幽门螺杆菌感染与胰岛素抵抗替代指标的相关性
Association between Helicobacter pylori Infection and Surrogate Markers of Insulin Resistance
DOI: 10.12677/acm.2024.14123072, PDF, HTML, XML,    国家自然科学基金支持
作者: 陈圆圆, 刘卓琪, 方静雯, 丁岩冰*：扬州大学附属医院消化内科，江苏 扬州
关键词: 胰岛素抵抗替代指标；幽门螺杆菌；横断面研究；NHANES；Surrogate Markers of Insulin Resistance； Helicobacter pylori； Cross-Sectional Study； NHANES
摘要: 目的：本研究基于美国国家健康与营养调查(National Health and Nutrition Examination Survey, NHANES)数据库，旨在探讨幽门螺杆菌(Helicobacter pylori, H. pylori)感染与胰岛素抵抗(Insulin Resistance, IR)替代指标之间的关系。方法：选取NHANES数据库1999~2000年横断面调查的参与者数据；采用单因素及多因素Logistic回归分析H. pylori感染的影响因素；通过多模型的Logistic回归分析H. pylori感染与IR替代指标的关联性，进行了亚组分析，以确保结果稳定。结果：最终纳入1446名参与者，H. pylori感染的总体患病率为41.8%，平均年龄为50.9岁。校正全部混杂因素后，甘油三酯葡萄糖(triglyceride glucose index, TyG)指数、甘油三酯葡萄糖–腰高比(triglyceride glucose-waist to height ratio, TyG-WHtR)和胰岛素抵抗代谢(metabolic score for insulin resistance, METS-IR)指数与H. pylori感染仍然呈现正相关。按年龄、性别、种族、吸烟、饮酒状况进行的亚组分析显示，无统计学显著性相互作用(P > 0.05)。结论：本研究结果表明，TyG指数、TyG-WHtR指数和METS-IR与H. pylori感染的风险有关，为未来研究提供了潜在的生物标志物。
Abstract: Objective: This study explores the relationship between Helicobacter pylori (H. pylori) infection and surrogate markers of insulin resistance (IR) using data from the National Health and Nutrition Examination Survey (NHANES) database. Methods: Data from the 1999~2000 NHANES cross-sectional survey were analyzed. Univariate and multivariate logistic regression models were used to identify factors influencing H. pylori infection. The association between H. pylori infection and IR surrogate markers was further assessed using multiple logistic regression models, with subgroup analyses conducted for robustness. Results: The study included 1446 participants, with an H. pylori infection prevalence of 41.8% and an average age of 50.9 years. After adjusting for confounders, the triglyceride glucose (TyG) index, triglyceride glucose-waist to height ratio (TyG-WHtR), and metabolic score for insulin resistance (METS-IR) index remained positively associated with H. pylori infection. Subgroup analyses by age, gender, ethnicity, smoking, and alcohol use revealed no statistically significant interactions (P > 0.05). Conclusion: These findings indicate that the TyG index, TyG-WHtR, and METS-IR are associated with an increased risk of H. pylori infection, highlighting their potential as biomarkers for further research.
文章引用：陈圆圆, 刘卓琪, 方静雯, 丁岩冰. 幽门螺杆菌感染与胰岛素抵抗替代指标的相关性[J]. 临床医学进展, 2024, 14(12): 237-248. https://doi.org/10.12677/acm.2024.14123072

1. 引言

幽门螺杆菌(Helicobacter pylori, H. pylori)是一种革兰氏阴性菌，主要定植于人类的胃黏膜组织[1]。据流行病学研究，全球约43%的人口受到H. pylori感染的影响[2]，它是慢性胃炎的主要病原体。此外，H. pylori感染还与多种严重的胃肠道疾病有关，包括胃和十二指肠的消化性溃疡[3] (Peptic Ulcer Disease, PUD)、胃癌以及胃黏膜相关淋巴组织(Mucosa-Associated Lymphoid Tissue, MALT)淋巴瘤[4]等。H. pylori能够引发炎症反应，产生C-反应蛋白、白细胞介素、肿瘤坏死因子α (Tumor Necrosis Factor-alpha, TNF-α)等炎症因子[5]-[7]，并降低瘦素水平。这些炎症因子的高水平和瘦素的缺乏是胰岛素抵抗(Insulin Resistance, IR)和代谢综合征的关键机制[8]-[11]，由此可知H. pylori与IR存在相关性。另外IR被认为是微血管和大血管病变的风险因素，与糖尿病、心血管疾病等多种疾病的发展密切相关[12] [13]，一项基于英国生物样本库(UK Biobank)的研究揭示了胰岛素抵抗与31种疾病之间的显著关联性，特别是与糖尿病的联系，其风险增加了166%，即风险是正常水平的2.66倍，另一项针对133名2型糖尿病患者的研究中，胰岛素抵抗被证实与糖尿病微血管病变的发展有着密切的联系[14]。由于高胰岛素–正常葡萄糖钳夹试验作为IR测量的金标准，是一种复杂的侵入性检查，不适用于大规模临床研究[15]，因此开发了多种简单可行的替代指标来评估IR，如甘油三酯葡萄糖(triglyceride glucose index, TyG)指数、甘油三酯葡萄糖–体重指数(triglyceride glucose-body mass index, TyG-BMI)、甘油三酯葡萄糖–腰围(triglyceride glucose-waist circumference, TyG-WC)、甘油三酯葡萄糖–腰高比(triglyceride glucose-waist to height ratio, TyG-WHtR)、稳态模型胰岛素抵抗指数(homeostasis model assessment of insulin resistance, HOMA-IR)和胰岛素抵抗代谢(metabolic score for insulin resistance, METS-IR)指数等[16]-[18]，这些指标通过常规血液检测即可获得，为IR的评估提供了便捷的手段。本研究旨在利用这些易于获取的指标，评估H. pylori感染与IR之间的相关性，以期为深入理解两者之间的联系提供有价值的见解。

2. 资料与方法

2.1. 研究人群

由美国疾病控制与预防中心(Centers for Disease Control and Prevention, CDC)的国家卫生统计中心(National Center for Health Statistics, NCHS)进行的全国健康和营养检查调查(National Health and Nutrition Examination Survey, NHANES)是对美国非机构化平民人口的横断面调查。在家中进行人口统计、社会经济和医疗健康访谈后，在移动检查中心(Mobile Examination Centers, MECs)进行体格检查、访谈和实验室评估在所有参与者的知情同意下，该协议得到了NCHS伦理审查委员会的批准。

由于仅1999~2000年的周期包含了幽门螺杆菌IgG数据，故本研究提取了这一周期的数据。排除了5058名年龄<20岁的参与者，283名妊娠期女性，795名缺少幽门螺杆菌血清学数据，2000名缺少TyG、TyG-WC、TyG-BMI、TyG-WHtR、HOMA-IR和METS-IR数据的参与者和356名协变量缺失的参与者。最终，本研究共纳入1446名参与者(见图1)。

Figure 1. Flowchart of the study population inclusion

图1. 本研究纳入人群流程图

2.2. 胰岛素抵抗替代指标

本研究中的IR替代指标包括TyG指数、TyG-BMI指数、TyG-WC指数、TyG-WHtR指数、HOMA-IR和METS-IR。TyG指数计算如下：TyG = Ln[空腹甘油三酯(mg/dL) × 空腹血糖(mg/dL)/2]。TyG-BMI指数计算如下：TyG-BMI = TyG指数 × BMI (kg/m2)。TyG-WC指数计算如下：TyG-WC = TyG指数 × 腰围(cm)。TyG-WHtR指数计算如下：TyG-WHtR = TyG指数 × 腰围(cm)/身高(cm)。HOMA-IR计算如下：HOMA-IR = 空腹血糖(mmol/L) × 空腹胰岛素(µU/mL)/22.5。METS-IR计算如下：METS-IR = Ln[2 × BMI (mg/dL) + 甘油三酯(mg/dL)] × BMI/Ln HDL-C (mg/dL)。经过培训的实验室人员从参与者那里采集空腹血液。血液样本在−20℃下冷冻并运送到实验室进行测试。使用AIA-PACK IRI测量空腹胰岛素，分别在Roche Modular P和Roche Cobas 6000化学分析仪上通过酶法测定甘油三酯和空腹血糖。

2.3. 幽门螺杆菌感染的测定

NHANES使用酶联免疫测定法(Enzyme-Linked Immunosorbent Assay, ELISA)通过IgG抗体检测来评估幽门螺杆菌暴露情况。根据标准ELISA临界值，参与者被分类为幽门螺杆菌IgG血清阳性(OD值 ≥ 1.1)或血清阴性(OD值 < 0.9) [19] [20]。OD值模棱两可的受试者被排除在外，以防止误导性的统计结果。

2.4. 协变量

本研究协变量包括年龄、性别、种族、教育程度、贫困收入比(Poverty Income Ratio, PIR)、体质指数(Body Mass Index, BMI)、腰围、吸烟状况、饮酒状况、高血压、糖尿病、血脂、尿酸。种族分类为非西班牙裔白色、非西班牙裔黑人、墨西哥裔美国人和其他种族；教育水平分为高中以下、高中或同等学历、大学或以上；家庭收入按PIR分为三类：低(PIR ≤ 1.3)、中(1.3 < PIR ≤ 3.5)和高(PIR > 3.5)。BMI分为三类：正常(BMI ≤ 25)、超重(25 < BMI ≤ 30)、肥胖(BMI > 30)。吸烟状况分为从未吸烟者、以前吸烟者和当前吸烟者，“从未吸烟者”被定义为在采访前从未吸过烟或吸烟少于100支的人；“以前吸烟者”指的是那些曾经吸过超过100支烟，但在采访时已经戒烟的个体；“目前吸烟者”指的是那些在其一生中吸过100支或更多香烟，并在采访时仍在吸烟的人。饮酒情况(是/否)是根据他们是否每年消费12杯或更多酒精饮料来定义的；高血压定义为自我报告的高血压、收缩压 ≥ 140 mmHg、舒张压 ≥ 90 mmHg或使用降压药物；糖尿病定义为自我报告的糖尿病、空腹血糖水平 ≥ 7.1 mmol/L、糖化血红蛋白 ≥ 6.5%、使用胰岛素或口服降糖药。

2.5. 统计学分析

所有统计分析均使用R语言4.2.3软件和SPSS 27.0版本进行。分类变量用百分比(%)表示，而连续变量用均值 ± 标准差描述。为了比较组间差异，进行了方差(正态分布)、Kruskal-Wallis检验(偏态分布)和卡方检验(分类变量)的单因素分析。采用logistic回归模型检验H. pylori感染与IR的关联。使用了非调整模型和多变量调整模型：模型1，未进行调整；模型2，对年龄、性别进行调整；模型3，针对模型 2中的协变量和种族、贫困收入比、教育程度、BMI、腰围、吸烟、饮酒状况、高血压、糖尿病、低密度脂蛋白、总胆固醇水平进行调整；此外，还进行了与年龄、性别、种族和危险行为的亚组和交互分析，以测试胰岛素抵抗替代物与幽门螺杆菌感染之间关联的稳定性。结果以优势比(odds ratio, OR)和置信区间(confidence interval, CI)呈现。P < 0.05为差异有统计学意义。

3. 结果

3.1. 基线特征

首先对人群基线特征进行分析(表1)，在1446名参与者中，幽门螺杆菌感染的总体患病率为41.8%，平均年龄为(50.9 ± 18.0)岁。在所有参与者中，平均糖化血红蛋白水平为5.6% ± 1.1%，平均空腹甘油三酯水平为145.7 ± 101.2 mg/dL，平均空腹血糖水平为105.2 ± 35.2 mg/dL。具体来说，在幽门螺杆菌阳性的参与者中，老年人、墨西哥裔美国人、社会经济地位和教育程度较低的人、空腹血糖、胰岛素和甘油三酯水平升高的人群发病率高，并且更有可能患有其他合并症如高血压、糖尿病。

3.2. 胰岛素抵抗替代物与幽门螺杆菌感染之间的关联

单因素分析表明，年龄、种族、教育程度、家庭收入、BMI、吸烟、饮酒状况、糖化血红蛋白、空腹血糖、胰岛素、高血压、糖尿病、TyG指数、TyG-BMI指数、TyG-WC指数、TyG-WHtR指数、HOMA-IR和METS-IR等与幽门螺杆菌感染可能相关(P < 0.05) (表2)。

Table 1. Baseline characteristics of the study population

表1. 研究人群基线特征

变量

总例数

Hp−

Hp+

P值

n = 1446

n = 841

n = 605

年龄(岁，均值 ± 标准差)

50.9 ± 18.0

48.4 ± 18.3

54.3 ± 17.0

<0.001

性别，n (%)

0.321

男性

733 (50.7)

417 (49.6)

316 (52.2)

女性

713 (49.3)

424 (50.4)

289 (47.8)

种族，n (%)

<0.001

非西班牙裔白人

687 (47.5)

536 (63.7)

151 (25)

非西班牙裔黑人

256 (17.7)

120 (14.3)

136 (22.5)

墨西哥裔美国人

369 (25.5)

122 (14.5)

247 (40.8)

其他种族

134 (9.3)

63 (7.5)

71 (11.7)

教育程度，n (%)

<0.001

高中以下

250 (17.3)

61 (7.3)

189 (31.2)

高中或同等学历

592 (40.9)

341 (40.5)

251 (41.5)

大学或以上

604 (41.8)

439 (52.2)

165 (27.3)

PIR, n (%)

<0.001

低

400 (27.7)

173 (20.6)

227 (37.5)

中

550 (38.0)

305 (36.3)

245 (40.5)

高

496 (34.3)

363 (43.2)

133 (22)

BMI, n (%)

0.012

<25

461 (31.9)

291 (34.6)

170 (28.1)

25~30

505 (34.9)

271 (32.2)

234 (38.7)

≥30

480 (33.2)

279 (33.2)

201 (33.2)

身高(厘米，均值 ± 标准差)

167.6 ± 10.1

169.2 ± 10.1

165.5 ± 9.7

<0.001

腰围(厘米，均值 ± 标准差)

97.0 ± 15.2

96.6 ± 15.8

97.5 ± 14.2

0.283

吸烟状况，n (%)

0.094

从未吸烟

730 (50.5)

435 (51.7)

295 (48.8)

以前吸烟

407 (28.1)

243 (28.9)

164 (27.1)

目前吸烟

309 (21.4)

163 (19.4)

146 (24.1)

饮酒状况，n (%)

0.019

否

444 (30.7)

238 (28.3)

206 (34)

是

1002 (69.3)

603 (71.7)

399 (66)

糖化血红蛋白(%，均值 ± 标准差)

5.6 ± 1.1

5.4 ± 0.9

5.8 ± 1.2

<0.001

空腹血糖(mg/dL，均值 ± 标准差)

105.2 ± 35.2

101.9 ± 29.1

109.7 ± 41.9

<0.001

空腹胰岛素(uU/L，均值 ± 标准差)

13.9 ± 13.7

13.2 ± 10.3

14.8 ± 17.3

0.020

高密度脂蛋白(mg/dL，均值 ± 标准差)

49.9 ± 14.7

50.6 ± 14.6

48.8 ± 14.7

0.020

总胆固醇(mg/dL，均值 ± 标准差)

204.0 ± 40.3

203.5 ± 40.6

204.7 ± 39.8

0.606

甘油三酯(mg/dL，均值 ± 标准差)

145.7 ± 101.2

139.6 ± 95.7

154.1 ± 108.0

0.007

低密度脂蛋白(mg/dL，均值 ± 标准差)

126.2 ± 34.5

126.1 ± 35.5

126.5 ± 33.0

0.844

收缩压(mmHg，均值 ± 标准差)

127.7 ± 20.7

125.2 ± 19.2

131.2 ± 22.1

<0.001

舒张压(mmHg，均值 ± 标准差)

72.1 ± 13.6

72.6 ± 11.9

71.4 ± 15.6

0.085

高血压，n (%)

0.001

否

813 (56.2)

503 (59.8)

310 (51.2)

是

633 (43.8)

338 (40.2)

295 (48.8)

糖尿病，n (%)

<0.001

否

1279 (88.5)

765 (91)

514 (85)

是

167 (11.5)

76 (9)

91 (15)

TyG，均值 ± 标准差

8.8 ± 0.6

8.7 ± 0.6

8.8 ± 0.7

<0.001

TyG-WC，均值 ± 标准差

852.1 ± 164.9

843.7 ± 172.3

863.7 ± 153.4

0.022

TyG-BMI，均值 ± 标准差

249.6 ± 59.6

247.2 ± 61.9

252.9 ± 56.2

0.071

TyG-WHtR，均值 ± 标准差

5.1 ± 1.0

5.0 ± 1.0

5.2 ± 0.9

< 0.001

HOMA-IR，均值 ± 标准差

3.9 ± 5.3

3.6 ± 3.9

4.4 ± 6.7

0.004

METS-IR，均值 ± 标准差

43.3 ± 11.3

42.8 ± 11.6

44.1 ± 10.7

0.032

注：其他种族：除了非西班牙裔白人、非西班牙裔黑人、墨西哥裔美国人以外的种族；PIR：贫困收入比；BMI：体质指数；TyG：甘油三酯葡萄糖指数；TyG-WC：甘油三酯葡萄糖–腰围；TyG-BMI：甘油三酯葡萄糖–体重指数；TyG-WHtR：甘油三酯葡萄糖–腰高比；HOMA-IR：稳态模型胰岛素抵抗指数；METS-IR：胰岛素抵抗代谢指数。

Table 2. Univariate analysis of variables associated with Helicobacter pylori infection

表2. 各变量与幽门螺杆菌感染的单因素分析

变量

OR (95% CI)

P值

年龄(岁)

1.019 (1.013~1.025)

<0.001

性别

男性

1 (参考)

女性

0.899 (0.73~1.109)

0.321

种族

非西班牙裔白人

1 (参考)

非西班牙裔黑人

4.023 (2.966~5.456)

<0.001

墨西哥裔美国人

7.187 (5.419~9.53)

<0.001

其他种族

4 (2.724~5.875)

<0.001

教育程度

<9

1 (参考)

9~12

0.238 (0.171~0.331)

<0.001

>12

0.121 (0.086~0.17)

<0.001

PIR

低

1 (参考)

中

0.612 (0.472~0.794)

<0.001

高

0.279 (0.211~0.37)

<0.001

BMI

<25

1 (参考)

25~30

1.478 (1.142~1.912)

0.003

≥30

1.233 (0.949~1.603)

0.117

腰围(厘米)

1.004 (0.997~1.011)

0.283

吸烟状况

从未吸烟

1 (参考)

以前吸烟

0.995 (0.777~1.274)

0.970

目前吸烟

1.321 (1.01~1.726)

0.042

饮酒状况

否

1 (参考)

是

0.764 (0.61~0.958)

0.020

糖化血红蛋白

1.391 (1.24~1.561)

<0.001

空腹血糖(mg/dL)

1.007 (1.003~1.01)

<0.001

空腹胰岛素(uU/L)

1.01 (1.001~1.018)

0.028

高密度脂蛋白(mg/dL)

0.991 (0.984~0.999)

0.02

总胆固醇(mg/dL)

1.001 (0.998~1.003)

0.605

甘油三酯(mg/dL)

1.001 (1~1.002)

0.009

低密度脂蛋白(mg/dL)

1 (0.997~1.004)

0.844

高血压，n (%)

否

1 (参考)

是

1.416 (1.147~1.748)

0.001

糖尿病，n (%)

否

1 (参考)

是

1.782 (1.288~2.465)

<0.001

TyG

1.426 (1.211~1.678)

<0.001

TyG-WC

1.001 (1~1.001)

0.023

TyG-BMI

1.002 (1~1.003)

0.071

TyG-WHtR

1.27 (1.142~1.413)

<0.001

HOMA-IR

1.032 (1.008~1.056)

0.008

METS-IR

1.01 (1.001~1.02)

0.032

注：其他种族：除了非西班牙裔白人、非西班牙裔黑人、墨西哥裔美国人以外的种族；PIR：贫困收入比；BMI：体质指数；TyG：甘油三酯葡萄糖指数；TyG-WC：甘油三酯葡萄糖–腰围；TyG-BMI：甘油三酯葡萄糖–体重指数；TyG-WHtR：甘油三酯葡萄糖–腰高比；HOMA-IR：稳态模型胰岛素抵抗指数；METS-IR：胰岛素抵抗代谢指数。

多因素分析表明，TyG指数与幽门螺杆菌感染呈现正相关(OR: 1.426，95% CI: 1.211~1.678, P < 0.001)，对协变量进行调整后，这种正相关依然显著(OR: 1.418, 95% CI: 1.035~1.943, P = 0.03)。这意味着TyG指数每增加1个单位，幽门螺杆菌感染的风险增加41.8%。同样地，TyG-WHtR指数和METS-IR与幽门螺杆菌感染呈现正相关，即使在调整了多个风险因素后也是如此(OR: 1.811, 95% CI: 1.194~2.747, P = 0.005)，(OR: 1.031, 95% CI: 1.003~1.059, P = 0.027) (表3)。

Table 3. Multivariate logistic analysis of insulin resistance surrogate indicators and Helicobacter pylori infection

表3. 胰岛素抵抗替代指标与幽门螺杆菌感染的多因素logistic分析

OR (95% CI)

模型1

P值

模型2

P值

模型3

P值

TyG

1.426 (1.211~1.678)

<0.001

1.244 (1.047~1.477)

0.013

1.418 (1.035~1.943)

0.030

TyG-WC

1.001 (1~1.001)

0.023

1 (0.999~1.001)

0.697

1.003 (1~1.006)

0.095

TyG-BMI

1.002 (1~1.003)

0.071

1.001 (0.999~1.003)

0.241

1.004 (0.999~1.01)

0.141

TyG-WHtR

1.27 (1.142~1.413)

<0.001

1.159 (1.035~1.299)

0.011

1.811 (1.194~2.747)

0.005

HOMA-IR

1.032 (1.008~1.056)

0.008

1.022 (0.999~1.045)

0.059

1.028 (0.967~1.093)

0.371

METS-IR

1.01 (1.001~1.02)

0.032

1.009 (0.999~1.018)

0.065

1.031 (1.003~1.059)

0.027

模型1：未调整变量；模型2：调整了年龄、性别；模型3：调整了年龄、性别、种族、贫困收入比、教育程度、BMI、腰围、吸烟状况、饮酒状况、高血压、糖尿病、低密度脂蛋白、总胆固醇。

3.3. 亚组分析

在按年龄、性别、种族、吸烟、饮酒的亚组中未发现显著的交互作用(P > 0.05)。我们发现TyG指数、TyG-WHtR指数和METS-IR和幽门螺杆菌感染之间的关联在每个亚组中都相对稳定(图2~4)。

Figure 2. Subgroup analysis of the TyG index and Helicobacter pylori infection

图2. TyG指数与幽门螺杆菌感染的亚组分析

Figure 3. Subgroup analysis of the TyG-WHtR index and Helicobacter pylori infection

图3. TyG-WHtR指数与幽门螺杆菌感染的亚组分析

Figure 4. Subgroup analysis of METS-IR and Helicobacter pylori infection

图4. METS-IR与幽门螺杆菌感染的亚组分析

4. 讨论

在这项横断面研究中，我们探讨了美国成年人群中H. pylori感染和不同的IR替代指标之间的关系。研究结果显示，TyG指数、TyG-WHtR指数和METS-IR与H. pylori感染呈正相关。按年龄、性别、种族、吸烟、饮酒进行的亚组分析显示，没有统计学显著的交互作用，我们发现TyG指数、TyG-WHtR指数和METS-IR与H. pylori感染之间的关联在每个亚组中都是稳定的。

H. pylori与IR之间的联系在一些研究仍存在争议。在中国台州，一项包含9266参与者的队列研究发现，长期幽门螺杆菌感染会增加糖化血红蛋白和IR水平，根除幽门螺杆菌可能对人群的血糖控制产生积极影响[21]。同样，一项基于NHANES的队列研究表明TyG指数与幽门螺杆菌感染风险增加有关，并且在幽门螺杆菌阳性的参与者中，TyG指数与全因死亡率显示出正相关性[22]。然而，一项包含169名韩国幽门螺杆菌感染患者的病例对照研究观察到，幽门螺杆菌感染在糖尿病和非糖尿病人群中并未表现出差异，且幽门螺杆菌的根除对血糖和胰岛素抵抗无影响[23]。值得注意的是，NHANES研究将研究扩展到一般人群，为我们提供了一个独特的机会来评估不同胰岛素抵抗替代指标与幽门螺杆菌感染之间的关联，并充分调整了众多协变量和一系列分层分析。

以往的研究表明幽门螺杆菌能够产生多种炎症因子，如C反应蛋白、白细胞介素、肿瘤坏死因子α (TNF-α)，并降低瘦素水平[5]-[7] [24]；而高水平的炎症因子和瘦素缺乏是IR和代谢综合征的关键机制[8]-[11] [25]。炎症因子，例如白细胞介素-6 (IL-6)和TNF-α，通过干扰胰岛素信号传导路径，导致胰岛素抵抗。这些因子阻碍胰岛素的正常功能，引发或加剧胰岛素抵抗[8] [9]。同时，瘦素缺乏或瘦素抵抗会破坏能量消耗和脂肪生成基因的正常表达，影响胰岛素的敏感性。此外，瘦素在调节炎症反应中起作用，其水平的降低可能导致炎症因子增加，进一步加剧胰岛素抵抗[10] [11] [25]。同样，胰岛素抵抗也被认为是慢性低度炎症状态的关键因素，而幽门螺杆菌感染引起的慢性胃炎可能导致全身炎症反应[26]，进一步加剧胰岛素抵抗。此外，H. pylori感染可能导致胃黏膜屏障功能受损，从而增加肠道通透性，促使细菌和内毒素进入血液循环[27]，引发或加剧胰岛素抵抗。

本研究存在一些局限性。首先，由于其横断面设计，我们无法确定H. pylori感染和IR替代指标之间的因果关系。其次，尽管研究中已对多个潜在的混杂因素进行了调整，但未被测量的变量仍有可能对研究结果造成影响。此外，研究数据仅涵盖了1999~2000年的NHANES数据集，要确定在其他人群中是否会得出类似的结论，将需要使用大型且更新的样本量。为了克服这些限制，未来的研究可以考虑以下几个方向：一是开展前瞻性队列研究，以确立H. pylori感染与IR之间的时间顺序关系；二是进行干预研究，以探索两者之间的因果链；三是开展机制研究，以深入理解H. pylori感染与IR相互作用的生物学基础。这些研究将需要依赖于更大规模、更新的数据样本，以增强结果的普适性和时效性。通过这些努力，我们可以更准确地描绘IR与H. pylori感染之间的关系，并为未来的临床干预提供坚实的科学基础。

综上所述，本研究发现TyG指数、TyG-WHtR指数和METS-IR与H. pylori感染的风险有关，即IR可能与H. pylori感染的风险有关。这些结果为H. pylori感染与IR替代指标之间的联系提供了新的证据。我们的发现不仅为进一步探索胰岛素抵抗在H. pylori感染中的作用机制奠定了基础，而且可能对开发针对幽门螺杆菌感染的新型预防和治疗策略具有重要意义。通过深入理解H. pylori感染与IR之间的相互作用，我们可以更有效地应对这一全球性健康挑战。

基金项目

国家自然科学基金(编号：82273084)、扬州市加强医学教育项目和临床医疗创新平台基金(YXZX20184)、扬州市重大公共卫生项目：早期胃肠疾病筛查项目(2018年)以及扬州市医学重点学科(YZYXZDXK-12)。

NOTES

*通讯作者。

参考文献

[1] Dunn, B.E., Cohen, H. and Blaser, M.J. (1997) Helicobacter pylori. Clinical Microbiology Reviews, 10, 720-741.
https://doi.org/10.1128/cmr.10.4.720
[2] Li, Y., Choi, H., Leung, K., Jiang, F., Graham, D.Y. and Leung, W.K. (2023) Global Prevalence of Helicobacter pylori Infection between 1980 and 2022: A Systematic Review and Meta-Analysis. The Lancet Gastroenterology & Hepatology, 8, 553-564.
https://doi.org/10.1016/s2468-1253(23)00070-5
[3] Lanas, A. and Chan, F.K.L. (2017) Peptic Ulcer Disease. The Lancet, 390, 613-624.
https://doi.org/10.1016/s0140-6736(16)32404-7
[4] Wotherspoon, A.C. (1998) Gastric Lymphoma of Mucosa-Associated Lymphoid Tissue and Helicobacter pylori. Annual Review of Medicine, 49, 289-299.
https://doi.org/10.1146/annurev.med.49.1.289
[5] Crabtree, J.E., Shallcross, T.M., Heatley, R.V. and Wyatt, J.I. (1991) Mucosal Tumour Necrosis Factor Alpha and Interleukin-6 in Patients with Helicobacter pylori Associated Gastritis. Gut, 32, 1473-1477.
https://doi.org/10.1136/gut.32.12.1473
[6] Rizwan, M., Alvi, A. and Ahmed, N. (2008) Novel Protein Antigen (JHP940) from the Genomic Plasticity Region of Helicobacter pylori Induces Tumor Necrosis Factor Alpha and Interleukin-8 Secretion by Human Macrophages. Journal of Bacteriology, 190, 1146-1151.
https://doi.org/10.1128/jb.01309-07
[7] Lin, Q., Xu, H., Chen, X., Tang, G., Gu, L. and Wang, Y. (2015) Helicobacter pylori Cytotoxin-Associated Gene a Activates Tumor Necrosis Factor-α and Interleukin-6 in Gastric Epithelial Cells through P300/CBP-Associated Factor-Mediated Nuclear Factor-κB P65 Acetylation. Molecular Medicine Reports, 12, 6337-6345.
https://doi.org/10.3892/mmr.2015.4143
[8] Moon, S., Park, Y., Jang, S., Kim, S., Song, D., Shin, D., et al. (2024) Interleukin-2 Improves Insulin Sensitivity through Hypothalamic Sympathetic Activation in Obese Mice. Journal of Neuroinflammation, 21, Article No. 250.
https://doi.org/10.1186/s12974-024-03244-y
[9] Imai, Y., Dobrian, A.D., Weaver, J.R., Butcher, M.J., Cole, B.K., Galkina, E.V., et al. (2013) Interaction between Cytokines and Inflammatory Cells in Islet Dysfunction, Insulin Resistance and Vascular Disease. Diabetes, Obesity and Metabolism, 15, 117-129.
https://doi.org/10.1111/dom.12161
[10] Russo, B., Menduni, M., Borboni, P., Picconi, F. and Frontoni, S. (2021) Autonomic Nervous System in Obesity and Insulin-Resistance—The Complex Interplay between Leptin and Central Nervous System. International Journal of Molecular Sciences, 22, Article 5187.
https://doi.org/10.3390/ijms22105187
[11] Könner, A.C. and Brüning, J.C. (2012) Selective Insulin and Leptin Resistance in Metabolic Disorders. Cell Metabolism, 16, 144-152.
https://doi.org/10.1016/j.cmet.2012.07.004
[12] Yun, J. and Ko, S. (2021) Current Trends in Epidemiology of Cardiovascular Disease and Cardiovascular Risk Management in Type 2 Diabetes. Metabolism, 123, Article 154838.
https://doi.org/10.1016/j.metabol.2021.154838
[13] Bielka, W., Przezak, A., Molęda, P., Pius-Sadowska, E. and Machaliński, B. (2024) Double Diabetes—When Type 1 Diabetes Meets Type 2 Diabetes: Definition, Pathogenesis and Recognition. Cardiovascular Diabetology, 23, Article No. 62.
https://doi.org/10.1186/s12933-024-02145-x
[14] Suzuki, M., Kanazawa, A., Shiba, M., Kojima, H. and Harano, Y. (2000) Insulin Resistance in Diabetic Microangiopathies. Journal of Diabetes and Its Complications, 14, 40-45.
https://doi.org/10.1016/s1056-8727(00)00052-0
[15] Placzkowska, S., Pawlik-Sobecka, L., Kokot, I. and Piwowar, A. (2019) Indirect Insulin Resistance Detection: Current Clinical Trends and Laboratory Limitations. Biomedical Papers, 163, 187-199.
https://doi.org/10.5507/bp.2019.021
[16] Li, Y., You, A., Tomlinson, B., Yue, L., Zhao, K., Fan, H., et al. (2021) Insulin Resistance Surrogates Predict Hypertension Plus Hyperuricemia. Journal of Diabetes Investigation, 12, 2046-2053.
https://doi.org/10.1111/jdi.13573
[17] Malek, M., Khamseh, M.E., Chehrehgosha, H., Nobarani, S. and Alaei-Shahmiri, F. (2021) Triglyceride Glucose-Waist to Height Ratio: A Novel and Effective Marker for Identifying Hepatic Steatosis in Individuals with Type 2 Diabetes Mellitus. Endocrine, 74, 538-545.
https://doi.org/10.1007/s12020-021-02815-w
[18] Wallace, T.M., Levy, J.C. and Matthews, D.R. (2004) Use and Abuse of HOMA Modeling. Diabetes Care, 27, 1487-1495.
https://doi.org/10.2337/diacare.27.6.1487
[19] Huang, J., Liu, Z., Ma, J., Liu, J., Lv, M., Wang, F., et al. (2022) The Association between Helicobacter pylori Seropositivity and Bone Mineral Density in Adults. Mediators of Inflammation, 2022, 1-7.
https://doi.org/10.1155/2022/2364666
[20] Huang, J., Zhang, K., Wang, F. and Tang, X. (2023) The Associations between Helicobacter pylori Immunoglobulin G Seropositivity and Body Mass Index in Adults. BMC Infectious Diseases, 23, Article No. 485.
https://doi.org/10.1186/s12879-023-08427-1
[21] Chen, Y., Yang, C., You, N. and Zhang, J. (2023) Relationship between Helicobacter pylori and Glycated Hemoglobin: A Cohort Study. Frontiers in Cellular and Infection Microbiology, 13, Article 1196338.
https://doi.org/10.3389/fcimb.2023.1196338
[22] Zhu, X., Xiong, Y., Meng, X., Xu, H., Huo, L. and Deng, W. (2024) Association of Triglyceride-Glucose Index with Helicobacter pylori Infection and Mortality among the US Population. Diabetology & Metabolic Syndrome, 16, Article No. 187.
https://doi.org/10.1186/s13098-024-01422-9
[23] Park, S.H., Jeon, W.K., Kim, S.H., et al. (2005) Helicobacter pylori Eradication Has No Effect on Metabolic and Inflammatory Parameters. Journal of the National Medical Association, 97, 508-513.
[24] Chen, L., Chien, C., Lin, C. and Chien, R. (2021) Increased Glycated Hemoglobin but Decreased Cholesterol after a Loss of Helicobacter pylori Infection: A Community-Based Longitudinal Metabolic Parameters Follow-Up Study. Journal of Personalized Medicine, 11, Article 997.
https://doi.org/10.3390/jpm11100997
[25] Li, M., Chi, X., Wang, Y., Setrerrahmane, S., Xie, W. and Xu, H. (2022) Trends in Insulin Resistance: Insights into Mechanisms and Therapeutic Strategy. Signal Transduction and Targeted Therapy, 7, Article No. 216.
https://doi.org/10.1038/s41392-022-01073-0
[26] Bretto, E., Frara, S., Armandi, A., Caviglia, G.P., Saracco, G.M., Bugianesi, E., et al. (2024) Helicobacter pylori in Inflammatory Bowel Diseases: Active Protagonist or Innocent Bystander? Antibiotics, 13, Article 267.
https://doi.org/10.3390/antibiotics13030267
[27] Ji, R., Zuo, X., Yu, T., Gu, X., Li, Z., Zhou, C., et al. (2012) Mucosal Barrier Defects in Gastric Intestinal Metaplasia: In Vivo Evaluation by Confocal Endomicroscopy. Gastrointestinal Endoscopy, 75, 980-987.
https://doi.org/10.1016/j.gie.2011.12.016

为你推荐