6.1 Q1|广州医科大学GBD发文 | 良性前列腺增生与合并症之间的相关性

第一段-文章基本信息

 

文章题目：Correlation between benign prostatic hyperplasia and comorbidities: a systematic analysis integrating global burden of disease and mendelian randomization study

 

中文标题：良性前列腺增生与合并症之间的相关性：整合全球疾病负担和孟德尔随机化研究的系统分析

 

发表杂志：Journal of Translational Medicine

 

影响因子：1区，IF=6.1

 

发表时间：2024年11月

 

2.第二段-研究思路

 

本研究思路

本文通过整合全球疾病负担（GBD）数据库和孟德尔随机化（MR）方法，系统分析了良性前列腺增生（BPH）与多种共病之间的关联。研究首先通过PubMed检索确定了22种与BPH相关的疾病，并从GBD数据库中选取9种重要共病进行详细的相关性分析，同时考虑了社会经济和环境因素对BPH的影响。接着，利用GWAS数据库收集BPH和20种共病的数据，采用连锁不平衡评分回归（LDSC）方法挖掘遗传联系，并通过单变量和多变量双向MR分析确定因果关系，辅以Steiger方向性检验确认因果方向。研究还通过多种MR模型和敏感性分析验证结果的稳健性，并利用表型关联研究（PheWAS）、共定位分析和中介MR分析探讨BPH与共病之间的遗传基础和中介因素。最终，研究揭示了BPH与多种共病之间的关联，尤其是BPH与前列腺炎和前列腺癌之间的因果关系，为理解BPH的共病关联提供了新的视角。

 

3.第三段-Introdction

 

背景

在介绍部分，作者指出良性前列腺增生（BPH）是老年男性中一种常见的泌尿系统疾病，不仅会引起下尿路症状，还可能伴随多种共病，严重影响患者生活质量。流行病学研究表明BPH与多种疾病相关，包括前列腺炎、前列腺癌、勃起功能障碍、糖尿病和高血压等，但这些关联受到诸多混杂因素的干扰。全球疾病负担（GBD）研究通过整合全球健康数据，克服了以往研究的局限性。孟德尔随机化（MR）方法则通过遗传变异评估因果关系，减少了混杂因素的影响。本研究结合GBD和MR方法，全面分析了BPH与共病之间的关系，旨在为理解BPH的共病关联提供新的视角。

 

4.第四段-Methods

 

方法

研究设计：

本研究通过PubMed检索确定了22种与良性前列腺增生（BPH）相关的疾病，并从全球疾病负担（GBD）数据库中选取9种共病进行详细分析。同时，从GWAS数据库中收集了BPH和20种共病的数据，采用连锁不平衡评分回归（LDSC）和孟德尔随机化（MR）方法评估遗传关联和因果关系。研究还通过表型关联研究（PheWAS）、共定位分析和中介MR分析探讨了BPH与共病之间的潜在联系路径。通过整合GBD数据与LDSC和MR结果，全面评估了BPH与共病之间的联系。

 

GBD数据来源与分析

本研究使用GBD数据库，涵盖1990年至2019年201个国家的370种疾病和伤害数据。通过皮尔逊相关分析，研究评估了BPH发病率与多种风险因素（包括社会经济、环境和生活方式变量）之间的关系。分析发现，年龄、PM2.5、教育年限、人类发展指数、社会发展指数、预期寿命和饮用水安全等因素对BPH发病率有显著影响。此外，吸烟、饮酒、糖摄入和鸡蛋摄入等生活方式因素也与BPH密切相关。

 

GWAS数据来源与遗传工具选择

BPH的遗传数据来自FinnGen联盟和英国生物银行，经过严格的质量控制，排除了不符合条件的样本。研究选择了与BPH显著相关的单核苷酸多态性（SNP），并确保这些SNP与混杂因素无关，且仅通过BPH影响共病。通过连锁不平衡（LD）筛选和F统计量评估，确保了遗传工具的有效性和统计功效。

 

LDSC方法与单变量MR分析

利用LDSC方法，研究评估了BPH与20种共病之间的遗传相关性，发现前列腺炎与BPH的遗传关联最为显著。单变量MR分析进一步确认了BPH与前列腺癌和前列腺炎之间的因果关系，结果在多个MR模型和敏感性分析中保持稳健，排除了水平多效性的影响。

 

多变量MR分析与PheWAS分析

多变量MR分析纳入了睾酮水平、教育水平、家庭收入、吸烟和饮酒等中介变量，结果表明这些中介因素并未显著改变BPH与前列腺癌和前列腺炎之间的因果关系。PheWAS分析则验证了MR分析中离群值对结果的影响，进一步确认了分析的可靠性。

 

MTAG、精细定位和共定位分析

通过MTAG方法，研究识别了BPH与前列腺炎及前列腺癌之间的共享遗传位点。共定位分析进一步确认了这些位点的共享性，表明BPH与前列腺炎和前列腺癌之间存在共同的遗传基础。

 

中介分析

中介分析发现，在调整BPH后，水果摄入与前列腺炎风险降低相关，而“早晨型”和昼夜节律类型与前列腺癌风险降低相关。这些结果表明，生活方式因素可能在BPH与某些共病的关系中起到中介作用。

 

第五段-Results

 

结果

GBD疾病关联分析结果

通过对GBD数据的分析，研究发现BPH与9种共病之间存在显著关联。BPH的发病率在70至75岁年龄段达到高峰。相关性分析显示，BPH的总体患病率与慢性肾病和前列腺癌呈正相关，而与抑郁症呈负相关。网络图分析进一步表明，这些关联在70岁以上人群中更为显著。此外，分析还发现，社会经济因素（如人类发展指数、社会发展指数、教育年限和预期寿命）以及环境因素（如PM2.5和饮用水安全）对BPH的发病率有显著影响。

 

风险因素分析结果

研究分析了28种社会环境因素和36种生活方式因素对BPH发病率的影响。结果显示，年龄是BPH最重要的影响因素之一，同时也是疾病负担的关键决定因素。PM2.5、教育年限、人类发展指数、社会发展指数、预期寿命和饮用水安全等因素对BPH发病率有显著影响。其中，教育年限、人类发展指数和社会发展指数对BPH的影响在60岁后逐渐减弱，而PM2.5和饮用水安全的影响在不同年龄组中保持一致。在生活方式因素中，吸烟、饮酒、糖摄入和鸡蛋摄入与BPH密切相关，其中吸烟的影响在不同年龄阶段保持一致。

 

遗传工具变量评估结果

在GWAS数据中，研究为BPH和20种共病识别了3至215个SNP用于后续的MR分析。所有这些SNP的F统计量均大于10，表明具有较高的统计功效。

 

LDSC分析结果

研究进行了232次LDSC计算，发现BPH与20种共病之间存在显著的遗传关联。其中，BPH与前列腺炎的遗传相关性最强（UK Biobank：相关性=0.938，p<0.001；FinnGen：相关性=0.896，p<0.001），其次为BPH与膀胱癌的关联（UK Biobank：相关性=0.319，p=0.057；FinnGen：相关性=0.434，p=0.012）。BPH与慢性肾病的遗传关联不强，但与抑郁症存在一定关联。

 

双向单变量MR分析结果

在双向MR分析中，研究发现BPH与前列腺癌和前列腺炎的风险增加显著相关。具体而言，BPH（UK Biobank）与前列腺癌（OR=1.009，95%CI：1.004-1.014，p<0.001）和前列腺炎（OR=1.255，95%CI：1.116-1.411，p<0.001）的风险增加相关。类似的结果也在FinnGen数据库中观察到。然而，前列腺癌与BPH风险增加的关联在MR分析中未显示出因果关系，提示可能存在水平多效性。

 

双向多变量MR分析结果

在多变量MR分析中，研究纳入了生物可利用睾酮、教育水平、家庭收入、吸烟和饮酒等中介变量。结果显示，即使在调整这些中介因素后，BPH与前列腺癌和前列腺炎之间的关联仍然显著。这表明BPH与这两种疾病之间的因果关系可能不完全通过这些中介因素介导。

 

综合分析结果

研究将GBD全球结果、GBD欧洲结果、LDSC（BPH来自UK Biobank和FinnGen）以及MR结果进行了整合分析。结果显示，BPH与前列腺癌之间的关联在不同情境下均保持一致，表明BPH与前列腺癌风险增加之间存在稳健的因果关系。

 

PheWAS分析结果

通过PheWAS分析，研究发现MR中的离群值并未显著影响MR结果。在去除离群值后，对前列腺癌和前列腺炎的边际OR值影响较小，表明这些离群值对整体分析的影响有限。

 

MTAG、精细定位和共定位分析结果

在MTAG分析中，研究识别了BPH与前列腺炎及前列腺癌之间的多个共享遗传位点。共定位分析进一步确认了这些位点的共享性，表明BPH与前列腺炎和前列腺癌之间存在共同的遗传基础。

 

中介分析结果

中介分析发现，在调整BPH后，水果摄入与前列腺炎风险降低相关（OR=0.560，95%CI：0.380-0.970，p=0.010），而“早晨型”和昼夜节律类型与前列腺癌风险降低相关（OR=0.975，95%CI：0.954-0.996，p=0.020）。这些结果表明，生活方式因素可能在BPH与某些共病的关系中起到中介作用。

 

5.第六段-结论与启发

 

结论与启发

结论

本研究揭示了良性前列腺增生（BPH）与多种共病之间的关联，强调了BPH与前列腺炎以及前列腺癌之间的因果关系。我们的研究为理解BPH的共病关联提供了新的视角。

 

【光速科研启发】

选题：研究聚焦良性前列腺增生（BPH）与多种共病之间的关联，利用全球疾病负担（GBD）数据库和孟德尔随机化（MR）方法，系统分析BPH与共病之间的因果关系，填补了以往研究中因混杂因素干扰而导致的证据不足的空白，对于优化医疗资源配置和改善患者生活质量具有重要的临床和公共卫生意义。

 

统计学：采用单变量和多变量孟德尔随机化（MR）分析，结合多种MR模型（如逆方差加权法、MR-Egger回归等）和敏感性分析，评估BPH与共病之间的因果关系，并通过连锁不平衡评分回归（LDSC）分析遗传相关性。此外，利用表型关联研究（PheWAS）、共定位分析和中介MR分析，进一步探讨潜在的中介因素和遗传基础，确保研究结果的稳健性和可靠性。

 

数据库：利用全球疾病负担（GBD）数据库，涵盖1990年至2019年201个国家的疾病数据，确保研究的全球代表性和数据丰富性；同时结合GWAS数据库（如FinnGen和UK Biobank），通过严格的质量控制和样本筛选，提高数据质量，为研究提供坚实基础。

 

启发：研究提示在评估BPH相关疾病负担时，应综合考虑多种共病的联合影响；通过中介分析，发现生活方式因素（如水果摄入、昼夜节律）可能在BPH与某些共病的关系中起到中介作用，为个性化干预提供依据；利用遗传学方法和大规模数据库的优势，为未来的研究和公共卫生干预提供了新的思路和方向，尤其是在探索BPH与其他疾病之间的因果关系方面