1. 引言
高脂血症(hyperlipidemia)也称高血脂，指的是血清中低密度脂蛋白胆固醇(LDL-C)、甘油三酯(TG)、胆固醇(CH)水平升高，高密度脂蛋白胆固醇(HDL-C)水平降低[1]。高脂血症可导致与动脉粥样硬化有关的心血管疾病、脑中风、急性胰腺炎、增加肿瘤的患病风险等诸多疾病，严重损害着人类健康和生存质量[2]-[4]。在临床上，高脂血症主要使用药物进行调血脂治疗，他汀类药物作为临床上一线调血脂药物，在降低心血管疾病发病风险，调节血脂稳定方面，有着显著疗效，停滞甚至逆转动脉粥样硬化的形成[5]。本次研究联合使用网状Meta分析与孟德尔随机化研究方法，从多维度分析不同他汀类药物治疗高脂血症过程中对人体的影响。网状Meta分析是基于证据图存在闭合环的前提下，可以实现对多种治疗措施及多臂研究进行直接、间接、混合治疗效应的比较[6]。多变量孟德尔随机化研究则是基于全基因组关联研究(genome-wide association study, GWAS)，使用遗传变异作为工具变量，对暴露和结局进行关联性分析研究，有效避免传统流行病学研究的混杂偏倚，并且可以评估多个暴露对结局的独立效应[7]。此次研究，分别基于临床数据对瑞舒伐他汀、阿托伐他汀、普伐他汀、辛伐他汀，4他汀类药物的临床疗效进行直接、间接、混合治疗效应的网状Meta分析疗效评估比较；基于基因组数据对他汀类药物与文献报道的不良反应症状进行因果关系的关联性研究，希望可以为临床医生治疗高脂血症患者，在选择他汀类药物时提供参考依据。
2. 网状Meta分析
本次研究已在系统评价网站PROSPERO平台完成注册，注册编号为CRD420251014123。
2.1. 检索策略
检索中国知网、万方、中国生物医学文献服务系统、OVID、PubMed、Embase、Cochrane Library、Web of Science多个数据库，检索时限至2025年2月21日。使用主题词与自由词相结合的方式检索瑞舒伐他汀、阿托伐他汀、普伐他汀、辛伐他汀治疗高脂血症的随机对照研究。检索策略以万方数据库为例，主题：(高脂血症or高胆固醇血症or高甘油三酯血症) and主题：(阿托伐他汀or普伐他汀or瑞舒伐他汀or辛伐他汀) and主题：(随机对照试验or随机对照实验or随机对照研究or随机对照)。
2.2. 文献纳入与排除标准
纳入标准：(1) 研究对象为高脂血症的患者；(2) 治疗措施为瑞舒伐他汀、阿托伐他汀、普伐他汀、辛伐他汀；(3) 药物治疗剂量须为10 mg，治疗周期8周；(4) 研究类型为随机对照研究。
排除标准：(1) 重复文献、动物实验研究、综述、系统评价、Meta分析、回顾性研究；(2) 非他汀类药物治疗如中医药等；(3) 非随机对照研究实验；(4) 联合使用其他如依折麦布、普罗布考、非诺贝特等其他调血脂药物治疗。
2.3. 文献筛选及数据提取
(1) 将检索的文献均导入到Endnote 20文献管理软件；(2) 依据纳入及排除标准，通过阅读标题、摘要对文献初步筛选；(3) 初步筛选的文献，则下载全文阅读，选取符合本次研究的文献；(4) 筛选文献由2名研究员独立进行筛选，并进行交叉核对，意见不统一，则求助第3方专家的意见解决。
2.4. 文献的偏倚风险评估
采用Cochrane协作网的偏倚风险评估工具，对纳入的文献进行评估，包括6个方面：① 随机分配的方法；② 分配方案是否隐藏；③ 盲法的应用(患者、医疗工作者以及研究结果的测量者)；④ 结果数据的完整性报告；⑤ 是否有选择性报告研究；⑥ 其他偏倚来源。对每个方面以“低偏倚风险”“偏倚风险不确定”“高偏倚风险”，进行评估，依然由两名研究人员分别独立完成，并进行交叉核对，如遇分歧再咨询第3方专家意见并讨论解决。
2.5. 统计学方法
2.5.1. 模型检测
应用R语言软件(版本4.4.1)，在一致性、不一致性两种模型下，使用随机效应模型进行分析，采用误差信息准则(deviance information criteria, DIC)对模型结果进行比较。本次研究中，所纳入的血脂4项的结局指标，DIC差异均在5以内，差异较小。故使用一致性模型中的随机效应模型进行研究分析。
2.5.2. 网状Meta分析
使用R语言的GeMTC程序包，在贝叶斯框架下进行网状Meta分析，并使用马尔科夫链–蒙特卡罗法算法，将参数设置20,000次为预迭代次数，50,000次迭代次数，步长设置为1，计算潜在规模缩减因子(potential scale reduction factor, PSRF)，数值若接近1，则认为模型收敛结果满意。本次研究结据指标均为连续性变量，故采用均数差(mean difference, MD)及95%可信区间(confidence interval, CI)表示，95% CI包含0则表示差异没有显著意义。直接与间接的比较结果则以联赛表的方式呈现。另外，使用ggplot2程序包绘制累积排序概率图，根据累计排名曲线下面积(surface under the cumulative ranking curve, SUCRA)进行排序，SUCRA值的范围为0%~100%，越接近100%，表明此治疗干预越好[8]。
2.5.3. 不一致性检测
不一致性检验，使用节点劈裂法进行分析，评估治疗措施间的不一致性，若P值 > 0.05，则表明差异无显著统计学意义，反之，则相反。
2.6. 结果
2.6.1. 文献筛选及方法流程
Figure 1. Reticular meta-analysis screening process diagram
图1. 网状Meta分析筛选流程图
通过数据库检索文献共10,496篇，初步筛选文献数量6887篇。再通过对研究类型、治疗措施、及相关结局指标等内容的筛选后，最终纳入符合网状Meta分析文献为10篇。筛选流程图见图1。
2.6.2. 纳入文献的基本特征
通过筛选共纳入10篇文献，其中7篇中文文献，3篇英文文献，均为随机对照研究，治疗措施涉及瑞舒伐他汀、阿托伐他汀、普伐他汀、辛伐他汀4种治疗高脂血症临床疗效。纳入文献基本特征见表1。
Table 1. Basic characteristics of inclusion in literature
表1. 纳入文献基本特征
第一作者 |
发表时间(年) |
研究类型 |
患者例数 |
患者年龄(岁) |
干预措施 |
结局指标 |
柯元南[9] |
2000 |
随机对照研究 |
52 VS 53 |
18~75 |
ATOR VS SIM |
①②③④ |
董波[10] |
2006 |
随机对照研究 |
53 VS 53 |
58.6 ± 8.5 |
ATOR VS PRAV |
①②③④ |
曹金仪[11] |
2018 |
随机对照研究 |
50 VS 50 |
62.30 ± 11.81 VS 62.89 ± 11.58 |
ROS VS SIM |
①②③④ |
胡钢英[12] |
2013 |
随机对照研究 |
16 VS 15 |
18~75 |
ROS VS ATOR |
①②③④ |
吴章英[13] |
2010 |
随机对照研究 |
110 VS 104 |
18~75 |
ROS VS ATOR |
①②③④ |
周琳[14] |
2013 |
随机对照研究 |
23 VS 22 |
18~70 |
ROS VS ATOR |
①②③④ |
成其发[15] |
2016 |
随机对照研究 |
30 VS 30 |
52.3 ± 8.3 VS 51.7 ± 8.8 |
ROS VS SIM |
①②③④ |
Hai Yan Qu [16] |
2009 |
随机对照研究 |
35 VS 34 |
59.2 ± 9.3 VS 57.7 ± 11.1 |
ROS VS ATOR |
①②③④ |
Suman Lata [17] |
2017 |
随机对照研究 |
40 VS 40 |
55.07 ± 12.57 VS 53.63 ± 13.76 |
ROS VS ATOR |
①②③④ |
Chau Chung Wu [18] |
2002 |
随机对照研究 |
79 VS 78 |
18~80 |
ATOR VS SIM |
①②③④ |
注：瑞舒伐他汀：ROS；阿托伐他汀：ATOR；辛伐他汀：SIM；普伐他汀：PRAV。
2.7. 纳入文献质量评价
在纳入的10篇文献研究中，随机分配方法方面：10篇文献研究多采用随机数字表、随机分配等随机方法被定为低偏倚风险；分配方案隐藏方面：9篇分配方案隐藏均无明确表达被定义未知偏倚风险，1篇严格按照分配的隐蔽性被定为低偏倚风险；盲法方面：4篇严格对患者和医疗工作者、评估者和数据分析者盲法被定为低偏倚风险，6篇患者和医疗工作者、评估者和数据分析者盲法无明确表达被定义为未知偏倚风险；10篇文献结果数据均具有完整性、无选择性报告研究结果、无其他偏倚来源被定义为低偏倚风险。纳入研究的风险偏倚评估表。见表2。
Table 2. Risk bias assessment of included literatures
表2. 纳入文献风险偏倚评估表
第一作者 |
发表时间(年) |
偏倚风险评价项目 |
随机分配方法 |
分配方案隐藏 |
患者和医疗工作者盲法 |
评估者和数据分析者盲法 |
结果数据的完整性 |
选择性报告结果 |
其他偏倚 |
柯元南 |
2000 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
董波 |
2006 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
曹金仪 |
2018 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
胡钢英 |
2013 |
1 |
2 |
1 |
1 |
1 |
1 |
1 |
吴章英 |
2010 |
1 |
2 |
1 |
1 |
1 |
1 |
1 |
周琳 |
2013 |
1 |
2 |
1 |
1 |
1 |
1 |
1 |
成其发 |
2016 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
Hai Yan Qu |
2009 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
Suman Lata |
2017 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
Chau Chung Wu |
2002 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
注：1代表低偏倚风险；2代表未知偏倚风险；3代表高偏倚风险。
2.8. 结局指标网络关系图
Stata 15.0软件绘制网状Meta分析网络图形，网络中节点大小为药物治疗措施的样本量，点与线的大小与研究数量呈正比，即线条越粗，比较这两个干预措施的研究数目越多，见图2。
Figure 2. Network relationship diagram
图2. 网络关系图
2.9. 网状Meta分析结果
总胆固醇(TC)疗效对比：纳入的10篇文献当中，均报告了患者总胆固醇前后治疗对比，共涉及患者955例，其中瑞舒伐他汀275例、阿托伐他汀422例、普伐他汀53例、辛伐他汀205例。疗效排序(从优到劣)为瑞舒伐他汀(SUCRA = 99.35%) > 阿托伐他汀(SUCRA = 66.55%) > 辛伐他汀(SUCRA = 21.47%) > 普伐他汀(SUCRA = 12.61%)。不同他汀类药物累积排序图，见图3。
Figure 3. Ascending rank plot of total cholesterol efficacy of different statins
图3. 不同他汀类药物总胆固醇疗效累积排序图
Figure 4. Ascending rank plot of efficacy of different statins on low-density lipoprotein cholesterol
图4. 不同他汀类药物低密度脂蛋白胆固醇疗效累积排序图
低密度脂蛋白胆固醇(LDL-C)疗效对比：纳入的10篇文献当中，均报告了患者LDL-C前后治疗对比，共涉及患者955例，其中瑞舒伐他汀275例、阿托伐他汀422例、普伐他汀53例、辛伐他汀205例。疗效排序(从优到劣)为瑞舒伐他汀(SUCRA = 93.73%) > 阿托伐他汀(SUCRA = 62.84%) > 普伐他汀(SUCRA = 30.64%) > 辛伐他汀(SUCRA = 12.77%)。不同他汀类药物累积排序图，见图4。
Figure 5. Ascending rank plot of triglyceride efficacy for different statins
图5. 不同他汀类药物甘油三酯疗效累积排序图
Figure 6. Ascending rank plot of the efficacy of different statins on high-density lipoprotein cholesterol
图6. 不同他汀类药物高密度脂蛋白胆固醇疗效累积排序图
甘油三酯(TG)疗效对比：纳入的10篇文献当中，均报告了患者TG前后治疗对比，共涉及患者955例，其中瑞舒伐他汀275例、阿托伐他汀422例、普伐他汀53例、辛伐他汀205例。疗效排序(从优到劣)为瑞舒伐他汀(SUCRA = 83.32%) > 阿托伐他汀(SUCRA = 73.13%) > 普伐他汀(SUCRA = 33%) > 辛伐他汀(SUCRA = 10.53%)。不同他汀类药物累积排序图，见图5。
高密度脂蛋白胆固醇(HDL-C)疗效对比：纳入的10篇文献当中，均报告了患者HDL-C前后治疗对比，共涉及患者955例，其中瑞舒伐他汀275例、阿托伐他汀422例、普伐他汀53例、辛伐他汀205例。疗效排序(从优到劣)为瑞舒伐他汀(SUCRA = 93.27%) > 阿托伐他汀(SUCRA = 49.59%) > 辛伐他汀(SUCRA = 36.14%) > 普伐他汀(SUCRA = 20.98%)。不同他汀类药物累积排序图，见图6。
2.10. 发表偏倚评价
使用R语言的netmeta程序包，进行网状Meta分析的发表偏倚评价。根据Egger检验P值的大小评估是否存在发表偏倚。若P < 0.05，则说明纳入研究中存在一定的发表偏倚或小样本效应；反之，P > 0.05则不存在发表偏倚或小样本效应。
从Egger检验P值显示，不同他汀类药物治疗高脂血症结局指标为总胆固醇疗效的Egger检验P = 0.44；不同他汀类药物治疗高脂血症结局为低密度脂蛋白胆固醇疗效的Egger检验P = 0.12；不同他汀类药物治疗高脂血症结局为甘油三酯疗效的Egger检验P = 0.99；不同他汀类药物治疗高脂血症结局为高密度脂蛋白胆固醇疗效的Egger检验P = 0.45。综上，各结局指标的P值均大于0.05，故不存在发表偏倚及小样本效应。
3. 孟德尔随机化研究
3.1. 研究设计
依据文献研究报道他汀类药物治疗高脂血症的患有高血压、糖尿病、便秘风险作为结局[18]-[22]，使用孟德尔随机化研究的方法评估其药物治疗时患有不良反应风险的影响。见图7。
Figure 7. Mendel’s research design chart
图7. 孟德尔研究设计图
选取瑞舒伐他汀、阿托伐他汀、普伐他汀、辛伐他汀4种他汀类药物作为暴露因素，文献研究报道他汀类药物治疗时患有高血压、糖尿病、便秘不良反应作为结局因素，分别进行两样本及多变量孟德尔随机化研究。其中，工具变量SNP的选择需要满足3大假设[23]：
(1) 关联性假设：即工具变量与暴露因素存在强相关关系。
(2) 独立性假设：工具变量与影响“暴露–结局”的混杂因素无关。
(3) 排他性假设：工具变量只能通过暴露影响结局，不能通过其他因素对结局产生影响。
3.2. 数据来源
本次研究的数据从IEU Open GWAS数据库，从https://gwas.mrcieu.ac.uk/网站中检索获取不同他汀类药物以及药物不良反应的数据，具体相关信息见表3。
Table 3. Summary of exposure-outcome data information used in Mendelian randomization studies
表3. 孟德尔随机化研究中所用暴露于结局数据信息汇总
特征 |
变量 |
GWAS ID |
样本量(例) |
SNP数量/个 |
年份 |
暴露因素 |
阿托伐他汀 |
ukb-b-10008 |
462,933 |
9,851,867 |
2018 |
暴露因素 |
辛伐他汀 |
ukb-b-3380 |
462,933 |
9,851,867 |
2018 |
暴露因素 |
瑞舒伐他汀 |
ukb-b-13664 |
462,933 |
9,851,867 |
2018 |
暴露因素 |
辛伐他汀 |
ukb-b-11268 |
462,933 |
9,851,867 |
2018 |
结局 |
高血压 |
ebi-a-GCST90038604 |
484,598 |
9,587,836 |
2021 |
结局 |
糖尿病 |
ebi-a-GCST90038599 |
484,598 |
9,587,836 |
2021 |
结局 |
便秘 |
ebi-a-GCST90018829 |
411,623 |
24,176,599 |
2021 |
其中，瑞舒伐他汀、阿托伐他汀、普伐他汀、辛伐他汀4种他汀类药物的GWAS数据来源于英国布里斯托大学的MRC综合流行病学单位(MRC-IEU)，共包含样本量为9,851,867例；结局数据高血压、糖尿病，共包含样本484,598例，便秘包含样本411,623例。研究数据均来源于公共数据库，并且相应的原始研究均已获得受试者的同意，不需额外的伦理批准。
3.3. 工具变量的筛选
使用R语言的TwoSampleMR程序包，在满足3大假设的基础上对遗传工具变量进行严格的筛选，从IEU Open GWAS数据库中提取暴露和结局有强相关性的SNP。由于将显著性阈值设置为P < 5 × 10−8时，只可获得少量的遗传工具变量可供分析，故将显著性阈值调整设置为P < 1 × 10−5，以获取更多的遗传工具变量参与因果关联性的分析研究[24] [25]。并设置其他相关参数r2 = 0.001，kb = 10,000，通过Clump函数进行连锁不平衡检验，确保遗传工具变量的独立性[26]。
另外，为避免工具变量所带来的偏倚，剔除回文SNP及不兼容等位基因，并检测工具变量的F值，剔除弱工具变量F < 10 [27]，F值计算公式：F = β2exposure/SE2exposure，其中β为暴露SNP等位基因效应值，SE是暴露SNP的标准误[28]。通过MR-PRESSO程序包查看离群值，对检测出异常的离群SNP剔除，避免出现水平多效性，剩余的SNP则进行后续孟德尔随机化研究[29]。
3.4. MR统计分析
先进行两样本孟德尔随机化，使用逆方差加权法(inverse variance-weighted, IVW)、MR-Egger、加权中位数法(weighted median, WM)、加权模型(weighted mode)和简单模型(simple mode)分别评估暴露与结局间效应，其中IVW为主要分析统计方法，通过单个工具变量进行逆方差加权后合并，评估其因果效应量[30]-[32]。异质性检测使用Cochran’s Q统计量评估异质性，P > 0.05，提示不存在异质性，反之，则存在异质性。使用Egger-intercept检验水平多效性，通过MR-Egger回归法观察截距项评估是否存在水平多效性，当截距项接近零时，并且P > 0.05，提示不存在水平多效性，反之，则存在[33]。
基于两样本孟德尔随机化研究之后，进一步进行多变量孟德尔随机化研究，使瑞舒伐他汀、阿托伐他汀、普伐他汀、辛伐他汀多个治疗药物同时作为暴露因素，分别对结局为高血压、糖尿病、便秘的他汀类药物不良反应文献报道，探究其直接且独立的因果效应影响。同时为避免共线性问题，即出现多个暴露相关的SNP高度重叠，使用TwoSampleMR程序包中的mv_lasso_feature_selection相关命令，去除不必要的暴露。
分析研究中P < 0.05认为具有统计学意义，OR值(Odds ratio) > 1表示暴露与结果之间正相关，OR < 1代表负相关，OR (95% CI)代表置信区间[34]。
3.5. 结果
3.5.1. 不同他汀类药物对结局为高血压患病风险影响
进行两样本孟德尔随机化研究时，通过对GWAS基因组数据筛选分别得到工具变量，阿托伐他汀68个、普伐他汀4个、瑞舒伐他汀11个、辛伐他汀101个。① 阿托伐他汀IVW法显示P < 0.05，OR值为1.82 > 1，OR (95% CI)为1.589216~2.089179，提示与患有高血压呈正相关；② 普伐他汀5种方法显示P > 0.05，OR值为0.47 < 1，OR (95% CI)为0.080751~2.754887，与患有高血压无明显因果效应；③ 瑞舒伐他汀IVW法显示P < 0.05，OR值为3.19 > 1，OR (95% CI)为1.412095~7.209317，提示与患有高血压呈正相关；④ 辛伐他汀IVW法显示P < 0.05，OR值为1.7 > 1，OR (95% CI) 1.572567~1.837562提示与患有高血压呈正相关。
Figure 8. Forest plot of the results from the Mendelian randomization analysis of the outcomes of different statins for hypertension
图8. 不同他汀类药物对结局为高血压孟德尔随机化分析结果的森林图
更进一步进行异质性和水平多效性检测：① 阿托伐他汀异质性检测P < 0.05，故存在异质性，水平多效性显示截距为0.0005091343，P = 0.28 > 0.05，故不存在水平多效性；② 普伐他汀异质性检测P > 0.05，故不存在异质性，水平多效性显示，截距为0.00883364，P = 0.18 > 0.05，故不存在水平多效性；③ 瑞舒伐他汀异质性检测P < 0.05，故存在异质性，水平多效性显示，截距为−0.0005258499，P = 0.74 > 0.05，故不存在水平多效性；④ 辛伐他汀异质性检测P < 0.05，故存在异质性，水平多效性显示，截距为0.0004160567，P = 0.33 > 0.05，故不存在水平多效性。
在两样本孟德尔随机化研究基础上，进行多变量孟德尔随机化研究时，对GWAS基因组数据筛选分别得到工具变量，阿托伐他汀35个、普伐他汀4个、瑞舒伐他汀5个、辛伐他汀69个。阿托伐他汀P > 0.05，OR > 1，提示具有潜在增加高血压的风险，但不显著相关；辛伐他汀P < 0.05，OR > 1，提示具有潜在增加高血压的风险，具有显著性；瑞舒伐他汀P < 0.05，OR < 1，提示具有潜在降低高血压的风险，但不显著相关；普伐他汀P > 0.05，OR < 1，提示具有潜在降低高血压的风险，但不显著相关。见图8。
3.5.2. 不同他汀类药物对结局为糖尿病患病风险影响
进行两样本孟德尔随机化研究时，通过对GWAS基因组数据筛选分别得到工具变量，阿托伐他汀71个、普伐他汀6个、瑞舒伐他汀12个、辛伐他汀108个。① 阿托伐他汀IVW法显示P < 0.05，OR值为1.1 > 1，OR (95% CI)为1.017134~1.197107，提示与患有糖尿病呈正相关；② 普伐他汀5种方法显示P > 0.05，OR值为1.63 > 1，OR (95% CI)为0.774904~3.430048，提示与患有糖尿病无明显因果效应；③ 瑞舒伐他汀5种方法显示P > 0.05，OR值为0.87 < 1，OR (95% CI)为0.531162~1.420204，提示与患有糖尿病无明显因果效应；④ 辛伐他汀IVW法显示P < 0.05，OR值为1.17 > 1，OR (95% CI) 1.124175~1.223129提示与患有糖尿病呈正相关。
更进一步进行异质性和水平多效性检测：① 阿托伐他汀异质性检测P < 0.05，故存在异质性，水平多效性显示截距为0.000470218，P = 0.09 > 0.05，故不存在水平多效性；② 普伐他汀异质性检测P > 0.05，故不存在异质性，水平多效性显示，截距为0.001668346，P = 0.54 > 0.05，故不存在水平多效性；③ 瑞舒伐他汀异质性检测P < 0.05，故存在异质性，水平多效性显示，截距为5.19718e−05，P = 0.96 > 0.05，故不存在水平多效性；④ 辛伐他汀异质性检测P < 0.05，故存在异质性，水平多效性显示，截距为0.0005003747，P = 0.05001545 > 0.05，故不存在水平多效性。
Figure 9. Forest plot of Mendelian randomization analysis results for different statin drugs on the outcome of diabetes
图9. 不同他汀类药物对结局为糖尿病孟德尔随机化分析结果的森林图
在两样本孟德尔随机化研究基础上，进行多变量孟德尔随机化研究时，对GWAS基因组数据筛选分别得到工具变量，阿托伐他汀35个、普伐他汀4个、瑞舒伐他汀5个、辛伐他汀69个。阿托伐他汀P > 0.05，OR < 1，提示具有潜在降低糖尿病的风险，但不显著相关；普伐他汀P > 0.05，OR > 1，提示具有潜在升高糖尿病的风险，但不显著相关；瑞舒伐他汀P > 0.05，OR < 1，提示具有潜在降低糖尿病的风险，但不显著相关；辛伐他汀P < 0.05，OR > 1，提示提示具有潜在升高糖尿病的风险，显著性相关。见图9。
3.5.3. 不同他汀类药物对结局为便秘患病风险影响
进行两样本孟德尔随机化研究时，通过对GWAS基因组数据筛选分别得到工具变量，阿托伐他汀75个、普伐他汀6个、瑞舒伐他汀13个、辛伐他汀124个。① 阿托伐他汀5种方法显示P > 0.05，OR值为2.95 > 1，OR (95% CI)为0.829607~10.48848，提示与患有便秘无明显因果效应；② 普伐他汀5种方法显示P > 0.05，OR值为2.73 > 1，OR (95% CI)为3.26885~2273662.35，提示与便秘无明显因果效应；③ 瑞舒伐他汀IVW法显示P < 0.05，OR值为816.58 > 1，OR (95% CI)为1.2777~521867.49，提示与患有便秘呈正相关；④ 辛伐他汀IVW法显示P < 0.05，OR值为2.14 > 1，OR (95% CI) 1.2417~3.67345提示与患有便秘呈正相关。
更进一步进行异质性和水平多效性检测：① 阿托伐他汀异质性检测P > 0.05，故不存在异质性，水平多效性显示截距为0.0008360673，P = 0.85 > 0.05，故不存在水平多效性；② 普伐他汀异质性检测P > 0.05，故不存在异质性，水平多效性显示，截距为0.08093103，P = 0.15 > 0.05，故不存在水平多效性；③ 瑞舒伐他汀异质性检测P > 0.05，故不存在异质性，水平多效性显示，截距为0.01279149，P = 0.32 > 0.05，故不存在水平多效性；④ 辛伐他汀异质性检测P > 0.05，故不存在异质性，水平多效性显示，截距为0.002257093，P = 0.45 > 0.05，故不存在水平多效性。
在两样本孟德尔随机化研究基础上，进行多变量孟德尔随机化研究时，对GWAS基因组数据筛选分别得到工具变量，阿托伐他汀35个、普伐他汀4个、瑞舒伐他汀5个、辛伐他汀69个。阿托伐他汀、普伐他汀、瑞舒伐他汀、辛伐他汀均P > 0.05，OR > 1，提示具有潜在增加便秘的风险，但不显著相关。见图10。
Figure 10. Forest plot of the results from the Mendelian randomization analysis of the outcome of constipation for different statins
图10. 不同他汀类药物对结局为便秘孟德尔随机化分析结果的森林图
4. 讨论
随着人们生活方式和饮食习惯的改变，高脂血症目前处于高发病率的状态，其中仅中国的患病率就高达34.7%左右[35]。血脂异常可以导致多种疾病的发生风险，例如胆石症、急性胰腺炎、脂肪肝、动脉粥样硬化性心血管疾病等，其对人类潜在危害巨大，对于其药物治疗的选择显得至关重要，临床上有多种调脂药物，但他汀类药物依然是临床一线调脂稳斑的常用药物，其作用方式主要是竞争性的抑制体内HMG-CoA还原酶的活性，减少胆固醇的生成，并上调细胞上LDL受体，加速LDL的代谢分解，抑制VLDL的生成，可以显著调节身体的异常情况，使血脂趋于稳定。本次研究使用网状Meta分析及孟德尔随机化研究方法，深入比较分析阿托伐他汀、普伐他汀、瑞舒伐他汀、辛伐他汀，4种他汀类药物对人体的临床治疗疗效与不良反应事件的因果关联情况。在本次网状Meta分析中，在设定药物治疗剂量10 mg，治疗周期8周的情况下，瑞舒伐他汀相较其他他汀类药物可能为较合适的选择。孟德尔随机化研究中使用瑞舒伐他汀在治疗高脂血症时患有高血压、糖尿病、便秘的不良反应风险较其他他汀类药物低，可能为较优选择。在不同他汀类药物治疗高脂血症时的影响，两样本孟德尔提示阿托伐他汀患有糖尿病呈正相关，但多变量孟德尔研究结果显示阿托伐他汀具有潜在降低糖尿病的风险，但不显著相关，两种分析结果冲突的原因可能是筛选的工具变量数量不同、或存在其他的潜在混杂因素导致，未来可能需要其他研究方法做进一步探索研究。
网状Meta分析使用R语言中GeMTC程序包，使用一致性模型中的随机效应模型，在贝叶斯框架下，直接、间接、混合比较不同他汀类对低密度脂蛋白胆固醇、甘油三酯、胆固醇、高密度脂蛋白胆固醇治疗情况，并根据累计排名曲线下面积SUCRA值进行排序。关于不同他汀类药物不良反应事件的则先进行两样本孟德尔随机化研究，并在两样本的基础上进行多变量孟德尔随机化研究，使用包括TwoSampleMR、MRPRESSO、forestploter等多个程序包详细分析及绘制森林图，对分析结果多角度展示。
根据本次研究可以得到结论如下：瑞舒伐他汀在调节血浆中低密度脂蛋白胆固醇、甘油三酯、胆固醇、高密度脂蛋白胆固醇相较其他他汀类药物疗效最优。两样本孟德尔随机化研究显示，阿托伐他汀与患有高血压、糖尿病呈正相关，且显著性相关；辛伐他汀与患有高血压、糖尿病、便秘呈正相关，且显著性相关；瑞舒伐他汀与患有糖尿病、便秘呈正相关，且显著性相关；普伐他汀与患有高血压、糖尿病、便秘无明显因果关系。多变量孟德尔随机化研究显示，阿托伐他汀、普伐他汀与患有高血压、糖尿病、便秘不显著相关；瑞舒伐他汀与患有高血压、糖尿病风险降低有关，且显著性相关；辛伐他汀与患有高血压、糖尿病的风险增加有关，且显著性相关。
综上所述，在本次研究中瑞舒伐他汀相较其他3种他汀类药物临床疗效最优，患有不良反应风险较低，可能为临床治疗高脂血症的最佳他汀类药物。但此次研究也存在一定的局限性：符合研究纳入标准的网状Meta分析的文献较少；多数文献报道为非多中心、多样本的随机对照试验，且对研究中的分配方案是否隐藏及盲法的应用没有提及；孟德尔随机化研究中的样本主要是欧洲人群，对其他地区和种族是否适用，尚有待进一步证实，并且将显著性阈值放宽为P < 1 × 10−5时，普伐他汀、瑞舒伐他汀筛选的遗传工具变量SNP仍相对较少，期待今后GWAS基因组数据的增加，可以做进一步的验证。
作者贡献
刘凯及王磊提出研究设计思路，负责提取数据、制作图表、数据分析及论文的撰写；杨玉林负责对研究过程监督管理、研究问题的解决，论文质量的把控及统计学的核对；吴燕、成安勇、孙甫收集数据并整理，负责图、表核对及解释数据。
声 明
本文无利益冲突。
NOTES
*通讯作者。