Souvislost mezi kumulativním kardiometabolickým indexem a rizikem srdečního selhání: prospektivní kohortová studie

Zkrácené znění publikované studie¹

Předchozí studie ukázaly, že abdominální obezita je zástupcem nadměrné akumulace viscerálního tuku a je spojena se zvýšeným rizikem úmrtí a KV onemocnění.² V posledních letech se jako antropometrický parametr pro hodnocení akumulace břišního tuku používá WHtR v kombinaci s poměrem výšky a obvodu pasu, který nabízí komplexnější posouzení tvaru těla a byl identifikován jako nezávislý rizikový faktor KV příhod, včetně HF.^3–5

Kromě toho jsou snížené koncentrace HDL-C a zvýšené hodnoty TG spojeny se zvýšeným rizikem HF.^6,7

Nicméně i když je dosaženo doporučených cílových hodnot WHtR nebo LDL-C nebo jsou koncentrace HDL-C zvýšené, přetrvává značné zbytkové riziko HF. Proto byl pro vyhodnocení dopadu komplexního posouzení výše uvedených ukazatelů na riziko HF navržen nový jednoduchý neinvazivní index – CMI, který kombinuje WHtR a TG/HDL-C.⁸

Předchozí studie ukázaly, že zvýšené hodnoty CMI pozitivně korelují s rizikem diabetu, metabolického syndromu a HF v běžné populaci.^9–11

Většina studií o vztahu mezi CMI a HF se však opírala o jednotlivá měření a k dispozici je jen omezené množství informací o dlouhodobých změnách CMI a jejich souvislosti s rizikem HF.

Autoři citované práce využili data rozsáhlé komunitní kohortové studie Kailuan, jejímž primárním cílem bylo vyhodnotit rizikové faktory pro kardiocerebrovaskulární onemocnění a další chronická neinfekční onemocnění.^12,13

Mezi lety 2006 a 2007 bylo do studie zařazeno celkem 101 510 jedinců, kteří byli monitorováni ve dvouletých intervalech. Do finální analýzy bylo nakonec zahrnuto 44 773 způsobilých účastníků, vyloučeni byli pacienti s onkologickým onemocněním nebo osoby s chybějícími daty.¹

Demografické údaje (včetně věku, pohlaví a vzdělání), anamnéza (hypertenze a diabetes), užívání léků (včetně antihypertenziv, léků na snížení koncentrace lipidů a hypoglykemických léků) a informace o životním stylu (jako je fyzická aktivita, kouření a konzumace alkoholu) byly shromážděny prostřednictvím standardizovaných strukturovaných dotazníků.

Definice kardiometabolického indexu

CMI byl vypočítán dle vzorce: CMI = [TG (mmol/l)/HDL-C (mmol/l)] * WHtR. Kumulativní CMI (Cum-CMI) byl vypočítán jako vážený součet průměrného CMI pro každou návštěvu v letech 2006, 2008 a 2010.¹⁴

Délka sledování a hodnocení srdečního selhání

Sledování začalo během každoročního fyzikálního vyšetření v roce 2010 a skončilo v době první srdeční události. Pro diagnostiku HF byla použita kritéria vycházející z přehledu lékařských záznamů: (i) klinické příznaky HF, včetně dušnosti, únavy a retence tekutin, a srdeční funkce třídy NYHA (New York Heart Association) II, III a IV a srdeční dysfunkce II, III a IV (Killip); (ii) koncentrace N-terminálního pro-B natriuretického peptidu (NT-proBNP) v plazmě ≥ 125 ng/l a (iii) ejekční frakce levé komory ≤ 50 %. Diagnóza HF vyžadovala přítomnost (i) spolu s alespoň jedním ze stavů (ii) nebo (iii). U účastníků, kteří prodělali dvě nebo více srdečních příhod, byl za výsledek považován výskyt první srdeční příhody. U účastníků, u kterých se nevyskytly žádné srdeční příhody, skončilo období sledování v době úmrtí nebo v poslední den sledování (31. prosince 2022). Délka sledování byla vypočítána pro každého účastníka a shrnuta v osoborocích pro usnadnění srovnání mezi studiemi.¹

Výchozí charakteristiky účastníků

Do této studie bylo zahrnuto celkem 44 773 způsobilých osob s průměrným věkem 53,1 ± 11,9 roku. Z nich bylo 35 209 (78,6 %) mužů a 9 264 (21,4 %) žen. Účastníci byli rozděleni do kategorií podle kvartilu Cum-CMI. Ve srovnání s těmi v nejnižším kvartilu byli účastníci s vyšším Cum-CMI častěji muži, starší a měli vyšší hodnoty srdeční tepové frekvence, vyšší index tělesné hmotnosti (BMI), vyšší systolický i diastolický krevní tlak a vyšší lačnou glykemii, vyšší hodnoty triglyceridů, celkového cholesterolu, LDL cholesterolu a vysoce senzitivního C-reaktivního proteinu (hs-CRP). Měli také vyšší pravděpodobnost přítomnosti diabetu a hypertenze a farmakologické léčby.¹

Výsledky

Během mediánu sledování 12,04 roku (IQR, 11,66–12,33 let), což odpovídá přibližně 538 900 osoborokům, bylo u 44 773 účastníků pozorováno 1 018 srdečních příhod. Podle seskupení do kvartilů Cum-CMI byly míry srdečních příhod pro Q1, Q2, Q3 a Q4: 1,24; 1,73; 2,33 a 2,70 na 1 000 osoboroků. Analýza Kaplanovy–Meierovy křivky ukázala, že ve srovnání se skupinou Q1 se kumulativní incidence HF ve skupinách Q2–Q4 postupně zvyšovala (log-rank test, p < 0,001). V multivariačním Coxově modelu proporcionálních rizik byly po úpravě o potenciální zkreslující faktory upravené poměry rizik (HR) a 95% CI pro skupiny Q2–Q4 ve srovnání s Q1: 1,18 (0,95; 1,50); 1,32 (1,05; 1,65) a 1,40 (1,11; 1,76).

Studie zjistila, že expozice vysokému kumulativnímu CMI byla spojena se zvýšeným rizikem vzniku nově vzniklého HF.¹

Analýzy podskupin a citlivosti

Souvislost mezi Cum-CMI a HF byla stratifikována podle věku, pohlaví, hypertenze a diabetu. Autoři zjistili významnou interakci mezi Cum-CMI a diabetem, ale nikoliv významnou interakci mezi věkem, pohlavím, hypertenzí a Cum-CMI. Analýzy vylučující účastníky, u kterých došlo k HF do jednoho roku, ukázaly konzistentní výsledky s hlavními zjištěními. Výsledky navíc zůstaly nezměněny i po vyloučení účastníků užívajících antihypertenziva, hypolipidemika nebo antidiabetika. Nakonec byl k vyhodnocení souvislosti mezi Cum-CMI a nově vzniklým HF, s ohledem na riziko úmrtí nesouvisející s HF, použit model Fine-Gray a výsledky zůstaly stabilní.¹

Z diskuse

Hlavní výsledek studie¹ je v souladu s předchozím výzkumem zkoumajícím souvislost mezi CMI a rizikem HF. Například studie zahrnující 9 008 dospělých z Národního průzkumu zdraví a výživy ve Spojených státech amerických zjistila, že zvýšený CMI byl nezávisle spojen s městnavým HF.⁸ Podobně jiná studie analyzující 5 557 účastníků z Multietnické studie aterosklerózy uvádí, že u jedinců se zvýšeným kardiometabolickým rizikem na začátku studie byl větší nárůst CMI v průběhu času významně spojen se zvýšeným rizikem následných KV příhod, včetně HF.¹⁵ Průřezová studie s 22 586 účastníky také zjistila významnou pozitivní souvislost mezi kumulativním CMI a HF.¹⁶

Všechny tyto studie se však opíraly o jednorázový CMI a nezohledňovaly změny CMI v čase. Citovaná studie¹ naopak ukazuje, že účastníci s vysokým Cum-CMI měli zvýšené riziko HF, přičemž ti v nejvyšším kvartilu vykazovali největší riziko. Adjustované poměry rizik (HR) pro tuto skupinu byly 1,40 (95% CI: 1,11–1,76). To naznačuje, že vystavení vysokému kumulativnímu CMI může být spojeno s vyšším rizikem HF ve srovnání s jednorázovým vystavením vysokému CMI.

Studie také naznačuje, že diabetes může zesilovat vliv CMI na riziko HF. Mezi základní mechanismy může patřit inzulinová rezistence, abnormální metabolismus lipidů, chronický zánět a zvýšený oxidační stres, což vše přispívá ke zvýšenému riziku HF u diabetických pacientů. Proto je zásadní zvážit longitudinální účinky CMI u jedinců s diabetem, a to kromě zaměření na běžnou populaci. Dlouhodobé sledování a udržování vhodného CMI proto může pomoci identifikovat HF a předcházet mu v běžné populaci.

Mechanismus, který je základem vztahu mezi dlouhodobými změnami CMI a rizikem HF, zůstává nejasný, ale může souviset s abnormalitami v energetickém metabolismu myokardu. Z patofyziologického hlediska může zvýšený CMI sloužit jako integrovaný indikátor narušeného energetického metabolismu myokardu, protože zvýšená koncentrace TG, snížená koncentrace HDL-C a centrální obezita společně odrážejí metabolickou dysregulaci charakterizovanou inzulinovou rezistencí a neefektivní oxidací mastných kyselin v srdci. Konkrétně inzulinová rezistence spojená s vysokým CMI podporuje nadměrné vychytávání mastných kyselin myokardem a akumulaci TG, což vede k lipotoxicitě, mitochondriální dysfunkci a snížené produkci adenosintrifosfátu (ATP), a tím přispívá k narušení energetického metabolismu kardiomyocytů.^17,18

Metabolická dysfunkce může přispívat k HF prostřednictvím mnoha mechanismů, včetně snížené syntézy ATP, zvýšené lipotoxicity, mitochondriální poruchy, dysregulace vápníkového metabolismu, zánětlivé aktivace a zvýšeného oxidačního stresu, což v konečném důsledku vede ke strukturálnímu a funkčnímu zhoršení kardiomyocytů.^19–21

Metabolická remodelace myokardu může navíc vyvolat remodelaci komor, což vede ke zhoršené systolické a/nebo diastolické funkci a dále urychluje nástup a progresi HF.²²

Ačkoli zjištění¹ naznačují potenciální souvislost mezi CMI a HF, provedení randomizovaných kontrolovaných studií k potvrzení kauzálního vztahu by bylo obtížné, protože CMI je spíše integračním indikátorem metabolického rizika než přímým terapeutickým cílem. Důkazy z klinických studií však naznačují, že zlepšení metabolických složek reprezentovaných CMI může snížit KV riziko. Například agonisté GLP-1 a duální agonisté GIP/GLP-1 (gastrického inhibičního polypeptidu / glukagonu podobného peptidu 1) prokazatelně snižují výskyt HF a závažných nežádoucích KV příhod (MACE) u pacientů se srdečním selháním i bez něj.²³

Limitace

Za prvé, nelze zcela vyloučit možnost reziduálního nebo neměřeného bias a nelze zcela vyloučit určité reziduální zkreslení výběru. Za druhé, mohlo dojít k chybné klasifikaci expozice a výsledků, protože informace o faktorech životního stylu (např. fyzická aktivita, kouření, konzumace alkoholu a užívání léků) byly založeny na sebehodnocení, které podléhá zkreslení. Za třetí, kvůli omezeným zdrojům dat autoři nebyli schopni rozlišit mezi podtypy HF, analýza proto zahrnovala případy HFpEF (HF se zachovalou ejekční frakcí) i HFrEF (chronické HF se sníženou ejekční frakcí) a zaměřila se na HF jako celek. Potenciální dopad případů HFpEF na naše zjištění proto zůstává nejasný, což může omezit použitelnost výsledků na specifické podtypy HF. Za čtvrté, data o NT-proBNP nebyla k dispozici, což omezilo naši schopnost začlenit tento zavedený biomarker do rizikových modelů nebo sekundárních analýz. Za páté, kohorta Kailuan se skládala převážně z mužských horníků ze severní Číny, což může omezit zobecnitelnost zjištění na jiné populace. A konečně, explorativní analýza identifikovala hraniční hodnotu Cum-CMI 1,82 se střední citlivostí a specificitou, což vyžaduje další validaci. Pro ověření a rozšíření zjištění jsou nezbytné další studie s rozmanitějšími kohortami, detailní fenotypizace podtypů HF a systematické zahrnutí biomarkerů, jako je NT-proBNP.

Závěrem autoři uvádějí, že zjištění naznačují, že expozice zvýšenému kumulativnímu CMI je spojena se zvýšeným rizikem HF. Tyto výsledky podtrhují důležitost dlouhodobého sledování CMI a jeho udržování v optimálním rozmezí, aby se zabránilo rozvoji srdečního selhání.

Literatura

1. Fu P, Zheng H, Wu W, et al. Association between cumulative exposure to cardiometabolic index and risk of heart failure: a prospective cohort study. ESC Heart Failure 2026;13:1–10.
2. Coutinho T, Goel K, Corrêa de Sá D, et al. Central obesity and survival in subjects with coronary artery disease: a systematic review of the literature and collaborative analysis with individual subject data. J Am Coll Cardiol 2011;57:1877–1886. https://doi.org/10.1016/j.jacc.2010.11.058
3. Eslami M, Pourghazi F, Khazdouz M, et al. Optimal cut-off value of waist circumference-to-height ratio to predict central obesity in children and adolescents: a systematic review and meta-analysis of diagnostic studies. Front Nutr 2022;9:985319. https://doi.org/10.3389/fnut.2022.985319
4. Zhang S, Fu X, Du Z, et al. Is waist-to-height ratio the best predictive indicator of cardiovascular disease incidence in hypertensive adults? A cohort study. BMC Cardiovasc Disord 2022;22:214. https://doi.org/10.1186/s12872-022-02646-1
5. Page JH, Rexrode KM, Hu F, et al. Waist-height ratio as a predictor of coronary heart disease among women. Epidemiology 2009;20:361–366. https://doi.org/10.1097/EDE.0b013e31819f38f1
6. Li X, Chan JSK, Guan B, et al. Triglyceride-glucose index and the risk of heart failure: evidence from two large cohorts and a Mendelian randomization analysis. Cardiovasc Diabetol 2022;21:229. https://doi.org/10.1186/s12933-022-01658-7
7. Pandey A, Patel KV, Segar MW, et al. Association of high-density lipoprotein parameters and risk of heart failure: a multicohort analysis. JACC Heart Fail 2024;12:1242–1253. https://doi.org/10.1016/j.jchf.2024.03.007
8. Luo X, Cai B. Association between cardiometabolic index and congestive heart failure among US adults: a cross-sectional study. Front Cardiovasc Med 2024;11:1433950. https://doi.org/10.3389/fcvm.2024.1433950
9. Wakabayashi I, Daimon T. The “cardiometabolic index” as a new marker determined by adiposity and blood lipids for discrimination of diabetes mellitus. Clin Chim Acta 2015;438:274–278. https://doi.org/10.1016/j.cca.2014.08.042
10. Ye R, Zhang X, Zhang Z, et al. Association of cardiometabolic and triglyceride-glucose index with left ventricular diastolic function in asymptomatic individuals. Nutr Metab Cardiovasc Dis 2024;34:1590–600. https://doi.org/10.1016/j.numecd. 2024.02.008
11. Song J, Li Y, Zhu J, et al. Non-linear associations of cardiometabolic index with insulin resistance, impaired fasting glucose, and type 2 diabetes among US adults: a cross-sectional study. Front Endocrinol (Lausanne) 2024;15:1341828. https:// doi.org/10.3389/fendo.2024.1341828
12. Zheng H, Wu K, Wu W,et al. Relationship between the cumulative exposure to atherogenic index of plasma and ischemic stroke: a retrospective cohort study. Cardiovasc Diabetol 2023;22:313. https://doi.org/10.1186/s12933-023- 02044-7
13. Huang Z, Ding X, Yue Q, et al. Triglyceride-glucose index trajectory and stroke incidence in patients with hypertension: a prospective cohort study. Cardiovasc Diabetol 2022;21:141. https://doi.org/10.1186/s12933-022-01577-7
14. Liu S, Zhao D, Wang M, et al. Association between cumulative blood pressure and long-term risk of cardiovascular disease: findings from the 26-year Chinese multi-provincial cohort study-Beijing project. Chin Med J (Engl) 2021;134:920–6. https:// doi.org/10.1097/CM9.0000000000001383CMI2006, CMI2008 a CMI2010
15. Merkin SS, Karlamangla A, Elashoff D, et al. Change in cardiometabolic score and incidence of cardiovascular disease: the multi-ethnic study of atherosclerosis. Ann Epidemiol 2015;25:912–917.e1. https://doi.org/10.1016/j. annepidem.2015.09.006
16. Zhu XM, Xu Y, Zhang J. Cardiometabolic Index is associated with heart failure: a cross- sectional study based on NHANES. Front Med (Lausanne) 2024;11:1507100. https://doi. org/10.3389/fmed.2024.1507100
17. Eckel RH, Grundy SM, Zimmet PZ. The metabolic syndrome. Lancet 2005;365:1415–1428. https://doi.org/10.1016/S0140-6736(05)66378-7
18. Grundy SM. Hypertriglyceridemia, insulin resistance, and the metabolic syndrome. Am J Cardiol 1999;83:25F–29F. https://doi.org/10.1016/S0002-9149(99)00211-8
19. Zarain-Herzberg A, Estrada-Avilés R, Fragoso-Medina J. Regulation of sarco(endo)plasmic reticulum Ca2⁺-ATPase and calsequestrin gene expression in the heart. Can J Physiol Pharmacol 2012;90:1017–1028. https://doi.org/10.1139/y2012-057
20. Dridi H, Kushnir A, Zalk R, et al. Intracellular calcium leak in heart failure and atrial fibrillation: a unifying mechanism and therapeutic target. Nat Rev Cardiol 2020;17:732–747. https://doi.org/10.1038/s41569-020-0394-8
21. Murphy SP, Kakkar R, McCarthy CP, Januzzi JL Jr. Inflammation in heart failure: JACC state-of-the-art review. J Am Coll Cardiol 2020;75:1324–1340. https://doi.org/10.1016/j. jacc.2020.01.014
22. Adameova A, Dhalla NS. Role of microangiopathy in diabetic cardiomyopathy. Heart Fail Rev 2014;19:25–33. https://doi.org/10.1007/s10741-013-9378-7
23. Lopez J, Makuvire T, Davis JD, Carbone S. The short and sweet on sodium-glucose cotransporter inhibitors and glucagon-like peptide-1 receptor agonists in heart failure. US Cardiol 2025;19:e12. https://doi.org/10.15420/usc.2024.44

CZ-CONCO-00135