Zusammenhang von Schilddrüsenfunktionsstörung mit Dyslipidämie und metabolischem Risiko in der Gesundheitsuntersuchungsgruppe: Eine retrospektive Analyse

Zusammenfassung

Diese Studie untersucht die Zusammenhänge zwischen Schilddrüsenfunktionsstörungen, Dyslipidämie und anderen metabolischen Risiken bei Menschen, die sich einer Gesundheitsuntersuchung unterziehen.

Zusammenfassung

Diese Studie zielt darauf ab, die assoziativen Zusammenhänge zwischen Schilddrüsenfunktionsstörungen, Dyslipidämie und anderen metabolischen Risiken bei Personen zu untersuchen, die sich einer Gesundheitsuntersuchung unterziehen. 305 Personen, die routinemäßigen Gesundheitsuntersuchungen unterzogen wurden, wurden eingeschrieben (Juni 2023–Dezember 2025). Nach Ausschlüssen wurden 300 Teilnehmer in die Endanalyse einbezogen. Zu den wichtigsten Beobachtungsindikatoren gehörten die Schilddrüsenfunktionsindizes (TSH), freies Triiodothyronin (FT3) und freies Thyrosin (FT4); Lipidprofilparameter, die Gesamtcholesterin (TC), Triglyzeride (TG), Hochdichte-Lipoprotein-Cholesterin (HDL-C) und Niedrigdichte-Lipoprotein-Cholesterin (LDL-C) abdecken; und Stoffwechselmarker wie Nüchternblutzucker (FBG), Taillenumfang (WC) und Blutdruck (BP). Die Teilnehmer wurden nach standardisierten Schilddrüsendiagnosekriterien in Schilddrüsen-, Hyperthyreoid- und Hypothyreoid-Kohorten eingeteilt. Pearson-Korrelations- und multivariate logistische Regressionsanalysen wurden durchgeführt, um die Zusammenhänge zwischen Indikatoren und Risikofaktoren für Schilddrüsenfunktionsstörungen zu untersuchen. Von 300 Teilnehmern waren 224 (74,67 %) euthyroid, 32 (10,67 %) hyperthyreoid und 44 (14,66 %) schilddrüsenunterfunktioniert. Die Einweg-ANOVA zeigte, dass Teilnehmer mit Hyperthyreose einen niedrigeren TSH, höheren FT3/FT4, reduzierten TC/TG/LDL-C, erhöhten HDL-C, höheren FBG, niedrigeren WC/diastolischen Blutdruck (DBP) und einen leichten Anstieg des systolischen Blutdrucks (SBP) (alle p < 0,05) als Euthyroidismus aufwiesen; Die Hypothyreose zeigte das Gegenteil (alle p. < 0,05). Die Pearson-Korrelationsanalyse zeigte, dass TSH positiv mit TC, TG, LDL-C, FBG, WC, SBP und DBP korrelierte und negativ mit HDL-C korrelierte. FT3 und FT4 korrelierten negativ mit TC, TG, LDL-C und positiv mit HDL-C. Beide Marker wiesen negative Korrelationen mit WC und DBP auf, wobei FT4 eine moderate Korrelation mit WC zeigte. Die multivariate logistische Regression bestätigte unabhängige Assoziationen von Dyslipidämie und metabolischen Anomalien mit Schilddrüsenfunktionsstörungen in Gesundheitsuntersuchungspopulationen. Schilddrüsenfunktionsstörungen stehen in engem Zusammenhang mit Lipid- und Stoffwechselstörungen, und diese Indikatoren bieten eine wertvolle Referenz für das Screening auf chronische Krankheiten in der Bevölkerung. Diese Studie war durch ihr einmittiges Querschnittsdesign, die kleine Stichprobengröße und die unzureichende Schichtung der Schilddrüsenfunktions-Subtypen eingeschränkt.

Einleitung

Da sich die Alterung der Bevölkerung in ganz China beschleunigt und der Lebensstil der Bewohner tiefgreifende Veränderungen durchläuft, sind chronische nichtübertragbare Krankheiten als die Hauptbedrohung für die öffentliche Gesundheit für die Gesundheitsprüfer etabliert. Unter diesen Erkrankungen steigt die Häufigkeit von Schilddrüsenfunktionsstörungen und Dyslipidämie stetig an, wobei ihre Begleiterkrankung zu einem zunehmend prominenten Thema wird, das die Prävention und Kontrolle chronischer Krankheiten auf Stufe¹ stark belastet. Die Schilddrüse, eine lebenswichtige endokrine Drüse im menschlichen Körper, sezerniert Schilddrüsenhormone, die den gesamten Prozess des Material- und Energiestoffwechsels regulieren und präzise regulatorische Effekte auf die Lipidsynthese, den Abbau und den Transport ausüben. Das schilddrüsenstimulierende Hormon (TSH), als Kernregulator der Schilddrüsenfunktion, beeinflusst seine Niveauschwankungen direkt das sekretorische Gleichgewicht der Schilddrüsenhormone, was wiederum systemische Stoffwechselstörungen auslösen kann². Dyslipidämie, die hauptsächlich durch erhöhtes Gesamtcholesterin (TC), Triglyzeride (TG), niedrigdichtes Lipoproteincholesterin (LDL-C) und reduziertes hochdichtes Lipoproteincholesterin (HDL-C) gekennzeichnet ist, stellt einen zentralen Risikofaktor für Herz-Kreislauf-Erkrankungen wie Arteriosklerose und koronare Herzkrankheiten dar und dient auch als zentrale externe Manifestation des systemischen metabolischen Ungleichgewichts³. In den letzten Jahren haben^{Studien 4,5} bestätigt, dass Schilddrüsenfunktionsstörungen und Dyslipidämie nicht isoliert existieren; stattdessen können sie über gemeinsame Stoffwechselwege interagieren und ein komplexes Netzwerk von Stoffwechselstörungen bilden. Dennoch bleiben die spezifischen Mechanismen und quantitativen Zusammenhänge, die ihrer Assoziation in der Gesundheitsuntersuchungspopulation zugrunde liegen, unklar.

Schilddrüsenfunktionsstörungen sind weltweit weiterhin sehr verbreitet, mit den bemerkenswerten Merkmalen einer hohen Häufigkeit in der Gesundheitsuntersuchung und einem heimtückischen Auftreten. Laut aktuellen epidemiologischen Umfragedaten⁶ liegt die Gesamtprävalenz einer Schilddrüsenfunktionsstörung in der Erwachsenengesundheitsuntersuchung in China bei über 20 %. Von dieser Zahl machen Hypothyreose etwa 14 % und Hyperthyreose etwa 10 % aus, wobei die Prävalenz mit dem Alter steigt und in der älteren Bevölkerung über^sechzig Jahre auf über 35 % ansteigt. Bei Patienten mit Hypothyreose verlangsamt eine unzureichende Sekretion des Schilddrüsenhormons den Lipidstoffwechsel, was zu einer erhöhten Cholesterinsynthese und einer reduzierten Zersetzung führt, was leicht eine Hypercholesterinämie auslöst. Im Gegensatz dazu beschleunigt ein übermäßiges Schilddrüsenhormon bei Patienten mit Hyperthyreose den Abbau und die Ausscheidung von Lipiden, was potenziell zu einem niedrigeren Blutfettspiegel^{um 8,9} führt. Gleichzeitig hat die Prävalenz von Dyslipidämie in der chinesischen Gesundheitsuntersuchungsbevölkerung 40 % überschritten. Diese Erkrankung steht in engem Zusammenhang mit ungesunden Ernährungsgewohnheiten, körperlicher Inaktivität, Fettleibigkeit und anderen beitragenden Faktoren^10,11. Bemerkenswert ist, dass die Komorbiditätsrate von Schilddrüsenfunktionsstörungen und Dyslipidämie von Jahr zu Jahr gestiegen ist. Personen mit dieser Komorbidität haben ein deutlich erhöhtes Risiko für gleichzeitige Stoffwechselauffälligkeiten wie erhöhten Blutzucker und Bauchfettleibigkeit, was ihre Anfälligkeit für Herz-Kreislauf-Erkrankungen weiter erhöht.

In den letzten Jahren haben Wissenschaftler im In- und Ausland zahlreiche Studien zum Zusammenhang zwischen Schilddrüsenfunktion und Lipidstoffwechsel durchgeführt, doch ihre Schlussfolgerungen bleiben umstritten, und gezielte Forschung in allgemeinen Gesundheitsscreening-Populationen bleibt rar. Einige Studien haben gezeigt,^{dass TSH-Werte} positiv mit TC- und LDL-C-Werten korrelieren und negativ mit HDL-C, und dass Hypothyreose als eigenständiger Risikofaktor für Dyslipidämie wirkt, während der Zusammenhang zwischen Hyperthyreose und Dyslipidämie relativ schwach ist. Andere Studien haben jedoch darauf hingewiesen, dass TG-Spiegel bei Patienten mit Hyperthyreose signifikant erhöht sind und positiv mit dem Schilddrüsenhormonspiegel korrelieren, ein Phänomen, das mit individuellen Stoffwechselunterschieden, Ernährungsstrukturen und anderen Faktoren zusammenhängen kann^13,14. Im Hinblick auf das metabolische Risiko können Schilddrüsenhormone den Blutzuckerstoffwechsel regulieren, indem sie die Insulinsensitivität modulieren. Patienten mit Hypothyreose haben eine höhere Insulinresistenz, was leicht zu erhöhtem Nüchternblutzucker (FBG) führt, während Patienten mit Hyperthyreose aufgrund einer beschleunigten Energiestoffwechselrate^15,16 Blutzuckerschwankungen erleben können. Die meisten bestehenden Studien konzentrierten sich jedoch auf Patienten im Krankenhaus, wobei die Stichprobe nur begrenzt repräsentativ war. Sie versäumen es auch, Merkmale wie Alter und Lebensgewohnheiten der Gesundheitsuntersuchungsgruppe vollständig zu berücksichtigen, was es erschwert, die tatsächliche Situation der allgemeinen Gesundheitsscreening-Populationen¹⁷ widerzuspiegeln.

Derzeit konzentriert sich das Management chronischer Erkrankungen in chinesischen Gemeinden hauptsächlich auf die Versorgung einzelner Krankheiten, und die umfassenden Managementstrategien für Bevölkerungsgruppen mit komorbider Schilddrüsenfunktionsstörung und Dyslipidämie sind weiterhin unzureichend, da es an präziser Datenunterstützung und individuellen Interventionsplänen mangelt. Mit der Verschlechterung der Bevölkerungsalterung in China haben Faktoren wie veränderte Körperzusammensetzung bei älteren Menschen (z. B. erhöhtes viszerales Fett) und die Exposition gegenüber Umweltschadstoffen das Risiko einer gestörten lipidmetabolischen Homöostase und Schilddrüsenfunktionsstörungen weiter verschärft. Bedauerlicherweise hat das bestehende Gesundheitsmanagementsystem diese einflussreichen Faktoren noch nicht berücksichtigt¹⁸. Gesundheitsscreening, als wichtiges Instrument zur Früherkennung chronischer Erkrankungen, ermöglicht die gleichzeitige Messung der Schilddrüsenfunktion, der Blutlipide und der Stoffwechselindikatoren und bietet so eine solide Stichprobenbasis für die Forschung zum Zusammenhang dieser Erkrankungen. Durch die Analyse des Korrelationsgrades zwischen Schilddrüsenfunktionsstörung und Blutfett, metabolischen Indikatoren in Gesundheitsscreening-Populationen und die Identifizierung der Korrelationen zwischen verschiedenen Indikatoren sowie unabhängigen Risikofaktoren kann diese Forschung eine wissenschaftliche Grundlage für das frühe Screening, die Risikobewertung und umfassende Intervention von Schilddrüsenfunktionsstörungen und Dyslipidämie in Gesundheitsuntersuchungsgruppen bieten.

Basierend auf Daten der körperlichen Untersuchung der Gesundheitsuntersuchungsgruppe des Navy Qingdao Special Service Recuperation Center wählte diese Studie 300 Teilnehmer als Untersuchungspersonen aus und konzentrierte sich auf den Zusammenhang zwischen Schilddrüsenfunktionsstörungen, Dyslipidämie und metabolischen Abnormalitäten. Ziel ist es, die Forschungslücke zu diesen Begleiterkrankungen auf Bevölkerungsebene bei Gesundheitsuntersuchungen zu schließen und die Forschung zur Korrelation zwischen Schilddrüsenfunktionsstörungen und Stoffwechselerkrankungen zu bereichern, um theoretische und praktische Belege zur Optimierung umfassender Strategien für das Management chronischer Krankheiten zu liefern und den Gesundheitszustand der Bewohner zu verbessern, die sich Gesundheitsuntersuchungen unterziehen. Unterdessen können die Forschungsergebnisse, die sich auf Gesundheitsscreening-Populationen richten, Klinikern helfen, Hochrisikogruppen für Schilddrüsenfunktionsstörungen genauer zu identifizieren, individuelle Screening- und Interventionspläne zu erstellen und die Häufigkeit stoffwechselbedingter Komplikationen zu verringern.

Protokoll

Diese Studie wurde in strikter Übereinstimmung mit den Grundsätzen der Helsinkier Erklärung durchgeführt und vom Qingdao Special Servicemen Recuperation Center des Ethikkomitees der PLA Navy genehmigt (Genehmigungsnummer: QDTLLL2023-024). Vor der Einschreibung wurde von allen Teilnehmern eine schriftliche informierte Zustimmung eingeholt.

Teilnehmerrekrutierung und Studiendesign
Insgesamt wurden 305 Bewohner, die zwischen Juni 2023 und Dezember 2025 routinemäßige Gesundheitsuntersuchungen im Navy Qingdao Special Service Recuperation Center unterzogen hatten, zunächst eingeschrieben. Nach Screening und Anwendung von Ausschlusskriterien wurden 300 Teilnehmer in die Endanalyse eingeschlossen. Die Teilnehmer wurden gemäß den standardisierten diagnostischen Kriterien für Schilddrüsenfunktionsstörungen in Schilddrüsen-, Hyperthyreoid- und Unterschilddrüsenunterfunktion eingeteilt (Abbildung 1).

Berechtigte Teilnehmer waren ständige Bewohner im Alter von 18 bis 80 Jahren, die mindestens sechs Monate im Genesungszentrum gelebt hatten. Alle Teilnehmer führten umfassende körperliche Untersuchungen^durch, und es wurden vollständige klinische sowie Labordaten erhoben. Personen mit akuter Infektion, schwerem Trauma, postoperativem Genesungszustand oder anderen akuten Erkrankungen, die möglicherweise Schilddrüsen- oder Stoffwechselindikatoren zum Zeitpunkt der Untersuchung beeinflussten, wurden ausgeschlossen.

Teilnehmer wurden ausgeschlossen, wenn sie bestätigte organische Schilddrüsenerkrankungen wie Schilddrüsenknoten (≥1 cm mit bösartigen bildgebenden Merkmalen), Thyreoiditis oder Schilddrüsentumoren²⁰ vorweisen. Auch Personen, die in den vorangegangenen drei Monaten eine Schilddrüsenhormonersatztherapie, Schilddrüsenhemmer oder andere Medikamente erhalten hatten, die die Schilddrüsenfunktion beeinflussten, wurden ebenfalls ausgeschlossen. Weitere Ausschlusskriterien umfassten Diabetes mellitus, Cushing-Syndrom, Morbus Addison, schwere Fettleibigkeit (Body-Mass-Index [BMI], berechnet als Gewicht (kg)/Größe (m)², BMI ≥35 kg/m²), Kachexie, bariatrische oder metabolische Chirurgie innerhalb von sechs Monaten, schwere Leber-, Nieren- oder Gallenwegserkrankungen sowie die jüngste Anwendung von lipidsenkenden Medikamenten, Glukokortikoide, Verhütungsmitteln oder anderen Medikamenten, die den Lipidstoffwechsel beeinflussen. Alle Medikamentengeschichten wurden anhand medizinischer Unterlagen und nicht durch Selbstauskunft überprüft. Teilnehmer mit schweren Herz-Kreislauf-Erkrankungen, hämatologischen Erkrankungen, kürzlichem Myokardinfarkt oder Hirninfarkt, Schwangerschaft, Laktation, größerer Operation, schweren Traumata, akuter Infektion, chronisch starkem Alkoholkonsum, chronischem Rauchen, psychischen Störungen oder kognitiver Dysfunktion¹⁷ wurden ebenfalls ausgeschlossen.

Das Datum der körperlichen Untersuchung diente als Basis, auf dem alle Kernindikatoren im Navy Qingdao Special Service Recuperation Center gemessen wurden. Rohdaten zu allgemeinen Merkmalen, Schilddrüsenfunktion, Blutlipidprofilen und stoffwechselbezogenen Parametern wurden synchron extrahiert. Die Daten wurden von zwei Forschern unabhängig eingegeben und kreuzverifiziert, um die Genauigkeit sicherzustellen.

Ergebnismaße
Venöse Blutproben wurden am frühen Morgen der körperlichen Untersuchung von allen Teilnehmern nach dem Fasten entnommen. Alle Teilnehmer mussten vor der Blutentnahme über Nacht 8–12 Stunden fasten, auf Alkohol, fettreiche Diäten und anstrengende Bewegung für 24 Stunden vor der Probenahme verzichten und mindestens 4 Stunden vor der Blutentnahme keine anderen Getränke als Wasser konsumieren. Alle Blutproben wurden zentral zwischen 7:30 Uhr und 9:30 Uhr entnommen, um zirkadiane Schwankungen zu minimieren. Peripheres venöses Blut (5 ml) wurde von jedem Teilnehmer unter üblichen sterilen Bedingungen entnommen und in nicht-antikoagulierende Serumröhrchen eingesetzt. Die Proben durften 30 Minuten bei Raumtemperatur gerinnen und dann 10 Minuten bei 1.500 × g zentrifugieren, um das Serum zu trennen. Serumproben wurden innerhalb von 2 Stunden nach der Zentrifugation analysiert, um mögliche analytische Variationen zu minimieren.

Alle Serumproben wurden innerhalb von 2 Stunden nach der Serumtrennung auf die Funktion der Schilddrüse untersucht. Die Schilddrüsenstimulierende Hormone (TSH), freie Triiodothyronin (FT3) und freie Thyrosinspiegel (FT4) wurden mit einem automatisierten chemilumineszenz-Immunoassay-Analysator und abgeglichen kommerziellen Testkits gemessen. Die in dieser Studie verwendeten Referenzbereiche waren wie folgt: TSH, 0,27–4,2 mIU/L; FT3, 3,1–6,8 pmol/L; und FT4, 12,0–22,0 pmol/L. Alle Assays wurden gemäß den standardisierten Betriebsanweisungen des Herstellers durchgeführt, einschließlich Instrumentenstart, Kalibrierung, Qualitätskontrolle und Probenbeladungsprotokollen, um die Stabilität und Wiederholbarkeit der Messungen sicherzustellen.

Euthyroidismus wurde definiert als normale Serum-TSH-, FT3- und FT4-Werte ohne klinische Schilddrüsenfunktionsstörungen, eine Vorgeschichte von Schilddrüsenerkrankungen oder schilddrüsenbedingter Medikamentenanwendung²¹. Hyperthyreose wurde in klinische und subklinische Typen eingeteilt. Klinische Hyperthyreose wurde definiert als erhöhte FT3- und/oder FT4-Werte begleitet von unterdrückten TSH-Werten. Subklinische Hyperthyreose wurde definiert als normale FT3- und FT4-Werte mit isolierter TSH-Suppression, begleitet von typischen Hyperthyreose-Manifestationen nach Ausschluss der vorübergehenden Schilddrüsenfunktionsstörung.

Hypothyreose wurde in klinische und subklinische Typen eingeteilt. Klinische Hypothyreose wurde definiert als gesunkene FT3- und/oder FT4-Spiegel, begleitet von erhöhten TSH-Werten. Subklinische Hypothyreose wurde definiert als normale FT3- und FT4-Werte mit isolierter TSH-Erhöhung nach Ausschluss temporärer TSH-Schwankungen durch äußere Interferenzfaktoren.

Alle Serumproben wurden innerhalb von 2 Stunden nach der Serumtrennung mit einem automatisierten biochemischen Analysator und passenden Reagensensets auf Lipid- und Glukosewerte untersucht. Blutlipidparameter, darunter Gesamtcholesterin (TC), Triglyzeride (TG), hochdichtes Lipoprotein-Cholesterin (HDL-C) und niedrigdichtes Lipoproteincholesterin (LDL-C), wurden gemäß den standardisierten Betriebsprotokollen des Herstellers gemessen. Vor der Probenanalyse wurden tägliche Instrumentenkalibrierungen und routinemäßige Qualitätskontrollverfahren durchgeführt, um die Genauigkeit und Stabilität der biochemischen Messungen sicherzustellen. Laut den chinesischen Richtlinien für das Lipidmanagement (Ausgabe 2023)²² wurde ein normales Lipidprofil definiert, wenn alle Lipidparameter innerhalb ihrer jeweiligen Referenzbereiche liegen, während Dyslipidämie diagnostiziert wurde, wenn ein oder mehrere Lipidindikatoren ihre jeweiligen Normalbereiche überschritten.

Die Nüchternblutzuckerwerte (FBG) wurden mit der Hexokinase-Methode mit demselben automatisierten biochemischen Analysator und dem unterstützenden Testkit bestimmt. Die Maße des Taillenumfangs (WC) wurden von einheitlich ausgebildetem medizinischem Personal mit standardisierten Verfahren durchgeführt. Die Teilnehmer wurden angewiesen, aufrecht zu stehen, die Füße schulterbreit auseinander und die Bauchmuskeln vollständig entspannt. Der Taillenumfang wurde auf horizontaler Höhe des Nabels mit einem flexiblen medizinischen Maßband mit einer Genauigkeit von 0,1 cm gemessen. Das Klebeband wurde eng an die Haut gelegt, ohne das subkutane Gewebe zu komprimieren. Es wurden zwei unabhängige Messungen erzielt, und der Durchschnitt der beiden gültigen Messungen wurde zur Analyse erfasst. Vor der Blutdruckmessung ruhten die Teilnehmer 5 Minuten lang ruhig in sitzender Position. Der systolische Blutdruck (SBP) und der diastolische Blutdruck (DBP) wurden am rechten Oberarm mit einem elektronischen Sphygmomanometer gemessen, wobei der Arm während des gesamten Eingriffs auf Herzhöhe gehalten wurde. Drei aufeinanderfolgende Messungen wurden im Abstand von 1 Minute durchgeführt, und der Durchschnitt der letzten beiden Messungen wurde für die statistische Analyse verwendet.

Laut den chinesischen Richtlinien für bariatrische und metabolische Chirurgie (Ausgabe 2024)²³ wurde die metabolische Anomalie als das Vorhandensein von drei oder mehr folgenden Erkrankungen definiert: zentrale Fettleibigkeit, gekennzeichnet durch erhöhten Taillenumfang (WC), beeinträchtigte Glukoseregulation, erhöhter Blutdruck (BP), erhöhte Triglyzeridwerte (TG) und niedrigere HDL-C-C-Spiegel mit hoher Dichte des Lipoprotein-Cholesterins.

Berechnung der Stichprobengröße
Da diese Studie retrospektiv konzipiert war, wurde keine a priori Stichprobengrößenberechnung durchgeführt. Die endgültige Studienpopulation bestand aus 300 Teilnehmern, die die vordefinierten Ein- und Ausschlusskriterien erfüllten.

Eine post-hoc-statistische Leistungsanalyse wurde mit statistischer Software durchgeführt. Basierend auf einer zuvor veröffentlichten Einzelzentrumsstudie²⁴ wurden bei Patienten mit Hyperthyreose mit 84,07 ± 3,12 mg/dL bei Patienten mit Hyperthyreose und 91,6 ± 9,14 mg/dL bei Kontrollpersonen angegeben, was einer Cohen-d-Effektgröße von 0,95 entspricht. Unter Verwendung eines beidseitigen Signifikanzniveaus von α = 0,05 und einer statistischen Stärke von 80 % (β = 0,20) wurde die erforderliche Mindeststichprobengröße mit 29 Teilnehmern pro Gruppe berechnet.

In der vorliegenden Studie wurden 224 Teilnehmer in der Schilddrüsengruppe, 32 in der Hyperthyreose-Gruppe und 44 in der Hypothyreoid-Gruppe eingeschlossen, die alle die berechnete Mindeststichprobengröße überschritten. Diese Stichprobengrößen stellten eine statistische Stärke von über 80 % bei den Primäranalysen sicher. Um die Robustheit der Analyse weiter zu bewerten, wurde die minimal nachweisbare Effektgröße für TG mit 0,52 berechnet, was niedriger war als die beobachtete Effektgröße von 0,594. Diese Ergebnisse zeigten, dass die vorliegende Studie ausreichend sensibel war, um klinisch relevante Unterschiede zwischen den Gruppen zu erkennen.

Statistische Analyse
Potenzielle Störfaktoren in den Ausgangswerten wurden mittels logistischer Regressionsanalyse kontrolliert. Die Normalität der Daten wurde mit dem Shapiro–Wilk-Test bewertet, und die Homogenität der Varianzen wurde mit dem Levene-Test bewertet. Kontinuierliche Variablen mit Normalverteilungen und homogenen Varianzen wurden als Mittelwert ± Standardabweichung (SD) angegeben. Vergleiche zwischen den Gruppen wurden mittels Einweg-Varianzanalyse (ANOVA) durchgeführt, gefolgt von der Bonferroni-Korrektur für mehrere Vergleiche. Nichtnormalverteilte Variablen wurden als Median (Interquartilbereich) ausgedrückt und mit dem Kruskal–Wallis-H-Test analysiert. Kategoriale Variablen wurden als Zahlen (Prozente) präsentiert und mit dem Chi-Quadrat-Test verglichen. Korrelationen zwischen Schilddrüsenfunktionsindikatoren, Lipidprofilen und metabolischen Parametern wurden gegebenenfalls mittels Pearson- oder Spearman-Rangkorrelationsanalysen bewertet. Variablen mit p < 0,05 in der univariaten Analyse wurden in multivariate logistische Regressionsmodelle einbezogen, um unabhängige Risikofaktoren für Schilddrüsenfunktionsstörungen zu identifizieren. Alle statistischen Tests waren beidseitig, und p. < 0,05 wurde als statistisch signifikant angesehen.

Ergebnisse

Krankheitsverbreitung
Von den 300 in der Studie eingeschlossenen Teilnehmern wurde bei 76 eine Schilddrüsenfunktionsstörung diagnostiziert, was 25,33 % der Gesamtpopulation der Studie entspricht. Diese Untergruppe umfasste 32 Fälle von Hyperthyreose (10,67 %) und 44 Fälle von Hypothyreose (14,67 %). Zusätzlich wurde bei 120 Teilnehmern (40,00 %) eine Dyslipidämie festgestellt, während bei 130 Teilnehmern (43,33 %) eine metabolische Abnormität festgestellt wurde (Tabelle 1).

Basismerkmale
Vergleiche der Ausgangsmerkmale zwischen den Gruppen Euthyroid, Hyperthyreoid und Hypothyroid zeigten statistisch signifikante Unterschiede im Alter und im Body-Mass-Index (BMI) (beide p < 0,001). Die Teilnehmer in der Hypothyreoid-Gruppe waren jünger und wiesen einen höheren mittleren BMI auf als die in der Euthyroid-Gruppe. Es wurden keine statistisch signifikanten Unterschiede zwischen den drei Gruppen hinsichtlich Geschlechtsverteilung, Prävalenz von Bluthochdruck und Diabetes mellitus, Rauchstatus, Alkoholkonsum, Bewegungshäufigkeit, Ernährungsgewohnheiten, familiärer Vorgeschichte von Schilddrüsenerkrankungen, Jod-Ernährungsstatus, häufiger Herz-Kreislauf-Erkrankung oder lipidsenkender Medikamentennutzung beobachtet (alle S. > 0,05) (Tabelle 2).

Schilddrüsenfunktionsindizes
Wie in Tabelle 3 gezeigt, waren die Serum-Schilddrüsenstimulierenden Hormonspiegel (TSH) in der Hyperthyreoid-Gruppe signifikant niedriger als in der Euthyroid-Gruppe (p < 0,05), während freie Triiodothyronin (FT3) und freie Thyrosin (FT4) signifikant erhöht waren (beide p < 0,05). Im Gegensatz dazu zeigten die Teilnehmer der Hypothyreose-Gruppe signifikant erhöhte TSH-Werte und signifikant reduzierte FT3- und FT4-Werte im Vergleich zur Euthyroid-Gruppe (alle p. < 0,05).

Blutlipidindizes
Die Lipidprofile der Teilnehmer unterschieden sich signifikant je nach Schilddrüsenfunktion, wie in Tabelle 4 gezeigt. Im Vergleich zur Euthyroid-Gruppe zeigte die Hyperthyreose-Gruppe signifikant niedrigere Gesamtcholesterinwerte (TC), Triglyzeride (TG) und niedrigdichte Lipoprotein-Cholesterinwerte (LDL-C), während die hochdichten Lipoprotein-Cholesterinwerte (HDL-C) signifikant erhöht waren (alle p < 0,05). Umgekehrt zeigte die Hypothyreose-Gruppe signifikant erhöhte TC-, TG- und LDL-C-Werte, begleitet von signifikant reduzierten HDL-C-Werten im Vergleich zur Euthyroid-Gruppe (alle p. < 0,05). Diese Ergebnisse deuten auf einen engen Zusammenhang zwischen Schilddrüsenfunktionsstörungen und abnormem Lipidstoffwechsel hin.

Metabolische Funktionsindizes
Wie in Tabelle 5 dargestellt, waren die Nüchternblutzucker- (FBG) und systolischen Blutdruckwerte (SBP) in der Hyperthyreose-Gruppe im Vergleich zur Euthyroid-Gruppe leicht erhöht, während der Taillenumfang (WC) und der diastolische Blutdruck (DBP) signifikant reduziert waren (alle p < 0,05). Im Gegensatz dazu zeigten die Teilnehmer der Hypothyreose-Gruppe signifikant erhöhte FBG-, WC-, SBP- und DBP-Werte im Vergleich zur Euthyroid-Gruppe (alle p. < 0,05). Diese Ergebnisse deuten darauf hin, dass eine Schilddrüsenfunktionsstörung mit systemischen Stoffwechselstörungen und Auffälligkeiten im Glukosestoffwechsel, der Blutdruckregulation und der Körperzusammensetzung in Verbindung steht.

Korrelationsanalyse
Korrelationsanalysen sind in Abbildung 2 zusammengefasst. Serum-TSH-Werte zeigten starke positive Korrelationen mit TC-, TG- und LDL-C-Werten (r > 0,7), moderate positive Korrelationen mit FBG-, WC-, SBP- und DBP-Werten (0,4 < r ≤ 0,7) sowie eine schwache negative Korrelation zu HDL-C-Werten (|r| < 0,4). Im Gegensatz dazu zeigten FT3- und FT4-Werte moderate negative Korrelationen mit TC-, TG- und LDL-C-Werten (0,4 < |r| ≤ 0,7) und moderate positive Korrelationen mit HDL-C-Werten (0,4 < r ≤ 0,7). FT3-Werte zeigten schwache negative Korrelationen mit WC- und DBP-Werten (|r| < 0,4). FT4-Spiegel korrelierten moderat negativ mit WC (r = -0,45) und schwach negativ mit DBP (r. = -0,35). Diese Ergebnisse deuten darauf hin, dass abnormale Schilddrüsenhormonspiegel mit Störungen des Lipidstoffwechsels und der metabolischen Homöostase in Verbindung stehen könnten.

Multivariate logistische Regressionsanalyse unabhängiger Risikofaktoren für Schilddrüsenfunktionsstörungen
Die multivariate logistische Regressionsanalyse wurde nach Anpassung an Alter und BMI durchgeführt (Abbildung 3). Dyslipidämie wurde als unabhängiger Risikofaktor für eine Schilddrüsenfunktionsstörung identifiziert (B = 0,742, S. < 0,001, Odds Ratio [OR] = 2,10, 95%-Konfidenzintervall [KI]: 1,69–2,61). Teilnehmer mit Dyslipidämie zeigten ein um das 2,10-fach erhöhtes Risiko für Schilddrüsenfunktionsstörungen im Vergleich zu Teilnehmern ohne Dyslipidämie. Die metabolische Anomalie wurde ebenfalls als unabhängiger Risikofaktor für eine Schilddrüsenfunktionsstörung identifiziert (B = 0,588, S. < 0,001, OR = 1,80, 95%-KI: 1,52–2,14). Teilnehmer mit Stoffwechselauffälligkeiten zeigten ein um 1,80-fach höheres Risiko für Schilddrüsenfunktionsstörungen als Personen mit normalem Stoffwechselstatus.

DATENVERFÜGBARKEIT:
Alle während dieser Studie generierten oder analysierten Daten sind in diesem Artikel enthalten. Die Daten, die die Ergebnisse dieser Studie stützen, werden als Supplemental File 1 bereitgestellt.

Abbildung 1: Studienflussdiagramm. In dieser Studie wurden zunächst 305 Patienten untersucht. Nach Ausschlüssen wurden 300 Fälle eingeschlossen: 224 in der Euthyroid-Gruppe, 32 in der Hyperthyreose-Gruppe und 44 in der Hypothyreose-Gruppe. Abkürzungen: TC = Gesamtcholesterin; TG = Triglyzerid; HDL-C = hochdichtes Lipoprotein-Cholesterin; LDL-C = Lipoprotein-Cholesterin mit niedriger Dichte; FBG = Nüchternblutzucker; WC = Taillenumfang; SBP = systolischer Blutdruck; DBP = diastolischer Blutdruck; TSH = schilddrüsenstimulierendes Hormon; FT3 = freies Triiodothyronin; FT4 = freies Thyroxin. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 2: Korrelationsanalyse zwischen verschiedenen Indikatoren. Diese Heatmap zeigt die Pearson-Korrelationskoeffizienten zwischen den Schilddrüsenfunktionsparametern (TSH, FT3, FT4) und metabolischen Indikatoren (TC, TG, HDL-C, LDL-C, FBG, WC, SBP, DBP). Der Farbverlauf von Grün zu Lila stellt Korrelationskoeffizienten von -1,0 bis 1,0 dar, wobei Grün negative Korrelationen, Lila positive Korrelationen und die Farbintensität die Größe des Korrelationskoeffizienten widerspiegelt. Der Korrelationskoeffizient für jedes Variablenpaar wird innerhalb der entsprechenden Zelle dargestellt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 3: Walddiagramm unabhängiger Risikofaktoren für Schilddrüsenfunktionsstörungen. Dieses Waldplot präsentiert die Ergebnisse einer multivariaten logistischen Regressionsanalyse, die die Zusammenhänge zwischen verschiedenen Indikatoren und dem interessanten Ergebnis bewertet. Die horizontale Achse zeigt das OR mit 95 % KI an. Jeder Indikator wird durch eine Punktschätzung (OR-Wert) und eine horizontale Linie (95 % KI) dargestellt. Die vertikal gestrichelte Linie bei OR = 1,0 zeigt keinen Effekt an. Ein OR > 1,0 mit einem 95%-KI, das 1 nicht überschreitet, weist auf eine signifikante positive Assoziation mit dem Ergebnis hin, während ein OR < 1,0 mit 95%-KI, das nicht 1 überschreitet, eine signifikante negative Assoziation anzeigt. Die Tabelle links listet die Indikatoren, p.-Werte, OR-Werte und entsprechende 95%-KIs auf. Abkürzungen: OR = Odds Ratio; CI = Konfidenzintervall; BMI = Body-Mass-Index. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Indikatoren	Schilddrüsenfunktionsstörung n (%)	Hyperthyreose n (%)	Hypothyreose n (%)	Dyslipidämie n (%)	Metabolische Auffälligkeiten n (%)
Gesamt (n = 300)	76 (25.33)	32 (10.67)	44 (14.67)	120 (40.00)	130 (43.33)

Tabelle 1: Verteilungsmerkmale der Schilddrüsenfunktion, Dyslipidämie und metabolischer Auffälligkeiten. Diese Tabelle zeigt die Verteilung von Schilddrüsenfunktionsstörungen (einschließlich Hyperthyreose und Hypothyreose), Dyslipidämie und metabolischen Auffälligkeiten in der Gesamtpopulation (n = 300). Die Daten werden als Anzahl der Fälle (n) und entsprechende Prozentsätze (%) angegeben. Schilddrüsenfunktionsstörung wurde als das Vorhandensein entweder von Hyperthyreose oder Hypothyreose definiert. Dyslipidämie und metabolische Auffälligkeiten wurden nach vordefinierten klinischen Kriterien diagnostiziert.

Indikatoren	Euthyroidgruppe (n = 224)	Hyperthyreoidgruppe (n = 32)	Hypothyreosegruppe (n = 44)	p	ODER	95%-KI für OR
Alter (Jahre, Mittelwert ± SD)	53.04 ± 3.07	53,69 ± 3,14	49,86 ± 4,28	< 0,001	0.77	0.69, 0.85
Geschlecht n (%)				0.945	1.02	0.53, 1.97
Männlich	98 (43.75)	14 (43.75)	19 (43.18)
Weiblich	126 (56.25)	18 (56.25)	25 (56.82)
BMI (kg/m2, Mittelwert ± SD)	23,88 ± 1,08	23.78 ± 1.36	25.64 ± 1.24	< 0,001	3.36	2.51, 5.27
Bluthochdruck n (%)	65 (29.02)	8 (25.00)	16 (36.36)	0.333	0.72	0.36, 1.41
Diabetes n (%)	21 (9.38)	4 (12.50)	7 (15.91)	0.201	0.55	0.22, 1.38
Rauchen n (%)	51 (22.77)	7 (21.88)	12 (27.27)	0.52	0.79	0.38, 1.64
Trinken n (%)	48 (21.43)	6 (18.75)	11 (25.00)	0.602	0.82	0.39, 1.74
Bewegungshäufigkeit				0.235	1.2	0.89, 1.64
≥ 3 Mal pro Woche n (%)	68 (30.36)	11 (34.38)	10 (22.73)
1–2 Mal pro Woche n (%)	82 (36.61)	12 (37.50)	15 (34.09)
Gelegentlich n (%)	39 (17.41)	5 (15.63)	11 (25.00)
Niemals n (%)	35 (15.63)	4 (12.50)	8 (18.18)
Ernährungsgewohnheiten				0.875	1.03	0.69, 1.55
Leichte Diät n (%)	85 (37.95)	13 (40.63)	15 (34.09)
Salzige Diät n (%)	79 (35.27)	10 (31.25)	18 (40.91)
Ölige Ernährung n (%)	60 (26.79)	9 (28.13)	11 (25.00)
Familiengeschichte von Schilddrüsenerkrankungen n (%)	17 (7.59)	3 (9.38)	5 (11.36)	0.408	1.56	0.54, 4.48
Jod-Nährwertstatus n (%)				0.561	1.409	0.443, 4.479
Ausreichendes Jod	186 (83.0)	24 (75.0)	33 (75.0)
Jodmangel	22 (9.8)	5 (15.6)	7 (15.9)
Übermäßiges Jod	16 (7.2)	3 (9.4)	4 (9.1)
Vorverbreitete Herz-Kreislauf-Erkrankung n (%)	32 (14.3)	3 (9.4)	9 (20.5)	0.301	1.543	0.678, 3.512
Verwendung von lipidsenkenden Medikamenten n (%)	25 (11.2)	2 (6.3)	8 (18.2)	0.2	1.769	0.740, 4.229

Tabelle 2: Klinische Ausgangsdaten. Diese Tabelle fasst die demografischen, klinischen und Lebensstilmerkmale der Teilnehmer zusammen, geschichtet nach Schilddrüsenfunktionsstatus: Euthyroid (n = 224), Hyperthyroid (n = 32) und Hypothyroid (n = 44). Kontinuierliche Variablen (Alter, BMI) werden als Mittelwert ± SD dargestellt. Kategoriale Variablen (Geschlecht, Bluthochdruck, Diabetes, Rauchen, Alkoholkonsum, Bewegungshäufigkeit, Ernährungsgewohnheiten, familiäre Vorgeschichte von Schilddrüsenerkrankungen, Jod-Ernährungsstatus, häufige Herz-Kreislauf-Erkrankungen und lipidsenkende Medikamentennutzung) werden als Anzahl der Fälle und entsprechende Prozentsätze (n, %) angegeben. Zwischengruppenvergleiche wurden mit geeigneten statistischen Tests durchgeführt (ANOVA für kontinuierliche Variablen,^χ-2-Test für kategoriale Variablen), und die resultierenden p.-Werte, OR sowie 95%-KI für die Assoziation jedes Indikators mit einer Schilddrüsenfunktionsstörung wurden berichtet. Abkürzungen: OR = Odds Ratio; CI = Konfidenzintervall; BMI = Body-Mass-Index; SD = Standardabweichung.

Indikatoren	Euthyroidgruppe (n = 224)	Hyperthyreoidgruppe (n = 32)	Hypothyreosegruppe (n = 44)	p	Effektgröße (η²)
TSH (mIU/L)	2.13 ± 0.31	0,18 ± 0,09a	8,80 ± 0,96a	< 0,001	0.969
FT3 (pmol/L)	4,41 ± 0,53	8,86 ± 0,94a	2,92 ± 0,26a	< 0,001	0.884
FT4 (pmol/L)	16.38 ± 1.16	28,76 ± 0,93a	10,22 ± 0,65a	< 0,001	0.95

Tabelle 3: Vergleich der Schilddrüsenfunktionsindikatoren (Mittelwert ± SD). Alle Parameter der Schilddrüsenfunktion werden als Mittelwert ± SD dargestellt. Für den Vergleich zwischen den Gruppen wurde eine Einweganalyse der Varianz verwendet. Das teilweise Eta-Quadrat (η²) wurde berechnet, um die Effektgröße widerzuspiegeln. ^einp. < 0,05 gegenüber der Euthyroid-Gruppe. Abkürzungen: TSH = schilddrüsenstimulierendes Hormon; FT3 = freies Triiodothyronin; FT4 = freies Thyroxin.

Indikatoren	Euthyroidgruppe (n = 224)	Hyperthyreoidgruppe (n = 32)	Hypothyreosegruppe (n = 44)	p	Effektgröße (η²)
TC (mmol/L)	4,83 ± 0,32	3,85 ± 0,32a	6,15 ± 0,32a	< 0,001	0.78
TG (mmol/L)	1.48 ± 0.26	0,97 ± 0,25a	2,17 ± 0,25a	< 0,001	0.594
HDL-C (mmol/L)	1.18 ± 0.26	1,39 ± 0,25a	0,87 ± 0,25a	< 0,001	0.218
LDL-C (mmol/L)	2,74 ± 0,31	2,15 ± 0,32a	3,75 ± 0,32a	< 0,001	0.653

Tabelle 4: Vergleich der Blutlipidindikatoren (Mittelwert ± SD). Die Daten werden als Mittelwert ± SD angegeben. Einweg-ANOVA wurde für den Vergleich zwischen den Gruppen angewendet, und das partielle ETA-Quadrat (η²) wurde als Effektgröße berechnet. ^einp. < 0,05 gegenüber der Euthyroid-Gruppe. Abkürzungen: TC = Gesamtcholesterin; TG = Triglyzerid; HDL-C = hochdichtes Lipoprotein-Cholesterin; LDL-C = Lipoprotein-Cholesterin mit niedriger Dichte.

Indikatoren	Euthyroidgruppe (n = 224)	Hyperthyreoidgruppe (n = 32)	Hypothyreosegruppe (n = 44)	p	Effektgröße (η²)
FBG (mmol/L)	5.34 ± 0.31	5,55 ± 0,32a	6,15 ± 0,32a	< 0,001	0.458
WC (cm)	84.35 ± 3.11	79,5 ± 3,18a	89,50 ± 3,19a	< 0,001	0.395
SBP (mmHg)	125.37 ± 3.11	127,50 ± 3,18a	134,50 ± 3,19a	< 0,001	0.514
DBP (mmHg)	77.35 ± 3.11	73,50 ± 3,18a	81,50 ± 3,19a	< 0,001	0.295

Tabelle 5: Vergleich der Indikatoren für metabolische Funktionen (Mittelwert ± SD). Alle Daten werden als Mittelwert ± SD dargestellt. Einweg-ANOVA wurde für den Vergleich zwischen den Gruppen verwendet, und ein partielles ETA-Quadrat (η²) wurde berechnet, um die Effektgröße zu beurteilen. ^einp. < 0,05 gegenüber der Euthyroid-Gruppe. Abkürzungen: FBG = Nüchternblutzucker; WC = Taillenumfang; SBP = systolischer Blutdruck; DBP = diastolischer Blutdruck.

Ergänzende Akte 1: Rohdaten zur Analyse von Schilddrüsenfunktionsstörungen, Dyslipidämie und metabolischen Risikofaktoren. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Diskussion

Insgesamt wurden 300 Bewohner, die routinemäßigen körperlichen Untersuchungen unterzogen wurden, an dieser Studie teilgenommen; 74,67 % hatten eine normale Schilddrüsenfunktion, 10,67 % wurden mit Hyperthyreose diagnostiziert und 14,66 % mit Schilddrüsenunterfunktion. Diese Zahlen zeigen, dass eine Schilddrüsenfunktionsstörung in der allgemeinen Gesundheitsuntersuchungspopulation eine relativ hohe Prävalenz aufweist, was sie zu einer bemerkenswerten Krankheitskategorie macht, die bei der Prävention und Kontrolle chronischer Krankheiten auf Gesundheitsuntersuchungsebene nicht übersehen werden kann. Ergebnisse der univariaten Analyse zeigten, dass die Hyperthyreose-Gruppe signifikant niedrigere TSH-Werte aufwies, aber deutlich erhöhte FT3- und FT4-Werte im Vergleich zur Euthyroid-Gruppe; Die Hypothyreose-Gruppe hingegen zeigte bei diesen Indizes einen völlig gegenteiligen Trend, ein Befund, der mit den typischen pathophysiologischen Merkmalen der Schilddrüsenfunktionsstörung übereinstimmt. Bezüglich der Lipidprofile zeigte die Hyperthyreose-Gruppe reduzierte TC-, TG- und LDL-C-Werte mit erhöhtem HDL-C, während die Hypothyreose-Gruppe erhöhte TC-, TG- und LDL-C-Werte sowie einen niedrigeren HDL-C aufwies. Die Analyse der stoffwechselbezogenen Indizes zeigte, dass die Hyperthyreose-Gruppe einen etwas höheren FBG-Spiegel, reduzierte WC- und DBP-Werte sowie einen leichten Anstieg des SBP im Vergleich zur Euthyroid-Gruppe aufwies; Im starken Gegensatz dazu waren alle vier Indizes (FBG, WC, SBP und DBP) in der Hypothyreose-Gruppe signifikant erhöht. Die Pearson-Korrelationsanalyse bestätigte zudem, dass abnormale Schwankungen der Schilddrüsenhormonspiegel mit Aberrationen in Blutlipid- und Stoffwechselindizes assoziiert sind. Letztlich bestätigte die multivariate logistische Regressionsanalyse, dass Dyslipidämie und metabolische Anomalie als unabhängige Risikofaktoren für die Entwicklung einer Schilddrüsenfunktionsstörung wirken können, was die engen Korrelationen zwischen diesen drei Erkrankungen weiter bestätigt. Der Zusammenhang zwischen Schilddrüsenfunktionsstörung, Dyslipidämie und metabolischem Risiko ist wahrscheinlich eng mit der zentralen regulatorischen Rolle der Schilddrüsenhormone im systemischen Stoffwechsel verbunden. Als zentrale metabolische Regulationshormone im menschlichen Körper beeinträchtigt eine abnormale Sekretion von Schilddrüsenhormonen direkt den Lipid- und Glukosestoffwechsel sowie die kardiovaskuläre Funktion und löst so eine Lipiddysregulation und metabolische Anomalien aus. Dies ist vermutlich der Kernmechanismus, der den Korrelationen zwischen den drei oben genannten Bedingungen zugrunde liegt.

Bei einer Hypothyreose schwächen erhöhte TSH-Werte, begleitet von niedrigeren FT3- und FT4-Werten, die stimulierende Wirkung der Schilddrüsenhormone auf den Lipidstoffwechsel, was zu erhöhter Lipogenese und verminderter Lipolylyse führt. Dies wiederum führt zur Ansammlung von TC, TG und LDL-C im Körper, hemmt die Synthese und den Stoffwechsel von HDL-C, was zu einem Rückgang der HDL-C-Spiegel und letztlich zur Entwicklung von Hyperlipidämie^25,26 führt. Im Hinblick auf den Glukosestoffwechsel kann eine unzureichende Sekretion von Schilddrüsenhormonen die Insulinsensitivität beeinträchtigen und die Aufnahme sowie Nutzung von Glukose durch periphere Gewebe verringern, was zu erhöhten FBG-Spiegeln²⁷ beiträgt. Gleichzeitig kann ein verlangsamter Stoffwechsel zu einem reduzierten Energieverbrauch und Fettansammlung führen, was den WC weiter erhöht. Angesichts des engen Zusammenhangs zwischen Fettleibigkeit und erhöhtem Blutdruck führen diese Veränderungen letztlich zu einem Anstieg sowohl der SBP- als auch der DBP-Spiegel, wodurch ein Teufelskreis der metabolischen Dysfunktion^entsteht. Der Mechanismus, der der Verbindung zwischen Hyperthyreose und Dyslipidämie/metabolischer Anomalie zugrunde liegt, ist vermutlich das Gegenteil von der Hypothyreose: Bei Hyperthyreose verstärken erhöhte FT3- und FT4-Spiegel mit niedrigem TSH die förderliche Wirkung von Schilddrüsenhormonen auf den Lipidstoffwechsel, beschleunigen Lipolyse und Fettoxidation und hemmen die Lebercholesterinsynthese. Dies führt folglich zu sinkenden TC-, TG- und LDL-C-Werten, und als kardioprotektives Cholesterin durchläuft HDL-C einen beschleunigten Stoffwechsel, was zu seinem erhöhten Wert^{von 29,30} beitragen kann. Bei Hyperthyreose kann ein beschleunigter systemischer Stoffwechsel die Insulinsekretion anregen, was zu einem leichten kurzfristigen Anstieg der FBG-Spiegel führt. Gleichzeitig kann ein erhöhter Energieverbrauch zu Gewichtsverlust und reduziertem WC führen, während die erregende Wirkung der Schilddrüsenhormone auf das Herz-Kreislauf-System Tachykardie und Vasokonstriktion verursachen kann, was zu einer leichten Erhöhung des SBP und einem Rückgang des DBP führt. Dieses Muster hämodynamischer Veränderungen könnte mit erhöhter Aktivität des sympathischen Nervs bei Hyperthyreose in Verbindung stehen, doch der spezifische zugrunde liegende Mechanismus muss noch^{weiter untersucht werden.}

In einer retrospektiven Studie, die in Saudi-Arabien³³ durchgeführt wurde, präsentierten Patienten mit subklinischer Hypothyreose erhöhte TC-Werte und niedrigere HDL-C-Werte, ein Befund, das weitgehend mit den Ergebnissen der vorliegenden Studie übereinstimmt. Eine weitere Studie, die sich auf Patienten mit Hyperthyreose^{konzentrierte} , berichtete von verringerten TC-, LDL-C- und TG-Werten bei Patienten mit Hyperthyreose im Vergleich zu gesunden Personen, was ebenfalls mit den Forschungsergebnissen übereinstimmt. Im Gegensatz dazu fand eine kontrollierte Studie³⁵ heraus, dass nur LDL-C-Spiegel bei älteren Patienten mit subklinischer Hypothyreose signifikant erhöht waren, ohne offensichtliche Auffälligkeiten bei TC, TG und HDL-C. Dieses Ergebnis unterscheidet sich von unserer Studie, in der mehrere Lipidindizes in der Hypothyreose-Gruppe verändert wurden, was darauf hindeutet, dass das Alter ein wichtiger Faktor für den Zusammenhang zwischen Hypothyreose und Dyslipidämie sein könnte. Bemerkenswert ist, dass die vorliegende Studie keinen primären Schwerpunkt auf die Analyse der Auswirkungen der Altersstratifizierung legt.

Diese Studie etablierte innovativ ein umfassendes Indikatorsystem, das die Kernparameter der Schilddrüsenfunktion, Blutlipide und Stoffwechsel umfasst. Sie untersuchte nicht nur die allgemeinen Zusammenhänge zwischen Schilddrüsenfunktionsstörungen, Dyslipidämie und metabolischen Auffälligkeiten, sondern quantifizierte auch die Stärke der Korrelationen zwischen einzelnen Indikatoren mittels Korrelationsanalyse. Die Ergebnisse sind daher wissenschaftlicher und gezielter und können genaue Referenzen für das Krankheitsscreening und die Intervention liefern.

Die vorliegenden Ergebnisse haben praktische Auswirkungen auf die klinische Praxis, Präventivmedizin und das Management der öffentlichen Gesundheit. Die kombinierte Erkennung der Schilddrüsenfunktion kann auf die routinemäßige Risikobewertung des Stoffwechsels angewendet werden und dient als effektives Hilfsinstrument für die klinische Screening von Stoffwechselerkrankungen. Die frühzeitige Erkennung koexistierender Schilddrüsen- und Stoffwechselauffälligkeiten erleichtert zudem eine rechtzeitige Intervention bei metabolischen Syndromen und verbessert die Effizienz der Krankheitsprävention in gefährdeten Populationen. Darüber hinaus trägt die Integration der Schilddrüsen- und Stoffwechselindikatorenbewertung in die regelmäßigen Gesundheitsuntersuchungen dazu bei, das Screeningsystem für chronische Krankheiten für die Bewohner der Gemeinde zu optimieren und größere Vorteile für die öffentliche Gesundheit zu erzielen. Im Kontext der personalisierten Intervention können individuelle Schilddrüsen-Stoffwechselprofile genutzt werden, um gezielte Managementstrategien zu formulieren, die eine individuelle Versorgung für Menschen mit metabolischen und schilddrüsenbezogenen Erkrankungen voranbringen.

Obwohl diese Studie bestimmte Forschungsergebnisse hervorgebracht hat, gibt es dennoch einige Einschränkungen, die in späteren Studien angegangen werden müssen. Zuallererst handelte es sich um eine retrospektive Studie, die die Korrelationen zwischen den drei Erkrankungen ausschließlich anhand von Querschnittsdaten der körperlichen Untersuchung untersuchte; Ein solches Design kann keine kausale Beziehung zwischen ihnen bestätigen, noch die dynamischen Veränderungen bei Schilddrüsenfunktionsstörungen, Dyslipidämie und metabolischen Auffälligkeiten erfassen, was die Genauigkeit der Studienschlussfolgerungen beeinträchtigen könnte. Zweitens führte diese Studie keine Subgruppenanalyse der subklinischen und offensichtlichen Schilddrüsenfunktionsstörungen durch, wodurch Unterschiede in Dyslipidämie und metabolischen Risikomerkmalen zwischen den beiden Arten von Schilddrüsenauffälligkeiten nicht verglichen wurden, wodurch die Neuheit und Tiefe der Forschungsergebnisse geschwächt wurden. Drittens hatte die Studie eine relativ kleine Stichprobe und rekrutierte ausschließlich Probanden aus einer einzigen körperlichen Untersuchungsgruppe; Dies begrenzt die Repräsentativität der Stichprobe und möglicherweise die Generalisierung auf die gesamte Gesundheitsuntersuchungspopulation. Insbesondere können die Korrelationsmerkmale zwischen Gesundheitsuntersuchungsgruppen mit unterschiedlichen geografischen Hintergründen, Altersstrukturen und Lebensgewohnheiten variieren. Viertens, obwohl während der Studie allgemeine demografische Daten der Teilnehmer erhoben wurden, wurden mehrere potenzielle Störfaktoren nicht vollständig berücksichtigt, was wiederum die Genauigkeit der Studienergebnisse beeinflussen könnte. Schließlich untersuchte diese Studie nur die Zusammenhänge zwischen Schilddrüsenfunktionsstörungen und Dyslipidämie oder metabolischem Risiko, ohne die zugrundeliegenden molekularen Mechanismen eingehend zu untersuchen; Es wurde zudem die unterschiedlichen Auswirkungen unterschiedlicher Schwere der Schilddrüsendysfunktion auf Blutlipid- und Stoffwechselindizes nicht analysiert, was darauf hindeutet, dass die Tiefe der Forschung weiter ausgebaut werden muss.

Um die genannten Einschränkungen zu beheben, sollten prospektive Kohortenstudien durchgeführt werden. Die Stichprobengröße wird erweitert und die Nachbeobachtungszeit verlängert, um dynamische Veränderungen in der Schilddrüsenfunktion, Blutlipiden und metabolischen Indizes bei den Teilnehmern zu verfolgen, wodurch die kausalen Zusammenhänge zwischen den drei Erkrankungen geklärt werden. Der Forschungsbereich wird erweitert, um Teilnehmer aus mehreren Gemeinschaften unterschiedlicher Art in verschiedenen Regionen einzubeziehen, wodurch die Repräsentativität und Generalisierbarkeit der Studienergebnisse verbessert werden. Darüber hinaus werden die Auswirkungen verschiedener Störfaktoren vollständig berücksichtigt, weitere potenzielle Störfaktoren in das Studiendesign einbezogen und strengere statistische Methoden zur Kontrolle von Störfaktoren eingesetzt, wodurch die Genauigkeit der Forschungsergebnisse verbessert wird. Zusätzlich sollten vertiefte Untersuchungen der molekularen Mechanismen durchgeführt werden, die den Zusammenhängen zwischen Schilddrüsenfunktionsstörung und Dyslipidämie oder metabolischem Risiko zugrunde liegen; Gleichzeitig werden die unterschiedlichen Auswirkungen einer Schilddrüsenfunktionsstörung mit unterschiedlicher Schwere und Krankheitsdauer auf Blutlipid- und Stoffwechselindizes analysiert, um eine tiefgehendere theoretische Unterstützung für die präzise Behandlung dieser Erkrankungen zu bieten.

In der Patientengruppe besteht ein starker Zusammenhang zwischen Schilddrüsenfunktionsstörungen und Dyslipidämie oder anderen metabolischen Auffälligkeiten. Dyslipidämie und metabolische Auffälligkeiten können als eigenständige Risikofaktoren für die Entwicklung einer Schilddrüsenfunktionsstörung dienen, und Blutlipide sowie stoffwechselbezogene Indizes können als Referenzindikatoren für Screening und Intervention bei Schilddrüsenfunktionsstörungen dienen. Dennoch müssen die Studienergebnisse weiterhin durch Multi-Center-, Großstichproben- und Prospektivstudien weiter überprüft und verfeinert werden.

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
Automatisches Biochemie-Analysator	Roche Diagnostics GmbH	cobas 8000	Lipidprofile einschließlich TC, TG, HDL-C, LDL-C und FBG wurden bestimmt.
Automatischer Chemilumineszenz-Immunoassay-Analysator	Roche Diagnostics GmbH	cobas 6000 e 601	Schilddrüsenfunktionsindikatoren einschließlich TSH, FT3 und FT4 wurden gemessen.
Zentrifuge	Shanghai Anting Scientific Instrument Factory	LXJ-IIB	Zentrifugieren Sie die Blutprobe, um Serum zu trennen.
Elektronisches Blutdruckmessgerät	A&D Electronics (Shenzhen) Co.,Ltd.	TM-2656VP	Blutdruck messen.
FT3-Assay-Kit	Abbott Laboratories	03P6030	FT3 messen
FT4-Assay-Kit	Abbott Laboratories	03P6040	FT4 messen
Glukose-Assay-Kit	Roche Diagnostics	04718667190	FBG messen
HDL-C-Kit	Roche Diagnostics	04718900190	HDL-C messen
LDL-C-Kit	Roche Diagnostics	04718918190	LDL-C messen
Professionelles medizinisches Weichband	Shanghai Yiren Medical Equipment Co., Ltd.	YC-R01	WC messen
SPSS-Software	IBM	SPSS 27.0	Statistische Analyse
Statistische Software	Heinrich - Heine - Universität Düsseldorf	G*Power 3.1.9.7	Stichprobengrößenberechnung
TC-Kit	Roche Diagnostics	04718888190	TC messen
TG-Kit	Roche Diagnostics	04718896190	TG messen
TSH-Assay-Kit	Abbott Laboratories	03P6020	TSH messen