血管性认知障碍患者中miRNAs诊断价值的Meta分析

Meta-Analysis of the Diagnostic Value of miRNAs in Patients with Vascular Cognitive Impairment

摘要: 目的：本研究使用meta分析探究miRNAs在血管性认知障碍患者中的诊断性能。方法：本研究采用Cochrane的方法进行Meta分析，检索的范围为从成立到2024年5月1日，数据库为PubMed，web of science，Embase，The Cochrane Library，中国知网、维普、万方。涵盖的范围为使用miRNAs诊断血管性认知障碍的诊断性试验，使用固定与随机效应模型分析汇总的敏感度(sensitivity, Sen)、特异度(specificity, Spe)、阳性似然比(positive likelihood ratio, PLR)、阴性似然比(negative likelihood ratio, NLR)、诊断比值比(diagnostic odd ratio, DOR)、SROC，并按地域与失调状态进行亚组分析。结果：共纳入8篇文献，1160名患者，19种不同类型的miRNAs，合并灵敏度为0.73，95% CI 0.71~0.74；合并特异性为0.77，95% CI 0.75~0.79；合并阳性似然比为3.26，95% CI 2.42~4.38；合并阴性似然比为0.33，95% CI 0.26~0.43；合并诊断比值比为10.64，95% CI 6.42~17.61，AUC为0.83。结论：本研究表明，miRNAs在诊断VCI中具有很高的准确性，可以作为VCI的潜在诊断标志物。

Abstract: Objective: This meta-analysis investigates the diagnostic performance of miRNAs in patients with vascular cognitive impairment (VCI). Methods: We conducted a meta-analysis following Cochrane methodology. Literature searches were performed up to May 1, 2024, using PubMed, Web of Science, Embase, The Cochrane Library, CNKI, VIP, and Wanfang databases. Studies assessing the diagnostic efficacy of miRNAs in VCI using sensitivity (Sen), specificity (Spe), positive likelihood ratio (PLR), negative likelihood ratio (NLR), diagnostic odds ratio (DOR), and summary receiver operating characteristic (SROC) were included. Subgroup analyses were conducted based on geographical regions and cognitive status. Results: Eight studies involving 1160 patients and examining 19 different types of miRNAs were included. The pooled sensitivity was 0.73 (95% CI 0.71~0.74), specificity was 0.77 (95% CI 0.75~0.79), positive likelihood ratio was 3.26 (95% CI 2.42~4.38), negative likelihood ratio was 0.33 (95% CI 0.26~0.43), diagnostic odds ratio was 10.64 (95% CI 6.42~17.61), and the SROC area under the curve was 0.83. Conclusion: This study demonstrates that miRNA profiles have high accuracy in diagnosing VCI and can serve as potential diagnostic biomarkers for VCI.

1. 引言

血管性认知障碍(Vascular cognitive impairment, VCI)是由脑血管疾病引起的不同程度的认知障碍，包括主观认知下降到痴呆的整个谱系[1] [2]。VCI可能影响患者的情景记忆及语义记忆，不同类型的VCI的认知特征存在一定的特异性，包括与年龄相关的认知衰退、认知储备及血管病变的空间分布等在内的因素都与患者的认知特征的特异性相关[3]。在2018年，与年龄相关的认知障碍个体数量估计为5000万，预计到2050年将增加两倍，成本接近4万亿美元，VCI不仅对患者的个人健康造成长期影响，还带来了显著的社会和经济负担[4]。2018年现阶段对VCI的诊断主要参照血管损伤认知障碍分类研究共识(Guidelines from the vascular impairment of cognition classification consensus study, VICCCS)，诊断内容主要包括临床评估、神经心理评估、影像学评估[5] [6]。寻找灵敏度与特异度高的生物标志物，对于辅助临床早期诊断并制定治疗方案与改善病情有着重大意义。微小RNA (miRNA)是一类内源性非编码RNA，能够调控基因表达，miRNA表达变化会导致多种生物过程的基因谱的改变，从而促成多种疾病的发生[7]。由于miRNA在人体液中具有较高稳定性，因此miRNA作为生物标志物诊断疾病有很大的发展前景[8]。有研究表明，miRNA在VCI的神经元死亡、炎症等机制中发挥了关键作用[9]。并且，已有一些研究将miRNA作为诊断VCI的生物标志物。有研究表明，与健康对照相比，miR-455-3p、miR-4668-5p、miR-3613-3p和miR-4674上调，而miR-6722在AD和MCI中下调。另外研究表明通过测量MCI、VCID、AD中的miRNA表达水平，miR-1、miR-384和miR-19b-3p被鉴定为良好的诊断生物标志物，并为疾病预防提供了新的见解。但目前所使用的miRNA不尽相同，诊断效应也不明朗，本研究旨在汇总国内外的相关研究并进行meta分析，判断miRNAs诊断VCI的价值，为临床提供指导。

2. 方法

2.1. 文献检索

Table 1. PubMed search strategy

表1. PubMed检索策略

Pubmed：

#1 (((("Blood Vessels"[Mesh]) OR ((((Blood Vessels[Title/Abstract]) OR (Blood Vessel[Title/Abstract])) OR (Vessel, Blood[Title/Abstract])) OR (Vessels, Blood[Title/Abstract]))) AND (("Cognitive Dysfunction"[Mesh]) OR ((((((((((((((((((((((((((Cognitive Dysfunction[Title/Abstract]) OR (Cognitive Dysfunctions[Title/Abstract])) OR (Dysfunction, Cognitive[Title/Abstract])) OR (Dysfunctions, Cognitive[Title/Abstract])) OR (Cognitive Impairments[Title/Abstract])) OR (Cognitive Impairment[Title/Abstract])) OR (Impairment, Cognitive[Title/Abstract])) OR (Impairments, Cognitive[Title/Abstract])) OR (Cognitive Disorder[Title/Abstract])) OR (Cognitive Disorders[Title/Abstract])) OR (Disorder, Cognitive[Title/Abstract])) OR (Disorders, Cognitive[Title/Abstract])) OR (Mild Cognitive Impairment[Title/Abstract])) OR (Cognitive Impairment, Mild[Title/Abstract])) OR (Cognitive Impairments, Mild[Title/Abstract])) OR (Impairment, Mild Cognitive[Title/Abstract])) OR (Impairments, Mild Cognitive[Title/Abstract])) OR (Mild Cognitive Impairments[Title/Abstract])) OR (Cognitive Decline[Title/Abstract])) OR (Cognitive Declines[Title/Abstract])) OR (Decline, Cognitive[Title/Abstract])) OR (Declines, Cognitive[Title/Abstract])) OR (Mental Deterioration[Title/Abstract])) OR (Deterioration, Mental[Title/Abstract])) OR (Deteriorations, Mental[Title/Abstract])) OR (Mental Deteriorations[Title/Abstract])))) OR (("Dementia"[Mesh]) OR (((((((((((((Dementia[Title/Abstract]) OR (Dementias[Title/Abstract])) OR (Amentia[Title/Abstract])) OR (Amentias[Title/Abstract])) OR (Senile Paranoid Dementia[Title/Abstract])) OR (Dementias, Senile Paranoid[Title/Abstract])) OR (Paranoid Dementia, Senile[Title/Abstract])) OR (Paranoid Dementias, Senile[Title/Abstract])) OR (Senile Paranoid Dementias[Title/Abstract])) OR (Familial Dementia[Title/Abstract])) OR (Dementia, Familial[Title/Abstract])) OR (Dementias, Familial[Title/Abstract])) OR (Familial Dementias[Title/Abstract])))) OR (("Alzheimer Disease"[Mesh]) OR ((((((((((((((((((((((((((((((((((((Alzheimer Disease[Title/Abstract]) OR (Alzheimer Dementia[Title/Abstract])) OR (Alzheimer Dementias[Title/Abstract])) OR (Dementia, Alzheimer[Title/Abstract])) OR (Alzheimer's Disease[Title/Abstract])) OR (Dementia, Senile[Title/Abstract])) OR (Senile Dementia[Title/Abstract])) OR (Dementia, Alzheimer Type[Title/Abstract])) OR (Alzheimer Type Dementia[Title/Abstract])) OR (Alzheimer-Type Dementia (ATD[Title/Abstract]))) OR (Alzheimer Type Dementia (ATD[Title/Abstract]))) OR (Dementia, Alzheimer-Type (ATD[Title/Abstract]))) OR (Alzheimer Type Senile Dementia[Title/Abstract])) OR (Primary Senile Degenerative Dementia[Title/Abstract])) OR (Dementia, Primary Senile Degenerative[Title/Abstract])) OR (Alzheimer Sclerosis[Title/Abstract])) OR (Sclerosis, Alzheimer[Title/Abstract])) OR (Alzheimer Syndrome[Title/Abstract])) OR (Alzheimer's Diseases[Title/Abstract])) OR (Alzheimer Diseases[Title/Abstract])) OR (Alzheimers Diseases[Title/Abstract])) OR (Senile Dementia, Alzheimer Type[Title/Abstract])) OR (Acute Confusional Senile Dementia[Title/Abstract])) OR (Senile Dementia, Acute Confusional[Title/Abstract])) OR (Dementia, Presenile[Title/Abstract])) OR (Presenile Dementia[Title/Abstract])) OR (Alzheimer Disease, Late Onset[Title/Abstract])) OR (Late Onset Alzheimer Disease[Title/Abstract])) OR (Alzheimer's Disease, Focal Onset[Title/Abstract])) OR (Focal Onset Alzheimer's Disease[Title/Abstract])) OR (Familial Alzheimer Disease (FAD[Title/Abstract]))) OR (Alzheimer Disease, Familial (FAD[Title/Abstract]))) OR (Familial Alzheimer Diseases (FAD[Title/Abstract]))) OR (Alzheimer Disease, Early Onset[Title/Abstract])) OR (Early Onset Alzheimer Disease[Title/Abstract])) OR (Presenile Alzheimer Dementia[Title/Abstract])))

#2 ("MicroRNAs"[Mesh]) OR ((((((((((((((((((MicroRNAs[Title/Abstract]) OR (MicroRNA[Title/Abstract])) OR (miRNAs[Title/Abstract])) OR (Micro RNA[Title/Abstract])) OR (RNA, Micro[Title/Abstract])) OR (miRNA[Title/Abstract])) OR (Primary MicroRNA[Title/Abstract])) OR (MicroRNA, Primary[Title/Abstract])) OR (Primary miRNA[Title/Abstract])) OR (miRNA, Primary[Title/Abstract])) OR (pri-miRNA[Title/Abstract])) OR (pri miRNA[Title/Abstract])) OR (RNA, Small Temporal[Title/Abstract])) OR (Temporal RNA, Small[Title/Abstract])) OR (stRNA[Title/Abstract])) OR (Small Temporal RNA[Title/Abstract])) OR (pre-miRNA[Title/Abstract])) OR (pre miRNA[Title/Abstract]))

#3 ("Diagnosis"[Mesh]) OR (((((((((((((((Diagnosis[Title/Abstract]) OR (Diagnoses[Title/Abstract])) OR (Diagnose[Title/Abstract])) OR (Diagnoses[Title/Abstract] AND Examinations[Title/Abstract])) OR (Examinations[Title/Abstract] AND Diagnoses[Title/Abstract])) OR (Diagnoses[Title/Abstract] AND Examination[Title/Abstract])) OR (Examination[Title/Abstract] AND Diagnoses[Title/Abstract])) OR (Postmortem Diagnosis[Title/Abstract])) OR (Diagnoses, Postmortem[Title/Abstract])) OR (Diagnosis, Postmortem[Title/Abstract])) OR (Postmortem Diagnoses[Title/Abstract])) OR (Antemortem Diagnosis[Title/Abstract])) OR (Antemortem Diagnoses[Title/Abstract])) OR (Diagnoses, Antemortem[Title/Abstract])) OR (Diagnosis, Antemortem[Title/Abstract]))

#4 #1 AND #2 AND #3

本研究的研究方案已在PROSPERO国际系统评价注册平台(编号：560705)注册，并且我们遵循PRISMA协议指南的方法学进行操作。计算机检索PubMed、Web of Science、EMbase、The Cochrane Library、中国知网数据库、万方数据库、维普数据库，汇集有关miRNAs诊断VCI的临床研究，检索的时间范围均为建库至5月1日，并采用参考文献追踪的方法以扩大检索范围。检索方式为主题词和自由词共同检索。中文检索词包括：血管性认知障碍、VCI、miRNAs、微小RNA、诊断等，采用同义词扩展避免遗漏文献。英文检索词包括Blood Vessels、Cognitive Dysfunction、MicroRNAs、Diagnosis等。以PubMed为例，具体检索策略见表1。

2.2. 纳入与排除标准

2.2.1. 纳入标准

将以下标准定义为合格文献的标准：① 文献的研究类型为诊断性研究；② 经过金标准确诊为患或不患血管性认知障碍患者，无年龄及种族限制；③ 待评价方法为血样miRNA检测，包括RT-PCR、RT-qPCR、qPCR技术验证的RNA芯片的血液检测结果；④ 可提供或转化以下结局指标：敏感度(sensitivity, Sen)、特异度(specificity, Spe)、阳性似然比(positive likelihood ratio, PLR)、阴性似然比(negative likelihood ratio, NLR)、诊断比值比(diagnostic odd ratio, DOR)、ROC。

2.2.2. 排除标准

将以下标准定义为不合格文献的标准：① 无法获取所需的全文内容；② 无法提取数据或无法将文献所提供的数据转化为可分析的常规数据；③ 病例报告、单纯的细胞或动物研究、综述类文章、勘误等。

2.3. 文献筛选与资料提取

由两名独立的统计学成员进行文献筛选、资料及数据的提取，并进行交叉核对。如存在不一致或有争议的提取信息，可双方进行讨论或由第三名统计学成员进行协助解决。文献筛选遵循以下步骤：① 阅读篇名，排除明显不符合主题的文献；② 阅读摘要及全文，通过纳入与排除标准进行进一步筛选。资料提取的内容包括：第一作者、发表年份、研究地区、研究类型、样本量及样本来源、miRNA类型、测定方法及表达情况、四格表数据等。

2.4. 偏倚风险评价

由两名独立的分析人员进行纳入文献的偏倚风险评价，并交叉核对结果。偏倚风险评价采用QUADAS-2工具，QUADAS-2工具包含四个条目(病例选择、待评价标准、金标准、病例的流程与进展)与两个方面(偏倚风险评估、适应性)。并使用Excel表格与Review Manager 5制作质量风险评价表与偏倚风险评价图。

2.5. 统计分析

采用Meta-Disc1.4和Stata15.0软件进行Meta分析。首先，计算汇总的敏感性(Sen)、特异性(Spe)、阳性似然比(PLR)、阴性似然比(NLR)、诊断比值比(DOR)及其对应的95%置信区间。此外，还计算汇总受试者工作特征(SROC)曲线及其下面积(AUC)以评估miRNAs的总体诊断价值。使用I2统计量评估研究之间的异质性。如果各研究结果之间无显著统计学异质性，则采用固定效应模型进行Meta分析；如果I2超过50%，表示存在较大异质性，则使用随机效应模型。接着，通过亚组分析、Meta回归和敏感性分析进一步探索异质性来源，以排除明显临床异质性的影响。最后，使用egger对发表偏倚进行检验。

3. 结果

3.1. 文献筛选流程及结果

通过计算机检索共得到2477篇文献，经过去重、筛选与排除后，最终纳入8篇[10]-[17]诊断性研究。文献筛选流程及结果见图1。

Figure 1. Literature screening flowchart

图1. 文献筛选流程图

3.2. 纳入文献的基本特征

共纳入8篇文献，其中5篇[10]-[12] [16] [17]来自中国，1篇[15]来自黑山，1篇[14]来自印度，1篇[13]来自爱尔兰。共纳入1160名患者，其中631名患者和529名对照。19个不同类型的miRNAs被纳入，其中有5种miRNAs下调，14种miRNAs上调。具体纳入文献的基本特征见表2。

Table 2. Basic characteristics of included studies

表2. 纳入文献的基本特征

作者	发表时间	miRNA类型	地区	对照/病例	严重程度	TP	FP	FN	TN	血样来源		表达情况
顾[10]	2022	mir-92a-5p	中国	30/60	轻、重	48	11	12	19	静脉血		上调
		mir-523-5p				48	15	12	15			下调
		mir-92a-5p + mir-523-5p				52	7	8	23
Yuan [17]	2022	mir-21	中国	32/45	未提及	41	4	4	28	外周血		上调
		mir-132				30	7	15	25			上调
		mir-200b				24	5	21	27			上调
		miR-21 + miR-132				42	6	3	26
		miR-21 + miR-200b				38	4	7	28
Yuan [17]		miR-132 + miR-200b				30	9	15	23
		miR-21 + miR-132 + miR200b				42	5	3	27
张[12]	2020	mir-9	中国	82/82	未提及	71	18	11	64	静脉血	下调
潘[11]	2019	mir-9	中国	60/135	轻、中、重	111	13	24	47	静脉血	下调
		mir-34c				115	10	20	50		上调
		mir-9 + mir-34c				120	8	15	52
Xie [16]	2015	mir-206	中国	76/66	未提及	57	18	9	58	静脉血	上调
		mir-132				46	0	20	76		上调
		mir-206 + mir-132				56	1	10	75
Dragovi [15]	2022	mir-146a	黑山	18/9	未提及	7	1	2	17	外周血	上调
		mir-155				6	2	3	16		上调
Prabhakar [14]	2017	mir-409-3p	印度	200/204		155	22	49	178	静脉血	下调
		mir-376a-3p				169	58	35	142		下调
		mir-32-5p				104	82	100	118		上调
		mir-502-3p				153	22	51	178		上调
		mir-486-5p				153	34	51	166		上调
		mir-451a				143	50	61	150		上调
		mir-363-3p				104	60	100	140		上调
Kenny [13]	2016	mir-206	爱尔兰	31/30	未提及	26	7	4	24	外周血	上调
		let-7b				18	8	12	23		上调
		mir-135a				21	24	9	7		下调

3.3. 纳入文献偏倚风险结果

对纳入文献进行偏倚风险检验，结果显示纳入8篇文献的偏倚风险都为低风险，见表3与图2。

Table 3. Quality risk assessment of included research

表3. 纳入文献质量风险评价表

纳入研究

偏倚风险

适应性

病例选择

待评价标准

金标准

病例的流程与进展

病例选择

待评价标准

金标准

顾2022

LR

LR

LR

LR

LR

LR

LR

Yuan 2022

LR

LR

LR

LR

LR

LR

LR

张2020

LR

LR

LR

LR

LR

LR

LR

潘2019

LR

LR

LR

LR

LR

LR

LR

Xie 2015

LR

LR

LR

LR

LR

LR

LR

Dragovi 2022

LR

LR

LR

LR

LR

LR

LR

Prabhakar 2017

LR

LR

LR

LR

LR

LR

LR

Kenny 2016

LR

LR

LR

LR

LR

LR

LR

注：LR：低风险UR：不清楚HR：高风险。

Figure 2. Risk of bias assessment chart for included studies

图2. 纳入文献质量风险评价图

3.4. Meta分析结果

3.4.1. 阈值效应检验

通过Meta-Disc 1.4软件计算灵敏度对数与(1-特异性)对数的Spearman相关系数为−0.088，p = 0.695，表明不存在由阈值效应导致的异质性。

3.4.2. 合并效应量

分析结果显示，合并灵敏度I2 = 87.2%，p < 0.01、特异性I2 = 88.9%，p < 0.01，表示存在异质性，故使用随机效应模型合并效应量。合并灵敏度为0.73，95% CI 0.71~0.74；合并特异性为0.77，95% CI 0.75~0.79；合并阳性似然比为3.26，95% CI 2.42~4.38；合并阴性似然比为0.33，95% CI 0.26~0.43；合并诊断比值比为10.64，95% CI 6.42~17.61，见图3，以上合并结果均不包含两个或两个以上miRNAs共同的诊断作用。SROC曲线中AUC = 0.83，见图4。

Figure 3. Forest plot of sensitivity and specificity

图3. 敏感度与特异度的森林图

Figure 4. SROC diagnostic curve

图4. SROC诊断曲线图

3.4.3. 亚组分析

为了进一步探究异质性的来源，根据地区及失调状态进行亚组分析。结果显示，miRNAs在诊断中国人VCI的准确性要高于非中国人，敏感度为0.80 vs 0.69，AUC为0.87 vs 0.78。下调的miRNAs要比上调的miRNAs有更高的总体诊断准确性，敏感度为0.80 vs 0.69，AUC为0.88 vs 0.83。Meta回归分析发现，在地区因素上特异度、阳性似然比与阴性似然比存在显著统计学差异(p < 0.05)；在失调状态上特异度、敏感度、阳性似然比、阴性似然比都没有显著的统计学差异(p > 0.05)地区因素为特异度的异质性来源，见表4。

Table 4. Subgroup analysis and meta-regression

表4. 亚组分析与meta回归

因素	miRNA数目	敏感度	特异度	阳性似然比	阴性似然比	诊断比值比	AUC
地区
中国	8	0.80 (0.77~0.83)	0.80 (0.76~0.84)	3.52 (2.46~5.05)	0.27 (0.20~0.37)	15.08 (8.57~26.55)	0.87
非中国	12	0.69 (0.67~0.71)	0.76^※ (0.74~0.78)	3.01^※ (1.98~4.56)	0.40^※ (0.29~0.56)	7.79 (3.87~15.66)	0.78
失调状态
上调	14	0.69 (0.67~0.71)	0.78 (0.75~0.80)	3.53 (2.49~5.00)	0.34 (0.26~0.46)	11.57 (6.23~21.50)	0.83
下调	5	0.80 (0.77~0.83)	0.75 (0.71~0.79)	2.72 (1.46~5.08)	0.29 (0.21~0.41)	9.03 (3.94~20.69)	0.88

注：^※代表亚组内meta回归分析p < 0.05。

3.5. 敏感性分析

本研究使用逐一剔除单项研究的方法进行敏感性分析。结果剔除显示任意纳入研究的95%可信区间与合并的结果存在大部分重叠，意味着本研究的合并结果相对稳健，见图5。

Figure 5. Sensitivity analysis

图5. 敏感性分析

3.6. 发表偏倚检验

使用egger对本研究进行发表偏倚检验，结果显示存在发表偏倚的可能性较小(p > 0.05)，见图6。

4. 讨论

血管性认知障碍是继阿尔茨海默病之后导致痴呆的第二大常见原因[18]。在单一的诊断方法中诊断VCI并了解其疾病机制、预后和治疗存在一定的难度，主要的原因是缺乏灵敏度高的特定认知工具来检测轻微的认知损害[19]。近年来很多研究结果显示，包括血管疾病在内的各种病理状况的发展和进展中miRNAs发挥重要作用，可以显示降解或者翻译抑制。多种miRNAs通过下调大脑内皮细胞的紧密连接蛋白Claudin-1来破坏脑内皮细胞的细胞间隙屏障[20]。在miRNAs的表达方面，通过直接靶向结合溶酶体相关膜蛋白-2 (lysosomal associated membrane proteins, LAMP-2)基因使其表达受抑，从而降低溶酶体清除率[21]。以上研究都表明，miRNAs有潜力成为VCI诊断的生物标志物。

本研究通过合并各诊断研究的阳性与阴性患者，并进行meta分析，研究综合了19种不同类型的miRNAs，结果表明SROC曲线下面积为0.83，并具有较高的灵敏度与特异度，miRNAs可辅助诊断VCI，是相对出色的诊断标志物。并且，在所纳入的文献中有2篇文献对VCI患者的轻、中、重度的不同类型进行了进一步分析，这2篇文献的研究结果都表明miRNA在区分VCI的类型中也有着显著的作用，但由于文献数量过少，本研究并未对其结果进行单独汇总。

Figure 6. Egger’s test for publication bias

图6. Egger检验发表偏倚

对所纳入的文献进行亚组分析与meta回归，结果发现miRNAs对中国人的VCI诊断要高于非中国人，说明不同地区及人种的miRNAs可能存在着差异性表达，类似的，一篇关于miRNAs对新生儿缺血缺氧性脑病(HIE)诊断价值研究表明miRNAs对中国人HIE的诊断能力高于非中国人，与本研究结果类似[22]，一个可能的原因是，所纳入的文献中，中国的研究占比较大，临床数据较丰富，在后续研究中，应对非中国的研究进行进一步总结，来全面判断产生地区差异的原因

此外，本研究还表明下调与上调的miRNAs的AUC之比为0.88 vs 0.83，证明了下调的miRNAs在诊断VCI比上调的miRNAs有着更高的性能，可能的原因是，上调与下调的miRNAs的机制不同，所表达的通路不同导致了不同形式的神经元死亡与神经炎症[23]。一项研究表明[24]，miR-193b-3p 和 miR-152-3p在小鼠皮层和海马中下调。靶向CaM的miR-193b-3p和靶向CaMKIIα的miR-152-3p在VaD相关病理学中发挥作用，表现在抑制p38 MAPK/NF-KBp65通路，降低TNF-α和IL-6水平，从炎症和凋亡2个途径来影响认知水平。另外一项研究表明[25]，miR-96在慢性脑灌注不足(CCH)小鼠模型中上调，它可能通过调节雷帕霉素靶蛋白(mTOR)在 CCH 下的自噬中发挥关键作用，从而加重小鼠的认知障碍。因此在诊断的过程中也应考虑miRNAs上调与下调的不同对于VCI的内源性机制和表达通路的影响。

除诊断效应之外，所纳入的文献都探讨了miRNAs的表达与简易精神状态检查表(Minimum Mental State Examination, MMSE)或蒙特利尔认知评估量表(Montreal Cognitive Assessment, MoCA)得分之间的关系。MMSE和MoCA是基于人群的流行病学研究中最常用的轻度认知障碍(MCI)检测量表，结果表明miRNAs的表达与量表的得分存在显著的相关性，更进一步证实了miRNAs的诊断效应。另一项研究表明[26] has-mir-451a与MoCA评分相关，而且MoCA评分还与大脑中富集的几种miRNA相关，这是因为血浆中脑特异性miRNA的增加可能是由于血脑屏障渗漏增加、特异性miRNA表达增加、脑源性无微泡释放增加或两者兼而有之。但是，该研究还观察到has-mir-19b-3p与认知无关，可能的原因仅仅是脑的异常的神经活动，损伤或疾病而导致的特定miRNA的释放增加。综上所述，miRNAs与量表的得分之间的关系尚不明确，可能的原因是量表的评估受人为因素影响较大，目前尚未能达到一致的结果，后续需要高质量的研究进行明确的分析。

本研究的优势在于使用循证的方法对miRNAs在VCI患者中的诊断效应进行了评估，为后续的研究和临床应用提供了基础。miRNAs可作为VCI患者的潜在诊断标志物，辅助标准诊断过程，能够早期诊断VCI并及时进行干预和治疗。

但是，本研究依旧存在一些局限性，第一，在meta分析中，尽管使用了meta回归确定了样本来源为异质性的来源，但是由于研究数量的限制，本研究将所有的miRNAs亚型进行了汇总，因此不同亚型的miRNAs可能为异型性的重要原因。第二，在单一研究中提取了多种类型的miRNAs亚型，可能存在主观的偏差。第三，本研究并未对miRNAs的表达通路进行亚组分析，可能降低结果的准确性。此外，本研究未进行细致的临床验证，需后续使用不同的方法进行研究和分析。

5. 结论

本研究表明，miRNAs在诊断VCI中具有很高的准确性，可以作为VCI的潜在诊断标志物。

基金项目

黑龙江省省属高等学校基本科研费科研项目(2022-KYYWF-0662)。

NOTES

^*通讯作者。