甘油三酯-胆固醇-体重指数与代谢功能障碍相关性脂肪性肝病风险的关系：一项基于人群的横断面研究

《Frontiers in Nutrition》：Triglyceride-cholesterol-body weight index associated with the risk of metabolic dysfunction-associated steatotic liver disease: a population-based cross-sectional study

TCBI与代谢相关脂肪性肝病的关联性及预测价值研究显示，基于日本NAGALA队列的14,242名参与者中，TCBI（甘油三酯×总胆固醇×体重/1000）经自然对数转换后（TCBI-LN）与MASLD风险呈显著正相关（OR=2.69, 95%CI:2.00-3.64），且存在剂量-反应关系。亚组分析表明，TCBI在BMI异常或腰围正常人群中预测性能更强（AUC=0.810）。

　　这项研究探讨了新提出的“甘油三酯-总胆固醇-体重指数”（TCBI）与代谢功能障碍相关脂肪肝（MASLD）之间的关系。研究基于日本岐阜地区NAGALA项目的数据，共纳入14,242名参与者，旨在评估TCBI作为MASLD风险预测工具的有效性。TCBI的计算方式为：将血清甘油三酯（TG）浓度、总胆固醇（TC）浓度和体重（BW）相乘，再除以1,000。研究者通过分层分析、多变量逻辑回归、限制性立方样条曲线（RCS）以及受试者工作特征（ROC）曲线等方法，对TCBI与MASLD的关联性进行了系统分析。

研究结果显示，TCBI与MASLD之间存在显著的正向线性关系。在完全调整模型中，每增加1个TCBI-LN单位，MASLD的风险增加1.69倍（OR = 2.69，95% CI: 2.00–3.64，P < 0.001）。与TCBI-LN的第一四分位组相比，第四四分位组的MASLD风险增加了2.91倍（OR = 2.91，95% CI: 1.94–4.35，P < 0.001）。趋势分析和RCS曲线拟合进一步支持了这种剂量反应关系，表明TCBI越高，MASLD的患病风险也越高。此外，研究还发现TCBI在体重指数异常或腰围正常的人群中具有更强的预测能力，特别是在体重指数正常的个体中，TCBI的预测性能表现突出，其曲线下面积（AUC）达到了0.810（95% CI: 0.801–0.822），显示出较高的诊断准确性。

研究背景指出，MASLD已成为全球范围内日益严重的慢性肝病之一，其发病率与肥胖和2型糖尿病（T2DM）等代谢性疾病的流行密切相关。当前数据显示，MASLD影响约38%的成年人和7%至14%的儿童及青少年，预计到2040年，这一比例可能超过55%。MASLD的发病机制主要与胰岛素抵抗（IR）和相关的代谢功能障碍有关，它不仅会导致脂肪肝，还可能进一步发展为肝纤维化、肝硬化、肝功能衰竭以及肝细胞癌，同时显著增加心血管疾病、T2DM、慢性肾病和远端恶性肿瘤的风险。因此，早期识别高风险个体并采取预防措施，对于减轻MASLD带来的公共卫生负担至关重要。

在现有研究中，虽然已知肥胖、血脂异常和高血糖是MASLD的主要危险因素，但传统的单一指标如血脂参数或体重指数（BMI）在预测MASLD方面存在局限。血脂参数可能无法全面反映系统性的脂质代谢异常，而BMI则难以准确评估脂肪组织的分布情况。相比之下，TCBI作为一个综合性的指数，将TG、TC和BW纳入考量，能够更全面地反映代谢紊乱和能量过剩的状况，这些因素被认为是MASLD的核心致病机制。此外，TCBI在其他代谢相关疾病中也展现出一定的预测价值，例如冠心病、急性失代偿性心力衰竭、认知障碍等，这进一步支持了其在多种疾病中的临床应用潜力。

在数据收集和测量方面，研究涵盖了参与者的年龄、性别、身高、体重、腰围、血压等基本人口学和临床特征。此外，还采集了空腹血样，检测了多项生化指标，包括谷丙转氨酶（ALT）、谷草转氨酶（AST）、γ-谷氨酰转移酶（GGT）、糖化血红蛋白（HbA1c）、空腹血糖（FPG）、高密度脂蛋白胆固醇（HDL-C）、TG、TC等。通过自然对数变换（TCBI-LN）处理TCBI数据，以减少其偏态分布对统计分析的影响。参与者被划分为四个四分位组，以便系统比较各组的基线特征。

研究结果表明，TCBI-LN与MASLD之间存在显著的正向关联，无论TCBI作为连续变量还是分类变量，这种关系在粗略模型和完全调整模型中均保持稳健。此外，TCBI-LN与多个代谢和人体测量参数之间的相关性也得到了验证，其中TG与TCBI-LN的相关性最强（r = 0.86，P < 0.001），其次是体重和腰围（r = 0.61，P < 0.001），而HDL-C则与TCBI-LN呈负相关（r = -0.47，P < 0.001）。这种相关性模式与MASLD的病理生理机制相吻合，即高TG水平反映了肝脏脂质合成和转运的紊乱，异常TC提示胆固醇代谢失衡，而体重增加则直接与脂肪过度堆积相关。TCBI的乘积形式在一定程度上放大了脂质异常与肥胖之间的协同效应，更全面地反映了“多打击”假说中多种致病因素的累积效应。

进一步的亚组分析揭示了TCBI与MASLD之间关系的异质性。在体重指数异常（<18.5或≥23.0 kg/m2）的人群中，TCBI的预测能力更强，其OR值显著高于体重指数正常者（OR = 3.05，95% CI: 2.13–4.37）。同样，在腰围正常的人群中，TCBI的预测能力也显著增强（OR = 2.85，95% CI: 2.01–4.05）。相比之下，在腹部肥胖亚组中，TCBI与MASLD之间的关联性较弱，且未达到统计学显著性（OR = 1.77，95% CI: 0.96–3.26）。这一差异可能源于腹部肥胖个体中，脂肪肝风险主要由内脏脂肪组织引发的炎症反应主导，而TCBI反映的循环脂质水平可能在这些个体中显得次要。然而，TCBI在体重指数正常但代谢异常的人群中表现出较高的诊断价值，表明其在识别隐性MASLD个体方面具有重要意义。

研究还通过ROC曲线分析，验证了TCBI在体重指数正常人群中的预测性能优于传统单一指标。在这一群体中，TCBI的AUC值为0.810（95% CI: 0.801–0.822），显著高于BMI（AUC = 0.745，95% CI: 0.721–0.768）、腰围（AUC = 0.791，95% CI: 0.770–0.811）、TG（AUC = 0.798，95% CI: 0.774–0.823）和HDL-C（AUC = 0.753，95% CI: 0.726–0.780）。这一结果表明，TCBI作为复合指标，能够更有效地捕捉复杂的代谢紊乱，弥补单一指标的不足。从临床角度来看，TCBI的计算依赖于常规的实验室检测和人体测量数据，具有较高的可操作性和实用性，有望成为MASLD风险分层的首选工具之一。

TCBI的预测价值不仅体现在其对MASLD风险的识别上，还可能对个体的代谢健康状态提供重要线索。在体重指数正常但存在代谢紊乱的个体中，TCBI的升高可能提示潜在的内脏脂肪代谢异常或慢性炎症状态，这在常规BMI评估中可能被忽略。因此，TCBI可以作为一种有效的辅助工具，帮助临床医生识别那些看似健康但实际代谢异常的个体，从而推动早期干预措施的实施。此外，研究还指出，TCBI在不同人群中的表现存在差异，这可能与个体的代谢特征、生活方式以及遗传背景等因素有关。因此，TCBI的应用应结合具体的临床背景和个体差异，以提高其诊断的准确性和适用性。

研究的局限性也值得重视。首先，由于该研究为横断面设计，无法确定TCBI与MASLD之间的因果关系，仅能说明其相关性。因此，未来需要纵向研究进一步验证这种关联的时间顺序和潜在的因果机制。其次，研究结果基于一个单一的日本族群样本，缺乏外部验证，可能限制其在其他人群中的适用性。此外，研究排除了患有糖尿病的个体，因此其结果可能不适用于糖尿病患者群体。最后，尽管研究调整了多种已知的混杂因素，但一些未测量的变量，如饮食模式、肠道菌群组成和遗传背景，仍可能对结果产生影响，未来研究需进一步探索这些因素的作用。

总体而言，TCBI作为一个综合性的代谢指标，具有显著的临床意义。它不仅能够反映个体的脂质代谢状态和体重状况，还能够捕捉代谢紊乱的潜在风险，尤其在体重指数正常但存在代谢异常的人群中表现突出。研究结果表明，TCBI在识别MASLD风险方面具有良好的预测性能，为临床实践提供了新的工具和思路。未来，随着对TCBI研究的深入，其在MASLD及其他代谢相关疾病的早期筛查和风险评估中的应用前景将更加广阔。同时，研究者也应关注其在不同人群中的适用性，通过多中心、多民族的临床研究进一步验证其有效性，从而推动其在更广泛范围内的临床推广和使用。