60岁以上人群身体测量指标对代谢综合征的预测价值

薛建强 刘玉萍 倪国华 孙颖 孙平

(1.电子科技大学附属医院 四川省人民医院健康管理中心，四川 成都 610072；2.四川省人民医院老年心血管内科，四川 成都 610072)

代谢综合征(metabolic syndrome，MetS)是一组临床症候群，世界卫生组织将其定义为以腹部肥胖、胰岛素抵抗、高血压和高脂血症为特征的病理状态[1]。该综合征与2型糖尿病、心脑血管疾病等疾病的发生有关。有资料显示，国内多个地区MetS的流行正在增加[2]。中国的老龄化正在加剧，据第七次全国人口普查报告[3]显示，中国60岁及以上人口目前已经达到了26 402万人，占全国总人数的18.70%。有研究[4]发现MetS患病率随着年龄的增长而增加，因此，加强老年人群MetS的研究有助于提高该人群的健康水平。

体重指数(body mass index，BMI)是传统的肥胖指标，在以60岁以下人群为主的研究中发现对MetS有预测价值[5-6]。老年人的身体脂肪会重新分布到腹部区域[7]，可能影响BMI预测MetS的准确性。目前出现了一些新型的身体测量指标，如身体形态指数(a body shape index，ABSI)[8]，身体圆度指数(body roundness index，BRI)[9]，身体脂肪指数(body adiposity index，BAI)[10]，相对脂肪质量指数(relative fat mass index，RFM)[11]，对60岁以上人群的预测价值结论不一致，本研究旨在研究腰围(waist circumference，WC)、ABSI、BRI、BAI、RFM、BMI对MetS的预测价值及相互关系，指导60岁以上人群的MetS的筛查与管理。

1 对象(资料)与方法

1.1 对象

回顾2018年1月—2020年12月在四川省人民医院健康管理中心北区60岁及以上参加健康体检的人群资料。删除本次研究数据缺失的人群，除外肿瘤、皮质醇增多症、长期服用激素类药物等其他全身性疾病者，除外正在使用调血脂药者，每年或者研究时期内多次体检者只保留最新一次的体检资料，共有10 582人次合格的体检数据纳入分析。

本研究经过四川省人民医院伦理委员会审核通过(2021346)。

1.2 研究方法

1.2.1 一般情况采集

由经过培训的专业人员测量身高、体重、WC、臀围等指标，对所有体检者进行问卷调查。内容包括人口学资料如年龄、性别、既往史(如高血压、糖尿病、用药史等)、个人行为习惯(如吸烟)等。所有受试者在安静状态下取坐位，用欧姆龙HBP-9020电子血压计测量右臂收缩压、舒张压，测量2次并取平均值。

1.2.2 实验室检查

本次研究的人群均已告知体检前应该清淡饮食，抽取清晨进餐前空腹静脉血作为血液资料检测样本，使用西门子ADVIA 2400全自动生化分析仪及原装配套试剂进行以下指标的检测：包括空腹血糖(fasting blood glucose，FBG)、甘油三酯(triglycerides，TG)、总胆固醇(total cholesterol，TC)、高密度脂蛋白胆固醇(high-density lipoprotein cholesterol，HDL-C)、低密度脂蛋白胆固醇(low-density lipoprotein cholesterol，LDL-C)等生化指标的检测。

1.2.3 诊断标准

参考了《中国2型糖尿病防治指南(2017年版)》[12]建议，MetS诊断具体标准如下。(1)腹型肥胖：依据男性的WC≥90 cm，女性的WC≥85 cm。(2)高血压：依据收缩压/舒张压≥130/85 mm Hg(1 mm Hg=0.133 3 kPa)。(3)FBG≥6.1 mmol/L或者既往明确诊断为糖尿病，目前正在服用或不服用药物控制血糖者。(4)低HDL-C血症：HDL-C<1.04 mmol/L。(5)高TG血症：TG≥1.7 mmol/L。具备以上任意3项及以上，即可诊断MetS。ABSI[8]、BRI[9]、BAI[10]和RFM[11]计算方式均参考引文。

1.3 统计方法

2 结果

2.1 MetS与无MetS组基线资料及身体测量指标比较

共纳入10 582例研究对象，男性6 732例，女性3 850例，患MetS者共2839例，非MetS者共7 743例。MetS人群患病率为26.83%，男性29.32%，女性22.47%。受检者性别、饮酒的构成差异有统计学意义(P<0.05)。受检者年龄、身高、体重、收缩压、舒张压、WC、臀围、FBG、TG、TC、HDL-C、BMI、ABSI、BRI、BAI和RFM的差异有统计学意义(P<0.05)，吸烟和LDL-C的差异无统计学意义(P>0.05)，见表1。

表1 MetS与非MetS组基线资料及身体测量指标比较

2.2 MetS与身体测量指标关系的logistic回归分析

以是否发生MetS为因变量，用2种模型进行logistic回归分析，模型1：单因素logistic回归分析，结果显示BMI(OR=1.438，95%CI1.406～1.471)，ABSI(OR=2.138，95%CI1.651～2.769)，BRI(OR=3.659，95%CI3.345～4.002)，BAI(OR=1.195，95%CI=1.175～1.216)，RFM(OR=1.446，95%CI1.415～1.477)和WC(OR=1.189，95%CI1.178～1.200)，差异有统计学意义(P<0.05)。模型2：矫正性别、年龄、饮酒、收缩压、舒张压、FBG、TG、TC和HDL-C的多因素logistic回归分析，结果显示BMI(OR=1.427，95%CI1.398～1.456)，ABSI(OR=2.024，95%CI6.583～6.224)，BRI(OR=3.587，95%CI3.311～3.886)，BAI(OR=1.185，95%CI1.167～1.203)，RFM(OR=1.421，95%CI1.395～1.448)和WC(OR=1.178，95%CI1.168～1.188)，差异均有统计学意义(P<0.05)，见表2。

表2 MetS与身体测量指标关系的logistic回归分析

2.3 60岁以上男性不同身体测量指标对MetS的预测价值

通过ROC曲线评估成年男性不同身体测量指标对MetS的预测价值。结果显示：在成年男性中，WC的AUC最大(AUC=0.818，最佳截断值为89)，预测MetS的价值最高，ABSI、BAI、BMI、RFM和BRI的预测价值见图1和表3。利用Delong检验计算出各指标的差异均有统计学意义(P<0.05)。

表3 60岁以上男性不同身体测量指标对MetS的预测价值

图1 60岁以上男性不同身体测量指标对MetS的ROC曲线

2.4 60岁以上女性不同身体测量指标对MetS的预测价值

通过ROC曲线60岁以上女性不同身体测量指标对MetS的预测价值。结果显示：在成年女性中，WC的AUC最大(AUC=0.828，最佳截断值为84)，预测MetS的价值最高，ABSI、BAI、BMI、RFM和BRI的预测价值见图2和表4。利用Delong检验计算出ABSI与BAI，BRI与BMI的预测能力差异无统计学意义(P>0.05)，余下各指标的差异均有统计学意义(P<0.05)。

图2 60岁以上女性不同身体测量指标对MetS的ROC曲线

3 讨论

MetS不但与心脑血管疾病的发生有密切联系[13]，还与老年综合征相关。例如，MetS可导致老年人认知障碍的发生[14]。MetS还被发现与衰弱有关[15-16]，与肌少症也存在关系[17]。目前MetS的诊断基于WC、血压、血脂和血糖的水平确定[1]，需要专门仪器，在一些经济欠发达的地区与失能卧床老人等人群中，对该综合征的诊断仍存在困难，并且不适合大规模的筛查。如能通过简单的身体测量及计算就能诊断MetS，具有较大的应用价值。

表4 60岁以上女性不同身体测量指标对MetS的预测价值

MetS的流行率目前并不统一。国家健康和营养检查调查数据评估了成年人MetS患病率的趋势。MetS患病率为34.7%，60岁以上的患病率是48.6%，男女之间无显著差异[4]。基于国内荟萃分析[18]显示，中国男性患病率为19.2%，女性患病率为27.0%，60岁以上的患病率为32.4%。笔者研究发现60岁以上人群男性患病率远高于国内荟萃分析，但女性的患病率低于此研究。本体检中心的人群以成都地区常住人口为主，推测MetS已成为成都地区60岁以上人群的主要慢性病之一，在60岁以上的老年男性中MetS患病率还需要进一步调查，研究其危险因素，加强管理。

本研究证实60岁以上人群的WC是预测MetS的良好指标，预测价值均高于ABSI、BAI、BMI、RFM和BRI。WC的测量非常简单，还不需要进一步的计算，有利于MetS的筛查。本研究还发现RFM的预测价值高于BMI、ABSI、BAI和BRI。其他类似研究与本研究结论有一些不同，例如先前有研究[19]利用WC预测西班牙老年人群MetS的发生，结果显示老年男性与女性AUC(0.75 vs 0.77)预测价值略低于本研究。可能因为人种不同，在江苏的研究[6]中发现，男性WC预测价值高于BMI、ABSI和BRI，女性WC预测价值与BRI无显著差异，均高于BMI和ABSI，此研究的平均年龄为55岁以下。不同身体测量指标在60岁以上人群中对MetS的预测价值与60岁以下人群可能存在差异，是本研究较为有意义的发现，可能因为60以上人群体内脂肪分布发生变化[7]，影响了身体测量指标。目前基于神经网络的预测模型对MetS预测也起到良好效果[20]，将本研究所纳入的身体测量指标，作为机器学习的一个特征可能提高神经网络的预测模型对MetS的预测能力。

MetS与肥胖有密切联系[21]。肥胖被认为是MetS发病的关键因素。目前认为胰岛素抵抗、神经激素激活和慢性炎症是MetS发生、发展的主要参与者。肥胖导致胰岛素抵抗，胰岛素抵抗会增加循环游离脂肪酸(free fatty acids，FFA)，被认为在MetS的发病机制中起关键作用。胰岛素增加肌肉和肝脏的葡萄糖摄取，并抑制脂肪分解和肝脏糖异生。脂肪组织中的胰岛素抵抗会削弱胰岛素介导的脂肪分解抑制，导致循环FFA增加，从而进一步抑制胰岛素的抗脂肪分解作用。FFA对胰腺的B细胞也具有脂毒性，导致胰岛素分泌减少。由于胰岛素的血管扩张作用丧失和FFA引起的血管收缩，胰岛素抵抗也会导致高血压的发展。胰岛素抵抗还会导致血浆黏度增加，诱发血栓前状态以及脂肪组织中促炎细胞因子的释放，从而导致动脉粥样硬化性心血管疾病风险增加[21]。MetS与肥胖发生机制以及二者之间的关系尚不完全清楚，还需要进一步的研究。

MetS的管理目前主要以生活方式的改变和药物干预相结合，生活方式改变方面，减轻体重和维持理想体重是必不可少的预防和管理策略。减重的目标是在 6～12个月内减少7%～10%的基线体重[22]。饮食调整可以调节其他MetS成分。例如，饱和脂肪、反式脂肪、胆固醇、钠和单糖的低摄入量有助于改善血脂异常、高血糖和高血压[23]。本研究发现WC、ABSI、BAI、BMI、RFM、BRI与MetS的发生相关，将其用于MetS的管理具有巨大潜力。例如对MetS进行干预，这些指标是否发生变化，未来能否用于对60岁以上人群MetS的管理是很有意义的研究。

本研究的不足，在于对糖尿病以及高血压患者的调查中，其具体药物使用情况记录欠详细，可能对本次结果造成偏倚。

总结，MetS已成为成都地区60岁以上人群的主要慢性病之一，WC在预测本地区不同性别60岁以上人群中的价值均优于RFM、BMI、BRI、ABSI和BAI，以上指标运用于MetS管理具有较大潜力。

利益冲突所有作者均声明不存在利益冲突