1. 领域背景与文献
文献英文标题：Circulating hormones and risk of gastric cancer by subsite in three cohort studies；
发表期刊：Gastric Cancer；影响因子：未公开；研究领域：肿瘤学-胃癌分子流行病学
胃癌是全球常见恶性肿瘤之一，其发病率存在显著性别差异，男性整体发病率为女性的2倍，且贲门胃癌（CGC）的性别失衡更为明显。1994年世界卫生组织将幽门螺杆菌感染列为非贲门胃癌（NCGC）的主要致癌因素，后续研究进一步明确肥胖是CGC的重要风险因素，肥胖可通过改变循环激素水平影响癌症发生发展。胰岛素样生长因子-1（IGF-1）、瘦素、饥饿素等激素与癌症的关联研究逐渐成为热点，已有研究显示胰岛素、C肽与胃癌存在潜在关联，但多数研究未按胃癌亚型（CGC、NCGC）分层分析，且性别特异性数据较为匮乏。当前领域的核心未解决问题包括：不同循环激素对CGC和NCGC的影响是否存在亚型特异性？激素与胃癌的关联是否存在性别差异？这些问题限制了胃癌风险分层和精准预防策略的制定。本研究针对上述核心问题，整合三个大型前瞻性队列的基线血清样本和随访数据，系统分析多种肥胖相关循环激素与不同亚型胃癌的关联，旨在填补亚型分层和性别特异性研究的空白，为胃癌的风险评估提供新的生物标志物线索。
2. 文献综述解析
作者对领域内现有研究的分类维度为按激素功能类型（胰岛素相关激素、脂肪来源激素、性激素）和研究设计是否纳入胃癌亚型分层进行分类，系统梳理了各类型激素与胃癌关联的研究进展与局限性。
胰岛素相关激素方面，已有巢式病例对照研究显示胰岛素和C肽与胃癌风险存在正相关趋势，但未按CGC和NCGC亚型分层分析；胰岛素样生长因子-1（IGF-1）的前瞻性研究未发现其与整体胃癌风险的关联，但同样缺乏亚型分层数据，无法明确其对不同亚型胃癌的影响。脂肪来源激素方面，病例对照研究显示胃癌患者的瘦素和脂联素水平低于健康对照，但此类研究多为回顾性设计，存在反向因果偏倚的可能，且未开展前瞻性队列的亚型特异性分析；饥饿素与胃癌的关联研究仅有限报道，性别特异性数据严重不足。性激素方面，现有研究多聚焦于生殖因素（如激素替代治疗）与胃癌的关联，循环性激素与胃癌亚型的前瞻性关联数据较为匮乏，无法明确性激素在不同亚型胃癌发生中的作用。
本研究的创新价值在于首次在三个大型前瞻性队列中，同时纳入CGC和NCGC亚型分层，并按性别开展特异性分析，解决了现有研究中缺乏亚型和性别分层的核心问题；研究采用巢式病例对照和队列设计，避免了回顾性研究的反向因果偏倚，且样本量覆盖欧洲、芬兰、英国的不同人群，结果的外推性更强；同时纳入多种肥胖相关循环激素，开展多激素互调模型分析，进一步明确了各激素与胃癌关联的独立性，为领域内激素与胃癌关联的研究提供了更全面的证据体系。
3. 研究思路总结与详细解析
本研究的核心目标是明确多种肥胖相关循环激素与CGC、NCGC风险的关联，并分析其性别特异性差异；核心科学问题为不同循环激素对CGC和NCGC的影响是否存在亚型和性别异质性；技术路线采用“队列基线样本采集→病例随访与确诊→巢式病例对照/队列设计→激素水平检测→统计分析与关联验证→敏感性分析与结果确认”的闭环逻辑，确保研究结果的可靠性。
3.1 研究队列与病例对照设计
实验目的：构建具有代表性的前瞻性研究人群，确保基线血清样本采集于胃癌诊断前，最大程度减少反向因果偏倚，同时通过匹配设计控制混杂因素的影响。
方法细节：研究纳入三个大型前瞻性队列，分别为欧洲癌症与营养前瞻性调查（EPIC）队列、α-生育酚/β-胡萝卜素癌症预防（ATBC）队列、英国生物银行（UK-Biobank）队列。EPIC队列包含521324名来自10个欧洲国家的男性和女性，于1992-2000年招募，随访至2012年；ATBC队列包含29133名芬兰男性吸烟者，于1985年启动，随访至2012年；UK-Biobank队列包含502524名英国男性和女性，于2006-2010年招募，随访至2016年。EPIC和ATBC采用巢式病例对照设计，EPIC中按招募中心、性别、招募年龄（±3岁）、采血日期（±3个月）和时间（±3小时）匹配病例与对照，ATBC中按随机化年龄（±1岁）和采血日期（±30天）匹配病例与对照；UK-Biobank排除基线确诊癌症的43811名参与者后，采用队列设计进行分析。病例定义为首次确诊的CGC（国际疾病分类ICD-9/10编码C16.0）和NCGC（ICD-9/10编码C16.1-16.6），通过国家癌症登记系统确认病例状态。
结果解读：EPIC队列中最终纳入61例男性CGC病例及匹配对照、172例NCGC病例及匹配对照；ATBC队列中纳入100例CGC病例及匹配对照、65例NCGC病例及匹配对照；UK-Biobank队列中纳入137例CGC病例、92例NCGC病例。基线特征分析显示，EPIC中NCGC病例的教育水平显著低于对照（P=0.006），且胰岛素样生长因子结合蛋白3（IGFBP-3）和饥饿素水平显著低于对照（P=0.02、P=0.009）；ATBC中CGC病例的体质指数（BMI）显著高于对照（P=0.02），脂联素水平显著低于对照（P=0.03）；UK-Biobank中CGC病例的BMI显著高于非病例（P<0.0001），性激素结合球蛋白（SHBG）水平显著低于非病例（P=0.002），这些基线差异为后续的关联分析提供了重要的混杂因素参考。
产品关联：实验所用关键产品：EPIC和ATBC队列中，脂联素、瘦素、胰岛素采用Meso Scale Diagnostics公司的电化学发光法检测；胰岛素样生长因子-1（IGF-1）和胰岛素样生长因子结合蛋白3（IGFBP-3）采用R&D Systems公司的酶联免疫吸附试验（ELISA）检测；性激素结合球蛋白（SHBG）采用DRG Diagnostics公司的酶联免疫吸附试验检测；饥饿素采用Merck公司的酶联免疫吸附试验试剂盒检测。ATBC队列中饥饿素同时采用Millipore Linco Research公司的放射免疫法检测。性激素检测方面，EPIC队列及ATBC队列的NCGC样本采用Thermo Scientific公司的Ultimate 3000-Q-Exactive液相色谱-质谱系统检测，ATBC队列的CGC样本采用气相色谱-质谱法检测。UK-Biobank队列未提及具体实验产品，领域常规使用免疫分析或质谱类试剂/仪器。
3.2 血清激素检测与质量控制
实验目的：准确检测基线血清中多种肥胖相关循环激素的水平，通过严格的质量控制措施确保检测数据的可靠性和重复性。
方法细节：三个队列检测的激素类型因样本量和研究设计略有差异，EPIC队列检测的激素包括胰岛素、IGF-1、IGFBP-3、C肽、脂联素、瘦素、饥饿素、雄烯二酮、脱氢表雄酮（DHEA）、雌酮、雌二醇、SHBG、孕酮、睾酮；ATBC队列在EPIC基础上增加雄酮、双氢睾酮的检测；UK-Biobank队列检测IGF-1、血糖、糖化血红蛋白（HbA1c）、SHBG、睾酮及C反应蛋白（CRP）。检测方法涵盖电化学发光法、酶联免疫吸附试验、放射免疫法、液相色谱-质谱法、气相色谱-质谱法，所有检测均在专业实验室完成，并进行批内变异系数（CV）评估以控制检测质量，其中胰岛素的批内CV为5.4-7.2%，IGF-1的批内CV为1.8-2.4%，SHBG的批内CV为1.8-3.3%，均处于可接受的质量控制范围内。激素检测值进行对数转换后，以三分位数或每1个标准差（SD）增加为单位进行统计分析。
结果解读：各激素检测的批内变异系数均符合临床和科研检测的质量要求，确保了数据的可靠性。基线激素水平的分布分析显示，不同队列间的激素水平存在一定差异，这与队列的人群特征（如ATBC为男性吸烟者队列）和招募时间有关，但通过标准化的统计分析方法调整了这些潜在的混杂因素。
产品关联：同3.1中提及的检测试剂与仪器。
3.3 统计分析与关联验证
实验目的：分析循环激素与CGC、NCGC风险的关联，控制潜在混杂因素的影响，验证关联的特异性和稳定性，并探索性别和亚型差异。
方法细节：EPIC和ATBC队列采用条件逻辑回归模型计算比值比（OR）及95%置信区间（CI），UK-Biobank队列采用Cox比例风险回归模型计算风险比（HR）及95%CI，所有模型均调整教育水平、吸烟状态、BMI等混杂因素。按性别分层开展特异性分析，同时进行线性趋势检验、激素相关性分析、多激素互调模型分析（分别调整所有肠道/脂肪因子、所有性激素）及敏感性分析（排除随访1年内确诊的病例），以验证结果的稳定性。
结果解读：EPIC男性中，IGF-1每增加1个SD，CGC的调整OR为1.94（95%CI 1.03-3.63，n=61），NCGC的调整OR为1.63（95%CI 1.05-2.53，n=172）；瘦素最高三分位与最低三分位相比，NCGC的调整OR为2.72（95%CI 1.01-7.34，n=172）；饥饿素每增加1个SD，NCGC的调整OR为0.53（95%CI 0.34-0.84，n=172）。EPIC女性中，C肽每增加1个SD，NCGC的调整OR为2.17（95%CI 1.19-3.97，n=172）。ATBC男性中，饥饿素每增加1个SD，NCGC的调整OR为0.22（95%CI 0.10-0.50，n=65）；胰岛素每增加1个SD，NCGC的调整OR为0.45（95%CI 0.22-0.91，n=65）。UK-Biobank女性中，IGF-1每增加1个SD，CGC的调整HR为1.76（95%CI 1.08-2.88，n=137）；UK-Biobank男性中，SHBG每增加1个SD，CGC的调整HR为1.29（95%CI 1.02-1.64，n=137），游离睾酮每增加1个SD，NCGC的调整HR为0.71（95%CI 0.57-0.89，n=92）。合并EPIC和ATBC男性数据显示，DHEA最高三分位与最低三分位相比，CGC的调整OR为0.45（95%CI 0.21-0.95，n=161）。敏感性分析排除随访1年内确诊的病例后，结果无显著变化；多激素互调模型中，多数关联的方向和强度保持不变，仅EPIC男性中IGF-1与CGC、瘦素与NCGC，以及EPIC女性中C肽与NCGC的关联因调整后不再显著，提示这些关联可能受其他激素的混杂影响。
产品关联：统计分析采用SAS 9.4软件完成，无实验产品相关内容。
4. Biomarker研究及发现成果解析
本研究涉及的生物标志物（Biomarker）类型为循环激素，涵盖胰岛素相关激素（IGF-1、C肽、胰岛素）、脂肪因子（瘦素、饥饿素）、性激素（DHEA、SHBG、游离睾酮），其筛选与验证逻辑为基于三个前瞻性队列的基线血清样本，通过巢式病例对照或队列设计，结合多因素统计分析验证激素与不同亚型胃癌的关联，同时纳入性别分层分析以明确特异性差异。
Biomarker的来源为三个队列参与者的基线空腹血清样本，所有样本均采集于胃癌诊断前，避免了反向因果偏倚。验证方法采用临床常用的免疫分析（电化学发光法、酶联免疫吸附试验、放射免疫法）或质谱检测技术，确保激素水平检测的准确性；通过条件逻辑回归或Cox比例风险回归模型调整教育水平、吸烟状态、BMI等混杂因素，明确激素与胃癌的独立关联；同时开展线性趋势检验、敏感性分析及多激素互调模型分析，进一步验证关联的稳定性和特异性。特异性与敏感性数据方面，EPIC男性中IGF-1对CGC的关联具有统计学显著性（OR=1.94，95%CI 1.03-3.63，n=61），对NCGC的关联同样显著（OR=1.63，95%CI 1.05-2.53，n=172）；UK-Biobank女性中IGF-1对CGC的关联显著（HR=1.76，95%CI 1.08-2.88，n=137）；饥饿素在EPIC和ATBC男性中均与NCGC呈负相关，OR分别为0.53（95%CI 0.34-0.84，n=172）和0.22（95%CI 0.10-0.50，n=65）；合并队列中DHEA与CGC呈负相关（OR=0.45，95%CI 0.21-0.95，n=161）；UK-Biobank男性中SHBG与CGC呈正相关（HR=1.29，95%CI 1.02-1.64，n=137），游离睾酮与NCGC呈负相关（HR=0.71，95%CI 0.57-0.89，n=92）。
核心成果提炼显示，IGF-1可作为CGC和NCGC的潜在风险Biomarker，且存在性别特异性，男性中同时关联两种亚型，女性中仅关联CGC；瘦素和C肽分别为男性和女性NCGC的潜在风险Biomarker；饥饿素、DHEA、游离睾酮为潜在的保护性Biomarker，分别与NCGC、CGC、NCGC风险负相关；SHBG为男性CGC的潜在风险Biomarker。本研究的创新性在于首次在大样本前瞻性队列中明确了多种循环激素与不同亚型胃癌的关联及性别特异性，为胃癌的风险分层和精准预防提供了新的线索；所有关联结果均经过严格的统计验证，部分关联的统计学显著性P值<0.05，如EPIC中NCGC病例饥饿素水平低于对照组（P=0.009），ATBC中CGC病例BMI高于对照组（P=0.02）。此外，研究还发现部分激素的关联在多激素互调模型中会发生变化，提示激素间的相互作用可能影响胃癌的发生发展，这为后续机制研究提供了方向。