UK Biobank是全球最具规模和影响力的生物医学数据库之一，拥有超过50万参与者的庞大数据信息，覆盖了广泛的疾病类型。汇集了全基因组测序数据、表型数据（包括血压、血糖、胆固醇等生理指标）、生活方式数据（饮食习惯、运动频率、吸烟饮酒等）、影像学数据（MRI、CT等）和医疗记录（参与者的历史病历、用药记录、手术史等）等海量数据，使得研究者可以从多维度进行综合、深度分析。并且其数据是长期追踪的，研究人员可以观察到疾病的发展趋势和健康状况的演变，是一座还未被大肆开采的“金矿”。

UK Biobank数据库的相关研究目前在PUBMED检索到2023年发文数有2782篇，并且呈逐年增长的趋势，2024年发表了3718篇，2025年截至目前已发布548篇。现在挖UKB数据库，实现高分文章量产不是梦！毕竟无论从样本量还是数据质量来看，UKB数据库都可以说是公共数据库中的龙头老大了。

近日，来自中山大学中山眼科中心-眼科学国家重点实验室的研究员们在British Journal Of Ophthalmology（英国眼科杂志）发表了题为“Associations between serum lipids and glaucoma: a cohort study of 400 229 UK Biobank participants”的研究论文，探究了血脂与青光眼的关联性，发现高密度脂蛋白胆固醇（HDL-C）水平与青光眼发病风险呈正相关，低密度脂蛋白胆固醇(LDL-C)、总胆固醇（TC）和甘油三酯（TG）水平与青光眼发病风险呈负相关。为青光眼的预防和治疗提供了新的见解。

一、研究背景

如果你经常感到头痛、眼睛胀痛并且视力逐渐模糊，那可能正在遭受“青光眼”的疾病之苦。如果治疗不及时或不当，可能会导致不可逆的视力丧失。青光眼是全球最常见的不可逆致盲性眼病，以病理性眼压升高，引起视神经萎缩和视野缺损为特征，致盲率大约在5%-20%左右，预计到2040年将影响约1.12亿人。目前已知的青光眼发病风险因素包括年龄、种族、眼压（IOP）升高和家族遗传。探索其他潜在风险因素可能有助于开发新的干预措施，以减轻全球青光眼患病负担。

血脂异常与多种眼病相关（如老年性黄斑变性、视网膜中央静脉阻塞和糖尿病视网膜病变等），也是眼压升高的影响因素之一。但是有关血脂水平与青光眼的相关性研究一直存在争议。所以本研究旨在深入探究血脂水平与青光眼的关联性，为眼病的预防和治疗提供新的见解。

二、研究方法

UK Biobank数据库记录了2006年至2010年间年龄在40至69岁之间的超过50万名参与者的全面健康数据。据此，研究员们首先进行了血脂水平评估（如HDL-C、LDL-C、TC和TG等）；确定和排除青光眼患者及其他影响因素（如有青光眼手术或激光治疗史等）；然后进行了多基因风险评分（PRS），根据HDL-C、LDL-C、TC和TG等多基因风险评分，分析探究血脂与青光眼之间的关联性；并进行了协变量评估，收集广泛的潜在混杂因素（如种族、吸烟、饮酒、药物使用、腰臀比、血压等因素）进行调整；最后进行统计分析，利用Pearson相关系数、Cox比例风险模型等进行评估分析，并辅以分层分析、敏感性分析以确定结果的稳健性。

图1：流程图

三、结论

1、基线特征

研究共计纳入了502,364名参与者，排除了8,850名青光眼患者、9,733名疑似青光眼患者以及83,552名因血脂或协变量数据缺失的参与者后，最终纳入400,229名参与者。在平均14.44（13.73-15.12）年的随访期间，共有6,868名（1.72%）参与者患有青光眼。

与未患病参与者相比，青光眼患者具有以下特征：年龄较大、Townsend剥夺指数较低（用来评估社会经济地位）、HDL-C水平较高、LDL-C水平较低、腰臀比较高（中心性肥胖）、曾经吸烟但从不饮酒、使用他汀类药物、并且糖尿病/高血压/心血管疾病的患病率较高等。

2、血脂与青光眼发病风险的关联性分析

研究员们首先通过多变量Cox回归分析发现，HDL-C水平与青光眼发病风险呈正相关（HDL-C每增加1个标准差，青光眼发病风险增加5%），LDL-C水平与青光眼发病风险呈负相关（LDL-C每增加1个标准差，青光眼发病风险降低4%），这与单变量模型结果一致；而在单变量分析中，TC和TG与青光眼无显著关联，加入年龄和性别的多变量模型中，关联呈显著负相关（TC每增加1个标准差，风险降低3%；TG每增加1个标准差，风险降低4%）。

图2：血脂与青光眼的关联性分析

接下来，研究员们使用限制性立方样条（RCS）分析了血脂水平-青光眼的潜在非线性关系。HDL-C水平较高时，青光眼发病风险增加；LDL-C水平在3.50mmol/L之前，青光眼发病风险相对平稳，之后逐渐下降；TC水平与青光眼发病风险呈倒U型关系（TC约为5.28mmol/L时风险最高，随后下降）；TG水平与青光眼发病风险呈U型关系（TG约为2.45mmol/L时风险最低）。

图3：RCS分析

3、血脂多基因风险评分与青光眼发病风险的关联性分析

然后，研究员们调整了潜在的混杂因素，随着HDL-C遗传风险增加，青光眼发病率逐渐上升（HDL-C遗传风险每增加1个标准差，青光眼发病风险增加5%）。而LDL-C、TC和TG的多基因风险评分与青光眼无显著关联。

4、其他分析

此外，研究员们发现载脂蛋白A与青光眼发病风险呈正相关（载脂蛋白A每增加1个标准差，风险增加6%）；载脂蛋白B与青光眼发病风险呈负相关（载脂蛋白B每增加1个标准差，风险降低5%）。TC/HDL-C、LDL-C/HDL-C和TG/HDL-C比值与青光眼发病风险呈负相关。

5、年龄、性别和青光眼类型的分层分析

随后，研究员通过年龄的分层分析发现，血脂与青光眼的关联仅在55岁以上的参与者中持续存在，而在40-55岁参与者中无显著关联。55岁以上的参与者，其HDL-C、TG水平与男性青光眼发病风险分别呈正相关和负相关（女性参与者无显著关联）；LDL-C和TC水平仅与女性青光眼发病风险均呈负相关。

并且研究员通过对原发性开角型青光眼（POAG）、原发性闭角型青光眼（PACG）、继发性青光眼的分层分析发现，TG仅与POAG发病风险相关；LDL-C、TC与POAG/PACG的发病风险无显著关联；HDL-C与POAG/PACG发病风险均呈正相关；血脂水平与继发性青光眼发病风险无显著关联。也就是说，血脂水平与分层变量（如年龄、性别和青光眼类型）之间存在显著的交互作用。

6、敏感性分析

最后，研究员们通过敏感性分析评估了调整（如排除药物使用、眼压等潜在混杂因素）后血脂水平与青光眼的关联性。发现HDL-C仍然与青光眼呈正相关；LDL-C、TC和TG仍然与青光眼发病风险呈负相关，其关联强度和方向基本保持不变。

参考来源：

Ma Y, Wu Y, et al. Associations between serum lipids and glaucoma: a cohort study of 400 229 UK Biobank participants. Br J Ophthalmol. 2025 Feb 4:bjo-2024-326062. doi: 10.1136/bjo-2024-326062. Epub ahead of print. PMID: 39904580.