2型糖尿病合并代谢相关脂肪性肝病患者微血管病变发生的相关因素分析及预测价值研究

doi:10.12114/j.issn.1007-9572.2024.0434

摘要/Abstract

摘要： 背景 2型糖尿病（T2DM）与代谢相关脂肪性肝病（MAFLD）常合并存在，二者通过胰岛素抵抗、脂代谢异常及慢性炎症等机制相互作用，显著增加了微血管病变风险，但现有研究对相关危险因素的定量分析及预测模型构建不足，亟需明确关键生物标志物以指导早期干预‌。目的研究T2DM合并MAFLD患者微血管病变发生的相关因素及预测价值。方法回顾性分析2021年1月—2023年8月安徽医科大学附属六安医院接收的T2DM合并MAFLD患者的临床资料，通过病历系统记录按照1∶1的比例，选取110例发生微血管病变的患者及110例未发生微血管病变的患者为建模组，选取同期106例T2DM合并MAFLD患者为验证组，另外将出现微血管病变者划分到发生组（n=110），未出现微血管病变者划分到未发生组（n=110）。通过病历系统记录内容收集患者一般资料及实验室检查结果，计算非酒精性脂肪肝纤维化评分（NFS）、肝纤维化4因子指数（FIB-4）、甘油三酯-葡萄糖指数（TyG）。采用共线性分析筛选方差膨胀系数（VIF）<10的指标进行多因素Logistic回归分析，构建受试者工作特征（ROC）曲线，判断各指标对T2DM合并MAFLD患者发生微血管病变的预测效果。结果建模队列和验证队列基线资料比较，差异无统计学意义（P>0.05）。发生微血管病变的T2DM合并MAFLD患者中，44例（40.0%）发生糖尿病肾病，29例（26.4%）发生糖尿病视网膜病变，37例（33.6%）发生糖尿病肾病合并糖尿病视网膜病变。未发生组与发生组患者吸烟史、糖尿病病程、C反应蛋白（CRP）、TyG、三酰甘油（TG）、FIB-4、NFS比较，差异有统计学意义（P<0.05）。多因素Logistic回归分析结果显示，有吸烟史（OR=8.298，95%CI=1.957~35.175）、糖尿病病程长（OR=2.638，95%CI=1.515~4.596）、CRP升高（OR=7.918，95%CI=4.013~15.624）、TyG升高（OR=1.533，95%CI=1.171~2.006）、TG升高（OR=2.055，95%CI=1.475~2.862）、FIB-4升高（OR=29.598，95%CI=9.179~95.437）、NFS升高（OR=3.433，95%CI=2.113~5.576）为T2DM合并MAFLD患者发生微血管病变的危险因素（P<0.05）。CRP、TyG、糖尿病病程、吸烟史、TG、NFS、FIB-4预测T2DM合并MAFLD患者发生微血管病变的ROC曲线下面积（AUC）分别为0.964（95%CI=0.944~0.984，P<0.001）、0.620（95%CI=0.546~0.693，P=0.002）、0.795（95%CI=0.737~0.853，P=0.001）、0.605（95%CI=0.530~0.679，P=0.004）、0.663（95%CI=0.592~0.735，P<0.001）、0.730（95%CI=0.664~0.796，P<0.001）、0.743（95%CI=0.678~0.808，P<0.001）。基于上述指标构建预测模型，建模队列AUC（95%CI）为0.990（0.990~1.000），预测价值较好。结论临床可通过对T2DM合并MAFLD患者的CRP、TyG、糖尿病病程、吸烟史、TG、NFS、FIB-4的观察和检测对微血管病变发生进行有效预测，有利于T2DM合并MAFLD患者中筛选发生微血管病变的高危患者。

Abstract:

Background

Type 2 diabetes mellitus (T2DM) is often associated with metabolic fatty liver disease (MAFLD) , which significantly increases the risk of microanglopathy through the interaction of insulin resistance, abnormal lipid metabolism, chronic inflammation and other mechanisms. However, the quantitative analysis of related risk factors and the construction of predictive models are insufficient in existing studies. Identification of key biomarkers to guide early intervention‌ is urgently needed.

Objective

To investigate the correlation factors and predictive value of microangiopathy in T2DM patients with MAFLD.

Methods

A retrospective analysis was conducted on the clinical data of patients with T2DM combined with MAFLD admitted to the Lu'an Hospital Affiliated to Anhui Medical University from January 2021 to August 2023. According to the medical record system, 110 patients with microvascular complications and 110 patients without microvascular complications were selected as the modeling group at a 1∶1 ratio. Another 106 patients with T2DM combined with MAFLD during the same period were selected as the validation group. Patients with microvascular complications were assigned to the occurrence group (n=110) , and those without microvascular complications were assigned to the non-occurrence group (n=110) . General information and laboratory test results of the patients were collected through the medical record system. The non-alcoholic fatty liver fibrosis score (NFS) , liver fibrosis 4-factor index (FIB-4) , and triglyceride-glucose index (TyG) were calculated. Multivariate logistic regression analysis was performed on indicators with a variance inflation factor (VIF) <10 selected by collinearity analysis. The receiver operating characteristic (ROC) curve was constructed to evaluate the predictive effect of each indicator on the occurrence of microvascular complications in patients with T2DM combined with MAFLD.

Results

There were no significant differences in baseline data between the modeling cohort and the validation cohort (P>0.05) . Among the patients with T2DM combined with MAFLD who developed microvascular complications, 44 (40.0%) had diabetic nephropathy, 29 (26.4%) had diabetic retinopathy, and 37 (33.6%) had both diabetic nephropathy and diabetic retinopathy. Significant differences were observed in smoking history, duration of diabetes, C-reactive protein (CRP) , TyG, triglycerides (TG) , FIB-4, and NFS between the non-occurrence and occurrence groups (P<0.05) . Multivariate logistic regression analysis showed that smoking history (OR=8.298, 95%CI=1.957-35.175) , long duration of diabetes (OR=2.638, 95%CI=1.515-4.596) , elevated CRP (OR=7.918, 95%CI=4.013-15.624) , elevated TyG (OR=1.533, 95%CI=1.171-2.006) , elevated TG (OR=2.055, 95%CI=1.475-2.862) , elevated FIB-4 (OR=29.598, 95%CI=9.179-95.437) , and elevated NFS (OR=3.433, 95%CI=2.113-5.576) were risk factors for microvascular complications in patients with T2DM combined with MAFLD (P<0.05) . The areas under the ROC curve (AUC) for predicting microvascular complications in patients with T2DM combined with MAFLD based on CRP, TyG, duration of diabetes, smoking history, TG, NFS, and FIB-4 were 0.964 (95%CI=0.944-0.984, P<0.001) , 0.620 (95%CI=0.546-0.693, P=0.002) , 0.795 (95%CI=0.737-0.853, P=0.001) , 0.605 (95%CI=0.530-0.679, P=0.004) , 0.663 (95%CI=0.592-0.735, P<0.001) , 0.730 (95%CI=0.664-0.796, P<0.001) , and 0.743 (95%CI=0.678-0.808, P<0.001) , respectively. The AUC (95%CI) of the predictive model based on the above indicators in the modeling cohort was 0.990 (0.990-1.000) , indicating good predictive value.

Conclusion

Clinically, the occurrence of microvascular complications in patients with T2DM combined with MAFLD can be effectively predicted by observing CRP, TyG, duration of diabetes, smoking history, TG, NFS, and FIB-4. This approach is conducive to identifying high-risk patients with microvascular complications among patients with T2DM combined with MAFLD.

Key words: Type 2 diabetes, Metabolic fatty liver disease, Microangiopathy, C-reactive protein, Triglyceride-glucose index, Non-alcoholic fatty liver fibrosis score, Fibrosis 4-factor index

范学明,杨宁宁,郑症,等. 2型糖尿病合并代谢相关脂肪性肝病患者微血管病变发生的相关因素分析及预测价值研究[J]. 中国全科医学, 2025, 28(36): 4578-4585. DOI: 10.12114/j.issn.1007-9572.2024.0434.
FAN Xueming,YANG Ningning,ZHENG Zheng, et al. Analysis of Correlation Factors and Predictive Value of Microvascular Complications in Patients with Type 2 Diabetes Mellitus Combined with Metabolic-associated Fatty Liver Disease[J]. Chinese General Practice, 2025, 28(36): 4578-4585. DOI: 10.12114/j.issn.1007-9572.2024.0434.

图/表 8

参考文献 31

[1]	ARTASENSI A，PEDRETTI A，VISTOLI G，et al. Type 2 diabetes mellitus：a review of multi-target drugs[J]. Molecules，2020，25（8）：1987. DOI：10.3390/molecules25081987.
[2]	SANZ-CÁNOVAS J，LÓPEZ-SAMPALO A，COBOS-PALACIOS L，et al. Management of type 2 diabetes mellitus in elderly patients with frailty and/or sarcopenia[J]. Int J Environ Res Public Health，2022，19（14）：8677. DOI：10.3390/ijerph19148677.
[3]	TARGHER G，COREY K E，BYRNE C D，et al. The complex link between NAFLD and type 2 diabetes mellitus—mechanisms and treatments[J]. Nat Rev Gastroenterol Hepatol，2021，18（9）：599-612. DOI：10.1038/s41575-021-00448-y.
[4]	WU C Z，YUAN Y H，LIU H H，et al. Epidemiologic relationship between periodontitis and type 2 diabetes mellitus[J]. BMC Oral Health，2020，20（1）：204. DOI：10.1186/s12903-020-01180-w.
[5]	ESLAM M，SANYAL A J，GEORGE J，et al. MAFLD：a consensus-driven proposed nomenclature for metabolic associated fatty liver disease[J]. Gastroenterology，2020，158（7）：1999-2014.e1. DOI：10.1053/j.gastro.2019.11.312.
[6]	BADMUS O O，HILLHOUSE S A，ANDERSON C D，et al. Molecular mechanisms of metabolic associated fatty liver disease（MAFLD）：functional analysis of lipid metabolism pathways[J]. Clin Sci（Lond），2022，136（18）：1347-1366. DOI：10.1042/CS20220572.
[7]	LIN H T，CHENG M L，LO C J，et al. 1H nuclear magnetic resonance（NMR）-based cerebrospinal fluid and plasma metabolomic analysis in type 2 diabetic patients and risk prediction for diabetic microangiopathy[J]. J Clin Med，2019，8（6）：874. DOI：10.3390/jcm8060874.
[8]	CHEN Y Y，WANG Y，ZHANG Y，et al. Association of peripheral neuropathy with subclinical left ventricular dysfunction in patients with type 2 diabetes[J]. J Diabetes Complications，2023，37（2）：108406. DOI：10.1016/j.jdiacomp.2023.108406.
[9]	AN X，LI Y H，SHI S S，et al. Clinical significance and influencing factors of carotid pulse wave velocity in patients with diabetic microangiopathy[J]. J Clin Ultrasound，2022，50（3）：309-316. DOI：10.1002/jcu.23153.
[10]	LIN Z H，DAI S F，ZHAO J N，et al. Application of urinary N-acetyl-β-D-glucosaminidase combined with serum retinol-binding protein in early detection of diabetic nephropathy[J]. World J Diabetes，2023，14（6）：883-891. DOI：10.4239/wjd.v14.i6.883.
[11]	HERMANS M P，AHN S A，ROUSSEAU M F. Increased CRP：an extended biomarker of microvascular risk in men with type 2 diabetes[J]. J Diabetes Complications，2019，33（11）：107413. DOI：10.1016/j.jdiacomp.2019.107413.
[12]	CHEN W H，WANG X D，JIANG Q L，et al. Association between triglyceride glucose index and severity of diabetic foot ulcers in type 2 diabetes mellitus[J]. J Foot Ankle Res，2023，16（1）：68. DOI：10.1186/s13047-023-00663-7.
[13]	GRAUPERA I，THIELE M，SERRA-BURRIEL M，et al. Low accuracy of FIB-4 and NAFLD fibrosis scores for screening for liver fibrosis in the population[J]. Clin Gastroenterol Hepatol，2022，20（11）：2567-2576.e6. DOI：10.1016/j.cgh.2021.12.034.
[14]	中国老年型糖尿病防治临床指南编写组，中国老年医学学会老年内分泌代谢分会，中国老年保健医学研究会老年内分泌与代谢分会，等. 中国老年2型糖尿病防治临床指南（2022年版）[J]. 中华内科杂志，2022，61（1）：12-50. DOI：10.3760/cma.j.cn112138-20211027-00751.
[15]	CHALASANI N，YOUNOSSI Z，LAVINE J E，et al. The diagnosis and management of nonalcoholic fatty liver disease：practice guidance from the american association for the study of liver diseases[J]. Hepatology，2018，67（1）：328-357. DOI：10.1002/hep.29367.
[16]	YU N，ZHANG Y Y，NIU X Y，et al. Evaluation of shear wave velocity and human bone morphogenetic protein-7 for the diagnosis of diabetic kidney disease[J]. PLoS One，2015，10（3）：e0119713. DOI：10.1371/journal.pone.0119713.
[17]	RA H，YOO J H，BAN W H，et al. Predictors for diabetic retinopathy in normoalbuminuric people with type 2 diabetes mellitus[J]. Diabetol Metab Syndr，2012，4（1）：29. DOI：10.1186/1758-5996-4-29.
[18]	WANG W，LI X，REN Y Z. Correlation analysis and intervention study on disturbance of lipid metabolism and diabetic peripheral neuropathy[J]. Comput Math Methods Med，2022，2022：2579692. DOI：10.1155/2022/2579692.
[19]	LING C，BACOS K，RÖNN T. Epigenetics of type 2 diabetes mellitus and weight change—a tool for precision medicine?[J]. Nat Rev Endocrinol，2022，18（7）：433-448. DOI：10.1038/s41574-022-00671-w.
[20]	UPADHYAY P，WU C W，PHAM A，et al. Animal models and mechanisms of tobacco smoke-induced chronic obstructive pulmonary disease（COPD）[J]. J Toxicol Environ Health B Crit Rev，2023，26（5）：275-305. DOI：10.1080/10937404.2023.2208886.
[21]	ZHU Y K，DING X L，SHE Z Y，et al. Exploring shared pathogenesis of Alzheimer's disease and type 2 diabetes mellitus via co-expression networks analysis[J]. Curr Alzheimer Res，2020，17（6）：566-575. DOI：10.2174/1567205017666200810164932.
[22]	GURUDATTA PAWAR S，K A，SANTHANAM J，et al. Dynamic diffusion lung capacity of carbon monoxide（DLCO）as a predictor of pulmonary microangiopathy and its association with extra pulmonary microangiopathy in patients with type Ⅱ diabetes mellitus[J]. Diabetes Metab Syndr，2022，16（1）：102360. DOI：10.1016/j.dsx.2021.102360.
[23]	YANG Z W，LIU Q Y，WEN D J，et al. Risk of diabetic retinopathy and retinal neurodegeneration in individuals with type 2 diabetes：Beichen Eye Study[J]. Front Endocrinol（Lausanne），2023，14：1098638. DOI：10.3389/fendo.2023.1098638.
[24]	MEHRA P，SHARMA B，BAIG H，et al. Efficacy of homoeopathic treatment for diabetic distal symmetric polyneuropathy：a multicentric randomised double-blind placebo-controlled clinical trial[J]. Explore（NY），2021，17（5）：417-423. DOI：10.1016/j.explore.2020.05.007.
[25]	GE Q W，LI M，XU Z C，et al. Comparison of different obesity indices associated with type 2 diabetes mellitus among different sex and age groups in Nantong，China：a cross-section study[J]. BMC Geriatr，2022，22（1）：20. DOI：10.1186/s12877-021-02713-w.
[26]	SŁOMIŃSKI B，MYŚLIWSKA J，RYBA-STANISŁAWOWSKA M，et al. Estrogen receptor α gene polymorphism and vascular complications in girls with type 1 diabetes mellitus[J]. Mol Cell Biochem，2018，437（1/2）：153-161. DOI：10.1007/s11010-017-3103-0.
[27]	ZHOU Y，LU Q，ZHANG M，et al. The U-shape relationship between triglyceride-glucose index and the risk of diabetic retinopathy among the US population[J]. J Pers Med，2023，13（3）：495. DOI：10.3390/jpm13030495.
[28]	NOH S，KIM J，KIM G，et al. Recent advances in CRP biosensor based on electrical，electrochemical and optical methods[J]. Sensors（Basel），2021，21（9）：3024. DOI：10.3390/s21093024.
[29]	PAN L L，YE Y L，WO M Y，et al. Clinical significance of hemostatic parameters in the prediction for type 2 diabetes mellitus and diabetic nephropathy[J]. Dis Markers，2018，2018：5214376. DOI：10.1155/2018/5214376.
[30]	SANDVIK E C S，AASARØD K M，JOHNSEN G，et al. The effect of roux-en-Y gastric bypass on non-alcoholic fatty liver disease fibrosis assessed by FIB-4 and NFS scores—an 11.6-year follow-up study[J]. J Clin Med，2022，11（16）：4910. DOI：10.3390/jcm11164910.
[31]	MOON S Y，BAEK Y H，JANG S Y，et al. Proposal of a novel serological algorithm combining FIB-4 and serum M2BPGi for advanced fibrosis in nonalcoholic fatty liver disease[J]. Gut Liver，2024，18（2）：283-293. DOI：10.5009/gnl230128.

指标	建模队列（n=220）	验证队列（n=106）	t（χ²）值	P值
性别（男/女）	138/82	76/30	2.553^a	0.110
年龄（岁）	68.7±9.1	68.9±9.1	0.028	0.978
吸烟史[例（%）]	67（30.5）	35（33.0）	0.219^a	0.640
受教育程度[例（%）]			0.046^a	0.830
高中及以下	92（41.8）	43（40.6）
大专及以上	128（58.2）	63（49.4）
家族慢性疾病史[例（%）]			0.377^a	0.539
有	48（21.8）	20（18.9）
无	172（78.2）	86（81.1）
家庭月收入情况[例（%）]			0.336^a	0.562
≤5 000元	86（39.1）	45（42.5）
>5 000元	134（60.9）	61（57.5）
BMI（kg/m²）	22.44±2.56	22.58±2.53	0.464	0.643
糖尿病病程（年）	6.80±1.33	6.95±1.35	0.949	0.343
CRP（mg/L）	7.34±1.37	7.29±1.28	0.315	0.753
TyG	9.34±1.26	9.30±1.32	0.264	0.792
SBP（mmHg）	129±14	126±10	1.683	0.093
DBP（mmHg）	84±8	83±8	1.037	0.300
HDL-C（mmol/L）	1.06±0.15	1.04±0.14	1.152	0.250
LDL-C（mmol/L）	2.73±0.31	2.78±0.29	1.393	0.165
HbA_lc（%）	9.82±0.99	9.98±0.98	0.514	0.607
FPG（mmol/L）	8.49±1.31	8.53±1.33	0.257	0.797
TC（mmol/L）	6.26±0.88	6.23±0.85	0.292	0.771
TG（mmol/L）	4.24±0.57	4.30±0.59	0.880	0.379
FIB-4	1.37±0.26	1.36±0.28	0.634	0.526
NFS（分）	-0.45±0.57	-0.40±0.53	0.455	0.649
PT（s）	11.21±2.15	11.26±2.18	0.196	0.845
APTT（s）	28.43±3.17	28.64±3.05	0.567	0.571
TT（s）	12.23±1.75	12.30±1.81	0.335	0.738
AST（U/L）	24.25±9.81	22.82±7.65	1.320	0.188
ALT（U/L）	27.93±6.54	27.16±6.10	1.017	0.310
PLT（×10⁹/L）	144.55±10.49	147.16±20.69	1.512	0.131
ALB（mg/L）	12.57±1.18	12.79±1.11	1.607	0.109

指标	建模队列（n=220）	验证队列（n=106）	t（χ²）值	P值
性别（男/女）	138/82	76/30	2.553^a	0.110
年龄（岁）	68.7±9.1	68.9±9.1	0.028	0.978
吸烟史[例（%）]	67（30.5）	35（33.0）	0.219^a	0.640
受教育程度[例（%）]			0.046^a	0.830
高中及以下	92（41.8）	43（40.6）
大专及以上	128（58.2）	63（49.4）
家族慢性疾病史[例（%）]			0.377^a	0.539
有	48（21.8）	20（18.9）
无	172（78.2）	86（81.1）
家庭月收入情况[例（%）]			0.336^a	0.562
≤5 000元	86（39.1）	45（42.5）
>5 000元	134（60.9）	61（57.5）
BMI（kg/m²）	22.44±2.56	22.58±2.53	0.464	0.643
糖尿病病程（年）	6.80±1.33	6.95±1.35	0.949	0.343
CRP（mg/L）	7.34±1.37	7.29±1.28	0.315	0.753
TyG	9.34±1.26	9.30±1.32	0.264	0.792
SBP（mmHg）	129±14	126±10	1.683	0.093
DBP（mmHg）	84±8	83±8	1.037	0.300
HDL-C（mmol/L）	1.06±0.15	1.04±0.14	1.152	0.250
LDL-C（mmol/L）	2.73±0.31	2.78±0.29	1.393	0.165
HbA_lc（%）	9.82±0.99	9.98±0.98	0.514	0.607
FPG（mmol/L）	8.49±1.31	8.53±1.33	0.257	0.797
TC（mmol/L）	6.26±0.88	6.23±0.85	0.292	0.771
TG（mmol/L）	4.24±0.57	4.30±0.59	0.880	0.379
FIB-4	1.37±0.26	1.36±0.28	0.634	0.526
NFS（分）	-0.45±0.57	-0.40±0.53	0.455	0.649
PT（s）	11.21±2.15	11.26±2.18	0.196	0.845
APTT（s）	28.43±3.17	28.64±3.05	0.567	0.571
TT（s）	12.23±1.75	12.30±1.81	0.335	0.738
AST（U/L）	24.25±9.81	22.82±7.65	1.320	0.188
ALT（U/L）	27.93±6.54	27.16±6.10	1.017	0.310
PLT（×10⁹/L）	144.55±10.49	147.16±20.69	1.512	0.131
ALB（mg/L）	12.57±1.18	12.79±1.11	1.607	0.109

项目	未发生组（n=110）	发生组（n=110）	t（χ²）值	P值
性别（男/女）	68/42	70/40	0.078^a	0.780
年龄（岁）	68.8±8.9	68.6±9.1	0.150	0.881
吸烟史[例（%）]	22（20.0）	45（40.9）	11.353^a	0.001
受教育程度[例（%）]			0.083^a	0.774
高中及以下	35（31.8）	37（33.6）
大专及以上	75（68.2）	73（66.4）
家族慢性疾病史[例（%）]			0.107^a	0.744
有	25（22.7）	23（20.9）
无	85（77.3）	87（79.1）
家庭月收入情况[例（%）]			0.076^a	0.782
≤5 000元	42（38.2）	44（40.0）
>5 000元	68（61.8）	66（60.0）
BMI（kg/m²）	22.43±2.25	22.45±2.27	0.100	0.921
糖尿病病程（年）	6.14±1.09	7.47±1.15	8.804	<0.001
CRP（mg/L）	5.64±1.47	9.05±1.23	18.659	<0.001
TyG	9.12±1.01	9.56±1.05	3.167	0.002
SBP（mmHg）	129±13	129±13	0.073	0.942
DBP（mmHg）	84±11	84±10	0.065	0.949
HDL-C（mmol/L）	1.05±0.21	1.07±0.24	0.658	0.511
LDL-C（mmol/L）	2.78±0.35	2.69±0.37	1.853	0.065
HbA_lc（%）	9.85±0.51	9.78±0.62	0.914	0.361
FPG（mmol/L）	8.32±1.45	8.65±1.62	1.592	0.113
TC（mmol/L）	6.31±1.28	6.20±1.15	0.670	0.503
TG（mmol/L）	3.96±0.81	4.52±0.95	4.705	<0.001
FIB-4	1.24±0.25	1.51±0.34	6.710	<0.001
NFS	-0.68±0.54	-0.21±0.68	5.677	<0.001
PT（s）	11.26±2.81	11.16±2.66	0.271	0.787
APTT（s）	28.55±3.58	28.32±3.45	0.485	0.628
TT（s）	12.25±3.21	12.20±2.78	0.123	0.902
AST（U/L）	23.26±8.72	25.24±10.89	1.489	0.138
ALT（U/L）	27.11±6.32	28.75±6.76	1.859	0.064
PLT（×10⁹/L）	143.32±10.86	145.77±10.12	1.731	0.085
ALB（mg/L）	12.45±1.09	12.68±1.26	1.448	0.149

项目	未发生组（n=110）	发生组（n=110）	t（χ²）值	P值
性别（男/女）	68/42	70/40	0.078^a	0.780
年龄（岁）	68.8±8.9	68.6±9.1	0.150	0.881
吸烟史[例（%）]	22（20.0）	45（40.9）	11.353^a	0.001
受教育程度[例（%）]			0.083^a	0.774
高中及以下	35（31.8）	37（33.6）
大专及以上	75（68.2）	73（66.4）
家族慢性疾病史[例（%）]			0.107^a	0.744
有	25（22.7）	23（20.9）
无	85（77.3）	87（79.1）
家庭月收入情况[例（%）]			0.076^a	0.782
≤5 000元	42（38.2）	44（40.0）
>5 000元	68（61.8）	66（60.0）
BMI（kg/m²）	22.43±2.25	22.45±2.27	0.100	0.921
糖尿病病程（年）	6.14±1.09	7.47±1.15	8.804	<0.001
CRP（mg/L）	5.64±1.47	9.05±1.23	18.659	<0.001
TyG	9.12±1.01	9.56±1.05	3.167	0.002
SBP（mmHg）	129±13	129±13	0.073	0.942
DBP（mmHg）	84±11	84±10	0.065	0.949
HDL-C（mmol/L）	1.05±0.21	1.07±0.24	0.658	0.511
LDL-C（mmol/L）	2.78±0.35	2.69±0.37	1.853	0.065
HbA_lc（%）	9.85±0.51	9.78±0.62	0.914	0.361
FPG（mmol/L）	8.32±1.45	8.65±1.62	1.592	0.113
TC（mmol/L）	6.31±1.28	6.20±1.15	0.670	0.503
TG（mmol/L）	3.96±0.81	4.52±0.95	4.705	<0.001
FIB-4	1.24±0.25	1.51±0.34	6.710	<0.001
NFS	-0.68±0.54	-0.21±0.68	5.677	<0.001
PT（s）	11.26±2.81	11.16±2.66	0.271	0.787
APTT（s）	28.55±3.58	28.32±3.45	0.485	0.628
TT（s）	12.25±3.21	12.20±2.78	0.123	0.902
AST（U/L）	23.26±8.72	25.24±10.89	1.489	0.138
ALT（U/L）	27.11±6.32	28.75±6.76	1.859	0.064
PLT（×10⁹/L）	143.32±10.86	145.77±10.12	1.731	0.085
ALB（mg/L）	12.45±1.09	12.68±1.26	1.448	0.149

变量	VIF值	容忍度
CRP	2.684	0.373
TyG	1.100	0.909
糖尿病病程	1.393	0.718
吸烟史	1.085	0.922
TG	1.120	0.892
FIB-4	1.314	0.761
NFS	1.141	0.876