老年健康体检人群外周血红细胞分布宽度与糖化血红蛋白A1c的相关性研究

张海霞,郭 杰,袁 宁,张清泉,管新雨,郭 杰,孟兆年,侯 敏

(1.天津市胸科医院a.检验科；b.心内科，天津 300222；2.天津捷信消费金融有限公司IT Repayment，天津300457；3.天津医科大学医学检验学院，天津 300203)

糖尿病（diabetes mellitus,DM）是最常见和最复杂的代谢紊乱之一，近几十年来已成为世界范围内的一个主要健康问题[1-5]。由于营养水平提高、体力活动减少和肥胖等因素，成年人2 型糖尿病(type 2 diabetes mellitus,T2DM)的患病率持续上升，预计2040年将达到10.4 %[5-8]。同样，随着人口老龄化和生活方式的改变，我国人群糖尿病的患病率也在迅速增加[9-11]。2017年，中国疾病预防控制中心公布的数据表明，18 岁以上人群糖尿病的患病率为10.4 %，以T2DM 为主；而60 岁以上老年人糖尿病患病率超过20 %[10,12-14]。

糖化血红蛋白A1c（glycated hemoglobin A1c,HbA1c）是血红蛋白非酶促糖基化的产物[15]，2011年WHO 建议在条件具备的国家和地区采用HbA1c诊断糖尿病，诊断切点为HbA1c ≥6.5 %[16-17]。近年来，我国HbA1c 检测标准化程度逐步提高，国内一些研究结果显示，在中国成人中 HbA1c 诊断糖尿病的最佳切点为 6.2 %～ 6.4 %，以6.3 %的依据为多[13]。红细胞分布宽度(red blood cell distribution width,RDW)是衡量红细胞体积变化的一个指标[18]，最近的一些研究指出，RDW，DM 和炎症之间存在联系[19]，并认为“RDW 是心衰（heart failure,HF）和DM 患者良好的预后指标”[10,19]，这可能改善对患有T2DM 风险的个体的风险评估[5]。

国外报道，在美国健康非糖尿病成年人群[20]和南欧老年门诊患者[21]中，RDW 与HbA1c 呈正相关并可独立预测HbA1c 水平。NADA 等[5]的研究也表明，糖尿病患者的RDW 值明显高于健康个体，特别是在血糖未受控制的人群中尤其高。为研究我国的老年健康体检人群中RDW 是否与HbA1c有关，我们设计了本实验来评估二者之间的相关性。

1 材料与方法

1.1 研究对象 选取2014年1月～2018年12月天津市胸科医院体检中心年龄在60 岁以上的健康体检者，共5 408 例，女性2 618 例和男性2 790 例，平均年龄74 岁（66-79 岁）。纳入标准：研究对象无明显心血管疾病、脑部疾病、肾脏疾病、肺部疾病、肿瘤等。

1.2 仪器与试剂 全血细胞计数（complete blood count，CBC）测定使用SYSMEX E-2100 全自动血液分析仪（日本SYSMEX 公司），HbA1c 测定使用VARIANT II 血红蛋白测试系统（美国Bio-Rad Laboratories Inc.公司），测定方法为高效液相色谱法。均为配套试剂和校准品。研究期间，通过常规的内部质量控制和外部室间质量评价程序保证测定结果的可靠性。

1.3 方法 收集研究人群CBC[包括RDW，血红蛋白（hemoglobin，Hb）和平均红细胞体积（mean corpuscular volume, MCV）]和HbA1c 的结果，并进行相关分析。

1.4 统计学分析应用SPSS 21.0 和GraphPad Prism 8.0统计软件对数据进行分析。 采 用Kolmogorov -Smirnov 检验评价所有数据分布的特征。呈偏态分布的数据资料结果用中位数和四分位数表示[M（P25，P75)]。连续变量的组间比较使用Mann-Whitney U 检验，分类变量的组间比较使用χ2检验。组间的多重比较使用Kruskal-Wallis 单因素ANOVA 分析并进行Bonferroni 校正。使用Mantel-Haenszel 线性趋势性检验来评估变量间是否有线性变化的趋势，并计算趋势性P 值。采用Spearman秩相关分析和偏相关分析[22]评估数据间的相关性，并计算相关系数(r)。回归分析前，采用Box-Tidwell 方法检查变量间是否存在线性关系；共线性诊断用于检测自变量间是否存在多重共线性，方差膨胀因子（variance inflation factor，VIF）≥10的变量被认为存在共线性。使用Logistic 回归分析计算比值比(odds ratio，OR)及相应的95%置信区间（confidence interval，CI）。P＜0.05 为差异有统计学意义。

2 结果

2.1 RDW 和HbA1c 的Spearman 分析结果 见表1。Kolmogorov-Smirnov 检验结果显示，所有数据均呈偏态分布，结果用M（P25，P75)进行统计描述。在整个研究人群、男性组、女性组中，RDW 值与HbA1c 水平均呈正相关关系，即使在对混杂因素调整后亦是如此（均P＜0.01）。同时，根据本实验室Hb 参考范围的下限（男性Hb 浓度＜130 g/L，女性Hb 浓度＜115 g/L），将所有研究对象分为两组：无贫血组和贫血组；结果显示，无贫血组RDW 值与HbA1c 水平之间仍呈正相关关系（P＜0.05），但贫血组二者之间差异无统计学意义（P＞0.05）。

2.2 研究人群按HbA1c 水平分类后的结果 见表2。首先，根据上述文献中HbA1c 诊断糖尿病的临界值（即6.3 %），参考本实验室RDW 值参考范围的上限（即14.0 %），同时考虑到贫血可能产生的影响，将整个研究人群和无贫血组各 分 成HbA1c ≤6.3 %、HbA1c＞6.3 %两组。可见，HbA1c＞6.3 %的个体其RDW 水平均高于HbA1c ≤6.3 %的个体（均P=0.000）；而且，两组中HbA1c＞6.3 %的个体其RDW＞14.0 %的比例亦高于HbA1c ≤6.3 %的个体（均P=0.000）。

表1 研究人群的Spearman 相关分析结果

表2 研究对象根据HbA1c 水平分类后的特征

根据HbA1c 的四分位数，整个研究人群被分为四组（组1～4），每组的临床特征见表3。使用Kruskal-Wallis 单因素ANOVA 分析和成对多重比较，我们发现，RDW 水平随着HbA1c 四分位数水平逐渐升高（H=188.047，P=0.000；P 值经Bonferroni 校 正 后 为0.000, 均P＜0.05）。而且，Mantel-Haenszel 检验表明，RDW＞14.0 %的比例随着HbA1c 四分位数升高有统计学意义的线性趋势（趋势性P=0.000）。

表3 研究人群根据HbA1c 四分位数分类后的特征

2.3 RDW 和HbA1c 之间的相关性结果 见图1。Logistic 回归分析被用于验证RDW 是否为HbA1c的独立危险因素。Box-Tidwell 线性测试结果显示，所有连续自变量与因变量Logitic 转换值之间存在线性关系（P=0.015，0.742 和0.703；Bonferroni校正后P=0.006 25；均＞0.006 25）；并且自变量之间也没有统计学意义的共线性（所有VIF 值均＜5）。单因素Logistic 回归模型结果。

图1 RDW 和 HbA1c 之间的相关性

以第1 组为参照，进一步探讨RDW 与HbA1c的关系。见表3 和图1，组2～4 RDW＞14.0 %出现的风险分别是组1 的1.248 倍(95%CI 1.072～1.453)，1.471 倍 (95%CI 1.260～1.717) 和1.731 倍(95%CI 1.468～2.041)，更重要的是，RDW＞14.0 % 出现的风险随着HbA1c 四分位数具有升高的线性趋势（趋势性P =0.000）。另外，调整混杂因素后，HbA1c＞6.3% 个体中RDW＞14.0 % 出现的风险 是HbA1c ≤6.3 % 个体的1.569 倍（95%CI，1.395～1.765，P=0.000）。

3 讨论

众所周知，RDW 是一个传统的血液学指标，主要用于鉴别不同类型的贫血。最近，越来越多的证据表明，RDW 是许多疾病的一个有效的风险标志物，如心脑血管疾病[10,15,23-24]，系统性红斑狼疮[25]，恶性肿瘤[5,26-28]和糖尿病肾病[8,29-30]等；而且RDW 与T2DM 的发生及其并发症有关[19,31-32]。作为DM 诊断和治疗标准的一部分，HbA1c不受日常血糖波动、外部环境短期变化的影响，能有效地反映测定日前2 至3 个月的平均血糖水平[1,7,16,33]。HbA1c 水平也被证明与炎症有关，可用于预测糖尿病发病率、并发症以及死亡率[8]，即使在没有糖尿病的人群中[20]，RDW 和HbA1c 都可用于糖尿病患者和非糖尿病患者的预后[8]。

目前，国外关于RDW 与HbA1c 的关系有一些不同的研究，但这些结果是相当不一致的，造成这种差异可能与族裔和人口、研究设计、样本量和数据来源有关[33-34]。

我们的研究将这些先前的发现扩展到我国老年健康体检人群。首先，这项大规模研究揭示了RDW 与HbA1c 之间的正相关关系，尽管相关系数相对较小，除贫血组无统计学意义外，其余亚组的相关性都是一致的，这可能是由于贫血的影响[33]。在最近一项由2 688 例健康中老年人（49～66 岁）组成的大型队列研究中，LI 等[10]报道，RDW-CV与HbA1c 呈正相关关系（r=0.13，P＜0.001）。同样，在另一项研究中，ENGSTROM 等[15]也揭示了类似的关系，他们发现RDW 每增加1s，HbA1c相应地增加0.10 %。与先前的这些研究结果相似，我们的研究也证实了这种正相关关系。已知HbA1c主要由血糖水平和红细胞暴露于血糖中的时间决定[8,15,23,34]。据文献报道，红细胞随着寿命的延长而变小，清除率的降低使得较小的细胞能够继续循环，扩大了红细胞体积较小的群体的尾部，从而使RDW 增加[15,30,35]。另一方面，红细胞清除延迟也使之能够在正常清除的时间之后继续循环，从而增加红细胞的平均寿命，导致Hb 被糖基化的时间更长，反过来升高了HbA1c 水平。RDW 与HbA1c之间的正相关关系或许反映出红细胞体积的高度变异性与长时间暴露于血糖中衰老红细胞的高比例之间的关系[15]。这或许可以解释（至少部分）二者之间的相关性。有趣的是，我们的研究数据表明，MCV 与HbA1c 呈负相关关系（r = -0.222，95%CI-0.250～ -0.195，P=0.000），从而支持了上述假设。而且，已知高血糖也可以促进HbA1c 形成、减少红细胞变形性，使红细胞更容易破坏[5,8,10,15,36]，从而导致红细胞体积的高度变异性和RDW 值的增加[5,8,31,37]。值得注意的是，本研究结果显示，无论在整个研究人群还是无贫血组人群，HbA1c＞6.3 %的个体其RDW 值均较高，这提示未受控制的高血糖个体其红细胞体积具有更高的异质性。NADA 等[5]的结果也表明，血糖控制不佳（HbA1c＞7 %）患者的RDW 高于血糖控制良好的对照组（HbA1c ≤7 %，P=0.035），与本研究结果相符。

但相比之下，DEMIR 等[26]在32 例非糖尿病患者、82 例糖尿病患者或全部研究对象中，均没有观察到RDW 与HbA1c 之间存在关联（P＞0.05），笔者推测这可能是由于样本量太小，统计能力弱的缘故。同样，YIN 等[31]和NADA 等[5]的研究也没有发现RDW 和HbA1c 之间存在相关性（P=0.087和0.78）。

其次，如前所述，与HbA1c ≤6.3 %的个体相比，HbA1c＞6.3 %的个体具有更高RDW 水平和更高的RDW＞14.0 %的比例。相应地，HbA1c＞6.3 %的个体RDW＞14.0 %出现的风险是HbA1c ≤6.3 %个体的1.569 倍，这与VEERANNA 等[20]人的结果相似。接下来，我们证实 RDW与HbA1c之间的相关性与年龄、性别和Hb 等变量无关。更重要的是，与HbA1c 较低四分位数的个体相比，HbA1c 较高四分位数的个体倾向于具有更高的RDW 水平和更高的RDW＞14.0 %的比例，并且出现RDW＞14.0 %的风险更高。因此，RDW 或许可以代替HbA1c 用于T2DM 个体的风险评估。

有研究证实，RDW 值依赖于年龄和性别[15,23,26,38-39]。VAJRAVELU 等[34]报 道，HbA1c 存 在年龄差异；LI 及BAE 等[10,33]亦发现HbA1c 值受Hb 水平和性别的影响。因此，数据分析过程中我们对这些因素进行了调整，并且RDW 和HbA1c 之间的关系在调整后仍具有统计学意义。另外，尽管没有观察到HbA1c 与Hb 之间存在统计学相关性（P=0.440，数据未显示），但考虑到RDW 和HbA1c 之间的关系可能受贫血影响，因此在统计过程中我们也对Hb 进行了调整。

总之，我们的研究对象是60 岁以上的老年健康体检人群，这扩展了其他研究人员以前的工作；大的样本量，与一些研究结果的一致性及研究过程中已知混杂因素的调整，这是本实验的优势，但也存在一定的局限性。首先，我们的研究是基于一个表观健康的人群，尽管有一定的纳入标准，调整了一些混杂因素，但我们不能排除结果可能受到其它与RDW 或HbA1c 密切相关的变量的影响，如铁、叶酸、维生素B12、脾功能亢进、某些血红蛋白药物和药物[23,34]，这些因条件所限无法得到，有待进一步研究探讨；第二，近年来我国的HbA1c 检测标准化程度逐步提高，但由于各地区检测能力和条件的不平衡仍存在较大差异，本文以文献中提到的诊断切点6.3 %作为临界值，可能存在一定的偏差。

综上所述，老年健康体检人群中，RDW 值与HbA1c 水平呈正相关关系；RDW 是HbA1c 的一个独立的风险因素，HbA1c 升高的个体其RDW 水平升高的的风险增加。作为一个常规且廉价的血液学参数，RDW 或许可以作为一个有效的生物标志物用于T2DM 个体的风险评估。