È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo di ricerca

Associazioni tra proteine C reattive ad alta sensibilità sierica (hs-CRP) e resistenza all'insulina con insufficienza renale precoce nel diabete di tipo 2

38 visualizzazioni

⸱

DOI:

10.3791/70993

⸱

4 agosto 2026

 ,  ,  , 
1Department of Endocrinology, Baoquanling Hospital of Beidahuang Group

* These authors contributed equally

In questo articolo

Sommario

In uno studio retrospettivo trasversale su 126 pazienti con diabete di tipo 2 ed eGFR preservato, hs-CRP nel campione complessivo e HOMA-IR nel sottogruppo senza insulina esogena sono stati associati indipendentemente a ln-UACR, hanno mostrato schemi dose-risposta e sono rimasti coerenti nelle analisi di sensibilità. Ciò suggerisce una possibile rilevanza per la valutazione precoce del rischio renale.

Abstract

La malattia renale diabetica precoce nel diabete di tipo 2 è caratterizzata da un aumento dell'escrezione di albumina urinaria nonostante il tasso di filtrazione glomerulare (eGFR) stimato mantenuto. I ruoli dell'infiammazione sistemica e della resistenza all'insulina in questa fase rimangono incompletamente definiti. Questo studio ha valutato le associazioni tra proteine C-reattive ad alta sensibilità (hs-CRP) e resistenza all'insulina (HOMA-IR) con insufficienza renale precoce. In questo studio retrospettivo a sezione trasversale monocentrico, sono stati inclusi 126 pazienti con diabete di tipo 2 ed eGFR ≥60 mL/min/1,73m2 ; I pazienti che non utilizzavano insulina esogena formavano un sottogruppo (n=97). L'esito primario è stato il rapporto albumina-creatinina urina trasformato in log-transformazione naturale (LN-UACR). Le associazioni sono state valutate utilizzando correlazione di Spearman e regressione lineare multivariabile aggiustata per età, sesso, durata del diabete, pressione sistolica e emoglobina glicata (HbA1c). Sono stati inoltre esaminati i rapporti dose-risposta, gli effetti dell'esposizione congiunta, gli esiti surrogati e le analisi di sensibilità. Le analisi statistiche sono state effettuate utilizzando R (versione 4.3.2). Ln-UACR è stata positivamente correlata con hs-CRP nel campione complessivo (ρ=0,28, p=0,001) e con HOMA-IR nel sottogruppo (ρ=0,26, p=0,009). Dopo l'aggiustamento, hs-CRP è rimasto associato a ln-UACR sia nel campione complessivo (βstd=0,23) sia nel sottogruppo (βstd=0,22), e HOMA-IR è rimasto associato nel sottogruppo (βstd=0,17, p=0,018). Ln-UACR è aumentato attraverso i tertili di entrambe le esposizioni (p per la tendenza <0,01). Il gruppo con alto hs-CRP/alto HOMA-IR ha mostrato un aumento dell'LN-UACR rispetto al gruppo basso/basso (differenza media 0,64, IC 95% 0,37–0,88), senza interazione significativa (p=0,173). Le associazioni sono state coerenti tra gli esiti surrogati e le analisi di sensibilità. Nei pazienti con diabete di tipo 2 ed eGFR preservata, hs-CRP e HOMA-IR sono stati associati indipendentemente a marcatori di insufficienza renale precoce. Questi risultati suggeriscono una possibile rilevanza per la caratterizzazione precoce del rischio, anche se sono necessari studi prospettici per confermarne l'utilità clinica.

Introduzione

La malattia renale diabetica è una delle complicazioni croniche più comuni del diabetedi tipo 2 1. Nella sua fase iniziale, spesso è presente un aumento dell'escrezione di albumina urinaria mentre la velocità di filtrazione glomerulare stimata (eGFR) rimane preservata; con la progressione della malattia, l'eGFR diminuisce e i rischi di eventi cardiovascolari e morte aumentanosostanzialmente 2. Tuttavia, nella pratica clinica esistono significative lacune nella diagnosi precoce. I test di routine attualmente disponibili (inclusi creatinina sierica ed eGFR) possono sottovalutare la lesione renale precoce prima di una diminuzione misurabile dell'eGFR, mancando quindi di sensibilità ai danni strutturali precoci. Sebbene il rapporto albumina-creatinina (UACR) delle urine rifletta in modo più sensibile i cambiamenti precoci nella barriera di filtrazione glomerulare, non cattura i meccanismi infiammatori e resistenti all'insulina sottostanti che guidano la progressione dellaDKD 3. Pertanto, i marcatori attuali possono avere limitazioni nel caratterizzare pienamente i processi patologici precoci.

L'infiammazione cronica di basso grado e la resistenza all'insulina sono caratteristiche chiave del diabete di tipo 2 e sono strettamente correlate alla lesionemicrovascolare 4. La proteina C reattiva ad alta sensibilità (hs-CRP) è un marcatore comunemente utilizzato per l'infiammazione sistemica di basso grado ed è comodo per il follow-updi routine 5, mentre la valutazione della resistenza all'insulina (HOMA-IR) con modello omeostasi riflette la resistenza all'insulinaa digiuno 6. Rispetto alle misurazioni dirette delle citochine pro-infiammatorie (ad esempio, IL-6, TNF-α) o alla pinza iperinsulinemica-euglicemica di riferimento d'oro, hs-CRP e HOMA-IR sono economici, ampiamente disponibili e richiedono un solo campione di sangue di routine, rendendoli pratici per valutazioni su larga scala o ripetute nelle cure diabetiche. Studi esistenti hanno riportato associazioni tra hs-CRP o resistenza all'insulina con insufficienza renale, ma diversi problemi restano irrisolti. Alcuni studi hanno incluso popolazioni con funzione renale marcatamente ridotta o macroalbuminuria, rendendo difficile determinare se queste associazioni siano presenti anche allo stadio dieGFR 7,8 preservata. Inoltre, molti studi utilizzavano esiti renali dicotomici, che possono essere meno sensibili a cambiamenti precoci e sottili. La terapia insulinica influisce sull'interpretazione dell'insulina a digiuno, e una restrizione o stratificazione insufficiente tramite l'uso di insulina può limitare la comparabilità dei risultatiHOMA-IR 9. Poiché infiammazione e resistenza all'insulina sono intercorrelate, valutarle separatamente può trascurare il potenziale valore del loro fenotipo articolare; Le prove riguardanti i loro contributi indipendenti all'interno dello stesso modello, i modelli dose-risposta e la stratificazione articolare rimangonolimitate 10. I dati reali possono essere influenzati anche da differenze nel tipo di campione di urina e nella variabilità del saggio, e analisi di sensibilità descritte in modo insufficiente possono limitare la robustezza dei risultati.

Questo studio è stato progettato per i clinici che gestiscono pazienti con diabete di tipo 2 e eGFR preservato, e mirava a valutare l'insufficienza renale precoce utilizzando misure continue (UACR naturale trasformato in logaritmia) piuttosto che variabili binarie (Figura 1). L'uso di hs-CRP e HOMA-IR come esposizioni è stato particolarmente adatto per valutare i contributi indipendenti e articolari di infiammazione e resistenza all'insulina in una fase iniziale della malattia. Pertanto, l'obiettivo generale di questo studio era valutare sistematicamente le associazioni tra hs-CRP e HOMA-IR con UACR in una popolazione ben definita con diabete di tipo 2 con eGFR preservato, ed esaminare la robustezza di queste associazioni utilizzando esiti surrogati e analisi di sensibilità. In questo studio retrospettivo a sezione trasversale monocentrico, sono stati inclusi pazienti con diabete di tipo 2 ed eGFR ≥60 mL/min/1,73m2 . L'UACR naturale trasformato in logaritmia (ln-UACR) è stato utilizzato come risultato primario, mentre hs-CRP e HOMA-IR sono stati esaminati come principali esposizioni. Sono stati inoltre valutati i modelli dose-risposta e le associazioni articolari. Chiarire queste associazioni potrebbe aiutare a informare future ricerche su se hs-CRP e HOMA-IR possano essere inclusi nel monitoraggio di routine e potrebbe fornire ulteriore contesto per studi su interventi antinfiammatori o sensibilizzanti all'insulina in pazienti con diabete di tipo 2 ed eGFR preservata.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Questo studio retrospettivo è stato esaminato e approvato dal Comitato Etico Medico dell'Ospedale Baoquanling del Gruppo Beidahuang il 9 maggio 2025 (Approvazione n. BQH-BDHG-EC-2025-056), e il consenso informato è stato rinunciato. Lo studio è stato condotto in conformità con la Dichiarazione di Helsinki e la politica di gestione della privacy dei dati dell'ospedale, e tutte le informazioni personali identificabili sono state de-identificate prima dell'analisi. Gli strumenti di ricerca utilizzati in questo studio sono elencati nella Tabella dei Materiali.

1. Progettazione dello studio

Si è trattato di uno studio retrospettivo e trasversale monocentrico condotto nel Dipartimento di Endocrinologia e Metabolismo del Gruppo dell'Ospedale Baoquanling di Beidahuang, inclusi 126 pazienti idonei con diabete di tipo 2 che hanno ricoperto l'ospedale tra il 1° gennaio 2022 e il 31 dicembre 2024. La data della visita ambulatoriale o del ricovero ospedaliero era definita come data indice, e i risultati degli esami di laboratorio ottenuti in quella data venivano utilizzati come punto di partenza. Le misurazioni di esposizione e di risultato sono state ottenute nello stesso momento o entro 7 giorni prima o dopo la data dell'indice. Tutti i dati sono stati derivati da cartelle cliniche storiche senza alcun intervento.

Il rapporto è stato preparato in conformità con la dichiarazione Strengthening the Reporting of Observational Studies in Epidemiology (STROBE)11 per studi trasversali, e sono state predefinite la domanda di ricerca, le variabili, i metodi statistici e le strategie di analisi di sensibilità, con i risultati presentati secondo il piano predefinito.

2. Popolazione di studio

La popolazione dello studio è stata selezionata consecutivamente dal sistema elettronico di cartelle cliniche secondo i criteri predefiniti di inclusione ed esclusione. I criteri di inclusione erano età 18–80 anni, una diagnosi documentata di diabete di tipo 2 nella cartella clinica, risultati disponibili per glucosio plasmatico a digiuno, insulina a digiuno, hs-CRP, albumina urina, creatinina urinica e creatinina sierica entro 7 giorni prima o dopo la data indice, eGFR ≥ 60 mL/min/1,73m2 (CKD-EPI 2021), un campione di urina appena raccolto processato secondo la procedura standard di test, e dati clinici completi e covariabili chiave o una proporzione mancante che soddisfacessero i criteri di gestione predefiniti.

I criteri di esclusione includevano evidenza di infiammazione o infezione acuta, hs-CRP > 10 mg/L, infezione delle vie urinarie, ematuria o piuria, gravidanza o allattamento, una storia precisa di malattia renale non diabetica o evidenze di imaging di malattia renale strutturale, UACR ≥ 300 mg/g, terapia sistemica con glucocorticoidi nei 3 mesi precedenti, eventi cardiovascolari o cerebrovascolari acuti o interventi chirurgici importanti nei 3 mesi precedenti. e malignità che ricevono chemioterapia o immunoterapia.

Dopo che i documenti che non soddisfacevano i criteri venivano esclusi, veniva ottenuto il campione finale. Sotto un α bilaterale = 0,05 e potenza dell'80%, la dimensione finale del campione di 126 in questo studio corrispondeva a un coefficiente di correlazione assoluta rilevabile di circa 0,25. Questa affermazione era solo una descrizione post hoc dell'intervallo di effetti rilevabili e non costituiva una stima a priori della dimensione del campione. Le analisi che hanno coinvolto i calcoli di HOMA-IR sono state limitate ai partecipanti non ricevuti con insulina esogena, e la dimensione del campione di questo sottogruppo è stata riportata come osservata.

3. Fonti di dati e procedure di raccolta

Secondo un dizionario di dati unificato, i ricercatori hanno estratto informazioni demografiche (età, sesso), durata del diabete, altezza, peso, stato di fumo, consumo di alcol, pressione sistolica (SBP) e diastolica (DBP) (la seconda lettura dopo due misurazioni sulla data dell'indice), registrazioni di comorbidità e informazioni sui farmaci dalle cartelle cliniche elettroniche.

Le variabili farmacologiche includevano inibitori del sistema renina-angiotensina (RASi), inibitori del cotrasportatore sodio-glucosio 2 (SGLT2i), agonisti del recettore peptide-1 simile al glucagone (GLP-1RA) e statine; Uso continuo per ≥ 3 mesi prima che la data dell'indice fosse registrata come "utilizzo". La durata del diabete è stata definita come il numero di anni dalla diagnosi alla data di indice. L'indice di massa corporea (BMI) è stato calcolato come peso (kg)/altezza2 (m2).

I test di laboratorio venivano eseguiti su una piattaforma unificata ed erano soggetti a controllo qualità interno e valutazione esterna della qualità. l'hs-CRP è stata misurata tramite immunoturbidimetria ad alta sensibilità, con un limite di rilevamento di ≤ 0,1 mg/L; FINS veniva misurato tramite chemiluminescenza con calibrazione all'interno del batch tramite calibratori; La FPG veniva misurata con il metodo dell'esosquinasi; l'emoglobina glicata (HbA1c) è stata misurata tramite cromatografia liquida ad alte prestazioni; l'albumina nelle urine è stata misurata tramite immunoturbidimetria, la creatinina nelle urine con il metodo enzimatico e il rapporto è stato espresso in mg/g; La creatinina sierica è stata misurata con il metodo enzimatico con calibrazione tracciabile tramite IDMS.

Tutti i campioni sono stati analizzati entro 2 ore dalla raccolta o dopo una conservazione a breve termine a 4 °C. Se erano disponibili più risultati per la stessa visita, i risultati ottenuti lo stesso giorno della data dell'indice erano stati prioritari.

4. Definizioni e misurazione delle variabili

Le variabili di esposizione includevano hs-CRP e HOMA-IR. l'hs-CRP è stata espressa in mg/L, inserita nelle analisi primarie come variabile continua e categorizzata in tertili campionari per analisi di tendenza. FINS era espresso in μU/mL, FPG in mmol/L, e la formula di calcolo per HOMA-IR era laseguente 6:

HOMA - IR = (FIN FPG)/22,5

Le analisi che hanno coinvolto HOMA-IR sono state limitate ai partecipanti che non utilizzavano insulina esogena e che avevano risultati FPG e FINS nello stesso giorno. In questo sottogruppo, HOMA-IR e hs-CRP sono stati inseriti insieme nel modello multivariatore. L'UACR è stato calcolato utilizzando albumina urinaria e creatinina urina misurate nello stesso campione ed è stato espresso come mg/g 12. La creatinina nelle urine è stata armonizzata in grammi per il calcolo del rapporto quando necessario. In questo dataset, nessun valore UACR era zero. Per i valori di albumina nelle urine inferiori al limite inferiore di rilevamento (<2,0 mg/L), il laboratorio ha riportato il risultato come <2,0 mg/L, e questi valori di rilevamento inferiore sono stati sostituiti con metà del limite inferiore di rilevamento (1,0 mg/L) prima dell'analisi dei dati. Per ridurre l'influenza della disimetria destra, è stata applicata una trasformazione naturale del logaritomo, e ln(UACR) è stata utilizzata come risultato primario.

Se erano disponibili più test urinei per lo stesso partecipante entro 7 giorni prima o dopo la data indice, veniva trattenuto solo il campione più vicino alla data indice, etichettato come urina mattutina o urina a prima vacuanza. Se era disponibile solo un campione di urina casuale, il tipo di campione veniva registrato e le analisi di sensibilità erano limitate al sottoinsieme delle urine mattutine. La microalbuminuria è stata definita come UACR ≥ 30 mg/g ed è stata utilizzata come risultato surrogato binario nella regressione logistica.

L'eGFR è stata calcolata utilizzando l'equazione13 della creatinina CKD-EPI 2021. Quando la creatinina sierica è stata riportata in μmol/L, è stata convertita in mg/dL (μmol/L ÷ 88,4) prima del calcolo. L'eGFR è stata espressa come mL/min/1,73m2 ed è stata utilizzata come risultato secondario continuo nelle analisi di sensibilità. La coerenza dei risultati è stata esaminata nel sottogruppo eGFR 60–89 mL/min/1,73m2 . Il modello principale era predefinito per adattarsi a età, sesso, durata del diabete, SBP e HbA1c, e i modelli di sensibilità includevano inoltre BMI, stato di fumo, consumo di alcol, uso di RASi, uso di SGLT2i, uso di GLP-1RA e uso di statine.

5. Gestione dei dati e preelaborazione

Dopo la de-identificazione, i dati venivano esportati come dataset analitico e un breve dizionario dati che riassumeva nomi delle variabili, definizioni, unità e regole di codifica per le variabili analitiche è stato fornito nella Tabella Supplementare 1. I record duplicati venivano uniti per data di indice e le variabili chiave venivano controllate per la coerenza logica.

Quando erano disponibili sia i timestamp EMR che LIS, il tempo di raccolta del campione LIS veniva utilizzato come timestamp principale per l'allineamento temporale; se non disponibile, veniva utilizzato il rapporto LIS/tempo di verifica, mentre la data della visita EMR veniva usata solo per definire la data dell'indice. Quando erano disponibili più risultati idonei all'interno della finestra prestabilita, veniva mantenuto il risultato più vicino alla data dell'indice; Se due risultati erano ugualmente vicini, il risultato dello stesso giorno veniva prioritizzato, con i campioni di urina ulteriormente selezionati secondo la regola predefinita del tipo di campione.

I valori mancanti venivano gestiti secondo la strategia gerarchica prespecificata: se la proporzione mancante di una singola covariata era ≤ 10%, le analisi primarie utilizzavano un approccio a caso completo; Se superava il 10%, veniva eseguita imputazione multipla tramite equazioni concatenate con 20 imputazioni, con il modello di imputazione che includeva esposizioni, esito e tutte le covariate, e i risultati imputati venivano confrontati con i risultati del caso completo.

I partecipanti con hs-CRP > 10 mg/L o evidenza di infiammazione acuta sono stati esclusi dalle analisi primarie. Le variabili continue sono state valutate per la distribuzione utilizzando il test di Shapiro-Wilk e i grafici Q-Q, e l'UACR è stata trasformata logaritmicamente naturale. Se hs-CRP o HOMA-IR mostravano una marcata asimetria, nelle analisi di sensibilità sono state eseguite trasformazioni di rango o logaritmico. Le variabili categoriche erano codificate come variabili binarie o ordinali secondo regole predefinite. Le osservazioni influenti sono state identificate tramite residui studentizzati assoluti > 3 o la distanza di Cook > 4/n, e i modelli primari sono stati ripetuti dopo aver escluso queste osservazioni nelle analisi di sensibilità.

Le analisi dei sottogruppi predefiniti includevano sottogruppi e sottogruppi di sesso basati su HbA1c < 7% e ≥ 7%. Le analisi di sensibilità predefinite includevano la restrizione ai campioni di urina mattutina, l'aggiunta di variabili farmacologiche ai modelli primari, l'esclusione di osservazioni influenti, l'uso di errori standard robusti invece degli errori standard convenzionali e la restrizione ai partecipanti con eGFR 60–89 mL/min/1,73m2.

6. Analisi statistica

Tutte le analisi statistiche sono state eseguite nella versione 4.3.2 di R. Le variabili continue sono state valutate per la distribuzione utilizzando il test di Shapiro-Wilk e i grafici Q-Q. I dati normalmente distribuiti sono stati espressi come media ± deviazione standard, i dati non normalmente distribuiti come mediana (intervallo interquartile) e le variabili categoriche come frequenza e percentuale.

Le caratteristiche di base sono state descritte in base al raggiungimento della soglia di microalbuminuria, e confronti tra gruppi sono stati effettuati utilizzando il test t a campioni indipendenti, il test U di Mann-Whitney, il test chi-quadrato o il test esatto di Fisher, in base al tipo e alla distribuzione variabile. L'analisi di correlazione dei ranghi di Spearman è stata effettuata tra ln-UACR e hs-CRP e tra ln-UACR e HOMA-IR, e sono stati calcolati i coefficienti di correlazione e i loro intervalli di confidenza al 95%, con intervalli di confidenza stimati tramite la trasformazione z di Fisher. I grafici di correlazione sono stati presentati come diagrammi a scatter sovrapposti a linee adattate a regressione localmente ponderate per mostrare la tendenza.

Sono stati costruiti modelli di regressione lineare multivariabile con ln-UACR come variabile dipendente. Nel sottogruppo non utilizzatore di insulina esogena, hs-CRP e HOMA-IR sono stati inseriti insieme nel modello, con aggiustamento per età, sesso, durata del diabete, SBP e HbA1c; nel campione complessivo, è stato installato un modello separato includendo solo l'HS-CRP per esaminare la correlazione complessiva. Sono stati riportati coefficienti di regressione standardizzati, intervalli di confidenza al 95% e valori p, e è stato riportato il cambiamento nel coefficiente di determinazione prima e dopo l'inclusione delle variabili di esposizione. La collinearità è stata valutata utilizzando fattori di inflazione della varianza, con una soglia di 5.

Dopo che hs-CRP e HOMA-IR sono stati categorizzati in tertili campionari, definiti dal percentile empirico 33,3 e 66,7 del corrispondente campione analitico (hs-CRP: il campione complessivo per le analisi complessive e il sottogruppo non insulinico per le analisi sottogruppo/articolazione; HOMA-IR: solo il sottogruppo non insulino), con T1 ≤ cutoff inferiore, T2 > cutoff inferiore per ≤ il cutoff superiore, e T3 > cutoff superiore, il valore mediano di ogni tertilo è stato inserito come variabile continua per testare la tendenza lineare, e sono state riportate le medie marginali aggiustate di ln-UACR tra i tertili e il valore p per la tendenza.

Nell'analisi esplorativa, un alto hs-CRP e un alto HOMA-IR sono stati definiti dai cutoff del tertile superiore, derivati dal sottogruppo non insulinico per l'analisi delle articolazioni 2 × 2, e è stato costruito un raggruppamento 2 × 2 2 per confrontare le medie marginali aggiustate di LN-UACR tra i gruppi. È stato aggiunto un termine di interazione per testare l'interazione statistica, e è stata riportata la differenza media aggiustata tra i gruppi "alto × alto" e "basso × basso"; questa analisi non è stata interpretata in modo causale.

Per l'analisi degli esiti surrogati, è stata costruita una regressione logistica multivariabile con il raggiungimento della soglia di microalbuminuria come variabile dipendente, e sono stati riportati il rapporto di probabilità e l'intervallo di confidenza del 95% corrispondenti a ogni aumento di 1 deviazione standard in hs-CRP o HOMA-IR.

È stata costruita una regressione lineare multivariabile con eGFR come variabile dipendente per esaminare la direzione dell'associazione tra le esposizioni e il tasso di filtrazione glomerulare.

Le analisi di sensibilità hanno incluso la restrizione ai campioni di urina mattutina, ulteriori aggiustamenti per IMC, stato di fumo, consumo di alcol e le quattro categorie di farmaci nei modelli primari, esclusione di osservazioni influenti, uso di errori standard robusti di Huber-White e ripetizione dei modelli primari nella popolazione ristretta con UACR < 300 mg/g ed eGFR ≥ 60 mL/min/1,73m2. La diagnostica del modello utilizzava grafici residuo-versus-adattati, grafici Q-Q e il test di Shapiro-Wilk per valutare normalità e linearità residue, e il test di Breusch-Pagan per valutare l'omoscedasticità. Se era presente eteroscedasticità, sono stati segnalati errori standard robusti; Se è stata riscontrata una chiara non linearità, sono state utilizzate variabili indicative tertili al posto delle variabili continue nelle analisi di sensibilità.

Analisi di correlazione e regressione sono state effettuate utilizzando il pacchetto statistico, la collinearità è stata valutata con il pacchetto auto, sono stati ottenuti errori standard robusti utilizzando i pacchetti sandwich e lmtest, sono state effettuate imputazioni multiple utilizzando il pacchetto mouse e le figure sono state generate con il pacchetto ggplot2. Tutti i test erano a doppio verso, la soglia di significatività era fissata a α = 0,05 e intervalli di confidenza del 95% riportati.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Popolazione e caratteristiche di base dello studio

Sono stati sottoposti a screening un totale di 467 pazienti con diabete di tipo 2. Dopo l'esclusione di cartelle cliniche mancanti, eGFR < 60 mL/min/1,73m2, analisi acute di infezione/infiammazione o urina contaminata, macroalbuminuria e altre condizioni comorbide predefinite, 126 pazienti sono stati inclusi nel campione analitico finale. Tra questi, 97 pazienti non utilizzati insul...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Nella popolazione con diabete di tipo 2 con eGFR preservata, livelli elevati di hs-CRP sono stati costantemente associati a un aumento dell'escrezione di albumina urinaria e sono rimasti associati indipendentemente dopo aggiustamento per età, sesso, durata del diabete, SBP e HbA1c. Quando hs-CRP è aumentato di quantili, la media aggiustata di ln-UACR è aumentata linearmente, suggerendo che questa associazione abbia una caratteristica di gradiente. Come indicatore sensibile di infiammazio...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori dichiarano di non avere conflitti di interesse.

Ringraziamenti

Gli autori ringraziano lo staff del Dipartimento di Endocrinologia e Metabolismo e il laboratorio clinico per il loro supporto nella raccolta dati e nei test di laboratorio. Questo studio è stato supportato esclusivamente dalle risorse istituzionali interne dell'Ospedale Baoquanling del Gruppo Beidahuang. Non fu ricevuto alcun finanziamento esterno.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Sistema di cartelle cliniche elettroniche (EMR)N/AN/ASistema di cartelle cliniche elettroniche istituzionale utilizzato per estrarre dati demografici, clinici, comorbidità, pressione sanguigna e farmaci.
Sistema informativo di laboratorio (LIS)N/AN/ASistema informativo di laboratorio istituzionale utilizzato per estrarre risultati di hs-CRP, FPG, FINS, HbA1c, albumina urinaria, creatinina urinaria e creatinina sierica.
Analizzatori di laboratorio generaliRoche DiagnosticsN/AUtilizzati per misurare gli indicatori di laboratorio generali.
Sistema di immunodosaggioRoche Diagnostics, GermaniaAnalizzatore biochimico automatico Roche Cobas c702Utilizzati per misurare hs-CRP, FPG, albumina urinaria, creatinina urinaria e creatinina sierica.
Analizzatore di cromatografia liquida ad alta prestazioneTrinity BiotechN/ACromatografia liquida ad alta prestazione con scambio ionico per la misurazione dell'emoglobina glicata.
Monitor automatico della pressione sanguigna elettronicaOmronOmron HBP-9020Utilizzato per misurare la pressione sanguigna sistolica e diastolica a intervalli di 1 min dopo 5 min di riposo. La prima lettura è stata scartata e la media della seconda e terza misura è stata registrata come valore di pressione sanguigna indice.
R (versione 4.3.2)R Foundation for Statistical ComputingN/ASoftware di analisi statistica; pacchetti utilizzati: stats, car, sandwich, lmtest, mice, ggplot2.

Riferimenti

  1. Jiang W, et al. Establishment and validation of a risk prediction model for early diabetic kidney disease based on a systematic review and meta-analysis of 20 cohorts. Diabetes Care. 2020;43:925-33.
  2. Rossing P, et al. Linking kidney and cardiovascular complications in diabetes—impact on prognostication and treatment: the 2019 Edwin Bierman Award Lecture. Diabetes. 2021;70:39-50.
  3. Christofides EA, Desai N. Optimal early diagnosis and monitoring of diabetic kidney disease in type 2 diabetes mellitus: addressing the barriers to albuminuria testing. J Prim Care Community Health. 2021;12:21501327211003683.
  4. Okdahl T, et al. Low-grade inflammation in type 2 diabetes: a cross-sectional study from a Danish diabetes outpatient clinic. BMJ Open. 2022;12:e062188.
  5. Bassami F, et al. Association between high-sensitivity C-reactive protein and diabetic nephropathy: a systematic review and meta-analysis. BMC Nephrol. 2025;26:418.
  6. Matthews DR, et al. Homeostasis model assessment: insulin resistance and beta-cell function from fasting plasma glucose and insulin concentrations in man. Diabetologia. 1985;28:412-19.
  7. Tang M, et al. Association between high-sensitivity C-reactive protein and diabetic kidney disease in patients with type 2 diabetes mellitus. Front Endocrinol. 2022;13:885516.
  8. Lin CA, et al. Gender-specific and age-specific associations of the homeostasis model assessment for IR (HOMA-IR) with albuminuria and renal function impairment: a retrospective cross-sectional study in Southeast China. BMJ Open. 2021;11:e053649.
  9. Park SY, Gautier JF, Chon S. Assessment of insulin secretion and insulin resistance in humans. Diabetes Metab J. 2021;45:641-54.
  10. Aly RH, et al. Patterns of toll-like receptor expressions and inflammatory cytokine levels and their implications in the progress of insulin resistance and diabetic nephropathy in type 2 diabetic patients. Front Physiol. 2020;11:609223.
  11. Vandenbroucke JP, et al. Strengthening the reporting of observational studies in epidemiology (STROBE): explanation and elaboration. Epidemiology. 2007;18:805-35.
  12. Jensen MB, et al. Quantification of urinary albumin and creatinine: a comparison study of two analytical methods and their impact on albumin to creatinine ratio. Clin Biochem. 2022;108:5-9.
  13. Inker LA, et al. New creatinine- and cystatin C-based equations to estimate GFR without race. N Engl J Med. 2021;385:1737-49.
  14. Pellegrini V, et al. Inflammatory trajectory of type 2 diabetes: novel opportunities for early and late treatment. Cells. 2024;13:1662.
  15. Yu H, Song YY, Li XH. Early diabetic kidney disease: focus on the glycocalyx. World J Diabetes. 2023;14:460-80.
  16. Jin Q, et al. Oxidative stress and inflammation in diabetic nephropathy: role of polyphenols. Front Immunol. 2023;14:1185317.
  17. Yang Y, Xu G. Update on pathogenesis of glomerular hyperfiltration in early diabetic kidney disease. Front Endocrinol. 2022;13:872918.
  18. Sinha SK, et al. hs-CRP is associated with incident diabetic nephropathy: findings from the Jackson Heart Study. Diabetes Care. 2019;42:2083-89.
  19. Pepys MB, Hirschfield GM. C-reactive protein: a critical update. J Clin Invest. 2003;111:1805-12.
  20. Jang KW, et al. Metabolic syndrome, kidney-related adiposity, and kidney microcirculation: unraveling the damage. Biomedicines. 2024;12:2706.
  21. Kwaku D, et al. Renal nerve stimulation modulates renal blood flow in a frequency-dependent manner. Bioelectron Med. 2025;11:28.
  22. Hang X, et al. Renal microcirculation and mechanisms in diabetic kidney disease. Front Endocrinol. 2025;16:1580608.
  23. Gao W, et al. Discordance between the triglyceride glucose index and HOMA-IR in incident albuminuria: a cohort study from China. Lipids Health Dis. 2021;20:176.
  24. Nabipoorashrafi SA, et al. Comparison of insulin resistance indices in predicting albuminuria among patients with type 2 diabetes. Eur J Med Res. 2023;28:166.
  25. Li M, et al. Trends in insulin resistance: insights into mechanisms and therapeutic strategy. Signal Transduct Target Ther. 2022;7:216.
  26. Mohandes S, et al. Molecular pathways that drive diabetic kidney disease. J Clin Invest. 2023;133:e165654.
  27. Jeong Y, et al. Associations of insulin resistance and high-sensitivity C-reactive protein with metabolic abnormalities in Korean patients with type 2 diabetes mellitus: a preliminary study. Metabolites. 2024;14:371.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Tag

MedicinaNumero 234Numero 234Valore VuotoNumeroMicroalbuminuria
Contattaci
Raccomanda alla biblioteca

Privacy

Termini di utilizzo

Politiche

Copyright © 2026 MyJoVE Corporation. Tutti i diritti riservati.