累积二甲双胍使用与HCV SVR后肝细胞癌风险:一项多中心队列研究

Cumulative Metformin Use and Hepatocellular Carcinoma Risk After HCV SVR: A Multicentre Cohort Study

作者信息Henar Calvo-Sánchez, Lorena Jara-Fernández, Raquel Encijo-Heredia, Irene Villarino, Rubén Alvarado, Marta Quiñones-Calvo, María-Luisa Gutiérrez, Joaquín Miquel, Miguel Torralba, Myriam Catalá, José Gómez, Sonia Albertos, Óscar Barquero-Pérez, Conrado Fernández-Rodríguez, Juan-Ramón Larrubia
PMID42499017
期刊Liver Int
发布时间2026-08
DOI10.1111/liv.70798

实验完整度

多中心回顾性队列,含1531例SVR患者,采用加权Cox模型、竞争风险分析和机器学习探索,但缺乏前瞻性干预和机制验证。

主要模型

1531例HCV SVR患者队列 T2DM亚组队列(308例)

重点核对

CME作为时间更新变量,每增加一年HR 0.46(总体)和0.49(T2DM) CSPH调整后效应不变(HR 6.04) IPTW和IPCW加权,处理不朽时间偏倚 Fine-Gray竞争风险模型支持方向

摘要

背景:尽管丙型肝炎病毒治疗后的持续病毒学应答(SVR)降低了肝细胞癌(HCC)的发病率,但残余风险仍然存在。二甲双胍与较低的HCC风险相关,但累积二甲双胍暴露(CME)是否能降低SVR后的风险仍不清楚。我们评估了CME是否与SVR后较低的HCC风险相关。方法:我们分析了一个多中心队列,包括1531名直接抗病毒治疗后达到SVR的患者(中位随访75.5个月)。二甲双胍暴露在start–stop Cox模型中被建模为时间更新的累积变量,以控制不朽时间偏倚。稳定逆概率加权处理了适应症混杂和删失。总体模型按性别分层,并调整了FIB‐4、临床显著性门静脉高压(CSPH)、2型糖尿病(T2DM)和吸烟。预设的T2DM限制分析使用了T2DM特异性IPTW加IPCW、性别分层和CSPH调整。结果:随访期间,50名患者发生HCC。未使用二甲双胍的FIB‐4 > 3.25、CSPH和T2DM患者的粗略发病率最高(每100人年4.84例)。在总体加权模型中,CME与较低的HCC风险相关(HR,0.46/年;95% CI,0.27–0.77;p = 0.004)。CSPH、T2DM、吸烟和FIB‐4 > 3.25独立增加风险。在T2DM限制模型中,每增加一年的CME仍与较低的HCC风险相关(HR,0.49;95% CI,0.29–0.84;p = 0.009),而CSPH与较高的风险相关(HR,6.04;95% CI,2.12–17.19;p < 0.001)。结论:SVR后,CME与较低的HCC风险相关;这种可能的持续时间依赖性反向关联仅在符合二甲双胍治疗条件的T2DM患者中具有临床可解释性。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
累积二甲双胍暴露(CME)是否与HCV SVR后肝细胞癌(HCC)风险降低相关?
核心机制
二甲双胍可能通过激活AMPK、抑制PI3K/Akt/mTORC1通路等机制降低HCC风险,但本研究为观察性研究,未直接验证机制。
主要证据
多中心队列1531例SVR患者,中位随访75.5个月,50例HCC;加权Cox模型显示CME每增加一年HCC风险降低(HR 0.46,95% CI 0.27-0.77);T2DM限制模型结果一致(HR 0.49)。
研究意义
研究支持将二甲双胍作为SVR后潜在的辅助化学预防策略,但需在临床试验中进一步评估,且不能替代常规HCC监测。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

队列建立与基线数据收集

建立HCV SVR患者队列,收集基线临床和实验室特征。

回顾性分析西班牙三个中心1531例DAA治疗后达到SVR的CHC患者,提取人口学、生化、肝脏硬度等数据。

2

二甲双胍暴露的时变建模

以时间更新的累积暴露量准确刻画二甲双胍使用,避免不朽时间偏倚。

从临床记录提取二甲双胍开始和结束日期,计算整个随访期间的累积暴露时间,并作为时变协变量纳入Cox模型。

3

加权Cox比例风险模型分析

评估CME与HCC风险的关联,并调整混杂和删失。

在总体队列和T2DM限制队列中,采用稳定IPTW和IPCW加权的Cox PH模型,模型按性别分层,调整CSPH、FIB-4、T2DM、吸烟等。

4

敏感性分析

检验结果的稳健性。

用LSM替代FIB-4,用Baveno VII标准替代CSPH,进行权重截断和竞争风险分析。

5

机器学习探索性分析

探索预测因子的非线性和交互作用。

使用随机生存森林(RSF)和SHAP值,探索HCC风险预测因素,识别二甲双胍在T2DM中的预测贡献。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
FibroScan文中未明确说明--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
队列定义
患者来源:三个西班牙中心;纳入标准:CHC且SVR;排除标准:详见补充材料;样本量:1531
阅读提示:Methods 2.1, Figure 1
二甲双胍暴露
暴露定义:时间更新累积变量;数据来源:临床记录开始/结束日期;剂量:文中未明确说明
阅读提示:Methods 2.4, Discussion
统计分析
模型:加权Cox PH,性别分层;协变量:CSPH、FIB-4、T2DM、吸烟;权重:稳定IPTW×IPCW;敏感性:LSM、Baveno VII、Fine-Gray、权重截断
阅读提示:Methods 2.3-2.6, Tables S2-S5