陈一佳，戚圣香，杜金玲，2，王琛琛，周海茸，叶青，秦真真，苏健，武鸣，洪忻，2*
肥胖是心血管疾病的高危因素，在群体层面，超重和肥胖会引起多种代谢异常［1-2］，但这种现象在个体层面上存在差异。有研究报道20%～30%人群虽体质量正常，但却表现出与超重、肥胖有关的代谢异常状态，即体质量正常代谢异常（MONW）表型［3-4］，由于这一群体体质量正常，在健康筛查中易被忽视，无法得到有效干预。多项研究显示，与体质量正常代谢正常（MHNW）表型相比，MONW表型个体糖尿病、心脑血管疾病发病和死亡风险增加2～8倍［5-6］。因此正确识别MONW表型个体对代谢相关疾病的预防和控制至关重要。目前，普遍采用内脏脂肪和胰岛素抵抗作为识别MONW表型的关键指标［7］，但由于可行性低和成本高，存在一定局限性。研究显示，心脏代谢指数（CMI）与糖尿病、脑卒中关系密切，提示其对代谢性疾病具有一定的预测价值［8-9］，但CMI对MONW表型的预测效果尚无定论。因此本研究利用2017-01-01至2018-06-30南京市成人慢性病危险因素监测数据，探讨CMI和MONW表型的关系及其预测价值。
1.1 研究对象 抽样调查南京市61 089例≥18岁的常住居民，调查时间为2017-01-01至2018-06-30。纳入标准：（1）年龄≥18岁；
（2）体质指数（BMI）≥18.5 kg/m2且＜24.0 kg/m2。排除标准：（1）身高、体质量、腰围（WC）、总胆固醇（TC）、三酰甘油（TG）、高密度脂蛋白胆固醇（HDL-C）和低密度脂蛋白胆固醇（LDL-C）资料存在缺失；
（2）既往和现在使用降脂药物；
（3）恶性肿瘤患者。最终共纳入30 408例研究对象。本研究获得南京市疾病预防控制中心伦理委员会批准（伦审号PJ2017002），所有研究对象知情同意。
1.2 研究方法 通过问卷收集研究对象的性别、年龄、受教育程度、职业、吸烟情况、饮酒情况、体力活动情况、静态行为时间、红肉摄入情况、水果蔬菜摄入情况、疾病史（高血压、糖尿病、血脂异常）、用药史（高血压用药、糖尿病用药）。体格检查采集研究对象身高、体质量、WC、血压，并计算BMI。其中，血压采用欧姆龙血压测量仪（型号：欧姆龙HBP-1300）连续测量3次，每次间隔至少1 min，以后两次测量平均值作为最终血压值。身高采用校准体质量测量，受试者垂直站立，两脚约分开30 cm，以软尺于髂前上棘水平位和第12肋下缘连线的中点所在水平面围绕腹部，在呼气末读数视为WC。实验室检查要求所有研究对象禁食12 h，清晨抽取静脉血。采用全自动分析仪测定空腹血糖（FPG）、TC、TG、HDL-C、LDL-C。
1.3 诊断标准和相关定义 （1）根据《中国成人超重和肥胖症预防控制指南》［10］，成人18.5 kg/m2≤ BMI＜24.0 kg/m2定义为正常体质量，BMI≥24.0 kg/m2为超重/肥胖。（2）根据修订的美国国家胆固醇教育计划成人治疗专家组Ⅲ（NCEP-ATP Ⅲ）指南［7，11］，符合以下任意2项及以上标准者定义为代谢异常：①收缩压（SBP）≥130 mm Hg（1 mm Hg=0.133 kPa）或舒张压（DBP）≥85 mm Hg或有高血压病史或接受降压治疗；
②TG≥1.7 mmol/L；
③男性 HDL-C＜1.04 mmol/L或女性HDL-C＜1.30 mmol/L；
④FPG＞5.6 mmol/L。（3）腰高比（WHtR）=WC（cm）/身高（cm）。（4）CMI=TG（mmol/L）/HDL-C（mmol/L）×WHtR［8］。（5）吸烟：调查时每天至少吸1支烟，且持续时间≥6个月［12］。（6）饮酒：平均每月饮酒至少1次，且调查时仍有饮酒行为。（7）身体活动水平：根据研究对象通常1 d进行的各种类型身体活动和相应的时间长度换算成代谢当量（MET-h/d）［13］。（8）静态行为时间：通常1 d内，研究对象累计坐、靠、卧（不包括睡眠）的时间［14］。（9）高红肉摄入：红肉摄入量≥75 g/d；
低水果蔬菜摄入：水果蔬菜摄入量≤500 g/d［15］。（10）高血压：自报或已被社区/乡镇及以上医院诊断为高血压，或近2周服用降压药物，平均SBP≥140 mm Hg和/或平均DBP≥90 mm Hg者［16］。（11）糖尿病：自报或已被社区/乡镇及以上医院诊断为糖尿病或近2周内使用降糖药物（胰岛素或口服降糖药）治疗，伴或不伴FPG≥7.0 mmol/L者［17］。（12）血脂异常：①TC≥6.2 mmol/L；
②TG≥2.3 mmol/L；
③LDL-C≥4.1 mmol/L；
④HDL-C＜1.0 mmol/L，满足以上任意1个条件或自报已被社区/乡镇及以上医院诊断为血脂异常或近2周服用降脂药物即可诊断为血脂异常［18］。
1.4 统计学方法 采用SPSS网络版和Stata 15.0统计学软件进行数据分析。符合正态分布的计量资料采用（±s）表示，两组间比较采用独立样本t检验；
非正态分布的计量资料采用M（P25，P75）表示，两组间比较采用Mann-Whitney U检验；
计数资料采用相对数表示，组间比较采用χ2检验。根据CMI四分位数分别将男性、女性和所有研究对象分为4组（Q1～Q4组），采用多因素稳健Poisson回归模型评价CMI对MONW表型的RR值及其95%CI［19］。绘制受试者工作特征曲线（ROC曲线）评估CMI、WHtR、TG/HDL-C、WC和BMI对MONW表型的预测能力，采用DeLong检验［20］比较各指标间的ROC曲线下面积（AUC），并进一步探讨在不同性别、年龄分层CMI预测MONW表型的价值。以P＜0.05为差异有统计学意义。
2.1 研究对象的基本资料 共有30 408例纳入本研究，其中男13 213例，女17 195例；
MHNW表型23 691例，MONW表型6 717例。MHNW表型和MONW表型研究对象年龄、受教育程度、职业、吸烟、饮酒、体力活动、静态行为时间、高红肉摄入、疾病史、用药史、身高、WC、BMI、TC、TG、HDL-C、LDL-C、SBP、DBP、FPG、TG/HDL-C、WHtR和CMI比较，差异有统计学意义（P＜0.05），见表1。
表1 研究对象的基本资料比较Table 1 Comparison of basic data of the subjects
男性MHNW表型研究对象和MONW表型年龄、受教育程度、职业、吸烟、饮酒、静态行为时间、高红肉摄入、疾病史、用药史、身高、WC、BMI、TC、TG、HDL-C、LDL-C、SBP、DBP、FPG、TG/HDL-C、WHtR和CMI比较，差异有统计学意义（P＜0.05），见表2。
表2 男性研究对象基本资料比较Table 2 Basic data comparison of male subjects
女性MHNW表型研究对象和MONW表型年龄、受教育程度、职业、吸烟、饮酒、体力活动、静态行为时间、疾病史、用药史、身高、WC、BMI、TC、TG、HDL-C、LDL-C、SBP、DBP、FPG、TG/HDL-C、WHtR和CMI比较，差异有统计学意义（P＜0.05），见表3。
表3 女性研究对象基本资料比较Table 3 Basic data comparison of female subjects
2.2 CMI四分位数分组情况 所有研究对象Q1～Q4组例数分别为7 739、7 940、7 904、6 825例，CMI范围分别为≤ 0.253、0.254～0.382、0.383～0.539、≥0.540。男性研究对象Q1～Q4组例数分别为2 697、3 410、3 661、3 445例，CMI范围分别为≤0.281、0.282～0.407、0.408～0.569、≥0.570。女性研究对象 Q1～Q4 组分别为5 042、4 530、4 243、3 380例，CMI范围分别为≤ 0.235、0.236～0.361、0.362～0.516、≥0.517。
2.3 多因素稳健Poisson回归模型分析 以代谢表型为因变量（赋值：MHNW表型=0；
MONW表型=1），以CMI四分位数分组为自变量（赋值：Q1组=1；
Q2组=2；
Q3组=3；
Q4组=4），建立多因素稳健Poisson回归模型。模型1以Q1组为参照，校正年龄（赋值：实测值）、受教育程度（赋值：小学及以下=1；
初中及高中=2；
大学及以上=3）、职业（赋值：体力劳动者=1；
非体力劳动者=2；
未就业/离退休=3；
学生=4），结果显示：所有研究对象中，CMI四分位数分组是研究对象代谢表型的影响因素（P＜0.05）；
男性研究对象中，CMI四分位数分组是研究对象代谢表型的影响因素（P＜0.05）；
女性研究对象中，CMI四分位数分组是研究对象代谢表型的影响因素（P＜0.05）。模型2在模型1基础上校正了吸烟（赋值：是=1；
否=0）、饮酒（赋值：是=1；
否=0）、体力活动（赋值：实测值）、静态行为（赋值：实测值）、高红肉摄入（赋值：是=1；
否=0）、低水果蔬菜摄入（赋值：是=1；
否=0），结果显示：所有研究对象中，CMI四分位数分组是研究对象代谢表型的影响因素（P＜0.05）；
男性研究对象中，CMI四分位数分组是研究对象代谢表型的影响因素（P＜0.05）；
女性研究对象中，CMI四分位数分组是研究对象代谢表型的影响因素（P＜0.05）。模型3在模型2基础上进一步校正了高血压、糖尿病、血脂异常、高血压用药、糖尿病用药（以上赋值均为：是=1；
否=0），结果显示：所有研究对象中，CMI四分位数分组是研究对象代谢表型的影响因素（P＜0.05）；
男性研究对象中，CMI四分位数分组是研究对象代谢表型的影响因素（P＜0.05）；
女性研究对象中，CMI四分位数分组是研究对象代谢表型的影响因素（P＜0.05），见表4～6。
表4 研究对象不同CMI分组的多因素稳健Poisson回归模型Table 4 Multivariate Robust Poisson regression models with different CMI groups
表5 男性研究对象不同CMI分组的多因素稳健Poisson回归模型Table 5 Multivariate Robust Poisson regression model of male subjects in different CMI groups
表6 女性研究对象不同CMI分组的多因素稳健Poisson回归模型Table 6 Multivariate Robust Poisson regression model of female subjects in different CMI groups
由于CMI在研究对象中呈偏态分布，故在上述模型中对CMI进行对数转换，分析CMI每增加1个SD对MONW表型的影响。将标准化的CMI以连续变量形式代入多因素稳健Poisson回归模型，结果显示CMI每增加1个SD，总人群、男性和女性MONW表型发生的风险分别增加68%、55%、81%。
2.4 ROC曲线评估CMI、WHtR、TG/HDL-C、WC和BMI对MONW表型的预测能力 男性研究对象中CMI对MONW表型的AUC大于WHtR（Z=18.97，P＜0.001）、TG/HDL-C（Z=12.53，P＜0.001）、WC（Z=23.85，P＜0.001）和BMI（Z=24.13，P＜0.001），差异有统计学意义；
女性研究对象中CMI对MONW表型的AUC大于WHtR（Z=27.38，P＜0.001）、TG/HDL-C（Z=15.27，P＜0.001）、WC（Z=30.83，P＜0.001）和BMI（Z=30.84，P＜0.001），差异有统计学意义。女性研究对象CMI预测MONW表型的AUC大于男性（Z=-6.10，P＜0.001），差异有统计学意义，见表7～8、图1。
图1 CMI、WHtR、TG/HDL-C、WC和BMI预测MONW表型的ROC曲线Figure 1 ROC curves of CMI，WHtR，TG/HDL-C ratio，WC and BMI to predict MONW phenotype
表7 不同指标对男性研究对象MONW表型的预测价值比较Table 7 Comparison of the predictive value of different indicators for MONW phenotype in male subjects
表8 不同指标对女性研究对象MONW表型的预测价值比较Table 8 Comparison of the predictive value of different indicators for MONW phenotype in female subjects
2.5 男性、女性研究对象按年龄分层ROC曲线评估CMI预测MONW表型的价值 分别将男性、女性研究对象按年龄进行分层。男性18～34岁（n=6 438），35～44 岁（n=1 799），45～54 岁（n=2 016），55～64 岁（n=1 683），≥65岁（n=1 277）；
女性18～34岁（n=8 307），35～44岁（n=2 586），45～54岁（n=3 065），55～64岁（n=2 076），≥65岁（n=1 161）。在男性研究对象中，18～34岁CMI预测MONW表型的 AUC 为 0.835〔95%CI（0.818，0.852）〕，大于35～44 岁（Z=1.55，P=0.04）、45～54 岁（Z=6.92，P＜0.001）、55～64 岁（Z=4.95，P＜0.001）、≥65 岁（Z=7.92，P＜0.001），差异有统计学意义；
在女性研究对象中，18～34岁CMI预测MONW表型的AUC为0.832〔95%CI（0.817，0.847）〕，大于 35～44 岁（Z=1.95，P=0.03）、45～54岁（Z=2.56，P=0.02）、55～64岁（Z=3.79，P＜0.001）、≥65岁（Z=5.71，P＜0.001），差异有统计学意义，见图2。
图2 按年龄分层分析CMI预测MONW表型的ROC曲线Figure 2 ROC curves of the CMI for the identification of MONW phenotype in male and female subjects of different ages
2.6 敏感性分析 为验证效应值的稳定性，剔除基线使用糖尿病药物和高血压药物人群，按照模型3进行调整，稳健Poisson回归模型分析显示，CMI每增加1个SD，总人群、男性和女性MONW表型发生的风险分别增加89%、74%、105%，男性和女性CMI预测MONW表型的AUC分别为0.811〔95%CI（0.799，0.823）〕和0.822〔95%CI（0.813，0.832）〕。其次将BMI 18.5～25.0 kg/m2作为研究对象纳入标准（n=37 734），按照模型3进行调整，分析结果显示，CMI每增加1个SD，总人群、男性和女性MONW表型发生的风险分别增加82%、85%和83%，男性和女性CMI预测MONW表型的AUC分别为0.823〔95%CI（0.812，0.845）〕和 0.835〔95%CI（0.827，0.844）〕，结果与之前基本一致。
近年来，我国MONW患病率呈上升趋势［11，21］，多项研究显示，与MHNW表型相比，MONW表型个体糖尿病和心脑血管疾病发病和死亡风险更大［5-6，22］。TG/HDL-C是反映糖尿病血脂异常和胰岛素抵抗的简单指标［23］，而WHtR可反映皮下和内脏脂肪组织堆积程度［24］。CMI将两者结合起来成为一种新的衡量肥胖、代谢异常的指标，相比于内脏脂肪和胰岛素抵抗指标更易测量。本研究致力于探讨低成本和高可行性的MONW预测指标，分析CMI与MONW表型的关系，并评估其预测价值，从而提高MONW表型个体的识别率，对其进行早期干预和治疗，减少或延缓代谢性疾病的发生发展。
既往研究已证实CMI与糖尿病、动脉粥样硬化及脑卒中密切相关［8-9］。LIU等［25］研究发现CMI水平与MONW表型患病风险呈正相关，以CMI低水平组为参照，高水平组的MONW患病风险的OR值为71.2，但当研究结局发生频率较高时，OR值很可能高估暴露因素对结局的影响［19］。因此，本研究使用稳健Poisson回归模型分析发现，CMI与MONW表型的患病风险仍呈正向剂量反应关系，CMI每增加1个SD，MONW患病风险增加68%，提示其可反映人群代谢相关高危因素情况，在代谢相关疾病的筛查中具有一定意义。
本研究结果显示，女性CMI与MONW表型的关联强度高于男性，RR值分别为6.94和3.76，这与既往研究结果一致［8，26-27］，提示性激素（尤其是雌激素）可能作用于脂肪分布，进而影响CMI和MONW表型的关联强度［28］。本研究进一步计算AUC发现，CMI对MONW表型的预测能力在女性中也更高，另一种可能的原因是与游离脂肪酸积累和代谢的性别差异有关，女性的内脏脂肪分解对肝脏非酯化脂肪酸输送的贡献更大［29］。此外，本研究结果显示，CMI的预测效能在年轻人群中更好，其中在18～34岁年龄段预测效能最高，提示随着年龄的增长，代谢、体成分和共存疾病的变化会影响CMI的预测价值［30］，但其确切机制还需进一步探索研究。
研究发现体质量正常的人群发生代谢紊乱的主要机制是内脏脂肪的蓄积［3-4］，既往研究已验证一般身体和血脂测量指标对MONW表型的预测价值。STEFAN等［7］发现由于BMI和WC无法完全反映体脂分布和区分脂肪组织的类型，可能导致MONW表型的错误分类。另一项针对韩国成人的研究显示，WHtR预测代谢综合征的效能优于BMI和WC［31］。GU等［32］研究发现，和BMI相比，TG/HDL-C对中国成人代谢紊乱具有更好的预测价值。由于CMI是WHtR和TG/HDL-C的结合，其在识别MONW表型方面可能优于WHtR和TG/HDL-C。在糖尿病、动脉粥样硬化及脑卒中等多种代谢性疾病中，CMI已被证明具有良好的预测价值［8-9，25］。本研究结果也显示，男性和女性人群中CMI预测MONW表型的AUC分别为0.767和0.809，预测效能均高于WHtR、TG/HDL-C、WC和BMI等指标。由于“欺骗性体质量”，MONW表型人群常被忽视。而WHtR和TG/HDL-C在一般体检和基本公共卫生服务管理工作中可常规获得，CMI作为一种简单易行的评估指标，可成为预测MONW患病风险的早期诊断指标，应引起重视。
本研究样本量较大，代表性较好，对性别和年龄进行分层分析，为CMI转化为筛查指标提供更细致的理论依据。但本研究也在一定的局限性：首先，本研究源于横断面调查，尚不能深入探讨CMI与MONW表型发生的因果关系，仍需进一步研究予以证实。其次，本研究仅使用改进的NCEP-ATP Ⅲ标准定义MONW患者的代谢异常，不同定义标准的分析结果可能存在差异，但目前国际上MONW表型尚无统一定义和诊断标准。此外，CMI指标组成成分与MONW定义标准所包含的成分相同，耦合会使回归系数和AUC膨胀，因此解释研究结果应谨慎。
综上所述，CMI与MONW表型患病风险增加明显相关。CMI具有较强的预测效能，可作为识别体质量正常人群中MONW表型的有效工具，尤其适用于年轻人群。
作者贡献：陈一佳负责文章的构思与设计、论文撰写与修订；
戚圣香、杜金玲负责形式分析；
王琛琛、周海茸负责文献/资料收集；
叶青、秦真真负责文献/资料整理；
苏健、武鸣负责对文章审查和编辑写作；
洪忻负责文章的质量控制与审校，并对文章整体负责、监督管理。
本文无利益冲突。
猜你喜欢 位数赋值表型 L-代数上的赋值榆林学院学报(2022年4期)2022-08-02五次完全幂的少位数三进制展开数学年刊A辑(中文版)(2021年4期)2021-02-12连续自然数及其乘积的位数分析喀什大学学报(2020年6期)2021-01-28强赋值幺半群上的加权Mealy机与加权Moore机的关系*计算机与生活(2018年8期)2018-08-15建兰、寒兰花表型分析现代园艺(2017年21期)2018-01-03算法框图问题中的易错点中学生数理化·高一版(2017年1期)2017-04-25利用赋值法解决抽象函数相关问题オ理科考试研究·高中(2016年9期)2016-05-14GABABR2基因遗传变异与肥胖及代谢相关表型的关系中国康复理论与实践(2015年10期)2015-12-24慢性乙型肝炎患者HBV基因表型与血清学测定的临床意义医学研究杂志(2015年5期)2015-06-1072例老年急性白血病免疫表型分析现代检验医学杂志(2015年5期)2015-02-06