Impacto da Concentração de Ácido Úrico Sérico no Risco de Doença Cardiovascular: Um Estudo Coorte Realizado no Norte da China

Qian Nie; Xuemei Zhang; Zhihua Hao; Liqin Wang; Huanxin Liu; Chenghao Liu; Zhongli Wang; Guangyao Song

doi:10.36660/abc.20200378

. 2021 Jul 7;117(4):666–675. [Article in Portuguese] doi: 10.36660/abc.20200378

View full-text in English

Impacto da Concentração de Ácido Úrico Sérico no Risco de Doença Cardiovascular: Um Estudo Coorte Realizado no Norte da China

Qian Nie ¹, Xuemei Zhang ¹, Zhihua Hao ², Liqin Wang ³, Huanxin Liu ², Chenghao Liu ², Zhongli Wang ², Guangyao Song ^1,⁴

PMCID: PMC8528365 PMID: 34287570

Resumo

Fundamento

Os resultados de estudos anteriores sobre a relação entre ácido úrico sérico (AUS) e o risco de doença cardiovascular (DCV) até agora são inconsistentes devido aos fatores de confusão causados por outros fatores de risco cardiovascular conhecidos.

Objetivos

Este estudo tem o objetivo de avaliar a relação entre o AUS e as DCV incidentes em chineses de meia-idade e idosos, que foram estratificados de acordo com o índice de massa corporal (IMC).

Métodos

Recrutamos 5.721 participantes com idades entre 40 e 75 anos que não tinham diagnóstico de DCV na linha de base, e que foram monitorados de 2008 a 2017. Os participantes foram categorizados em quintis de AUS. A regressão de Cox e a análise de sobrevivência de Kaplan-Meier foram utilizadas para comparar a incidência de DCV entre os grupos de AUS. As correlações entre AUS e a incidência de DCV em grupos com IMC e circunferência de cintura (CC) variados também foram analisadas. Um P valor <0,05 foi considerado estatisticamente significativo.

Resultados

Durante um período médio de monitoramento de 7,6 anos, a incidência de DCV aumentou com o AUS (teste de Log-rank p<0,001). Em comparação com o primeiro quintil, as razões de risco padronizadas (intervalos de confiança de 95%) para p desenvolvimento de DCV foram 1,08 (0,78–1,65), 1,17 (0,88–1,77), 1,47 (1,12–2,21), e 1,68 (1,28–2,44) para o segundo, terceiro, quarto e quinto quintis, respectivamente. Essa relação ficou mais clara em participantes com IMC e CC normais. A razão de risco ajustada para cada aumento de 100 μmol/L de AUS foi de 1,13 (intervalo de confiança de 95%: 1,02–1,39) para eventos de DCV.

Conclusões

O AUS alto é um fator de risco de DCV independente em pessoas de meia-idade e idosas do norte da China. Esse efeito é mantido mesmo depois da estratificação de acordo com medidas de magreza/obesidade.

Keywords: Hiperuricemia, Ácido Úrico, Doenças Cardiovasculares/incidência, Fatores de Risco, Peso Corporal

Introdução

A hiperuricemia tornou-se altamente prevalente nos últimos anos, provavelmente devido a desenvolvimento financeiro rápido e mudanças no estilo de vida.^{1 , 2} Alguns estudos anteriores demonstraram que a alta concentração de ácido úrico sérico (AUS) está associada a incidências mais altas de fatores de risco convencionais de doenças cardiovasculares (DCV), tais como hipertensão, diabetes e aterosclerose.^{3 - 5} É fato notório que as DCV, incluindo doença arterial coronariana, insuficiência cardíaca e acidente vascular cerebral, são as causas mais comuns de morbidade e mortalidade em todo o mundo.^{6 , 7} Nas últimas décadas, houve um aumento acumulado das evidências de uma relação entre hiperuricemia e a ocorrência e o prognóstico de DCV. No estudo cardiológico de Framingham,⁸ um estudo observacional longitudinal com 6.763 participantes, a concentração de AUS não demonstrou ter uma relação causal no desenvolvimento de doença cardíaca coronária, ou a morte resultante dela. Entretanto, outros estudos demonstraram que a hiperuricemia aumenta o risco de doenças cardiovasculares e cerebrovasculares e de mortalidade.^{9 - 11} Em um estudo transversal realizado no nordeste da China,¹² o AUS foi associado a doença arterial coronariana em mulheres, especialmente nas com idade superior a 80 anos, mas não em homens. Esses achados contraditórios podem ser explicados por fatores de confusão causados por vários outros fatores de risco.

A hiperuricemia é comum na população chinesa, especialmente nas regiões economicamente desenvolvidas.¹³ Portanto, é importante, para a saúde pública, que sejam determinados o status do AUS como fator de risco para DCV, bem como a concentração de AUS que exige a intervenção. Dessa forma, este estudo tem o objetivo de determinar a relação entre a concentração de AUS e o risco de DCV em um coorte de chineses de meia-idade e idosos em um período de 10 anos.

Métodos

Padrões éticos

Todos os procedimentos realizados em estudos envolvendo participantes humanos foram feitos em conformidade com os padrões éticos do comitê institucional e/ou nacional de pesquisa, e com a declaração de Helsinki de 1964 e suas emendas posteriores, ou com padrões éticos comparáveis. O estudo foi aprovado pelo comitê de ética do Hospital Geral Hebei (Nº 190106). O termo de consentimento informado foi obtido de todos os participantes incluídos no estudo.

População do estudo

Foram recrutados participantes entre 40 e 75 anos de idade durante um check-up detalhado no Hospital Geral Hebei, Shijiazhuang, China, em 2008, para este estudo coorte. Esses participantes eram funcionários de empresas, universidades, organizações governamentais locais e hospitais. Durante a investigação de monitoramento até 2017, os participantes repetiram o check-up todos os anos, incluindo um questionário de entrevistas, exames físicos, e coleta de sangue, de forma semelhante ao realizado no levantamento de linha de base. Este estudo foi aprovado pelo Comitê de Ética Humana do Hospital Geral Hebei (Nº 190106). O termo de consentimento informado escrito foi obtido de todos os participantes.

Para a análise, DCV foi definida como doença cardíaca isquêmica (DCI), acidente vascular cerebral hemorrágico, ou acidente vascular isquêmico. A DCI foi definida como infarto do miocárdio, angina pectoris, intervenção coronária percutânea, ou cirurgia de bypass da artéria coronária. O coorte incluiu 11.842 participantes que não tinham histórico de DCI, acidente vascular cerebral, câncer, ou insuficiência renal anterior ao período de cadastro, de 2008, e que passaram por exames médicos anuais até 2017. Quatro mil, oitocentos e noventa e dois participantes foram excluídos devido a dados incompletos, presença de comorbidades, ou ausência de uma avaliação do estilo de vida em qualquer um dos anos. Participantes foram excluídos por terem apresentado câncer (n=189), nefrite crônica ou insuficiência renal (n=106), ou um evento de DCV dentro do primeiro ano do estudo (n=68); por terem morrido de outras causas além da DCV (n=45); ou por terem perdido o contato durante o acompanhamento (n=821). Depois da exclusão desses participantes, dados de um total de 5.721 participantes (3.156 homens e 2.565 mulheres) foram analisados ( Figura 1 ).

Coleta de dados utilizando questionários

Todos os participantes passaram por exames físicos anuais e preencheram um questionário estruturado sobre seu histórico médico geral, uso de medicamentos, histórico de cirurgias, e histórico médico familiar. Questões relacionadas a tabagismo (nunca fumou, ex-fumante ou fumante) e consumo de álcool (nunca bebeu, ex-consumidor e consumidor atual) foram incluídas.

Medições antropométricas

Os dados antropométricos foram coletados anualmente, incluindo altura, massa corporal, circunferência de cintura (CC), pressão arterial sistólica (PAS), e pressão arterial diastólica (PAD), que foram medidas por enfermeiros bem treinados. O índice de massa corporal (IMC) foi calculado como a massa corporal, em quilogramas, dividida pela altura, em metros, ao quadrado. A pressão arterial foi medida utilizando-se um esfigmomanômetro de mercúrio padrão (Omron HEM-7125, Dalian, China). Os participantes ficaram em repouso por >5 minutos antes da aferição da pressão arterial. A altura e a massa corporal foram medidas com os participantes usando roupas leves e descalços. Essas medições foram feitas duas vezes durante os exames físicos e os valores médios foram utilizados para as análises subsequentes.

Exames laboratoriais

Amostras de sangue venoso foram coletadas de todos os participantes, após jejum noturno de 12 horas, e foram usadas para medir contagens de leucócitos (WBC) e plaquetas (PLT); concentrações de hemoglobina (Hb), ácido úrico sérico (AUS), glicemia plasmática em jejum (FPG), creatinina (Cr), triglicérides (TG), colesterol total (CT), lipoproteína de baixa densidade (LDL-C), e lipoproteína de alta densidade (HDL-C); e atividades de alanina aminotransferase (ALT) e aspartato aminotransferase (AST). Todas essas medições foram feitas utilizando-se métodos padronizados, com um analisador bioquímico automático (Beckman Coulter AU5800, Tóquio, Japão). A taxa de filtração glomerular estimada (TFG) foi calculada utilizando-se a equação de modificação da dieta em doença renal para pacientes chineses com doença renal crônica.¹⁴

Definições

Os participantes de cada sexo foram alocados separadamente em cinco grupos com base em sua concentração de AUS: <278 µmol/L, 278–324 µmol/L, 324–362 µmol/L, 362–417 µmol/L, e ≥417 µmol/L para homens; e <210 µmol/L, 210–241 µmol/L, 241–272 µmol/L, 272–328 µmol/L, ≥ 328 µmol/L para mulheres. A hiperuricemia foi definida como um AUS ≥ 420 μmol/L para homens, e ≥ 360 μmol/L para mulheres.¹⁵

Hipertensão foi definida como uma PAS ≥ 140 mmHg e/ou PAD ≥ 90 mmHg, ou uso atual de medicamentos anti-hipertensivos.¹⁶ Diabetes foi definida como um diagnóstico de diabetes feito por um médico, relatado pelo participante, uma FPG ≥ 7,0 mmol/L, ou uso atual de medicamentos antidiabetes.⁹ De acordo com os critérios recomendados para chineses, um IMC de 18,5–23,9 kg/m² foi considerado normal, um IMC de 24,0–27,9 kg/m² foi considerado indicativo de sobrepeso, e um IMC ≥ 28 kg/m² foi considerado indicativo de obesidade. Gordura abdominal foi definida como uma circunferência de cintura (CC) >90 cm nos homens e >85 cm nas mulheres.¹⁷ Os principais desfechos foram o desenvolvimento de DCI (Classificação Internacional de Doenças-10 códigos I20–25), acidente vascular cerebral hemorrágico (I61), ou acidente vascular isquêmico (I63).

Análises estatísticas

As características de linha de base dos participantes foram analisadas de acordo com o quintil de AUS, utilizando-se estatísticas descritivas. Variáveis contínuas são expressas como médias ± desvio padrão (DP) e variáveis categóricas, como porcentagens. As variáveis contínuas foram testadas quanto à normalidade por meio de gráficos P-P. Comparações entre dois grupos foram realizadas usando o teste t de Student não pareado para dados normalmente distribuídos, e teste qui-quadrado para dados categóricos. Foram realizadas comparações múltiplas utilizando-se ANOVA de uma via, e o P valor foi corrigido pelo teste post hoc de Bonferroni. A análise de sobrevivência de Kaplan-Meier e o teste de Log-rank foram utilizados para comparar a incidência de DCV entre os grupos de AUS. A regressão de Cox foi utilizada para avaliar a relação entre AUS e a incidência de DCV. As análises estatísticas foram realizadas utilizando-se o software SPSS versão 22.0 (IBM Inc., Armonk, NY, EUA) para Windows. Um p valor <0,05 foi considerado estatisticamente significativo.

Resultados

Características de linha de base dos participantes

As características de linha de base dos participantes do coorte, categorizadas de acordo com sexo e quintil de AUS, são apresentadas nas Tabelas 1 e 2 . IMC, CC, PAS, PAD, colesterol total, triglicérides, LDL-C, ALT, Cr, FPG, e a prevalência de consumo de álcool, obesidade, hipertensão e diabetes aumentaram com níveis mais altos de ácido úrico sérico em ambos os sexos. Os homens com os níveis mais altos de concentração de AUS tenderam a ser mais jovens, enquanto as mulheres eram mais velhas. Além disso, uma concentração de AUS alta estava associada a TFG e HDL-C baixos.

Tabela 1. – Características de linha de base dos participantes do sexo masculino, categorizadas de acordo com o quintil de concentração de ácido úrico sérico.

	Todos	Q1	Q2	Q3	Q4	Q5	p
N (participantes)	3156	635	631	632	631	627	-
AUS (μmol/L)	334,3±40,5	240,2±28,9	296,2±11,8	337,5±13,3	384,4±13,4	456,3±40,7	0,000
Idade (anos)	53,8±9,6	53,2±9,5	52,9±9,6	52,0±9,3	52,4±9,5	51,7±9,4	0,009
IMC (kg/m²)	25,6±2,9	24,5±3,2	25,4±2,8	25,7±2,8	26,2±2,7	26,9±2,6	0,000
CC (cm)	89,1±8,3	85,9±8,9	88,3±7,7	89,2±8,2	90,2±7,9	92,0±8,3	0,000
PAS (mmHg)	123,8±16,9	122,2±16,5	122,3±17,0	123,4±16,8	123,0±16,6	124.8±16,7	0,012
PAD (mmHg)	79,5±10,5	78,1±11,3	78,2±10,3	79,8±10,5	80,2±9,8	81,9±10,6	0,004
CT (mmol/L)	4,92±0,85	4,67±0,85	4,76±0,80	4,92±0,83	5,00±0,89	5,12±0,85	0,000
TG (mmol/L)	1,85±0,97	1,55±0,91	1,66±1,01	1,80±1,04	2,06±1,12	2,39±1,23	0,000
HDL-C (mmol/L)	1,27±0,27	1,32±0,28	1,26±0,24	1,25±0,26	1,24±0,25	1,23±0,27	0,000
LDL-C (mmol/L)	2,8±0,77	2,83±0,72	2,85±0,74	2,82±0,82	2,83±0,91	2,86±0,83	0,132
ALT (U/L)	25,0±11,8	23,3±10,5	23,4±10,8	25,4±11,5	28,2±11,3	28,7±11,9	0,000
AST (U/L)	22,7±8,5	22,2±9,3	21,9±6,7	23,1±10,7	23.8±10,2	23,9±6,8	0,097
Cr (μmol/L)	81,0±9,2	75,5±9,8	78,9±9,6	82,4±10,7	83,4±10,6	87,0±11,2	0,000
FPG (mmol/L)	5,96±1,05	5,31±1,81	5,96±0,89	5,97±0,91	6,02±1,11	6,05±0,85	0,000
TFG (ml/min·1,73m²)	93,4±12,4	97,8±10,8	95,2±10,9	92,8±11,7	91,8±12,4	87,5±14,8	0,000
Fumantes (%)	40,67	40,39	42,77	41,83	39,98	41,48	0,326
Consumidor atual (%)	37,23	35,69	36,66	38,02	41,86	42,78	0,000
Obesidade (%)	20,8	13,72	16,08	19,44	24,42	31,82	0,000
Hipertensão (%)	16,98	11,76	12,86	14,36	20,16	25,48	0,000
Diabetes (%)	11,08	7,42	8,38	9,79	9,98	13,23	0,000

Open in a new tab

AUS: ácido úrico sérico; IMC: índice de massa corporal; CC: circunferência de cintura; PAS: pressão arterial sistólica; PAD pressão arterial diastólica; CT: colesterol total; TG: triglicérides; LDL-C: lipoproteína de baixa densidade-colesterol; HDL-C: lipoproteína de alta densidade-colesterol; ALT: alanina aminotransferase; AST: aspartato aminotransferase; Cr: creatinina; FPG: glicemia plasmática em jejum; TFG: taxa de filtração glomerular estimada. Os dados são expressos como médias ± desvio padrão (DP), se forem contínuos, e como números (porcentagens), se forem categóricos. Foram realizadas comparações utilizando-se o ANOVA de uma via ou o teste qui-quadrado para dados categóricos. As concentrações de ácido úrico sérico para cada quintil foram <278, 278–324, 324–362, 362–417, e ≥417 μmol/L.

Tabela 2. – Características de linha de base dos participantes do sexo feminino, categorizadas de acordo com o quintil de concentração de ácido úrico sérico.

	Todos	Q1	Q2	Q3	Q4	Q5	p
N (participantes)	2565	515	513	513	514	510	-
AUS (μmol/L)	259,8±40,9	186,2±18,2	226,0±8,5	255,3±10,9	290,5±13,4	365,2±30,7	0,000
Idade (anos)	52,1±9,0	48,6±7,7	50,3±8,7	52,0±8,6	53,5±8,9	57,1±9,2	0,000
IMC (kg/m²)	24,2±3,1	22,8±2,6	23,7±3,0	24,4±3,3	24,7±3,2	25,5±3,1	0,000
CC (cm)	79,3±9,5	75,1±7,2	77,9±8,3	79,6±8,7	81,2±8,6	83,6±7,4	0,000
PAS (mmHg)	118,6±19,3	110,7±15,1	116,7±17,6	118,8±18,5	123,6±19,6	124,0±19,5	0,000
PAD (mmHg)	72,3±9,7	69,1±8,3	71,8±9,8	73,0±9,5	74,2±10,0	74,6±9,8	0,000
CT (mmol/L)	5,15±0,92	4,86±0,90	4,99±0,86	5,21±0,86	5,22±0,93	5,58±0,92	0,000
TG (mmol/L)	1,46±0,95	1,03±0,52	1,22±0,61	1,45±0,59	1,64±0,60	2,09±0,92	0,000
HDL-C (mmol/L）	1,56±0,33	1,61±0,32	1,60±0,31	1,57±0,32	1,50±0,33	1,48±0,36	0,006
LDL-C (mmol/L)	2,92±0,78	2,89±0,73	2,95±0,73	2,99±0,79	3,01±0,81	3,04±0,90	0,056
ALT (U/L)	16,3±10,5	17,9±8,6	17,9±10,3	19,0±8,6	20,6±11,6	21,9±9,3	0,013
AST (U/L)	21,6±10,0	21,3±9,8	20,6±6,9	21,4±7,1	22,3±9,5	22,9±6,0	0,087
Cr (μmol/L)	61,3±9,1	58,6±8,1	59,6±8,4	60,9±8,6	61,9±9,0	66,8±10,02	0,000
FPG (mmol/L)	5,81±1,00	5,61±0,77	5,76±0,91	5,87±1,05	6,00±1,15	6,18±1,00	0,000
TFG (ml/min·1,73m²)	97,7±12,3	101,9±11,3	99,9±11,5	96,5±12,6	94,2±12,9	87,1±14,0	0,000
Fumante (%)	4,06	3,72	4,08	3,93	4,70	4,16	0,079
Consumidores atuais (%)	4,73	2,53	5,22	4,01	4,85	6,08	0,000
Obesidade (%)	14,54	3,80	7,23	13,71	16,36	17,51	0,000
Hipertensão (%)	20,34	8,86	16,87	18,39	23,05	26,72	0,000
Diabetes (%)	8,78	2,11	6,02	6,45	10,41	11,30	0,000

Open in a new tab

AUS: ácido úrico sérico; IMC: índice de massa corporal; CC: circunferência de cintura; PAS: pressão arterial sistólica; PAD pressão arterial diastólica; CT: colesterol total; TG: triglicérides; LDL-C: lipoproteína de baixa densidade-colesterol; HDL-C: lipoproteína de alta densidade-colesterol; ALT: alanina aminotransferase; AST: aspartato aminotransferase; Cr: creatinina; FPG: glicemia plasmática em jejum; TFG: taxa de filtração glomerular estimada. Os dados são expressos como médias ± desvio padrão (DP), se forem contínuos, e como números (porcentagens), se forem categóricos. Foram realizadas comparações utilizando-se o ANOVA de uma via ou o teste qui-quadrado para dados categóricos. As concentrações de ácido úrico sérico para cada quintil foram <210, 210–241, 241–272, 272–328, e ≥328 μmol/L.

Relação entre AUS e o risco de DCV.

As concentrações de AUS na linha de base e no monitoramento são comparadas para cada um dos sexos na Figura 2 . O AUS aumentou significativamente do Q1 para o Q5, tanto na linha de base quanto no período de monitoramento, de acordo com o ANOVA. A concentração média de AUS foi mais baixa no final do estudo do que na linha de base nos homens do Q5, mas, ainda assim, atendendo ao critério diagnóstico de hiperuricemia. As características de linha de base dos participantes, categorizadas de acordo com DCV incidente, são apresentadas na Tabela 3 . O período médio de monitoramento foi de 7,6 anos, durante os quais a incidência cumulativa de DCV foi de 14,3% (n=821) entre os participantes, com incidências de 13,9% (n=438) em homens e 14,9% (n=383) em mulheres. Além disso, comparados a participantes que não desenvolveram DCV, os que desenvolveram tinham IMC, CC, PAS, PAD, CT, TG, LDL-C, ALT e FPG mais altos. Não houve diferença significativa entre os dois grupos em relação à Cr.

Tabela 3. – Características de linha de base dos participantes do sexo masculino, categorizadas por doença cardiovascular desenvolvida ou não.

	DCV (-)	DCV (+)	p
AUS (μmol/L)	299,4±75,1	319,5±73,6	0,012
Idade (anos)	52,2±9,2	59,6±9,1	0,000
Homens (%)	47,1	53,4	–
IMC (kg/m²)	24,9±3,1	25,7±3,2	0,001
CC (cm)	84,4±9,7	87,4±9,5	0,000
PAS (mmHg)	120,9±18,1	131,9±19,0	0,000
PAD (mmHg)	76,1±10,7	77,8±10,6	0,037
CT (mmol/L)	5,0±0,8	5,3±0,9	0,001
TG (mmol/L)	1,6±0,7	2,0±1,0	0,000
HDL-C (mmol/L)	1,41±0,3	1,27±0,3	0,000
LDL-C (mmol/L)	2,86±0,7	3,1±0,8	0,034
Cr (μmol/L)	71,8±14,3	72,1±14,1	0,061
FPG (mmol/L)	5,9±1,0	6,4±1,2	0,000
Tabagismo
Nunca (%)	67,3	58,4
Ex-fumante (%)	11,6	17,7
Fumante (%)	21,0	23,8	0,000
Consumo de álcool
Nunca (%)	76,1	69,5
Ex-consumidor (%)	3,2	8,6
Consumidor atual (%)	20,6	21,8	0,000

Open in a new tab

AUS: ácido úrico sérico; IMC: índice de massa corporal; CC: circunferência de cintura; PAS: pressão arterial sistólica; PAD pressão arterial diastólica; CT: colesterol total; TG: triglicérides; LDL-C: lipoproteína de baixa densidade-colesterol; HDL-C: lipoproteína de alta densidade-colesterol; Cr: creatinina; FPG: glicemia plasmática em jejum. Comparações entre os grupos foram realizadas usando o teste t de Student para variáveis contínuas e teste qui-quadrado para dados categóricos. Os dados são expressos como médias ± desvio padrão (DP), se forem variáveis contínuas, e como números (porcentagens), se forem variáveis categóricas.

Conforme mostrado na Figura 3A , a análise de Kaplan-Meier da incidência de DCV nos quintis de AUS durante os 10 anos do estudo demonstrou diferenças significativas entre os grupos (teste de Log-rank p <0,001). Os aumentos de AUS foram associados a incidência de DCV mais alta. Como o AUS é afetado pela função renal, em seguida, os participantes foram categorizados de acordo com TFG, e os dados foram analisados novamente. Identificou-se que a relação entre AUS e DCV permaneceu intacta em participantes que tinham valores de TFG dentro da faixa normal (teste de Log-rank p <0,001; Figura 3B ).

A regressão de Cox foi utilizada para avaliar a relação entre a concentração de AUS e a incidência de DCV em mais detalhes. ( Tabela 4 ). No modelo bruto, em comparação com o Q1 de AUS, as razões de risco (RR) para DCV nos outros quatro quintis de AUS foram 1,18 (0,82–1,70), 1,41 (1,01–1,98), 1,95 (1,40–2,71), e 2,58 (1,84–3,61), respectivamente. Os riscos permaneceram significativamente diferentes após a padronização por idade no modelo 2, e por idade e sexo no modelo 3. A RR diminuiu gradualmente à medida que o número de covariáveis padronizadas aumentou, mas a associação entre AUS e DCV permaneceu significativa após a padronização para idade, sexo, TFG, IMC, PA, colesterol total, triglicérides, FPG, tabagismo e consumo de álcool (modelo 4). Em comparação com o Q1, as RR (intervalos de confiança [IC] de 95%) para os quintis Q2–Q5 foram 1,08 (0,78–1,65), 1,17 (0,88–1,77), 1,47 (1,12–2,21), e 1,68 (1,28–2,44). A RR ajustada para cada aumento de 100 μmol/L de AUS foi de 1,13 (IC de 95%: 1,02–1,39) para eventos de DCV. Em seguida, os dados foram analisados novamente após a estratificação por IMC e CC, e identificou-se que a associação significativa entre AUS e DCV ficou mais evidente em participantes com IMC e CC normais ( Tabela 5 ).

Tabela 4. – Razões de risco de doença cardiovascular incidente.

	Número de eventos	Razão de risco (IC 95%)

Níveis de AUS		Modelo 1	Modelo 2	Modelo 3	Modelo 4
Q1	106/1150	1	1	1	1
Q2	124/1144	1,18(0,82-1,70)	1,56(0,80-1,66)	1,12(0,77-1,63)	1,08(0,78-1,65)
Q3	146/1145	1,41(1,01-1,98)	1,34(0,96-1,89)	1,27(0,91-1,79)	1,17(0,88-1,77)
Q4	203/1145	1,95(1,40-2,71)	1,73(1,25-2,41)	1,61(1,15-2,23)	1,47(1,12-2,21)
Q5	242/1137	2,58(1,84-3,61)	2,08(1,48-2,91)	1,89(1,34-1,34)	1,68(1,28-2,44)
AUS por 100 μmol/L		1,25(1,11-1,42)	1,18(1,04-1,34)	1,16(1,09-1,29)	1,13(1,02-1,39)

Open in a new tab

IC: intervalo de confiança; AUS: ácido úrico sérico. O Modelo 1 utilizou dados brutos. O Modelo 2 foi padronizado para idade. O Modelo 3 foi padronizado para idade e sexo. O Modelo 4 foi padronizado para idade, sexo, TFG, índice de massa corporal, pressão arterial, colesterol total, triglicérides, glicemia plasmática em jejum, tabagismo, e consumo de álcool.

Tabela 5. – Razões de risco padronizadas para risco de DCV associada a concentração de ácido úrico sérico, estratificadas de acordo com índice de massa corporal e circunferência de cintura.

	Razões de risco (IC 95%)

	Q1	Q2	Q3	Q4	Q5
IMC (≤23,9)	Referência	1,15(0,92-1,29)	1,21(0,98-1,56)	1,26(1,01-1,64)	1,32(1,08-1,82)
IMC (24,0-27,9)	Referência	1,08(0,78-1,67)	1,13(0,69-1,89)	1,15(0,87-1,65)	1,18(0,98-1,83)
IMC (≥28)	Referência	0,92(0,74-1,56)	1,01(0,85-1,85)	0,98(0,78-1,49)	1,08(0,95-1,77)
CC (homens <90, mulheres <85)	Referência	0,89(0,78-1,45)	1,08(0,88-1,37)	1,12(1,01-1,43)	1,21(1,03-1,59)
CC (homens ≥90, mulheres ≥85)	Referência	1,02(0,72-1,78)	1,15(0,83-1,85)	1,23(0,75-1,91)	1,30(0,91-1,89)

Open in a new tab

As razões de risco padronizadas foram calculadas no Modelo 4 e foram estratificadas de acordo com índice de massa corporal (IMC (kg/m²) e circunferência de cintura (CC, cm). O Q1 de AUS foi utilizado como grupo de referência. As covariáveis utilizadas no Modelo 4 foram idade, sexo, TFG, índice de massa corporal, pressão arterial, colesterol total, triglicérides, glicemia plasmática em jejum, tabagismo, e consumo de álcool.

Discussão

No presente estudo coorte, foi identificada uma relação positiva significativa entre concentração de AUS e a incidência de DCV em chineses de meia-idade e idosos. Essa relação foi independente dos possíveis fatores de confusão de idade, IMC, PAS, PAD, CT, TG, HDL-C, LDL-C, FBG, e histórico de hipertensão ou diabetes. Além disso, demonstrou-se que um incremento de 100 μmol/L de AUS aumenta o risco de DCV em 13%. Esses resultados demonstram que a concentração de AUS é um fator de risco independente para DCV.

Estudos anteriores também demonstraram uma relação entre AUS e DCV em outros países e regiões. Uma meta-análise anterior demonstrou que a hiperuricemia aumenta o risco de DCV, que era 2,1 vezes mais alto em pessoas com AUS alto do que naquelas com AUS baixo.¹⁸ Outra meta-análise de 16 estudos coorte demonstrou que a hiperuricemia está associada a um risco mais alto de acidente vascular cerebral (razão de risco: 1,41, IC 95%: 1,05–1,76) e mortalidade relacionada a acidente vascular cerebral mais alta (razão de risco: 1,36, IC de 95%: 1,03–1,69), e essas relações se mantiveram significativas após a padronização em relação a outros fatores de risco, tais como, sexo, idade e a presença de hipertensão ou diabetes.¹⁹ Há também uma quantidade crescente de evidências de que a hiperuricemia aumenta o risco de doenças cardiovasculares e cerebrovasculares, e de mortalidade.^{9 , 11 , 20 - 22} No presente estudo, os participantes era pessoas de meia-idade e idosas que vivem em cidades no norte da China, mas os achados não só são consistentes com achados anteriores, como também vão além deles.

Entretanto, a maioria dos estudos anteriores se concentraram na relação entre AUS e a mortalidade relacionada a DCV, e somente alguns foram voltados para a relação com a incidência de DCV. Vale ressaltar que um estudo coorte de 10 anos com 128.569 pessoas realizado em Taiwan²² demonstrou que a hiperuricemia é um fator de risco potencial de DCI. Entretanto, um ponto fraco desse estudo foi o fato de o AUS ter sido dividido apenas entre os grupos de AUS alto e AUS normal, e a relação foi padronizada apenas em relação ao histórico de hipertensão ou diabetes, tabagismo, consumo de álcool, e o uso de diuréticos. Dessa forma, outras covariáveis importantes, tais como o IMC, a idade, e a TFG não foram padronizados. O objetivo do presente estudo foi sanar essas deficiências. Foram utilizados quintis de AUS para demonstrar a relação entre AUS e DCV após a padronização para uma ampla série de fatores de risco convencionais. Além disso, essa relação foi mantida quando o AUS foi tratado como variável contínua. Estudos anteriores também demonstraram uma relação contínua entre o AUS e as DCV,⁹ e, no presente estudo, os valores de AUS no Q4, que não ultrapassaram a faixa de referência, foram associados a um risco de DCV significativamente mais alto.

O mecanismo pelo qual o AUS alto pode aumentar o risco de DCV ainda não pode ser determinado. Entretanto, com frequência as DCV são intimamente relacionadas à aterosclerose, e alguns estudos anteriores demonstraram que uma concentração de AUS alta acelera seu desenvolvimento.^{23 , 24} Um grande estudo anterior da relação entre AUS e a aterosclerose precoce demonstrou que, em comparação com o quartil de AUS mais baixo, a espessura íntima-média da carótida (EIMC) era 37% mais alta em homens e 48% mais alta em mulheres no quartil de AUS mais alto.²⁵ Vários possíveis mecanismos podem explicar a relação entre AUS e EIMC alta e DCV. Primeiramente, uma concentração alta de AUS pode levar à disfunção endotelial, e, portanto, ao desenvolvimento de DCV. Alguns estudos anteriores detectaram que reduções de AUS induzidas por alopurinol estão fortemente relacionadas à melhoria da função endotelial.²⁶ Em experimentos com animais, identificou-se que um nível de AUS alto pode causar disfunção endotelial por meio de redução da produção de óxido nítrico.^{27 - 29} Segundo, o AUS pode induzir o aumento da secreção de substâncias pró-inflamatórias, levando a aumentos na inflamação vascular e na aterosclerose.^{23 , 30 , 31} Em terceiro lugar, um estudo longitudinal realizado no Instituto Nacional de Saúde demonstrou uma correlação positiva entre o AUS e a velocidade da onda de pulso em homens, o que pode ter sido mediado por meio de um efeito pró-inflamatório e/ou pela indução da proliferação de células do músculo liso.³² Portanto, o AUS alto pode não somente ter efeitos indiretos no avanço da aterosclerose, por sua associação com obesidade, hipertensão, diabetes, síndrome metabólica e outros fatores de risco cardiovascular convencionais, como também aumentar a incidência e a mortalidade associada a eventos cardiovasculares.^{33 , 34}

No presente estudo, uma correlação positiva mais forte foi demonstrada entre a concentração de AUS e a incidência de DCV nos participantes com idade ≥40 anos. Isso pode ser mediado pelo efeito de exposição em longo prazo à hiperuricemia no avanço da aterosclerose. Vale ressaltar que, no presente estudo, em comparação com participantes no Q1, os homens e mulheres no Q4, com concentrações médias de AUS de 384,4 μmol/L e 290,5 μmol/L, respectivamente, que ficam abaixo dos critérios diagnósticos de hiperuricemia, ainda assim, tinham riscos significativamente mais altos de DCV. Portanto, deve-se estar atento para o caso de pacientes que possam ter concentrações de AUS normais-altas. Notadamente, a relação entre AUS e a incidência de DCV estava presente em participantes com IMC e CC normais. Os mecanismos subjacentes ainda não estão claros, mas, considerando que a obesidade é um fator de risco importante de DCV, ela ainda pode ocultar um efeito do AUS alto na incidência de DCV em uma população obesa.

O presente estudo tem algumas limitações. O AUS foi medido somente uma vez, na linha de base, como em quase todos os estudos anteriores, e, portanto, não se pode excluir a possibilidade de que alguns desses participantes tenham tido apenas um aumento temporário de AUS no momento do cadastro. Foi estudada uma população residente nas cidades do norte da China que trabalha em universidades, hospitais, órgãos governamentais, ou empresas, e, portanto, com grau de escolaridade alto e renda estável. Dessa forma, não se pode ter certeza de que esses resultados poderiam ser extrapolados para outras regiões. Portanto, é necessário que se realizem estudos posteriores em grande escala e multicêntricos. Além disso, embora uma variedade de possíveis fatores de confusão tenham sido padronizadas, ainda existe uma possibilidade de fatores de confusão residuais, tais como exercícios diários, dieta, stress e histórico familiar, que não foram avaliados no presente estudo. Entretanto, apesar das limitações acima, acredita-se que nossos achados fazem uma contribuição valiosa ao conhecimento da ligação entre AUS e a incidência de DCV.

Conclusão

Em resumo, o presente estudo confirmou que a alta concentração de AUS é um fator de risco independente para DCV em pessoas de meia-idade e idosos. A hiperuricemia deve ser considerada um risco potencial e levada em consideração como alternativa para a prevenção e o tratamento de DCV.

Funding Statement

Fontes de financiamento: O presente estudo foi parcialmente financiado pela Bolsa Nº 20200731 da Organização de Pesquisa Científica da Província de Hebei

Vinculação acadêmica

Este artigo é parte de tese de doutorado de Qian Nie pelo Hebei Medical University.

Fontes de financiamento : O presente estudo foi parcialmente financiado pela Bolsa Nº 20200731 da Organização de Pesquisa Científica da Província de Hebei

Referências

1.Qiu L, Cheng XQ, Wu J, Liu JT, Xu T, Ding HT, et al. Prevalence of hyperuricemia and its related risk factors in healthy adults from Northern and Northeastern Chinese provinces. BMC Public Health. 2013 Jul 17;13:664. [DOI] [PMC free article] [PubMed]
2.Liu H, Zhang XM, Wang YL, Liu BC. Prevalence of hyperuricemia among Chinese adults: a national cross-sectional survey using multistage, stratified sampling. J Nephrol. 2014;27(6):653-8. [DOI] [PubMed]
3.Kuwabara M, Kuwabara R, Hisatome I, Niwa K, Roncal-Jimenez CA, Bjornstad P, et al. “Metabolically Healthy” obesity and hyperuricemia increase risk for hypertension and diabetes: 5-year Japanese Cohort Study. Obesity (Silver Spring). 2017;25(11):1997-2008. [DOI] [PMC free article] [PubMed]
4.Yokoi Y, Kondo T, Okumura N, Shimokata K, Osugi S, Maeda K, et al. Serum uric acid as a predictor of future hypertension: Stratified analysis based on body mass index and age. Prev Med. 2016 Sep;90:201-6. [DOI] [PubMed]
5.Bener A, Al-Hamaq A, Öztürk M, Tewfik I. Vitamin D and elevated serum uric acid as novel predictors and prognostic markers for type 2 diabetes mellitus. J Pharm Bioallied Sci. 2019;11(2):127-32. [DOI] [PMC free article] [PubMed]
6.Guan T, Ma J, Li M, Xue T, Lan Z, Guo J, et al. Rapid transitions in the epidemiology of stroke and its risk factors in China from 2002 to 2013. Neurology. 2017;89(1):53-61. [DOI] [PubMed]
7.Yang G, Wang Y, Zeng Y, Gao GF, Liang X, Zhou M, et al. Rapid health transition in China, 1990-2010: findings from the Global Burden of Disease Study 2010. Lancet. 2013;381(9882):1987-2015. [DOI] [PMC free article] [PubMed]
8.Culleton BF, Larson MG, Kannel WB, Levy D. Serum uric acid and risk for cardiovascular disease and death: the Framingham Heart Study. Ann Intern Med. 1999;131(1):7-13. [DOI] [PubMed]
9.Lai X, Yang L, Légaré S, Angileri F, Chen X, Fang Q, et al. Dose-response relationship between serum uric acid levels and risk of incident coronary heart disease in the Dongfeng-Tongji Cohort. Int J Cardiol. 2016 Dec 1;224:299-304. [DOI] [PubMed]
10.Kanellis J, Feig DI, Johnson RJ. Does asymptomatic hyperuricaemia contribute to the development of renal and cardiovascular disease? An old controversy renewed. Nephrology (Carlton). 2004;9(6):394-9. [DOI] [PubMed]
11.Purnima S, El-Aal BG. Serum uric acid as prognostic marker of coronary heart disease (CHD). Clin Investig Arterioscler. 2016;28(5):216-24. [DOI] [PubMed]
12.Sun Y, Zhang H, Tian W, Shi L, Chen L, Li J, et al. Association between serum uric acid levels and coronary artery disease in different age and gender: a cross-sectional study. Aging Clin Exp Res. 2019;31(12):1783-90. [DOI] [PubMed]
13.Liu R, Han C, Wu D, Xi X, Gu J, Guan H, et al. Prevalence of hyperuricemia and gout in Mainland China from 2000 to 2014: a systematic review and meta-analysis. Biomed Res Int. 2015;2015:762820. [DOI] [PMC free article] [PubMed]
14.Ma YC, Zuo L, Chen JH, Luo Q, Yu XQ, Li Y, et al. Modified glomerular filtration rate estimating equation for Chinese patients with chronic kidney disease. J Am Soc Nephrol. 2006;17(10):2937-44. [DOI] [PubMed]
15.Wei F, Sun N, Cai C, Feng S, Tian J, Shi W, et al. Associations between serum uric acid and the incidence of hypertension: a Chinese senior dynamic cohort study. J Transl Med. 2016;14(1):110. [DOI] [PMC free article] [PubMed]
16.Khera R, Lu Y, Lu J, Saxena A, Nasir K, Jiang L, et al. Impact of 2017 ACC/AHA guidelines on prevalence of hypertension and eligibility for antihypertensive treatment in United States and China: nationally representative cross sectional study. BMJ. 2018 Jul 11;362:k2357. [DOI] [PMC free article] [PubMed]
17.Wei Y, Wang J, Han X, Yu C, Wanf F, Yuan J, et al. Metabolically healthy obesity increased diabetes incidence in a middle-aged and elderly Chinese population. Diabetes Metab Res Rev. 2020;36(1):e3202. [DOI] [PubMed]
18.Kim SY, Guevara JP, Kim KM, Choi HK, Heitjan DF, Albert DA. Hyperuricemia and coronary heart disease: a systematic review and meta-analysis. Arthritis Care Res (Hoboken). 2010;62(2):170-80. [DOI] [PMC free article] [PubMed]
19.Kim SY, Guevara JP, Kim KM, Choi HK, Heitjan DF, Albert DA. Hyperuricemia and risk of stroke: a systematic review and meta-analysis. Arthritis Rheum. 2009;61(7):885-92. [DOI] [PMC free article] [PubMed]
20.Wu J, Qiu L, Cheng XQ, Xu T, Wu W, Zeng XJ, et al. Hyperuricemia and clustering of cardiovascular risk factors in the Chinese adult population. Sci Rep. 2017;7(1):5456. [DOI] [PMC free article] [PubMed]
21.Kuwabara M, Niwa K, Hisatome I, Nakagawa T, Roncal-Jimenez CA, Andres-Hernando A, et al. Asymptomatic hyperuricemia without comorbidities predicts cardiometabolic diseases: five-year Japanese Cohort Study. Hypertension. 2017;69(6):1036-44. [DOI] [PMC free article] [PubMed]
22.Chuang SY, Chen JH, Yeh WT, Wu CC, Pan WH. Hyperuricemia and increased risk of ischemic heart disease in a large Chinese cohort. Int J Cardiol. 2012;154(3):316-21. [DOI] [PubMed]
23.Wijnands JM, Boonen A, Dagnelie PC, Greevenbroek MMJ, Kallen CJH, Ferreira I, et al. The cross-sectional association between uric acid and atherosclerosis and the role of low-grade inflammation: the CODAM study. Rheumatology (Oxford). 2014;53(11):2053-62. [DOI] [PubMed]
24.Cicero AFG, Salvi P, D’Addato S, Rosticci M, Borghi C, Brisighella Heart Study Group. Association between serum uric acid, hypertension, vascular stiffness and subclinical atherosclerosis: data from the Brisighella Heart Study. J Hypertens. 2014;32(1):57-64. [DOI] [PubMed]
25.Chen Y, Xu B, Sun W, Wang T, Xu Y, Xu M, et al. Impact of the serum uric acid level on subclinical atherosclerosis in middle-aged and elderly Chinese. J Atheroscler Thromb. 2015;22(8):823-32. [DOI] [PubMed]
26.Doehner W, Schoene N, Rauchhaus M, Leyva-Leon F, Pavitt DV, Reaveley DA, et al. Effects of xanthine oxidase inhibition with allopurinol on endothelial function and peripheral blood flow in hyperuricemic patients with chronic heart failure: results from 2 placebo-controlled studies. Circulation. 2002;105(22):2619-24. [DOI] [PubMed]
27.Mazzali M, Kanellis J, Han L, Feng L, Xia YY, Chen Q, et al. Hyperuricemia induces a primary renal arteriolopathy in rats by a blood pressure-independent mechanism. Am J Physiol Renal Physiol. 2002;282(6):F991-7. [DOI] [PubMed]
28.Choi YJ, Yoon Y, Lee KY, Hien TT, Kang KW, Kim KC, et al. Uric acid induces endothelial dysfunction by vascular insulin resistance associated with the impairment of nitric oxide synthesis. FASEB J. 2014;28(7):3197-204. [DOI] [PubMed]
29.Khosla UM, Zharikov S, Finch JL, Nakagawa T, Roncal C, Mu W, et al. Hyperuricemia induces endothelial dysfunction. Kidney Int. 2005;67(5):1739-42. [DOI] [PubMed]
30.Prasad M, Matteson EL, Herrmann J, Gulat R, Rihal C, Lerman LO, et al. Uric acid is associated with inflammation, coronary microvascular dysfunction, and adverse outcomes in postmenopausal women. Hypertension. 2017;69(2):236-42. [DOI] [PMC free article] [PubMed]
31.Valle M, Martos R, Cañete MD, Valle R, Donkelaar EL, Bermudo F, et al. Association of serum uric acid levels to inflammation biomarkers and endothelial dysfunction in obese prepubertal children. Pediatr Diabetes. 2015;16(6):441-7. [DOI] [PubMed]
32.Canepa M, Viazzi F, Strait JB, Ameri P, Pontremoli R, Brunelli C, et al. Longitudinal association between serum uric acid and arterial stiffness: results from the Baltimore Longitudinal Study of Aging. Hypertension. 2017;69(2):228-35. [DOI] [PMC free article] [PubMed]
33.Kanbay M, Jensen T, Solak Y, Le M, Roncal-Jimenez C, Rivard C, et al. Uric acid in metabolic syndrome: from an innocent bystander to a central player. Eur J Intern Med. 2016 Apr;29:3-8. [DOI] [PMC free article] [PubMed]
34.Bombelli M, Quarti-Trevano F, Tadic M, Facchetti R, Cuspidi C, Mancia G, et al. Uric acid and risk of new-onset metabolic syndrome, impaired fasting glucose and diabetes mellitus in a general Italian population: data from the Pressioni Arteriose Monitorate E Loro Associazioni study. J Hypertens. 2018;36(7):1492-8. [DOI] [PubMed]

Arq Bras Cardiol. 2021 Jul 7;117(4):666–675. [Article in English]

Impact of Serum Uric Acid Concentration on the Risk of Cardiovascular Disease: A Cohort Study Conducted in Northern China

Qian Nie ¹, Xuemei Zhang ¹, Zhihua Hao ², Liqin Wang ³, Huanxin Liu ², Chenghao Liu ², Zhongli Wang ², Guangyao Song ^1,⁴

Abstract

Background

The results of previous studies of the relationship between serum uric acid (SUA) and the risk of cardiovascular disease (CVD) have been inconsistent due to confounding factors caused by other known cardiovascular risk factors.

Objectives

This study aimed to evaluate the relationship between SUA and incident CVD in middle-aged and elderly Chinese people, who were stratified according to body mass index (BMI).

Methods

This study recruited 5,721 participants of 40–75 years of age, who were free of CVD at baseline and who underwent follow-up from 2008 to 2017. Participants were categorized in SUA quintiles. Cox proportional hazard and Kaplan-Meier survival analysis were used to compare CVD incidence among the SUA groups. The correlations between SUA and CVD incidence in groups with differing BMI and waist circumference (WC) were also analyzed. A P value <0.05 was considered statistically significant.

Results

During a mean follow-up period of 7.6 years, CVD incidence increased with SUA (log-rank test p<0. 001). Compared with the first quintile, the adjusted hazard ratios (95% confidence interval (CI)) for the development of CVD were 1.08 (0.78–1.65), 1.17 (0.88–1.77), 1.47 (1.12–2.21), and 1.68 (1.28–2.44) for the second to fifth quintiles, respectively. This relationship was clearer in participants with normal BMI and WC. The adjusted hazard ratio for each 100 μmol/L increase in SUA was 1.13 (95% CI: 1.02–1.39) for CVD events.

Conclusions

High SUA is an independent risk factor for CVD in middle-aged and elderly northern Chinese people. This effect is maintained even after stratification according to measures of leanness/obesity.

Keywords: Hyperuricemia, Uric Acid, Cardiovascular Diseases/incidence, Risk Factors, Body Weight

Introduction

Hyperuricemia has become highly prevalent in recent years, most likely as a result of rapid economic development and changes in lifestyle.^{1 , 2} Some previous studies have shown that high serum uric acid (SUA) concentration is associated with higher incidences of conventional risk factors for cardiovascular disease (CVD), such as hypertension, diabetes, and arteriosclerosis.^{3 - 5} CVDs, including coronary artery disease, heart failure, and stroke, are well-known to be the most common causes of morbidity and mortality worldwide.^{6 , 7} In recent decades, increasing evidence has accumulated of a relationship between hyperuricemia and the occurrence and prognosis of CVD. In the Framingham heart study,⁸ a longitudinal observational study of 6,763 participants, the SUA concentration proved to have no causal role in the development of or death from coronary heart disease. However, other studies have shown that hyperuricemia increases the risk of cardiovascular and cerebrovascular disease and mortality.^{9 - 11} In a cross-sectional study conducted in northeast China,¹² SUA was associated with coronary artery disease in women, and particularly in those who were >80 years old, but not in men. These contradictory findings may be explained by confounding factors caused by numerous other risk factors.

Hyperuricemia is common in the Chinese population, especially in economically developed regions.¹³ Therefore, it is important for public health that the status of SUA as a risk factor for CVD and the SUA concentration that requires intervention should be determined. Therefore, the present study aimed to determine the relationship between SUA concentration and the risk of CVD in a cohort of middle-aged and elderly Chinese people over a 10-year period.

Methods

Ethical standards

All procedures performed in studies involving human participants were in accordance with the ethical standards of the institutional and/or national research committee and with the 1964 Helsinki declaration and its later amendments or comparable ethical standards. The study was approved by the ethics committee of Hebei General Hospital (No. 190106). Informed consent was obtained from all the participants included in the study.

Study population

This cohort study recruited 40–75-year-old participants in comprehensive annual health screening at Hebei General Hospital, Shijiazhuang, China in 2008. These participants were employed by companies, universities, local governmental organizations, and hospitals. At the follow-up investigation until 2017, participants repeated the health screening each year, comprised of a questionnaire interview, physical examinations, and blood collection, similar to those during the baseline survey. This study was approved by the Human Ethics Committee of Hebei General Hospital (No.190106). Written informed consent was obtained from each participant.

For the analysis, CVD was defined as an ischemic heart disease (IHD), hemorrhagic stroke, or ischemic stroke. IHD was defined as myocardial infarction, angina pectoris, percutaneous coronary intervention, or coronary artery bypass surgery. The cohort consisted of 11,842 participants who had not experienced IHD, stroke, cancer, or kidney failure prior to enrollment, from 2008, and who had undergone annual medical examinations until 2017. This study excluded 4,892 participants due to incomplete data, the presence of comorbidities, or a lack of lifestyle assessment in any year. Participants were excluded because they developed cancer (n=189), chronic nephritis or renal failure (n=106), or a CVD event within the first year of the study (n=68); because they died from causes other than CVD (n=45); or because they were lost to follow-up (n=821). After the exclusion of these participants, data from a total of 5,721 participants (3,156 men and 2,565 women) were analyzed ( Figure.1 ).

Data collection using questionnaires

Each participant underwent an annual physical examination and completed a structured questionnaire regarding their general medical history, use of medication, history of surgery, and family medical history. Questions regarding smoking (never, former, or current smoker) and alcohol consumption (never, former, or current drinker) were included.

Anthropometric measurements

Anthropometric data were collected annually, including height, body mass, waist circumference (WC), systolic blood pressure (SBP), and diastolic blood pressure (DBP), which were measured by well-trained nurses. The body mass index (BMI) was calculated as body mass in kilograms divided by the square of height in meters. Blood pressure was measured using a standard mercury sphygmomanometer (Omron HEM-7125, Dalian, China). The participants rested for >5 min before their blood pressure was measured. Height and body mass were measured while the participant was wearing light clothing and no shoes. These measurements were made twice during each physical examination, and the mean values were used in subsequent analyses.

Laboratory assessment

Venous blood samples were collected from all of the participants, following a 12-h overnight fast, and were used to measure white blood cell (WBC) and platelet (PLT) counts; hemoglobin (Hb), serum uric acid (SUA), fasting plasma glucose (FPG), creatinine (Cr), triglyceride (TG), total cholesterol (TC), low-density lipoprotein-cholesterol (LDL-C), and high-density lipoprotein-cholesterol (HDL-C) concentrations; and alanine aminotransferase (ALT) and aspartate aminotransferase (AST) activities. All of these measurements were made using standard methods with an automated biochemistry analyzer (Beckman Coulter AU5800, Tokyo, Japan). Estimated glomerular filtration rate (eGFR) was calculated using the Modification of Diet in Renal Disease equation for Chinese patients with chronic kidney disease.¹⁴

Definitions

Participants of each sex were separately allocated to five groups on the basis of their SUA concentration: <278 µmol/L, 278–324 µmol/L, 324–362 µmol/L, 362–417 µmol/L, and ≥417 µmol/L for men; and <210 µmol/L, 210–241 µmol/L, 241–272 µmol/L, 272–328 µmol/L, ≥ 328 µmol/L for women. Hyperuricemia was defined as an SUA ≥ 420 μmol/L in men and ≥ 360 μmol/L in women.¹⁵

Hypertension was defined as an SBP ≥ 140 mmHg and/or DBP ≥ 90 mmHg, or the current use of antihypertensive medication.¹⁶ Diabetes was defined as a physician-made diagnosis of diabetes reported by the participant, an FPG ≥ 7.0 mmol/L, or current use of antidiabetic medication.⁹ According to the recommended criteria for Chinese people, a BMI of 18.5–23.9 kg/m²was regarded as normal, a BMI of 24.0–27.9 kg/m²was regarded as indicating overweight, and a BMI ≥ 28 kg/m²was regarded as indicating obesity. Abdominal obesity was defined as a WC of >90 cm in men and of >85 cm in women.¹⁷ The primary endpoints were the development of IHD (International Classification of Disease-10 codes I20–25), hemorrhagic stroke (I61), or ischemic stroke (I63).

Statistical analyses

The baseline characteristics of the participants were analyzed according to SUA quintile using descriptive statistics. Continuous variables are expressed as means ± standard deviations (SD) and categorical variables as percentages. The continuous variables were tested for normality through P-P plots. Comparisons between two groups were performed using unpaired Student’s t -test for normally distributed data and the chi-square test for categorical data. Multiple comparisons were performed using one-way ANOVA and the P- value was corrected by post hoc Bonferroni test. The Kaplan-Meier survival analysis and the log-rank test were used to compare the incidences of CVD among the SUA groups. Cox proportional hazards analysis was used to assess the relationship between SUA and the incidence of CVD. Statistical analyses were conducted using SPSS version 22.0 (IBM Inc., Armonk, NY, USA) for Windows. A p-value <0.05 was considered statistically significant.

Results

Baseline characteristic of the participants

The baseline characteristics of the cohort participants, categorized according to sex and SUA quintile, are shown in Tables 1 and 2 . BMI, WC, SBP, DBP, total cholesterol, triglycerides, LDL-C, ALT, Cr, FPG, and the prevalence of alcohol consumption, obesity, hypertension, and diabetes increased with higher serum uric acid levels in both sexes. Men with the highest SUA concentrations tended to be young, whereas women were older. In addition, a high SUA concentration was associated with low eGFR and HDL-C.

Table 1. – Baseline characteristics of the male participants, categorized according to quintile of serum uric acid concentration.

	All	Q1	Q2	Q3	Q4	Q5	p
N (participants)	3156	635	631	632	631	627	-
SUA(μmol/L)	334.3±40.5	240.2±28.9	296.2±11.8	337.5±13.3	384.4±13.4	456.3±40.7	0.000
Age(years)	53.8±9.6	53.2±9.5	52.9±9.6	52.0±9.3	52.4±9.5	51.7±9.4	0.009
BMI(kg/m²)	25.6±2.9	24.5±3.2	25.4±2.8	25.7±2.8	26.2±2.7	26.9±2.6	0.000
WC(cm)	89.1±8.3	85.9±8.9	88.3±7.7	89.2±8.2	90.2±7,9	92.0±8.3	0.000
SBP(mmHg)	123.8±16.9	122.2±16.5	122.3±17.0	123.4±16.8	123.0±16.6	124.8±16.7	0.012
DBP(mmHg)	79.5±10.5	78.1±11.3	78.2±10.3	79.8±10.5	80.2±9.8	81.9±10.6	0.004
TC(mmol/L)	4.92±0.85	4.67±0.85	4.76±0.80	4.92±0.83	5.00±0.89	5.12±0.85	0.000
TG(mmol/L)	1.85±0.97	1.55±0.91	1.66±1.01	1.80±1.04	2.06±1.12	2.39±1.23	0.000
HDL-C(mmol/L)	1.27±0.27	1.32±0.28	1.26±0.24	1.25±0.26	1.24±0.25	1.23±0.27	0.000
LDL-C(mmol/L)	2.8±0.77	2.83±0.72	2.85±0.74	2.82±0.82	2.83±0.91	2.86±0.83	0.132
ALT(U/L)	25.0±11.8	23.3±10.5	23.4±10.8	25.4±11.5	28.2±11.3	28.7±11.9	0.000
AST(U/L)	22.7±8.5	22.2±9.3	21.9±6.7	23.1±10.7	23.8±10.2	23.9±6.8	0.097
Cr(μmol/L)	81.0±9.2	75.5±9.8	78.9±9.6	82.4±10.7	83.4±10.6	87.0±11.2	0.000
FPG(mmol/L)	5.96±1.05	5.31±1.81	5.96±0.89	5.97±0.91	6.02±1.11	6.05±0.85	0.000
eGFR(ml/min·1.73m²)	93.4±12.4	97.8±10.8	95.2±10.9	92.8±11.7	91.8±12.4	87.5±14.8	0.000
Current smokers (%)	40.67	40.39	42.77	41.83	39.98	41.48	0.326
Current drinkers (%)	37.23	35.69	36.66	38.02	41.86	42.78	0.000
Obesity (%)	20.8	13.72	16.08	19.44	24.42	31.82	0.000
Hypertension (%)	16.98	11.76	12.86	14.36	20.16	25.48	0.000
Diabetes (%)	11.08	7.42	8.38	9.79	9.98	13.23	0.000

Open in a new tab

SUA: serum uric acid; BMI: body mass index; WC: waist circumference; SBP: systolic blood pressure; DBP diastolic blood pressure; TC: total cholesterol; TG: triglyceride; LDL-C: low-density lipoprotein-cholesterol; HDL-C: high-density lipoprotein-cholesterol; ALT: alanine aminotransferase; AST: aspartate aminotransferase; Cr: creatinine; FPG: fasting plasma glucose; eGFR: estimated glomerular filtration rate. Data are presented as means ± standard deviations (SD) if continuous and numbers (percentages) if categorical. Comparisons were performed using one-way ANOVA or the chi-square test for categorical data. The serum uric acid concentrations for each quintile were <278, 278–324, 324–362, 362–417, and ≥417 μmol/L.

Table 2. – Baseline characteristics of the female participants, categorized according to quintile of serum uric acid concentration.

	All	Q1	Q2	Q3	Q4	Q5	p
N (participants)	2565	515	513	513	514	510	-
SUA(μmol/L)	259.8±40.9	186.2 ±18.2	226.0±8.5	255.3±10.9	290.5±13.4	365.2±30.7	0.000
Age(years)	52.1±9.0	48.6±7.7	50.3±8.7	52.0±8.6	53.5±8.9	57.1±9.2	0.000
BMI(kg/m²)	24.2±3.1	22.8±2.6	23.7±3.0	24.4±3.3	24.7±3.2	25.5±3.1	0.000
WC(cm)	79.3±9.5	75.1±7.2	77.9±8.3	79.6±8.7	81.2±8.6	83.6±7.4	0.000
SBP(mmHg)	118.6±19.3	110.7±15.1	116.7±17.6	118.8±18.5	123.6±19.6	124.0±19.5	0.000
DBP(mmHg)	72.3±9.7	69.1±8.3	71.8±9.8	73.0±9.5	74.2±10.0	74.6±9.8	0.000
TC(mmol/L)	5.15±0.92	4.86±0.90	4.99±0.86	5.21±0.86	5.22±0.93	5.58±0.92	0.000
TG(mmol/L)	1.46±0.95	1.03±0.52	1.22±0.61	1.45±0.59	1.64±0.60	2.09±0.92	0.000
HDL-C(mmol/L)	1.56±0.33	1.61±0.32	1.60±0.31	1.57±0.32	1.50±0.33	1.48±0.36	0.006
LDL-C(mmol/L)	2.92±0.78	2.89±0.73	2.95±0.73	2.99±0.79	3.01±0.81	3.04±0.90	0.056
ALT(U/L)	16.3±10.5	17.9±8.6	17.9±10.3	19.0±8.6	20.6±11.6	21.9±9.3	0.013
AST(U/L)	21.6±10.0	21.3±9.8	20.6±6.9	21.4±7.1	22.3±9.5	22.9±6.0	0.087
Cr(μmol/L)	61.3±9.1	58.6±8,1	59.6±8.4	60.9±8.6	61.9±9.0	66.8±10.02	0.000
FPG(mmol/L)	5.81±1.00	5.61±0.77	5.76±0.91	5.87±1.05	6.00±1.15	6.18±1.00	0.000
eGFR(ml/min·1.73m²)	97.7±12.3	101.9±11.3	99.9±11.5	96.5±12.6	94.2±12.9	87.1±14.0	0.000
Current smoker (%)	4.06	3.72	4.08	3.93	4.70	4.16	0.079
Current drinkers (%)	4.73	2.53	5.22	4.01	4.85	6.08	0.000
Obesity (%)	14.54	3.80	7.23	13.71	16.36	17.51	0.000
Hypertension (%)	20.34	8.86	16.87	18.39	23.05	26.72	0.000
Diabetes (%)	8.78	2.11	6.02	6.45	10.41	11.30	0.000

Open in a new tab

SUA: serum uric acid; BMI: body mass index; WC: waist circumference; SBP: systolic blood pressure; DBP diastolic blood pressure; TC: total cholesterol; TG: triglyceride; LDL-C: low-density lipoprotein-cholesterol; HDL-C: high-density lipoprotein-cholesterol; ALT: alanine aminotransferase; AST: aspartate aminotransferase; Cr: creatinine; FPG: fasting plasma glucose; eGFR: estimated glomerular filtration rate. Data are presented as means ± standard deviations (SD) if continuous and numbers (percentages) if categorical. Comparisons were performed using one-way ANOVA or the chi-square test for categorical data. The serum uric acid concentrations for each quintile were <210, 210–241, 241–272, 272–328, and ≥328 μmol/L.

The relationship between SUA and the risk of CVD

The baseline and follow-up SUA concentrations are compared for each sex in Figure 2 . SUA significantly increased from Q1 to Q5, both at baseline and during the follow-up period, according to ANOVA. The mean SUA concentration was lower at the end of the study than at baseline in men in Q5, but it still fulfilled the diagnostic criterion for hyperuricemia. The baseline characteristics of the participants, categorized according to incident CVD, are shown in Table 3 . The mean follow-up period was 7.6 years, during which the cumulative CVD incidence was 14.3% (n=821) among the participants, with incidences of 13.9% (n=438) in men and 14.9% (n=383) in women. In addition, compared with participants who did not develop CVD, those who did develop CVD had higher BMI, WC, SBP, DBP, TC, TG, LDL-C, ALT, and FPG. There was no significant difference in Cr between the two groups.

Table 3. – Baseline characteristics of the participants, categorized according to whether cardiovascular disease developed or not.

	CVD (-)	CVD (+)	p
SUA (μmol/L)	299.4±75.1	319.5±73.6	0.012
Age (years)	52.2±9.2	59.6±9.1	0.000
Men (%)	47.1	53.4	–
BMI (kg/m²)	24.9±3.1	25.7±3.2	0.001
WC(cm)	84.4±9.7	87.4±9.5	0.000
SBP (mmHg)	120.9±18.1	131.9±19.0	0.000
DBP (mmHg)	76.1±10.7	77.8±10.6	0.037
TC(mmol/L)	5.0±0.8	5.3±0.9	0.001
TG(mmol/L)	1.6±0.7	2.0±1.0	0.000
HDL-C(mmol/L)	1.41±0.3	1.27±0.3	0.000
LDL-C(mmol/L)	2.86±0.7	3.1±0.8	0.034
Cr(μmol/L)	71.8±14.3	72.1±14.1	0.061
FPG (mmol/L)	5.9±1.0	6.4±1.2	0.000
Smoker
Never (%)	67.3	58.4
Former (%)	11.6	17.7
Current (%)	21.0	23.8	0.000
Alcohol intake
Never (%)	76.1	69.5
Former (%)	3.2	8.6
Current (%)	20.6	21.8	0.000

Open in a new tab

SUA: serum uric acid; BMI: body mass index; WC: waist circumference; SBP: systolic blood pressure; DBP diastolic blood pressure; TC: total cholesterol; TG: triglyceride; LDL-C: low-density lipoprotein-cholesterol; HDL-C: high-density lipoprotein-cholesterol; Cr: creatinine; FPG: fasting plasma glucose. Comparisons were performed using Student’s t-test for continuous variables and the Chi-square test for categorical data. Data was presented as means ± standard deviations (SD) for continuous variable and numbers (percentage) for category variables.

As shown in Figure 3A , Kaplan-Meier analysis of CVD incidence in the SUA quintiles over the 10 years of the study showed significant differences between each group (log-rank test p < 0.001). Increases in SUA were associated with higher incidences of CVD. Because SUA is affected by renal function, we next categorized the participants according to eGFR and reanalyzed the data, and found that the relationship between SUA and CVD remained intact in participants who had eGFR values within the normal range (log-rank test p < 0.001; Figure 3B ).

Cox proportional hazards analysis was used to further assess the relationship between SUA concentration and CVD incidence ( Table 4 ). In the crude model, compared with SUA Q1, the hazard ratios (HRs) for CVD in the other four SUA quintiles were 1.18 (0.82–1.70), 1.41 (1.01–1.98), 1.95 (1.40–2.71), and 2.58 (1.84–3.61), respectively. The risks remained significantly different after adjustment for age in model 2, and age and sex in model 3. The HR decreased gradually as the number of adjusted covariates increased, but the association between SUA and CVD remained significant after adjustment for age, sex, eGFR, BMI, BP, total cholesterol, triglyceride, FPG, smoking, and alcohol intake (model 4). Compared with Q1, the HRs (95% CIs) for Q2–Q5 were 1.08 (0.78–1.65), 1.17 (0.88–1.77), 1.47 (1.12–2.21), and 1.68 (1.28–2.44). The adjusted HR for each 100 μmol/L increase in SUA was 1.13 (95% CI: 1.02–1.39) for CVD events. We subsequently reanalyzed the data after stratification according to BMI and WC, and found that the significant association between SUA and CVD was more evident in participants with normal BMI and WC ( Table 5 ).

Table 4. – Hazard ratios for incident cardiovascular disease.

	Number of events	Hazard ratio (95% CI)

SUA levels		Model 1	Model 2	Model 3	Model 4
Q1	106/1150	1	1	1	1
Q2	124/1144	1.18(0.82-1.70)	1.56(0.80-1.66)	1.12(0.77-1.63)	1.08(0.78-1.65)
Q3	146/1145	1.41(1.01-1.98)	1.34(0.96-1.89)	1.27(0.91-1.79)	1.17(0.88-1.77)
Q4	203/1145	1.95(1.40-2.71)	1.73(1.25-2.41)	1.61(1.15-2.23)	1.47(1.12-2.21)
Q5	242/1137	2.58(1.84-3.61)	2.08(1.48-2.91)	1.89(1.34-1.34)	1.68(1.28-2.44)
SUA per 100 μmol/L		1.25(1.11-1.42)	1.18(1.04-1.34)	1.16(1.09-1.29)	1.13(1.02-1.39)

Open in a new tab

CI: confidence interval; SUA: serum uric acid. Model 1 used the crude data. Model 2 was adjusted for age. Model 3 was adjusted for age and sex. Model 4 was adjusted for age, sex, eGFR, body mass index, blood pressure, total cholesterol, triglyceride, fasting plasma glucose, smoking, and alcohol intake.

Table 5. – Adjusted hazard ratios for the risk of CVD associated with serum uric acid concentration, stratified according to body mass index and waist circumference.

	Hazards radio(95%CI)

	Q1	Q2	Q3	Q4	Q5
BMI (≤23.9)	Reference	1.15(0.92-1.29)	1.21(0.98-1.56)	1.26(1.01-1.64)	1.32(1.08-1.82)
BMI (24.0-27.9)	Reference	1.08(0.78-1.67)	1.13(0.69-1.89)	1.15(0.87-1.65)	1.18(0.98-1.83)
BMI (≥28)	Reference	0.92(0.74-1.56)	1.01(0.85-1.85)	0.98(0.78-1.49)	1.08(0.95-1.77)
WC (male<90,female<85)	Reference	0.89(0.78-1.45)	1.08(0.88-1.37)	1.12(1.01-1.43)	1.21(1.03-1.59)
WC (male≥90,female≥85)	Reference	1.02(0.72-1.78)	1.15(0.83-1.85)	1.23(0.75-1.91)	1.30(0.91-1.89)

Open in a new tab

The adjusted hazard ratios were calculated in Model 4 and were stratified according to body mass index (BMI, kg/m2) and waist circumference (WC, cm). SUA Q1 was used as the reference group. The covariates used in Model 4 were age, sex, eGFR, body mass index, blood pressure, total cholesterol, triglyceride, fasting plasma glucose, smoking, and alcohol intake.

Discussion

The present cohort study found a significant positive relationship between SUA concentration and the CVD incidence in middle-aged and elderly Chinese people. This relationship was regardless of the potential confounding factors of age, BMI, SBP, DBP, TC, TG, HDL-C, LDL-C, FBG, and a history of hypertension or diabetes. In addition, our study showed that a 100 μmol/L increase in SUA increases the risk of CVD by 13%. These results demonstrate that SUA concentration is an independent risk factor for CVD.

Previous studies have also shown a relationship between SUA and CVD in other countries and regions. One previous meta-analysis showed that hyperuricemia increases the risk of CVD: the risk of CVD was 2.1-fold higher in people with a high SUA than in those with a low SUA.¹⁸ Another meta-analysis of 16 cohort studies showed that hyperuricemia is associated with a higher risk of stroke (risk ratio: 1.41, 95% CI: 1.05–1.76) and higher stroke-related mortality (risk ratio: 1.36, 95% CI: 1.03–1.69), and these relationships remained significant after adjustment for other risk factors, such as sex, age, and the presence of hypertension or diabetes.¹⁹ There is also an increasing amount of evidence that hyperuricemia increases the risk of cardiovascular and cerebrovascular disease and mortality.^{9 , 11 , 20 - 22} In the present study, the participants were middle-aged and elderly people living in northern cities in China, but the findings were consistent with and extend previous findings.

However, most of the previous studies focused on the relationship between SUA and CVD-related mortality, and only a few focused on the relationship with CVD incidence. It is worth noting that a 10-year cohort study of 128,569 people conducted in Taiwan²² showed that hyperuricemia is a potential risk factor for IHD. However, a weakness of this study was that SUA was divided into only high or normal groups, and the relationship was only adjusted for a history of hypertension or diabetes, smoking, alcohol consumption, and the use of diuretics. Thus, other important covariates, such as BMI, age, and eGFR were not adjusted for. The present study aimed to remedy these deficiencies by using quintiles of SUA to demonstrate the relationship between SUA and CVD after adjustment for a wide range of conventional risk factors. Furthermore, this relationship remained when SUA was treated as a continuous variable. Previous studies have also demonstrated a continuous relationship between SUA and CVD,⁹ and in the present study, the SUA values in Q4, which did not exceed the reference range, were associated with a significantly higher risk of CVD.

The mechanism by which a high SUA may increase the risk of CVD remains elusive. However, CVD is often closely related to atherosclerosis, and some previous studies have shown that a high SUA concentration accelerates its development.^{23 , 24} A large previous study of the relationship between SUA and early atherosclerosis showed that, compared with people in the lowest quartile of SUA, the carotid intima-media thickness (CIMT) was 37% higher in men and 48% higher in women in the highest SUA quartile.²⁵ Several potential mechanisms may account for the relationship between SUA and high CIMT and CVD. First, a high SUA concentration may promote endothelial dysfunction, and therefore the development of CVD. Some previous studies have found that allopurinol-induced reductions in SUA correlate strongly with improvements in endothelial function.²⁶ In animal experiments, it was found that high SUA may cause endothelial dysfunction by means of a reduction in nitric oxide production.^{27 - 29} Second, SUA may induce greater secretion of proinflammatory substances, leading to increases in vascular inflammation and atherosclerosis.^{23 , 30 , 31} Third, a longitudinal study conducted at the National Institutes of Health showed a positive correlation between SUA and pulse wave velocity in men, which may have been mediated though a pro-inflammatory effect and/or by inducing the proliferation of smooth muscle cells.³² Thus, high SUA may not only have indirect effects on the progression of atherosclerosis, through its association with obesity, hypertension, diabetes, the metabolic syndrome, and other conventional cardiovascular risk factors, but may also increase the incidence and mortality associated with cardiovascular events.^{33 , 34}

In the present study, a stronger positive correlation was shown between SUA concentration and the CVD incidence in participants aged ≥40 years. This may be mediated though the effect of long-term exposure to hyperuricemia in the progression of atherosclerosis. It is worth noting that, in the present study, compared with participants in Q1, men and women in Q4, with mean SUA concentrations of 384.4 μmol/L and 290.5 μmol/L, respectively, which are below the diagnostic criteria for hyperuricemia, still presented significantly higher risks of CVD. Therefore, we should be vigilant if patients have high-normal SUA concentrations. Notably, the relationship between SUA and the CVD incidence was present in participants with normal BMI and WC. The underlying mechanisms are unclear, but given that obesity is an important risk factor for CVD, it may also conceal an effect of high SUA on the CVD incidence in an obese population.

There were some limitations to the present study. SUA was only measured once, at baseline, as in almost all of the previous studies, so we could not exclude the possibility that some of the participants may have had only a brief increase in SUA at the time of enrollment. This study analyzed a population living in the northern cities of China who work in universities, hospitals, government departments, or companies, and therefore had a high educational level and a stable income. Therefore, it is uncertain whether the results could be extrapolated to other regions. Thus, further large-scale, multi-center studies are required. Furthermore, although a variety of potential confounding factors were adjusted for, there remains a possibility of residual confounding due to factors such as daily exercise, diet, stress, and family history, which were not evaluated in the present study. However, despite the above limitations, we believe that our findings make a valuable contribution to knowledge of the link between SUA and the incidence of CVD.

Conclusion

In summary, the present study confirmed that high SUA concentration is an independent risk factor for CVD in middle-aged and elderly people. Hyperuricemia should be considered as a potential risk and considered in the prevention and treatment of CVD.

Study Association

This article is part of the thesis of doctoral submitted by Qian Nie, from Hebei Medical University.

Sources of Funding : This study was partially funded by Grant No.20200731 from the Hebei Province Medical Science Research Organization.

[B1] 1.Qiu L, Cheng XQ, Wu J, Liu JT, Xu T, Ding HT, et al. Prevalence of hyperuricemia and its related risk factors in healthy adults from Northern and Northeastern Chinese provinces. BMC Public Health. 2013 Jul 17;13:664. [DOI] [PMC free article] [PubMed]

[B2] 2.Liu H, Zhang XM, Wang YL, Liu BC. Prevalence of hyperuricemia among Chinese adults: a national cross-sectional survey using multistage, stratified sampling. J Nephrol. 2014;27(6):653-8. [DOI] [PubMed]

[B3] 3.Kuwabara M, Kuwabara R, Hisatome I, Niwa K, Roncal-Jimenez CA, Bjornstad P, et al. “Metabolically Healthy” obesity and hyperuricemia increase risk for hypertension and diabetes: 5-year Japanese Cohort Study. Obesity (Silver Spring). 2017;25(11):1997-2008. [DOI] [PMC free article] [PubMed]

[B4] 4.Yokoi Y, Kondo T, Okumura N, Shimokata K, Osugi S, Maeda K, et al. Serum uric acid as a predictor of future hypertension: Stratified analysis based on body mass index and age. Prev Med. 2016 Sep;90:201-6. [DOI] [PubMed]

[B5] 5.Bener A, Al-Hamaq A, Öztürk M, Tewfik I. Vitamin D and elevated serum uric acid as novel predictors and prognostic markers for type 2 diabetes mellitus. J Pharm Bioallied Sci. 2019;11(2):127-32. [DOI] [PMC free article] [PubMed]

[B6] 6.Guan T, Ma J, Li M, Xue T, Lan Z, Guo J, et al. Rapid transitions in the epidemiology of stroke and its risk factors in China from 2002 to 2013. Neurology. 2017;89(1):53-61. [DOI] [PubMed]

[B7] 7.Yang G, Wang Y, Zeng Y, Gao GF, Liang X, Zhou M, et al. Rapid health transition in China, 1990-2010: findings from the Global Burden of Disease Study 2010. Lancet. 2013;381(9882):1987-2015. [DOI] [PMC free article] [PubMed]

[B8] 8.Culleton BF, Larson MG, Kannel WB, Levy D. Serum uric acid and risk for cardiovascular disease and death: the Framingham Heart Study. Ann Intern Med. 1999;131(1):7-13. [DOI] [PubMed]

[B9] 9.Lai X, Yang L, Légaré S, Angileri F, Chen X, Fang Q, et al. Dose-response relationship between serum uric acid levels and risk of incident coronary heart disease in the Dongfeng-Tongji Cohort. Int J Cardiol. 2016 Dec 1;224:299-304. [DOI] [PubMed]

[B10] 10.Kanellis J, Feig DI, Johnson RJ. Does asymptomatic hyperuricaemia contribute to the development of renal and cardiovascular disease? An old controversy renewed. Nephrology (Carlton). 2004;9(6):394-9. [DOI] [PubMed]

[B11] 11.Purnima S, El-Aal BG. Serum uric acid as prognostic marker of coronary heart disease (CHD). Clin Investig Arterioscler. 2016;28(5):216-24. [DOI] [PubMed]

[B12] 12.Sun Y, Zhang H, Tian W, Shi L, Chen L, Li J, et al. Association between serum uric acid levels and coronary artery disease in different age and gender: a cross-sectional study. Aging Clin Exp Res. 2019;31(12):1783-90. [DOI] [PubMed]

[B13] 13.Liu R, Han C, Wu D, Xi X, Gu J, Guan H, et al. Prevalence of hyperuricemia and gout in Mainland China from 2000 to 2014: a systematic review and meta-analysis. Biomed Res Int. 2015;2015:762820. [DOI] [PMC free article] [PubMed]

[B14] 14.Ma YC, Zuo L, Chen JH, Luo Q, Yu XQ, Li Y, et al. Modified glomerular filtration rate estimating equation for Chinese patients with chronic kidney disease. J Am Soc Nephrol. 2006;17(10):2937-44. [DOI] [PubMed]

[B15] 15.Wei F, Sun N, Cai C, Feng S, Tian J, Shi W, et al. Associations between serum uric acid and the incidence of hypertension: a Chinese senior dynamic cohort study. J Transl Med. 2016;14(1):110. [DOI] [PMC free article] [PubMed]

[B16] 16.Khera R, Lu Y, Lu J, Saxena A, Nasir K, Jiang L, et al. Impact of 2017 ACC/AHA guidelines on prevalence of hypertension and eligibility for antihypertensive treatment in United States and China: nationally representative cross sectional study. BMJ. 2018 Jul 11;362:k2357. [DOI] [PMC free article] [PubMed]

[B17] 17.Wei Y, Wang J, Han X, Yu C, Wanf F, Yuan J, et al. Metabolically healthy obesity increased diabetes incidence in a middle-aged and elderly Chinese population. Diabetes Metab Res Rev. 2020;36(1):e3202. [DOI] [PubMed]

[B18] 18.Kim SY, Guevara JP, Kim KM, Choi HK, Heitjan DF, Albert DA. Hyperuricemia and coronary heart disease: a systematic review and meta-analysis. Arthritis Care Res (Hoboken). 2010;62(2):170-80. [DOI] [PMC free article] [PubMed]

[B19] 19.Kim SY, Guevara JP, Kim KM, Choi HK, Heitjan DF, Albert DA. Hyperuricemia and risk of stroke: a systematic review and meta-analysis. Arthritis Rheum. 2009;61(7):885-92. [DOI] [PMC free article] [PubMed]

[B20] 20.Wu J, Qiu L, Cheng XQ, Xu T, Wu W, Zeng XJ, et al. Hyperuricemia and clustering of cardiovascular risk factors in the Chinese adult population. Sci Rep. 2017;7(1):5456. [DOI] [PMC free article] [PubMed]

[B21] 21.Kuwabara M, Niwa K, Hisatome I, Nakagawa T, Roncal-Jimenez CA, Andres-Hernando A, et al. Asymptomatic hyperuricemia without comorbidities predicts cardiometabolic diseases: five-year Japanese Cohort Study. Hypertension. 2017;69(6):1036-44. [DOI] [PMC free article] [PubMed]

[B22] 22.Chuang SY, Chen JH, Yeh WT, Wu CC, Pan WH. Hyperuricemia and increased risk of ischemic heart disease in a large Chinese cohort. Int J Cardiol. 2012;154(3):316-21. [DOI] [PubMed]

[B23] 23.Wijnands JM, Boonen A, Dagnelie PC, Greevenbroek MMJ, Kallen CJH, Ferreira I, et al. The cross-sectional association between uric acid and atherosclerosis and the role of low-grade inflammation: the CODAM study. Rheumatology (Oxford). 2014;53(11):2053-62. [DOI] [PubMed]

[B24] 24.Cicero AFG, Salvi P, D’Addato S, Rosticci M, Borghi C, Brisighella Heart Study Group. Association between serum uric acid, hypertension, vascular stiffness and subclinical atherosclerosis: data from the Brisighella Heart Study. J Hypertens. 2014;32(1):57-64. [DOI] [PubMed]

[B25] 25.Chen Y, Xu B, Sun W, Wang T, Xu Y, Xu M, et al. Impact of the serum uric acid level on subclinical atherosclerosis in middle-aged and elderly Chinese. J Atheroscler Thromb. 2015;22(8):823-32. [DOI] [PubMed]

[B26] 26.Doehner W, Schoene N, Rauchhaus M, Leyva-Leon F, Pavitt DV, Reaveley DA, et al. Effects of xanthine oxidase inhibition with allopurinol on endothelial function and peripheral blood flow in hyperuricemic patients with chronic heart failure: results from 2 placebo-controlled studies. Circulation. 2002;105(22):2619-24. [DOI] [PubMed]

[B27] 27.Mazzali M, Kanellis J, Han L, Feng L, Xia YY, Chen Q, et al. Hyperuricemia induces a primary renal arteriolopathy in rats by a blood pressure-independent mechanism. Am J Physiol Renal Physiol. 2002;282(6):F991-7. [DOI] [PubMed]

[B28] 28.Choi YJ, Yoon Y, Lee KY, Hien TT, Kang KW, Kim KC, et al. Uric acid induces endothelial dysfunction by vascular insulin resistance associated with the impairment of nitric oxide synthesis. FASEB J. 2014;28(7):3197-204. [DOI] [PubMed]

[B29] 29.Khosla UM, Zharikov S, Finch JL, Nakagawa T, Roncal C, Mu W, et al. Hyperuricemia induces endothelial dysfunction. Kidney Int. 2005;67(5):1739-42. [DOI] [PubMed]

[B30] 30.Prasad M, Matteson EL, Herrmann J, Gulat R, Rihal C, Lerman LO, et al. Uric acid is associated with inflammation, coronary microvascular dysfunction, and adverse outcomes in postmenopausal women. Hypertension. 2017;69(2):236-42. [DOI] [PMC free article] [PubMed]

[B31] 31.Valle M, Martos R, Cañete MD, Valle R, Donkelaar EL, Bermudo F, et al. Association of serum uric acid levels to inflammation biomarkers and endothelial dysfunction in obese prepubertal children. Pediatr Diabetes. 2015;16(6):441-7. [DOI] [PubMed]

[B32] 32.Canepa M, Viazzi F, Strait JB, Ameri P, Pontremoli R, Brunelli C, et al. Longitudinal association between serum uric acid and arterial stiffness: results from the Baltimore Longitudinal Study of Aging. Hypertension. 2017;69(2):228-35. [DOI] [PMC free article] [PubMed]

[B33] 33.Kanbay M, Jensen T, Solak Y, Le M, Roncal-Jimenez C, Rivard C, et al. Uric acid in metabolic syndrome: from an innocent bystander to a central player. Eur J Intern Med. 2016 Apr;29:3-8. [DOI] [PMC free article] [PubMed]

[B34] 34.Bombelli M, Quarti-Trevano F, Tadic M, Facchetti R, Cuspidi C, Mancia G, et al. Uric acid and risk of new-onset metabolic syndrome, impaired fasting glucose and diabetes mellitus in a general Italian population: data from the Pressioni Arteriose Monitorate E Loro Associazioni study. J Hypertens. 2018;36(7):1492-8. [DOI] [PubMed]

PERMALINK

Impacto da Concentração de Ácido Úrico Sérico no Risco de Doença Cardiovascular: Um Estudo Coorte Realizado no Norte da China

Qian Nie

Xuemei Zhang

Zhihua Hao

Liqin Wang

Huanxin Liu

Chenghao Liu

Zhongli Wang

Guangyao Song

Resumo

Fundamento

Objetivos

Métodos

Resultados

Conclusões

Introdução

Métodos

Padrões éticos

População do estudo

Figura 1. – Descrição da população do estudo. Os participantes de cada sexo foram alocados separadamente em cinco grupos (Q1 a Q5) com base em sua concentração de AUS.

Coleta de dados utilizando questionários

Medições antropométricas

Exames laboratoriais

Definições

Análises estatísticas

Resultados

Características de linha de base dos participantes

Tabela 1. – Características de linha de base dos participantes do sexo masculino, categorizadas de acordo com o quintil de concentração de ácido úrico sérico.

Tabela 2. – Características de linha de base dos participantes do sexo feminino, categorizadas de acordo com o quintil de concentração de ácido úrico sérico.

Relação entre AUS e o risco de DCV.

Tabela 3. – Características de linha de base dos participantes do sexo masculino, categorizadas por doença cardiovascular desenvolvida ou não.

Tabela 4. – Razões de risco de doença cardiovascular incidente.

Tabela 5. – Razões de risco padronizadas para risco de DCV associada a concentração de ácido úrico sérico, estratificadas de acordo com índice de massa corporal e circunferência de cintura.

Discussão

Conclusão

Funding Statement

Referências

Impact of Serum Uric Acid Concentration on the Risk of Cardiovascular Disease: A Cohort Study Conducted in Northern China

Qian Nie

Xuemei Zhang

Zhihua Hao

Liqin Wang

Huanxin Liu

Chenghao Liu

Zhongli Wang

Guangyao Song

Abstract

Background

Objectives

Methods

Results

Conclusions

Introduction

Methods

Ethical standards

Study population

Data collection using questionnaires

Anthropometric measurements

Laboratory assessment

Definitions

Statistical analyses

Results

Baseline characteristic of the participants

Table 1. – Baseline characteristics of the male participants, categorized according to quintile of serum uric acid concentration.

Table 2. – Baseline characteristics of the female participants, categorized according to quintile of serum uric acid concentration.

The relationship between SUA and the risk of CVD

Table 3. – Baseline characteristics of the participants, categorized according to whether cardiovascular disease developed or not.

Figure 3. – Kaplan-Meier curves for incident cardiovascular disease for each quintile of serum uric acid (SUA) concentration. (A) All participants (log-rank test p-value < 0.01, Q1 vs. other quintiles). (B) Participants with normal eGFR (log-rank test p-value < 0.01, Q1 vs. other quintiles).

Table 4. – Hazard ratios for incident cardiovascular disease.

Table 5. – Adjusted hazard ratios for the risk of CVD associated with serum uric acid concentration, stratified according to body mass index and waist circumference.

Discussion

Conclusion

Figure 1. – Description of the study population. Participants of each sex were separately allocated to five groups (Q1-Q5) on the basis of their SUA concentration.

ACTIONS

PERMALINK

RESOURCES

Similar articles

Cited by other articles

Links to NCBI Databases