间功能障碍 62/1 117 Ref Ref Ref 60/751 1.35（0.93～1.97） 0.114 1.45（0.99～2.11） 0.056 1.23（0.75～2.01） 0.412 3. 讨论
我国近20年（1999—2018年）NAFLD患者数量快速增长，特别是在年轻人群中［12］，且NAFLD与肝外肿瘤、糖尿病、心血管疾病和代谢综合征的发病率呈正相关，提示需要提高认识并采取积极行动，以控制NAFLD在中国的大流行［13］。行为方式的改变是NAFLD目前最好的干预方法［14］，但更多关注集中于行为方式中的饮食和运动［15］。
近年来，随着对睡眠的广泛关注，很多学者发现睡眠障碍相关因素是NAFLD的危险因素。一项包含了18篇文献的Meta分析［16］显示，NAFLD患者可能有更严重的白天嗜睡和更短的睡眠时间。尤其是阻塞型呼吸睡眠暂停与NAFLD的发生和发展密切相关，且独立于肥胖等其他共同危险因素［17］。Wang等［18］调查了中国22 807例参与者，发现晚睡与NAFLD患病率增加有显著相关性。Zarean等［19］在伊朗包括9 151名参与者的队列研究中发现，在控制了社会人口学、生活方式、临床和生物学变量后，NAFLD患者与睡眠效率（RR=0.92，95%CI：0.88～0.96）和安眠药使用（RR=1.48，95%CI：1.17～1.88）存在较强相关性。而本研究与以上结论尚有不同，通过本团队建立的健康体检队列和脂肪肝门诊队列进行单因素分析发现，睡眠时间短增加了NAFLD的患病风险，而在进行一般情况、高血压、糖尿病、体质量、血脂等多因素校正后，睡眠障碍相关因素与NAFLD患病无密切关联，这与Liu等［20］近期发表的文献结论一致。
现有针对NASH与睡眠关系的研究较少，本研究发现无论单因素、年龄性别校正模型还是多因素校正模型均显示，入睡时间长、睡眠时间短和严重的睡眠紊乱是NASH患病的危险因素，而与SFL无密切关联，说明睡眠障碍因素在SFL发展为NASH的过程中起到了较为重要的作用。
然而，本研究仅为横断面研究，所得结论只能说明相关性而无明确因果关系，后续队列持续收集资料后将对纵向数据进行归纳整理，讨论睡眠与SFL和NASH的因果关系。其次，本研究作为观察性研究，基线中各因素的差异提示可能存在潜在混杂因素，笔者团队采用了多因素校正模型的结果作为主要评价模型，以避免混杂因素导致的虚假关联。再次，本研究根据《指南》提出当ALT水平升高时更倾向于出现了NASH的描述，将本研究中ALT
本研究根据NAFLD不同严重程度分为两个阶段——SFL和NASH，分别讨论其睡眠相关的危险因素，发现睡眠问题对于SFL的发生可能不存在显著影响，而对于SFL发展为NASH发挥了重要作用，提示在未来“既病防变”中需要更加关注睡眠问题带来的危害，积极宣教，降低NAFLD进展的疾病负担。
-
图 1 尿铅与NAFLD之间的剂量-反应关系
Figure 1. Dose-response relationship between urinary lead and NAFLD
表 1 研究对象基本特征
Table 1. Basic characteristics of research objects
变量 总计（n=2 492） Non-NAFLD组（n=1 640） NAFLD组（n=852） 统计值 P值 年龄（岁） 51（34～64） 47（31～63） 56（42～65） Z=-7.448 <0.001 年龄分组［例（%）］ χ2=84.519 <0.001 18～39岁 810（32.504） 635（38.720） 175（20.540） 40～59岁 802（32.183） 477（29.085） 325（38.146） ≥60岁 880（35.313） 528（32.195） 352（41.315） 性别［例（%）］ χ2=15.922 <0.001 男 1 273（51.083） 885（53.963） 388（45.540） 女 1 219（48.917） 755（46.037） 464（54.460） 种族［例（%）］ χ2=46.165 <0.001 墨西哥裔美国人 325（13.042） 169（10.305） 156（18.310） 非西班牙裔黑人 669（26.846） 489（29.817） 180（21.127） 非西班牙裔白人 812（32.584） 517（31.524） 295（34.624） 其他 686（27.528） 465（28.354） 221（25.939） 教育程度［例（%）］ χ2=4.905 0.086 大专或以上学历 1 380（55.377） 934（56.951） 446（52.347） 高中或同等学力 637（25.562） 402（24.512） 235（27.582） 高中以下 475（19.061） 304（18.537） 171（20.070） 吸烟［例（%）］ χ2=1.199 0.293 一生吸烟<100支 1 517（60.875） 1 011（61.646） 506（59.390） 一生吸烟≥100支 975（39.125） 629（38.354） 346（40.610） 婚姻状况［例（%）］ χ2=19.404 <0.001 已婚/与伴侣同居 1 442（57.865） 914（55.732） 528（61.972） 从来没有结过婚 518（20.787） 383（23.354） 135（15.845） 丧偶/离婚/分居 532（21.348） 343（20.915） 189（22.183） 饮酒［例（%）］ χ2=1.354 0.273 否 286（11.477） 197（12.012） 89（10.446） 是 2 206（88.523） 1 443（87.988） 763（89.554） FMPIR 2.24（1.17～4.14） 2.36（1.17～4.27） 2.07（1.15～4.00） Z=-1.393 0.164 FMPIR分组［例（%）］ χ2=1.549 0.461 <1.30 732（29.374） 474（28.902） 258（30.282） 1.30～3.50 936（37.560） 610（37.195） 326（38.263） ≥3.50 824（33.066） 556（33.902） 268（31.455） BMI（kg/m2） 28.40（24.50～33.70） 26.45（23.10～30.42） 32.70（28.70～37.52） Z=-22.603 <0.001 BMI分组［例（%）］ χ2=55.042 <0.001 <25 kg/m2 686（27.528） 635（38.720） 51（5.986） 25～30 kg/m2 789（31.661） 559（34.085） 230（26.995） ≥30 kg/m2 1 017（40.811） 446（27.195） 571（67.019） HTN［例（%）］ χ2=11.396 <0.001 否 2 068（82.986） 1 391（84.817） 677（79.460） 是 424（17.014） 249（15.183） 175（20.540） HL［例（%）］ χ2=77.241 <0.001 否 2 204（88.443） 1 517（92.500） 687（80.634） 是 288（11.557） 123（7.500） 165（19.366） DM［例（%）］ χ2=89.765 <0.001 否 2 148（86.196） 1 503（91.646） 645（75.704） 是 344（13.804） 137（8.354） 207（24.296） 尿铅（μg/L） 0.31（0.17～0.55） 0.30（0.16～0.55） 0.32（0.18～0.57） Z=-2.023 0.043 
下载: 导出CSV
表 2 尿铅与NAFLD的Logistic分析
Table 2. Logistic analysis of urinary lead and NAFLD
变量 模型1 模型2 模型3 OR（95%CI） P值 OR（95%CI） P值 OR（95%CI） P值 尿铅水平 1.050（0.962～1.147） 0.274 1.177（1.020～1.358） 0.026 1.048（0.939～1.169） 0.403 尿铅分类 Q1 1.000 1.000 1.000 Q2 1.237（0.968～1.582） 0.089 1.253（0.975～1.611） 0.078 1.331（0.992～1.788） 0.057 Q3 1.347（1.062～1.711） 0.014 1.310（1.026～1.674） 0.031 1.360（1.019～1.817） 0.037 Q4 1.288（1.017～1.632） 0.036 1.179（0.920～1.511） 0.193 1.321（0.988～1.770） 0.061 注：尿铅水平以每四分位数为间距，尿铅分类以Q1为参照。在模型1中未调整变量；在模型2中调整年龄、性别、种族社会人口学变量；模型3调整所有协变量（年龄、性别、种族、教育、婚姻、FMPIR、BMI、吸烟、饮酒、DM、HTN、HL）。
下载: 导出CSV
表 3 尿铅与NAFLD患病风险相关变量的亚组分析及交互作用检验
Table 3. Subgroup analysis and interaction test of variables related to urinary lead and NAFLD risk
变量 OR（95％CI） P值 P交互 变量 OR（95％CI） P值 P交互 年龄分组 0.053 BMI分组 0.165 18～39岁 1.116（0.910～1.370） 0.292 <25 kg/m2 1.174（0.863～1.596） 0.307 40～59岁 1.014（0.833～1.233） 0.892 25～30 kg/m2 0.974（0.818～1.158） 0.763 ≥60岁 1.008（0.843～1.205） 0.931 ≥30 kg/m2 1.095（0.928～1.292） 0.285 性别 0.630 DM 0.164 男 1.064（0.904～1.254） 0.455 是 1.066（0.809～1.404） 0.650 女 1.037（0.890～1.209） 0.640 否 1.047（0.928～1.181） 0.455 吸烟 0.656 HTN 0.783 一生吸烟≥100支 1.029（0.852～1.243） 0.768 是 1.095（0.843～1.423） 0.497 一生吸烟<100支 1.049（0.921～1.196） 0.472 否 1.037（0.918～1.172） 0.560 饮酒 0.321 HL 0.106 是 1.033（0.917～1.163） 0.594 是 0.822（0.592～1.142） 0.243 否 1.272（0.905～1.789） 0.166 否 1.078（0.957～1.215） 0.214 种族 0.007 婚姻 0.410 墨西哥裔美国人 1.324（1.017～1.632） 0.036 已婚/与伴侣同居 1.147（0.998～1.318） 0.053 非西班牙裔黑人 1.039（0.935～1.790） 0.167 从来没有结过婚 0.961（0.731～1.264） 0.777 非西班牙裔白人 1.022（0.863～1.211） 0.801 丧偶/离婚/分居 0.843（0.647～1.099） 0.207 其他 1.016（0.855～1.208） 0.855 FMPIR 0.607 教育 0.358 <1.30 1.079（0.863～1.349） 0.507 高中以下 1.248（0.945～1.648） 0.118 1.30～3.50 1.114（0.932～1.332） 0.234 高中或同等学力 0.918（0.732～1.151） 0.458 ≥3.50 0.975（0.812～1.172） 0.790 大专或以上学历 1.059（0.915～1.227） 0.443
下载: 导出CSV
-
[1] TARGHER G, TILG H, BYRNE CD. Non-alcoholic fatty liver disease: A multisystem disease requiring a multidisciplinary and holistic approach[J]. Lancet Gastroenterol Hepatol, 2021, 6( 7): 578- 588. DOI: 10.1016/S2468-1253(21)00020-0. [2] YOUNOSSI ZM, KOENIG AB, ABDELATIF D, et al. Global epidemiology of nonalcoholic fatty liver disease-Meta-analytic assessment of prevalence, incidence, and outcomes[J]. Hepatology, 2016, 64( 1): 73- 84. DOI: 10.1002/hep.28431. [3] RIAZI K, AZHARI H, CHARETTE JH, et al. The prevalence and incidence of NAFLD worldwide: A systematic review and meta-analysis[J]. Lancet Gastroenterol Hepatol, 2022, 7( 9): 851- 861. DOI: 10.1016/S2468-1253(22)00165-0. [4] LIU X, JU YW, MANDZHIEVA S, et al. Sporadic Pb accumulation by plants: Influence of soil biogeochemistry, microbial community and physiological mechanisms[J]. J Hazard Mater, 2023, 444( Pt A): 130391. DOI: 10.1016/j.jhazmat.2022.130391. [5] LIU WY, FENG H, ZHENG SL, et al. Pb toxicity on gut physiology and microbiota[J]. Front Physiol, 2021, 12: 574913. DOI: 10.3389/fphys.2021.574913. [6] CUOMO D, FOSTER MJ, THREADGILL D. Systemic review of genetic and epigenetic factors underlying differential toxicity to environmental lead(Pb) exposure[J]. Environ Sci Pollut Res Int, 2022, 29( 24): 35583- 35598. DOI: 10.1007/s11356-022-19333-5. [7] GUO XY, YIN XZ, LIU ZJ, et al. Non-alcoholic fatty liver disease(NAFLD) pathogenesis and natural products for prevention and treatment[J]. Int J Mol Sci, 2022, 23( 24): 15489. DOI: 10.3390/ijms232415489. [8] BOSKABADY M, MAREFATI N, FARKHONDEH T, et al. The effect of environmental lead exposure on human health and the contribution of inflammatory mechanisms, a review[J]. Environ Int, 2018, 120: 404- 420. DOI: 10.1016/j.envint.2018.08.013. [9] TESCHKE R. Aluminum, arsenic, beryllium, cadmium, chromium, cobalt, copper, iron, lead, mercury, molybdenum, nickel, platinum, thallium, titanium, vanadium, and zinc: Molecular aspects in experimental liver injury[J]. Int J Mol Sci, 2022, 23( 20): 12213. DOI: 10.3390/ijms232012213. [10] SOMMAR JN, HEDMER M, LUNDH T, et al. Investigation of lead concentrations in whole blood, plasma and urine as biomarkers for biological monitoring of lead exposure[J]. J Expo Sci Environ Epidemiol, 2014, 24( 1): 51- 57. DOI: 10.1038/jes.2013.4. [11] ZHAI HL, CHEN C, WANG NJ, et al. Blood lead level is associated with non-alcoholic fatty liver disease in the Yangtze River Delta Region of China in the context of rapid urbanization[J]. Environ Health, 2017, 16( 1): 93. DOI: 10.1186/s12940-017-0304-7. [12] VUPPALANCHI R, NOUREDDIN M, ALKHOURI N, et al. Therapeutic pipeline in nonalcoholic steatohepatitis[J]. Nat Rev Gastroenterol Hepatol, 2021, 18( 6): 373- 392. DOI: 10.1038/s41575-020-00408-y. [13] MIKOLASEVIC I, ORLIC L, FRANJIC N, et al. Transient elastography(FibroScan®) with controlled attenuation parameter in the assessment of liver steatosis and fibrosis in patients with nonalcoholic fatty liver disease-Where do we stand?[J]. World J Gastroenterol, 2016, 22( 32): 7236- 7251. DOI: 10.3748/wjg.v22.i32.7236. [14] PENG HY, PAN L, RAN SM, et al. Prediction of MAFLD and NAFLD using different screening indexes: A cross-sectional study in U.S. adults[J]. Front Endocrinol, 2023, 14: 1083032. DOI: 10.3389/fendo.2023.1083032. [15] ZHANG KW, NULALI J, ZHANG CX, et al. The association between serum vitamin A and NAFLD among US adults varied in different BMI groups: A cross-sectional study[J]. Food Funct, 2023, 14( 2): 836- 844. DOI: 10.1039/d2fo02204d. [16] SELVARAJ EA, MÓZES FE, JAYASWAL ANA, et al. Diagnostic accuracy of elastography and magnetic resonance imaging in patients with NAFLD: A systematic review and meta-analysis[J]. J Hepatol, 2021, 75( 4): 770- 785. DOI: 10.1016/j.jhep.2021.04.044. [17] STANFIELD Z, SETZER RW, HULL V, et al. Bayesian inference of chemical exposures from NHANES urine biomonitoring data[J]. J Expo Sci Environ Epidemiol, 2022, 32( 6): 833- 846. DOI: 10.1038/s41370-022-00459-0. [18] RINELLA ME, NEUSCHWANDER-TETRI BA, SIDDIQUI MS, et al. AASLD practice guidance on the clinical assessment and management of nonalcoholic fatty liver disease[J]. Hepatology, 2023, 77( 5): 1797- 1835. DOI: 10.1097/HEP.0000000000000323. [19] WANG LL, YI JY, GUO XL, et al. Associations between life’s essential 8 and non-alcoholic fatty liver disease among US adults[J]. J Transl Med, 2022, 20( 1): 616. DOI: 10.1186/s12967-022-03839-0. [20] SANDERS AP, MAZZELLA MJ, MALIN AJ, et al. Combined exposure to lead, cadmium, mercury, and arsenic and kidney health in adolescents age 12-19 in NHANES 2009-2014[J]. Environ Int, 2019, 131: 104993. DOI: 10.1016/j.envint.2019.104993. [21] CHEN L, SUN QZ, PENG SF, et al. Associations of blood and urinary heavy metals with rheumatoid arthritis risk among adults in NHANES, 1999-2018[J]. Chemosphere, 2022, 289: 133147. DOI: 10.1016/j.chemosphere.2021.133147. [22] BUSER MC, INGBER SZ, RAINES N, et al. Urinary and blood cadmium and lead and kidney function: NHANES 2007-2012[J]. Int J Hyg Environ Health, 2016, 219( 3): 261- 267. DOI: 10.1016/j.ijheh. 2016.01.005. [23] HINAI MA, JANSEN EC, SONG PX, et al. Iron deficiency and vitamin D deficiency are associated with sleep in females of reproductive age: An analysis of NHANES 2005-2018 data[J]. J Nutr, 2024, 154( 2): 648- 657. DOI: 10.1016/j.tjnut.2023.11.030. [24] KIM DW, OCK J, MOON KW, et al. Association between Pb, Cd, and Hg exposure and liver injury among Korean adults[J]. Int J Environ Res Public Health, 2021, 18( 13): 6783. DOI: 10.3390/ijerph18136783. [25] CHUNG SM, MOON JS, YOON JS, et al. The sex-specific effects of blood lead, mercury, and cadmium levels on hepatic steatosis and fibrosis: Korean nationwide cross-sectional study[J]. J Trace Elem Med Biol, 2020, 62: 126601. DOI: 10.1016/j.jtemb.2020.126601. [26] CAVE M, APPANA S, PATEL M, et al. Polychlorinated biphenyls, lead, and mercury are associated with liver disease in American adults: NHANES 2003-2004[J]. Environ Health Perspect, 2010, 118( 12): 1735- 1742. DOI: 10.1289/ehp.1002720. [27] WANG NN, SHENG ZJ, ZHOU SM, et al. Chronic lead exposure exacerbates hepatic glucolipid metabolism disorder and gut microbiota dysbiosis in high-fat-diet mice[J]. Food Chem Toxicol, 2022, 170: 113451. DOI: 10.1016/j.fct.2022.113451. [28] WAN H, WANG YY, ZHANG HJ, et al. Chronic lead exposure induces fatty liver disease associated with the variations of gut microbiota[J]. Ecotoxicol Environ Saf, 2022, 232: 113257. DOI: 10.1016/j.ecoenv.2022.113257. [29] YANG ZR, LI XM, TIAN L, et al. Heavy metals exposure is associated with early liver dysfunction among rural residents aged 40-75 years in southwest China[J]. J Appl Toxicol, 2022, 42( 6): 1044- 1056. DOI: 10.1002/jat.4276. [30] MA L, LIU JY, DONG JX, et al. Toxicity of Pb2+ on rat liver mitochondria induced by oxidative stress and mitochondrial permeability transition[J]. Toxicol Res, 2017, 6( 6): 822- 830. DOI: 10.1039/c7tx00204a. [31] URBANO T, FILIPPINI T, LASAGNI D, et al. Association of urinary and dietary selenium and of serum selenium species with serum alanine aminotransferase in a healthy Italian population[J]. Antioxidants, 2021, 10( 10): 1516. DOI: 10.3390/antiox10101516. [32] LIU J, TAN L, LIU ZY, et al. Blood and urine manganese exposure in non-alcoholic fatty liver disease and advanced liver fibrosis: An observational study[J]. Environ Sci Pollut Res Int, 2023, 30( 9): 22222- 22231. DOI: 10.1007/s11356-022-23630-4. [33] FREDIANI JK, NAIOTI EA, VOS MB, et al. Arsenic exposure and risk of nonalcoholic fatty liver disease(NAFLD) among U.S. adolescents and adults: An association modified by race/ethnicity, NHANES 2005-2014[J]. Environ Health, 2018, 17( 1): 6. DOI: 10.1186/s12940-017-0350-1. [34] HYDER O, CHUNG M, COSGROVE D, et al. Cadmium exposure and liver disease among US adults[J]. J Gastrointest Surg, 2013, 17( 7): 1265- 1273. DOI: 10.1007/s11605-013-2210-9. [35] HUH JH, LEE KJ, LIM JS, et al. High dietary sodium intake assessed by estimated 24-h urinary sodium excretion is associated with NAFLD and hepatic fibrosis[J]. PLoS One, 2015, 10( 11): e0143222. DOI: 10.1371/journal.pone.0143222. [36] LUO J, XING WQ, IPPOLITO JA, et al. Bioaccessibility, source and human health risk of Pb, Cd, Cu and Zn in windowsill dusts from an area affected by long-term Pb smelting[J]. Sci Total Environ, 2022, 842: 156707. DOI: 10.1016/j.scitotenv.2022.156707. [37] MORADNIA M, MOVAHEDIAN ATTAR H, HEIDARI Z, et al. Monitoring of urinary arsenic(As) and lead(Pb) among a sample of pregnant Iranian women[J]. J Environ Health Sci Eng, 2021, 19( 2): 1901- 1909. DOI: 10.1007/s40201-021-00743-5. -
下载:
