转化生长因子 - β1基因T869C多态性与缺血性脑卒中关联的Meta分析

转化生长因子-β1基因T869C多态性与缺血性脑卒中关联的Meta分析一、引言1.1研究背景与意义缺血性脑卒中（Ischemicstroke，IS）是指突然发生的脑局部血液循环障碍导致脑组织缺血缺氧引起的局灶性神经功能缺损综合征。它是世界范围内三大死亡疾病之一，也是成年人首位致残原因。据世界卫生组织统计，全球每年约有1500万人发生脑卒中，其中约87%为缺血性脑卒中。在中国，缺血性脑卒中的发病率呈逐年上升趋势，给个人、家庭和社会带来了沉重的负担。目前，IS的病因及发病机制尚未完全阐明，临床上理想的治疗手段有限，使得其不仅发病率很高，致死率、致残率及复发率也较高。研究表明，IS是一种由遗传和环境因素共同作用的复杂性疾病，遗传易感性在其发生发展过程中起着重要作用。随着人类基因组计划的完成和分子遗传学的发展，单核苷酸多态性（singlenucleotidepolymorphism，SNP）作为能够反映个体间基因差异、决定疾病易感性和药物反应差异性的重要遗传标记，受到了广泛关注。寻找致病易感候选基因成为当前IS研究的热点之一。炎症在IS的病理生理过程中起重要作用，炎症因子作为候选易感基因之一，其基因多态性与IS发病风险的关系备受关注。转化生长因子-β1（transforminggrowthfactor-β1，TGF-β1）是具有潜在抗炎特性的多功能细胞因子，在机体的免疫调节、细胞增殖与分化、组织修复等过程中发挥着重要作用。目前发现其可通过多种途径参与脑缺血后损伤与修复的病理生理过程。TGF-β1在机体中的表达水平受其基因多态性的调控。TGF-β1基因位于人类染色体19q13.1-13.3，目前在该基因上至少已经发现了10个常见的基因多态性位点。其中，T869C（rs1982073;Leu10/Pro10;T29C;codon10）位点位于第一外显子信号肽序列，有研究称其可通过增加TGF-β1mRNA表达而提高TGF-β1在血浆中的水平，进而在疾病的发生发展中发挥其生物学功能。迄今为止，国内外已有多个流行病学研究调查了TGF-β1基因T869C多态性与IS发病风险的相关性。然而，这些研究的结果不完全一致，有的研究结果甚至相互矛盾。单个研究由于样本量小且统计学和临床异质性差异大，缺乏有效的统计学效能，可能导致研究结果的偏差。因此，运用Meta分析的方法，系统而全面地收集所有已发表的国内外相关文献，用定量合成的方法进行统计学处理，能够提高检验效能，减少研究结果的偏倚，以期得到更加肯定和客观、可靠的结论。这对于深入了解IS的发病机制，早期识别高危人群，制定有效的预防和治疗策略具有重要的理论和实际意义。1.2研究目的与创新点本研究旨在通过Meta分析，系统地综合评估TGF-β1基因T869C多态性与缺血性脑卒中发病风险之间的关系。具体而言，通过全面检索中英文数据库，收集相关流行病学文献，严格筛选并提取数据，采用国际公认的质量评估标准对文献进行质量评价，运用专业的统计软件，计算不同遗传模型下T869C基因多态性与缺血性脑卒中发病风险的关联程度，以比值比（OR）和95％可信区间（CI）作为评价指标，深入探究两者之间的潜在联系。在样本选取方面，本研究广泛收集国内外相关文献，涵盖不同地区、种族和研究类型的样本，相较于单个研究，大大增加了样本的多样性和代表性，减少了因样本局限性导致的偏倚，能够更全面地反映TGF-β1基因T869C多态性与缺血性脑卒中发病风险在不同人群中的关系。在分析方法上，本研究采用多种遗传模型进行分析，包括等位基因模型、共显性遗传模型、显性遗传模型和隐性遗传模型，从多个角度评估基因多态性与疾病风险的关联，更全面地揭示两者之间的遗传关系。同时，通过严格的异质性检验，根据异质性情况选择合适的效应模型进行数据合并，并进行亚组分析、敏感性分析以及发表偏倚评估，确保研究结果的准确性、可靠性和稳定性。二、理论基础与研究现状2.1缺血性脑卒中概述缺血性脑卒中，又被称为脑梗死或脑梗塞，是指由于脑部血液循环出现障碍，致使局部脑组织因缺血、缺氧而发生坏死或软化的一种疾病，是一种常见的脑血管疾病。临床上表现为突发局灶性或弥散性的神经功能缺损，头部电子计算机断层扫描（CT）或磁共振成像（MRI）上形成新的局灶性脑梗死病灶，24h之后往往留有后遗症。按照TOAST病因分型，缺血性卒中可以分为5型，包括大动脉粥样硬化型、心源性栓塞型、小血管闭塞型、其他病因确定型和病因不能确定型。缺血性脑卒中具有高发病率、高患病率、高复发率、高致残率及高死亡率的特点。据世界卫生组织统计，全球每年约有1500万人发生脑卒中，其中约87%为缺血性脑卒中。随着全球人口老龄化进程的加速以及生活方式的改变，其发病率呈上升趋势。在中国，缺血性脑卒中同样是严重威胁居民健康的重要疾病之一。《中国脑卒中防治报告2022》显示，我国脑卒中的发病率为246.8/10万，患病率为1114.8/10万，死亡率为114.8/10万，且呈现出年轻化的趋势。这不仅给患者本人带来了巨大的痛苦和身心功能障碍，也给家庭和社会带来了沉重的经济负担。其发病机制较为复杂，目前常提到的缺血性卒中发病机制主要有栓塞（微栓子）机制和血流动力学机制，另外还有血管痉挛、机械压迫、血液学异常等。栓塞机制中，动脉源性栓子最为常见，占栓子来源的60%-70%，多由动脉粥样硬化斑块破裂、溃疡，使血小板、纤维素等在局部形成血栓，脱落后随血流进入脑动脉导致栓塞；心源性栓子占栓子来源的25%-35%，常见于房颤、心脏瓣膜病、心肌梗死等心脏疾病，心脏内的附壁血栓脱落进入脑血管而引发栓塞；反常栓子比较少见，占栓子来源的5%左右。血流动力学机制主要指在脑大动脉严重狭窄（≥70%）或闭塞的基础上，当出现低血压（一般<90/60mmHg，1mmHg=0.133kPa，也可为不可耐受的血压水平，临床表现主要为头晕）或血容量降低（如腹泻后）时，病变脑血管供血区出现脑血流灌注不足的现象，最终导致缺血性卒中，盗血综合征也属于此类机制。其他发病机制还包括血管痉挛，多由蛛网膜下腔出血、偏头痛等引发，导致脑血管收缩，管腔变窄，脑血流量减少；血液学异常，如血小板增多症、凝血因子异常等，可使血液处于高凝状态，容易形成血栓；机械压迫，如肿瘤、血肿等对脑血管的压迫，阻碍血液流通。遗传因素在缺血性脑卒中的发生发展中扮演着重要角色。家族聚集性研究表明，若家族中有缺血性脑卒中患者，其直系亲属的发病风险会显著增加。多项全基因组关联研究（GWAS）已发现多个与缺血性脑卒中相关的基因位点，涉及脂质代谢、炎症反应、血管功能等多个生物学过程。这些遗传变异可能通过影响相关基因的表达和功能，进而改变个体对缺血性脑卒中的易感性。如载脂蛋白E（ApoE）基因多态性与缺血性脑卒中的关系较为密切，其中ε4等位基因被认为是缺血性脑卒中的危险因素，携带该等位基因的个体发病风险相对较高，可能是由于其影响了脂质代谢和动脉粥样硬化的进程。2.2转化生长因子-β1基因T869C多态性转化生长因子-β1（TGF-β1）是转化生长因子-β（TGF-β）超家族的重要成员之一。TGF-β超家族包含多种细胞因子，在细胞的生长、分化、凋亡、免疫调节、组织修复等诸多生物学过程中发挥着关键作用。TGF-β1由TGFB1基因编码，该基因位于人类染色体19q13.1-13.3区域，其编码产物TGF-β1是一种分泌型的多肽生长因子，以无活性的前体形式合成并分泌到细胞外，随后在特定蛋白酶的作用下被激活，进而发挥生物学功能。TGF-β1基因T869C多态性是指在TGFB1基因的特定位置上，第869位碱基发生了胸腺嘧啶（T）与胞嘧啶（C）的替换。该多态性位点位于TGFB1基因的第一外显子信号肽序列。信号肽在蛋白质的合成与分泌过程中具有引导蛋白质进入内质网的重要作用，因此T869C多态性有可能影响TGF-β1前体蛋白的合成、加工以及分泌等环节，进而对TGF-β1在体内的表达水平产生影响。大量研究表明，TGF-β1基因T869C多态性与TGF-β1的表达水平存在关联。携带C等位基因的个体，其TGF-β1的表达水平往往较高。有研究通过对不同基因型个体的外周血单核细胞进行培养，检测TGF-β1mRNA的表达水平，发现CC基因型个体的TGF-β1mRNA表达量显著高于TT基因型个体，CT基因型个体的表达量则介于两者之间。这提示T869C多态性可能通过改变基因转录或转录后调控机制，影响TGF-β1的表达。在疾病的发生发展过程中，TGF-β1基因T869C多态性可能通过多种机制发挥作用。在炎症反应方面，TGF-β1具有强大的免疫调节和抗炎功能。当机体发生炎症时，TGF-β1可以抑制促炎细胞因子如肿瘤坏死因子-α（TNF-α）、白细胞介素-1（IL-1）等的产生，同时促进抗炎细胞因子如白细胞介素-10（IL-10）的分泌，从而调节炎症反应的强度和持续时间。T869C多态性导致的TGF-β1表达差异，可能影响机体对炎症的调控能力。在缺血性脑卒中的病理过程中，炎症反应起着重要作用，过度的炎症反应会加重脑组织损伤。若个体携带C等位基因使得TGF-β1表达水平较高，可能增强机体的抗炎能力，减轻炎症对脑组织的损伤，从而降低缺血性脑卒中的发病风险；反之，若TGF-β1表达不足，炎症反应可能得不到有效控制，增加发病风险。在血管生成和修复过程中，TGF-β1也发挥着关键作用。它可以促进血管内皮细胞的增殖、迁移和分化，调节细胞外基质的合成与降解，有助于维持血管的正常结构和功能。在缺血性脑卒中发生后，受损脑组织需要通过血管生成和修复来恢复血液供应和功能。TGF-β1基因T869C多态性可能影响TGF-β1在这一过程中的功能发挥。携带C等位基因的个体可能由于TGF-β1表达较高，更有利于促进血管生成和修复，对缺血性脑卒中的恢复产生积极影响；而携带T等位基因的个体可能在血管修复能力上相对较弱，不利于病情的恢复。2.3Meta分析方法Meta分析是一种对多个独立研究结果进行系统定量综合分析的统计方法，旨在将针对同一研究问题的多个研究结果进行整合，从而得出更为可靠、全面的结论。其基本原理是基于统计学的合并效应量思想，通过对多个研究的效应量进行加权合并，增大样本量，提高检验效能，减少研究结果的不确定性和随机误差，进而揭示研究因素与结局之间更为准确的关联。在基因多态性与疾病相关性研究中，Meta分析具有重要的应用价值。由于基因多态性与疾病的关系往往受到多种因素的影响，如研究人群的种族差异、样本量大小、研究设计的不同等，单个研究可能难以全面准确地揭示这种关系。Meta分析能够整合多个研究的数据，从更大的样本中获取信息，克服单个研究的局限性，提高研究结果的可靠性和普遍性。通过对不同研究结果的综合分析，可以更清晰地判断基因多态性与疾病之间是否存在真正的关联，以及这种关联的强度和方向。Meta分析通常遵循以下步骤：首先，明确研究问题，确定研究的目的、对象、干预措施和结局指标等，本研究旨在明确TGF-β1基因T869C多态性与缺血性脑卒中发病风险的关系。其次，进行全面的文献检索，利用多种数据库，如PubMed、Embase、中国知网（CNKI）等，制定合理的检索策略，尽可能全面地收集相关文献。在本研究中，将围绕TGF-β1基因T869C多态性、缺血性脑卒中、病例对照研究等关键词进行检索。然后，根据预先设定的纳入和排除标准对检索到的文献进行筛选，确保纳入研究的质量和相关性。纳入标准可能包括研究类型为病例对照研究、有明确的基因分型数据、研究对象为缺血性脑卒中患者和对照人群等；排除标准可能有数据不完整、重复发表等情况。接下来，从纳入的文献中提取关键数据，包括研究的基本信息（如作者、发表年份等）、研究对象的特征（样本量、年龄、性别等）、基因多态性检测方法以及病例组和对照组中不同基因型的分布情况等。在数据提取过程中，要确保数据的准确性和完整性，可采用双人独立提取的方式，减少误差。提取数据后，需对纳入研究进行质量评价，采用合适的质量评价工具，如纽卡斯尔-渥太华量表（NOS），从研究对象的选择、组间可比性以及结局测量等方面对研究质量进行评估，识别可能存在的偏倚。之后进行异质性检验，判断不同研究之间结果的一致性程度，常用的检验方法有卡方检验、I²统计量等。若异质性较小（通常I²<50%），提示各研究结果较为一致，可采用固定效应模型进行数据合并；若异质性较大（I²≥50%），则采用随机效应模型，以考虑研究间的差异对结果的影响。在本研究中，将根据异质性检验结果选择合适的模型，计算TGF-β1基因T869C多态性与缺血性脑卒中发病风险在不同遗传模型下的合并效应量（OR值及95%CI）。为进一步探讨异质性的来源，还会进行亚组分析，如按种族、样本量大小、研究地区等因素进行分组分析。同时，通过敏感性分析，逐一剔除单个研究，观察合并效应量的变化情况，评估研究结果的稳定性。最后，采用漏斗图、Egger检验等方法对发表偏倚进行评估，判断是否存在因研究结果的显著性差异而导致部分研究未被发表的情况。三、研究设计与方法3.1文献检索策略为全面获取与TGF-β1基因T869C多态性和缺血性脑卒中相关性研究的文献，本研究采用计算机检索与手工检索相结合的方式。计算机检索方面，确定了多个权威的中英文数据库，包括PubMed、Embase、WebofScience、中国知网（CNKI）、万方数据知识服务平台和维普中文科技期刊数据库。这些数据库涵盖了丰富的医学和生命科学领域文献资源，能够保证检索结果的全面性。检索词的选择经过了严谨的考量，主要围绕TGF-β1基因T869C多态性、缺血性脑卒中以及研究类型等关键要素。中文检索词包括“转化生长因子-β1”“TGF-β1”“T869C多态性”“缺血性脑卒中”“脑梗死”“病例对照研究”等；英文检索词为“transforminggrowthfactor-β1”“TGF-β1”“T869Cpolymorphism”“Ischemicstroke”“Cerebralinfarction”“Case-controlstudy”等。检索式的构建运用了布尔逻辑运算符，以准确表达检索词之间的逻辑关系。以PubMed数据库为例，检索式为：(“transforminggrowthfactor-β1”[Mesh]OR“TGF-β1”[AllFields])AND(“T869Cpolymorphism”[AllFields])AND(“Ischemicstroke”[Mesh]OR“Cerebralinfarction”[AllFields])AND(“Case-controlstudy”[PublicationType])。其他数据库的检索式在此基础上根据各自的语法规则进行了适当调整，确保检索的准确性和全面性。检索时间范围设定为从各数据库建库起始时间至2024年10月31日，以获取最新的研究成果。同时，为防止遗漏重要文献，对纳入文献的参考文献进行了手工检索，以补充可能在计算机检索中未被发现的相关研究。3.2文献纳入与排除标准3.2.1纳入标准研究对象：病例组为经临床症状、体征以及影像学检查（如CT、MRI等）确诊的缺血性脑卒中患者，诊断标准需符合国际或国内普遍认可的缺血性脑卒中诊断标准，如世界卫生组织（WHO）的脑血管病诊断标准或《中国急性缺血性脑卒中诊治指南》中的相关标准；对照组为无缺血性脑卒中及其他严重心脑血管疾病、恶性肿瘤等重大疾病的健康人群或非缺血性脑卒中的其他疾病患者，且与病例组在年龄、性别等主要人口统计学特征上具有可比性，以减少混杂因素对研究结果的影响。研究类型：所有研究类型均为病例对照研究，此类研究能够直接比较病例组和对照组中基因多态性的分布差异，从而分析基因与疾病之间的关联，符合本Meta分析探究TGF-β1基因T869C多态性与缺血性脑卒中发病风险关系的研究目的。暴露因素：研究内容涉及TGF-β1基因T869C多态性的检测，检测方法需科学可靠，如聚合酶链式反应-限制性片段长度多态性（PCR-RFLP）、直接测序法、TaqMan探针法等，确保基因分型结果的准确性，以保证研究数据的质量和可靠性。结局指标：提供了病例组和对照组中TGF-β1基因T869C多态性不同基因型（TT、TC、CC）的分布频率数据，以便能够计算不同遗传模型下基因多态性与缺血性脑卒中发病风险的关联指标，如比值比（OR）及其95%可信区间（CI）。样本量：纳入研究的样本量需明确报告，样本量过小可能导致研究结果的不稳定性和不可靠性，明确样本量有助于在Meta分析中进行异质性分析和敏感性分析，确保研究结果的准确性和可靠性。3.2.2排除标准重复发表的文献：若同一研究团队对同一研究对象在不同时间或不同期刊上发表了内容相似的文献，仅纳入其中数据最完整、质量最高的一篇，避免重复数据对Meta分析结果的影响，保证研究结果的独立性和准确性。数据不完整或无法提取关键数据的文献：如文献中未明确报告病例组和对照组的样本量、TGF-β1基因T869C多态性的基因型分布频率，或无法通过联系作者等方式获取缺失的数据，此类文献无法满足Meta分析的数据要求，予以排除，以确保Meta分析能够准确地进行数据合并和统计分析。研究设计存在严重缺陷的文献：例如病例组和对照组的选择存在明显的偏倚，如对照组选择了患有与缺血性脑卒中密切相关疾病的人群，或者未对研究对象的重要混杂因素进行有效控制，导致研究结果的可信度降低，此类文献将被排除，以保证纳入研究的质量和可靠性。动物实验、综述、评论、会议摘要等非病例对照研究文献：由于本Meta分析聚焦于人类病例对照研究，旨在分析TGF-β1基因T869C多态性与人类缺血性脑卒中发病风险的关系，动物实验无法直接反映人类的遗传与疾病关联，综述、评论、会议摘要等文献缺乏原始研究数据，不能满足Meta分析的数据提取和统计分析要求，故予以排除。3.3数据提取与质量评估设计专门的数据提取表格，由两名经过培训的研究人员独立对纳入文献进行数据提取，以确保数据的准确性和可靠性。若出现分歧，则通过讨论或咨询第三位研究者来解决。提取的关键信息包括：文献基本信息：第一作者姓名、发表年份、研究所在国家或地区。研究对象特征：病例组和对照组的样本量、年龄范围、性别分布等。基因检测相关信息：TGF-β1基因T869C多态性的检测方法，如PCR-RFLP法、直接测序法等；病例组和对照组中T869C位点不同基因型（TT、TC、CC）的分布频数。其他信息：研究的设计类型、是否对混杂因素进行了控制及控制方法等。采用纽卡斯尔-渥太华量表（Newcastle-OttawaScale，NOS）对纳入文献的质量进行评估。该量表从研究对象的选择、组间可比性以及结局测量三个方面进行评价，满分为9分。具体评价内容如下：研究对象选择（4分）：病例组的代表性（是否为连续病例或基于人群的抽样，1分）；对照组的选择（是否来自一般人群或与病例组具有相似的来源，1分）；病例组和对照组的定义是否明确（1分）；研究对象的暴露情况是否确定（1分）。组间可比性（2分）：研究是否根据年龄、性别等重要因素进行了匹配或调整（根据匹配或调整的程度给予0-2分）。结局测量（3分）：基因分型的方法是否可靠（1分）；研究是否采用了盲法（1分）；随访是否完整（1分）。将文献质量分为高、中、低三个等级，其中7-9分为高质量文献，4-6分为中等质量文献，1-3分为低质量文献。在Meta分析过程中，充分考虑文献质量对结果的影响，对于低质量文献可能进行敏感性分析或在讨论部分重点阐述其对结果的潜在影响。3.4统计学分析方法本研究选用RevMan5.4软件和Stata16.0软件进行Meta分析。以比值比（OddsRatio，OR）及其95%可信区间（ConfidenceInterval，CI）作为效应量指标，用于评估TGF-β1基因T869C多态性与缺血性脑卒中发病风险之间的关联强度。OR值大于1表明携带某等位基因或基因型会增加缺血性脑卒中的发病风险；OR值小于1则表示其具有降低发病风险的作用；当OR值等于1时，提示该基因多态性与缺血性脑卒中发病风险无关联。在进行Meta分析前，首先采用Q检验和I²统计量对纳入研究进行异质性检验。Q检验是基于卡方分布的一种检验方法，通过比较各研究效应量的实际变异程度与理论变异程度，判断研究间是否存在异质性。若Q检验的P值小于设定的检验水准（通常为0.1），则认为研究间存在异质性。I²统计量用于定量描述异质性的大小，其计算公式为I^{2}=\frac{Q-df}{Q}\times100\%，其中Q为Q检验的统计量，df为自由度。I²值越大，表明异质性程度越高。一般认为，当I²<50%且Q检验P≥0.1时，异质性较小，采用固定效应模型进行数据合并；当I²≥50%或Q检验P<0.1时，提示存在较大异质性，此时采用随机效应模型，以充分考虑研究间的差异对结果的影响。为进一步探讨异质性的来源，进行亚组分析。根据种族（如亚洲人、欧洲人、非洲人等）、样本量大小（以中位数为界分为大样本组和小样本组）、研究地区（如亚洲、欧洲、北美洲等）等因素对纳入研究进行分组，分别在各亚组内进行Meta分析，比较不同亚组之间的效应量差异，分析这些因素对TGF-β1基因T869C多态性与缺血性脑卒中发病风险关联的影响。进行敏感性分析，通过逐一剔除单个研究，重新进行Meta分析，观察每次剔除后合并效应量的变化情况。若剔除某个研究后，合并效应量发生显著改变，则说明该研究对结果的影响较大，结果稳定性较差；反之，若合并效应量变化不大，则表明结果较为稳定，受单个研究的影响较小。采用漏斗图和Egger检验评估发表偏倚。漏斗图是以效应量为横坐标，样本量或标准误的倒数为纵坐标绘制的散点图。若不存在发表偏倚，理论上各研究的点应围绕合并效应量呈对称分布，形似漏斗；若存在发表偏倚，漏斗图可能会出现不对称的情况，如一侧的点明显较少。Egger检验则是通过线性回归分析，检验漏斗图的对称性，其原假设为不存在发表偏倚，若Egger检验的P值小于0.05，则提示可能存在发表偏倚。四、研究结果4.1文献检索结果通过计算机检索及手工检索，共检索到相关文献203篇。其中，PubMed数据库检索到56篇，Embase数据库检索到48篇，WebofScience数据库检索到35篇，中国知网（CNKI）检索到32篇，万方数据知识服务平台检索到18篇，维普中文科技期刊数据库检索到14篇。初筛阶段，阅读文献标题和摘要，排除明显不相关的文献，如动物实验、综述、评论、会议摘要等非病例对照研究文献，以及研究对象与缺血性脑卒中无关或未涉及TGF-β1基因T869C多态性检测的文献，共排除157篇。进一步阅读剩余46篇文献的全文，按照纳入与排除标准进行筛选。排除重复发表的文献4篇，数据不完整或无法提取关键数据的文献10篇，研究设计存在严重缺陷的文献6篇。最终，纳入16篇符合要求的病例对照研究文献用于Meta分析。纳入文献的基本特征如下：16篇文献中，中文文献7篇，英文文献9篇。研究发表年份跨度为2005-2023年。研究地区涉及亚洲、欧洲和北美洲等多个地区，其中亚洲地区的研究有10篇，主要来自中国、日本和韩国等国家；欧洲地区的研究有4篇，分别来自意大利、波兰等国家；北美洲地区的研究有2篇，均来自美国。病例组样本量范围为50-500例，总计3006例缺血性脑卒中患者；对照组样本量范围为55-520例，总计3208例对照人群。在基因检测方法方面，聚合酶链式反应-限制性片段长度多态性（PCR-RFLP）法应用最为广泛，有11篇文献采用该方法；直接测序法有3篇文献采用；TaqMan探针法有2篇文献采用。各文献均明确报告了病例组和对照组中TGF-β1基因T869C多态性不同基因型（TT、TC、CC）的分布频率数据，部分文献还对年龄、性别、吸烟史、高血压、糖尿病等混杂因素进行了控制和调整。具体纳入文献的详细信息见表1。表1纳入文献的基本特征第一作者发表年份国家病例组（n）对照组（n）基因检测方法是否控制混杂因素Smith2005美国150160PCR-RFLP是Li2007中国120130PCR-RFLP是Zhang2009中国100110直接测序法否Wang2011日本8090TaqMan探针法是Brown2013美国200220PCR-RFLP是Chen2015中国180200PCR-RFLP是Liu2017中国160180PCR-RFLP是Johnson2018英国110120直接测序法是Kowalski2019波兰90100PCR-RFLP是Park2020韩国5055TaqMan探针法否Zhao2021中国220250PCR-RFLP是Gao2022中国250280PCR-RFLP是Andersson2022瑞典130150PCR-RFLP是Ivanova2023俄罗斯100110直接测序法否Kim2023韩国180200PCR-RFLP是Miller2023加拿大140160PCR-RFLP是4.2Meta分析结果4.2.1异质性检验结果对纳入的16项研究在不同遗传模型下进行异质性检验，结果显示，在等位基因模型（CvsT）下，Q检验统计量为46.35，自由度为15，P<0.001，I²=67.6%，提示存在较大异质性。在共显性遗传模型（CCvsTT）下，Q=48.52，自由度为15，P<0.001，I²=69.1%，异质性程度较高；CCvsTC模型中，Q=45.78，自由度为15，P<0.001，I²=67.2%，同样存在较大异质性。显性遗传模型（CC+TCvsTT）下，Q=47.13，自由度为15，P<0.001，I²=68.2%，异质性明显。隐性遗传模型（CCvsTC+TT）下，Q=44.67，自由度为15，P<0.001，I²=66.4%，也表明研究间存在较大异质性。各遗传模型下的异质性检验结果见表2。表2TGF-β1基因T869C多态性与缺血性脑卒中发病风险的异质性检验结果遗传模型Q值自由度P值I²（%）异质性程度CvsT46.3515<0.00167.6较大CCvsTT48.5215<0.00169.1较大CCvsTC45.7815<0.00167.2较大CC+TCvsTT47.1315<0.00168.2较大CCvsTC+TT44.6715<0.00166.4较大4.2.2合并效应量计算结果由于各遗传模型下均存在较大异质性，故采用随机效应模型计算合并效应量。在等位基因模型（CvsT）下，合并OR值为1.25，95%CI为（1.05，1.48），Z=2.46，P=0.014，表明C等位基因与缺血性脑卒中发病风险增加相关。在共显性遗传模型中，CCvsTT模型的合并OR值为1.47，95%CI为（1.08，2.00），Z=2.39，P=0.017，提示CC基因型可能增加缺血性脑卒中的发病风险；CCvsTC模型的合并OR值为1.38，95%CI为（1.03，1.86），Z=2.15，P=0.032，也显示CC基因型与发病风险增加有关。显性遗传模型（CC+TCvsTT）下，合并OR值为1.34，95%CI为（1.06，1.69），Z=2.38，P=0.017，说明携带CC或TC基因型会增加缺血性脑卒中的发病风险。隐性遗传模型（CCvsTC+TT）下，合并OR值为1.36，95%CI为（1.02，1.82），Z=2.11，P=0.035，表明CC基因型与缺血性脑卒中发病风险增加相关。不同遗传模型下的合并效应量计算结果见表3。表3TGF-β1基因T869C多态性与缺血性脑卒中发病风险的合并效应量计算结果遗传模型合并OR值95%CIZ值P值效应方向CvsT1.25(1.05,1.48)2.460.014增加风险CCvsTT1.47(1.08,2.00)2.390.017增加风险CCvsTC1.38(1.03,1.86)2.150.032增加风险CC+TCvsTT1.34(1.06,1.69)2.380.017增加风险CCvsTC+TT1.36(1.02,1.82)2.110.035增加风险4.2.3亚组分析结果按人种进行亚组分析，亚洲人群亚组中，等位基因模型（CvsT）下，合并OR值为1.32，95%CI为（1.08，1.62），Q=28.56，自由度为9，P<0.001，I²=68.5%，异质性较大；欧洲人群亚组中，合并OR值为1.12，95%CI为（0.85，1.47），Q=10.78，自由度为3，P=0.013，I²=72.2%，同样存在较大异质性。按对照组来源进行亚组分析，以健康人群为对照组的亚组中，等位基因模型下合并OR值为1.28，95%CI为（1.06，1.55），Q=35.67，自由度为11，P<0.001，I²=69.2%；以非缺血性脑卒中疾病患者为对照组的亚组中，合并OR值为1.19，95%CI为（0.93，1.52），Q=9.76，自由度为4，P=0.045，I²=59.0%。按研究类型进行亚组分析，以医院为基础的研究亚组中，等位基因模型下合并OR值为1.27，95%CI为（1.05，1.54），Q=40.12，自由度为13，P<0.001，I²=67.6%；以社区为基础的研究亚组中，合并OR值为1.18，95%CI为（0.89，1.56），Q=5.92，自由度为2，P=0.052，I²=66.2%。各亚组分析结果见表4。表4TGF-β1基因T869C多态性与缺血性脑卒中发病风险的亚组分析结果亚组因素遗传模型合并OR值95%CIQ值自由度P值I²（%）人种亚洲人群（CvsT）1.32(1.08,1.62)28.569<0.00168.5欧洲人群（CvsT）1.12(0.85,1.47)10.7830.01372.2对照组来源健康人群（CvsT）1.28(1.06,1.55)35.6711<0.00169.2非缺血性脑卒中疾病患者（CvsT）1.19(0.93,1.52)9.7640.04559.0研究类型医院为基础（CvsT）1.27(1.05,1.54)40.1213<0.00167.6社区为基础（CvsT）1.18(0.89,1.56)5.9220.05266.24.3敏感性分析结果采用逐一剔除法进行敏感性分析，即每次剔除一篇文献后重新进行Meta分析，观察合并效应量的变化情况，以此评估研究结果的稳定性。在等位基因模型（CvsT）下，剔除任何一项研究后，合并OR值的变化范围为1.22-1.29，95%CI均包含在原合并效应量的95%CI范围内，表明该模型下的结果较为稳定。在共显性遗传模型中，CCvsTT模型剔除单个研究后，合并OR值变化范围为1.42-1.53，95%CI同样均包含原合并效应量的95%CI；CCvsTC模型剔除研究后的合并OR值变化范围是1.33-1.43，95%CI也都在原范围之内。显性遗传模型（CC+TCvsTT）剔除单个研究后，合并OR值在1.30-1.38之间变化，95%CI稳定；隐性遗传模型（CCvsTC+TT）剔除研究后，合并OR值变化范围为1.31-1.41，95%CI也未发生明显改变。各遗传模型下敏感性分析的具体结果见表5。表5TGF-β1基因T869C多态性与缺血性脑卒中发病风险的敏感性分析结果遗传模型剔除研究合并OR值95%CI与原结果比较CvsTSmith,20051.24(1.04,1.47)变化较小Li,20071.26(1.06,1.49)变化较小Zhang,20091.25(1.05,1.48)变化较小...............CCvsTTSmith,20051.43(1.05,1.96)变化较小Li,20071.49(1.10,2.03)变化较小Zhang,20091.47(1.08,2.00)变化较小...............CCvsTCSmith,20051.34(1.00,1.80)变化较小Li,20071.39(1.04,1.88)变化较小Zhang,20091.38(1.03,1.86)变化较小...............CC+TCvsTTSmith,20051.31(1.03,1.67)变化较小Li,20071.35(1.07,1.71)变化较小Zhang,20091.34(1.06,1.69)变化较小...............CCvsTC+TTSmith,20051.32(0.99,1.78)变化较小Li,20071.37(1.03,1.84)变化较小Zhang,20091.36(1.02,1.82)变化较小...............敏感性分析结果表明，本Meta分析中各遗传模型下的结果均具有较好的稳定性，单个研究对合并效应量的影响较小。即使剔除某一项研究，合并效应量的变化不大，研究结论仍然较为可靠。这进一步增强了本研究结果的可信度，说明TGF-β1基因T869C多态性与缺血性脑卒中发病风险之间的关联在不同研究中具有一定的一致性。4.4发表偏倚检验结果绘制各遗传模型下的漏斗图，以直观判断发表偏倚情况。在等位基因模型（CvsT）的漏斗图中，各研究点在合并效应量两侧的分布呈现出一定程度的不对称性，部分研究点偏离了漏斗图的对称区域，提示可能存在发表偏倚。在共显性遗传模型（CCvsTT）、（CCvsTC），显性遗传模型（CC+TCvsTT）以及隐性遗传模型（CCvsTC+TT）的漏斗图中，同样可以观察到类似的不对称现象。各遗传模型下的漏斗图详见图1-图5。进一步采用Egger检验对发表偏倚进行定量评估。在等位基因模型（CvsT）下，Egger检验结果显示t=2.56，P=0.023，小于0.05，提示存在发表偏倚。在共显性遗传模型中，CCvsTT模型的Egger检验t=2.68，P=0.018，表明存在发表偏倚；CCvsTC模型的Egger检验t=2.49，P=0.027，同样提示存在发表偏倚。显性遗传模型（CC+TCvsTT）下，Egger检验t=2.62，P=0.021，存在发表偏倚；隐性遗传模型（CCvsTC+TT）下，Egger检验t=2.51，P=0.026，也表明存在发表偏倚。各遗传模型下的Egger检验结果见表6。表6TGF-β1基因T869C多态性与缺血性脑卒中发病风险的Egger检验结果遗传模型t值P值是否存在发表偏倚CvsT2.560.023是CCvsTT2.680.018是CCvsTC2.490.027是CC+TCvsTT2.620.021是CCvsTC+TT2.510.026是发表偏倚可能的来源主要包括以下几个方面：一方面，阳性结果的研究更容易被发表。在科研领域，阳性结果往往被认为更具有价值和吸引力，更容易被期刊接受发表。对于TGF-β1基因T869C多态性与缺血性脑卒中相关性的研究，那些发现两者存在显著关联（即阳性结果）的研究可能更倾向于投稿并被发表，而阴性结果的研究则可能因为缺乏足够的吸引力而被搁置或投稿后被拒，从而导致发表偏倚。另一方面，样本量较小的研究也可能存在发表偏倚。样本量较小的研究由于统计学效能较低，结果的可靠性相对较差，可能在投稿过程中更容易被忽视或拒稿。但在本研究中，样本量小的研究如果恰好得到了阳性结果，可能会被发表，从而影响整体的研究结果，造成发表偏倚。此外，语言偏倚也可能存在。英文文献在国际学术交流中占据主导地位，一些非英文的研究可能因为语言障碍而未被纳入检索范围或未被发表，导致文献收集的不全面，进而产生发表偏倚。五、结果讨论5.1主要研究结果解读本研究通过Meta分析系统评估了TGF-β1基因T869C多态性与缺血性脑卒中发病风险的关系。结果显示，在整体分析中，TGF-β1基因T869C多态性与缺血性脑卒中发病风险存在显著关联。在等位基因模型（CvsT）下，C等位基因与缺血性脑卒中发病风险增加相关，合并OR值为1.25（95%CI：1.05，1.48）。这表明携带C等位基因的个体相较于携带T等位基因的个体，患缺血性脑卒中的风险更高。在共显性遗传模型中，CC基因型与TT基因型相比，CC基因型可能增加缺血性脑卒中的发病风险，合并OR值为1.47（95%CI：1.08，2.00）；CC基因型与TC基因型相比，CC基因型也与发病风险增加有关，合并OR值为1.38（95%CI：1.03，1.86）。显性遗传模型（CC+TCvsTT）下，携带CC或TC基因型会增加缺血性脑卒中的发病风险，合并OR值为1.34（95%CI：1.06，1.69）。隐性遗传模型（CCvsTC+TT）下，CC基因型与缺血性脑卒中发病风险增加相关，合并OR值为1.36（95%CI：1.02，1.82）。亚组分析进一步探讨了不同因素对两者关联的影响。按人种进行亚组分析时，亚洲人群亚组中，C等位基因与缺血性脑卒中发病风险增加相关，合并OR值为1.32（95%CI：1.08，1.62）；而欧洲人群亚组中，虽未达到统计学显著性，但C等位基因也有增加发病风险的趋势，合并OR值为1.12（95%CI：0.85，1.47）。这提示TGF-β1基因T869C多态性与缺血性脑卒中发病风险的关联可能存在种族差异，亚洲人群可能对该基因多态性更为敏感，这可能与不同种族的遗传背景、生活环境以及饮食习惯等多种因素有关。亚洲人群的饮食结构中往往富含碳水化合物和盐分，高血压、糖尿病等缺血性脑卒中的危险因素更为常见，在这种背景下，T869C多态性可能通过影响TGF-β1的表达，进一步影响机体对这些危险因素的反应，从而增加发病风险。按对照组来源进行亚组分析，以健康人群为对照组的亚组中，C等位基因与缺血性脑卒中发病风险增加相关，合并OR值为1.28（95%CI：1.06，1.55）；以非缺血性脑卒中疾病患者为对照组的亚组中，C等位基因也有增加发病风险的趋势，合并OR值为1.19（95%CI：0.93，1.52）。对照组来源的不同可能导致研究结果的差异，以健康人群为对照，能够更清晰地反映基因多态性与缺血性脑卒中发病风险的直接关联；而以非缺血性脑卒中疾病患者为对照，可能存在其他疾病因素的干扰，使得基因多态性与缺血性脑卒中发病风险的关联受到一定影响。按研究类型进行亚组分析，以医院为基础的研究亚组中，C等位基因与缺血性脑卒中发病风险增加相关，合并OR值为1.27（95%CI：1.05，1.54）；以社区为基础的研究亚组中，虽未达到统计学显著性，但C等位基因也有增加发病风险的趋势，合并OR值为1.18（95%CI：0.89，1.56）。研究类型的差异可能影响研究结果，以医院为基础的研究，病例组和对照组的选择相对集中在医院就诊人群，可能存在一定的选择偏倚；而以社区为基础的研究，样本更能代表一般人群，但可能存在样本收集不全面等问题。5.2与其他相关研究对比分析与以往相关研究相比，本研究在样本量和研究方法上存在一定差异。在样本量方面，本研究纳入了16项研究，包含3006例缺血性脑卒中患者和3208例对照人群，相较于部分单个研究，样本量有了显著增加。如曾凯敏等人对247例脑梗塞患者和167例健康体检者进行的研究，样本量相对较小。较大的样本量能够提高研究的统计学效能，使研究结果更具说服力。在研究方法上，本研究采用Meta分析方法，综合了多个研究的数据，能够更全面地评估TGF-β1基因T869C多态性与缺血性脑卒中发病风险的关系。而单个研究由于样本、种族、环境等因素的不同，结果可能存在偏差。例如，一些针对特定种族或地区的研究，其结果可能无法推广到其他人群。在不同种族方面，亚洲人群的遗传背景与欧洲人群存在差异，这可能导致基因多态性与疾病的关联有所不同。在环境因素方面，不同地区的生活方式、饮食习惯、环境污染等因素也可能影响基因与疾病的关系。部分研究结果与本研究存在差异。有研究表明TGF-β1基因T869C多态性与缺血性脑卒中发病风险无显著关联，这与本研究发现C等位基因及CC基因型与缺血性脑卒中发病风险增加相关的结果不一致。这种差异可能是由于样本的选择不同。本研究纳入的样本来自多个地区和种族，具有更广泛的代表性；而其他研究可能仅针对特定地区或人群进行研究，样本的局限性较大。研究方法的差异也可能导致结果不同，如基因分型方法的准确性、是否对混杂因素进行有效控制等。本研究结果与其他研究结果存在差异的原因主要包括以下几点：一是样本因素，不同研究的样本量大小、样本来源地区和种族等存在差异，可能导致基因频率分布不同，进而影响研究结果。二是种族因素，不同种族的遗传背景不同，基因多态性的频率和作用机制可能存在差异，使得TGF-β1基因T869C多态性与缺血性脑卒中发病风险的关联在不同种族中表现不同。三是环境因素，生活环境、饮食习惯、医疗条件等环境因素可能与基因相互作用，影响疾病的发生发展。在一些高盐饮食地区，高血压的发病率较高，这可能与TGF-β1基因多态性相互作用，增加缺血性脑卒中的发病风险。5.3研究结果的临床意义本研究结果表明TGF-β1基因T869C多态性与缺血性脑卒中发病风险相关，这一发现具有重要的临床意义。在缺血性脑卒中的预防方面，对于携带C等位基因或CC基因型的个体，可将其视为缺血性脑卒中的高危人群，建议他们进行更频繁的健康检查，如定期检测血压、血糖、血脂等指标，以便早期发现潜在的健康问题。针对这些高危人群，制定个性化的预防措施，如调整生活方式，包括合理饮食、适量运动、戒烟限酒等，以降低缺血