体型指数与糖尿病患者糖尿病肾病之间的关联：一项基于2005–2016年美国国家健康与营养调查的横断面研究

《Renal Failure》：Association between a body shape index and diabetic kidney disease in patients with diabetes mellitus: a cross-sectional study from the 2005–2016?U.S. National Health and Nutrition Examination Survey

ABSI与DKD、albuminuria及低eGFR关联分析基于NHANES 2005-2016数据，结果显示ABSI每增加1单位，DKD风险升高33%（OR=1.33, 95%CI 1.09-1.61），albuminuria风险升高50%（OR=1.50, 95%CI 1.23-1.84），但与低eGFR无显著关联。亚组分析表明男性、老年及高血压患者中关联更显著。RCS分析证实ABSI与DKD、albuminuria呈线性关系。结论：ABSI是DKD和albuminuria的可靠预测指标，但无法有效预测低eGFR。

　　本研究探讨了身体形状指数（ABSI）与糖尿病肾病（DKD）、白蛋白尿以及低估算肾小球滤过率（eGFR）之间的关系。通过对2005年至2016年间美国国家健康与营养调查（NHANES）数据库中2,770名参与者的分析，研究采用多元逻辑回归模型和亚组分析方法，评估ABSI对这些肾脏相关指标的影响。研究还通过受限立方样条（RCS）图分析了这些关系的趋势。结果显示，在完全调整模型中，每增加一个ABSI单位，DKD的风险增加33%（调整后比值比OR = 1.33，95%置信区间CI: 1.09–1.61，p = 0.0043），白蛋白尿的风险增加50%（调整后OR = 1.50，CI: 1.23–1.84，p < 0.0001）。然而，ABSI与低eGFR之间的关系并不显著（调整后OR = 1.13，CI: 0.88–1.46，p = 0.3444）。这些关系在不同年龄、性别和合并症亚组中表现出差异性。

研究的关键词包括身体形状指数、糖尿病肾病、白蛋白尿、低估算肾小球滤过率以及NHANES。研究背景指出，糖尿病肾病是糖尿病的一种并发症，其发生与代谢紊乱、血流动力学改变、炎症反应和纤维化过程密切相关。随着糖尿病的流行，糖尿病肾病的发病率也在上升，成为慢性肾脏病（CKD）的重要后果之一，对医疗系统和社会造成沉重负担。尽管目前临床和流行病学研究中常用的肥胖指标包括体重指数（BMI）和腰围（WC），但这些指标存在一定的局限性：BMI无法区分脂肪质量和瘦体重，而WC则忽略了个体身高和身体形状的差异，因此可能无法准确反映内脏脂肪的积累情况。为了解决这些问题，研究人员提出了多种替代指标，如腰臀比（WHR）、脂质积累产物（LAP）和内脏脂肪指数（VAI），以更准确地评估肥胖与糖尿病相关并发症之间的关系。其中，身体形状指数（ABSI）由Krakauer等人提出，结合了腰围、身高和体重，被认为能更准确地反映中心性肥胖，并且在预测与内脏脂肪积累相关的健康风险方面具有一定的价值。已有研究显示，ABSI与主动脉钙化、糖尿病、全因死亡率和心血管死亡率之间存在关联，但其与糖尿病肾病的关联仍存在不一致的结论。

此外，Lee等人的一项大规模队列研究显示，与BMI和WC相比，ABSI在预测10年心血管疾病死亡率方面表现更优，显示出更强的风险区分能力和稳定性，这表明ABSI可能是一个更可靠的体质测量风险指标。Ikeue等人在一项涉及188名超重或肥胖患者的横断面研究中发现，与BMI、WC等其他指标相比，ABSI在识别具有代谢异常和肌肉流失的高心血管风险肥胖患者方面更具有效性。同样，Li等人在一项包括3,140名40至80岁人群的横断面研究中发现，ABSI在预测腹主动脉钙化方面优于传统指标。这些研究结果表明，ABSI可能在预测某些疾病的风险和预后方面优于BMI和WC。

基于这些发现，本研究旨在利用NHANES数据，探讨ABSI与糖尿病肾病、白蛋白尿以及低eGFR之间的关系。通过分析ABSI与早期肾功能损伤指标之间的关系，研究希望评估ABSI作为非侵入性、易于实施的工具，用于早期识别糖尿病患者中肾损伤高风险个体的潜力。研究数据来自NHANES数据库，最初包括60,936名参与者，经过严格的排除标准筛选后，最终分析样本为2,770名参与者。排除标准包括年龄小于20岁或大于80岁、有癌症病史、怀孕、无糖尿病病史、缺乏白蛋白/肌酐比值（ACR）数据、缺乏eGFR数据、缺乏用于计算ABSI的必要数据，以及缺乏吸烟状态、饮酒情况或教育水平的信息。选择20至80岁的年龄范围是为了确保数据的可解释性和准确性，因为年龄小于20岁的人群正处于发育阶段，而年龄超过80岁的人群在NHANES中被统一归类为“80+”，缺乏精确的年龄数据，影响了年龄相关的亚组分析。

在研究方法部分，ABSI的定义基于NHANES数据库中的标准测量方法，包括身高、体重和腰围。所有测量均在移动体检中心（MECs）进行，由经过专业培训的健康技术人员使用校准的仪器进行，以确保数据的准确性和可重复性。技术人员需完成为期两天的标准培训课程，包括观看NHANES教学视频、专家的现场演示以及对儿童和成年志愿者的监督练习。为保持测量质量，技术人员还接受了持续的监督和定期的专家评估。身高测量采用身高计，参与者需脱鞋、直立并保持头部在Frankfort水平面上。体重使用电子秤测量，参与者需穿着轻便衣物且不穿鞋。腰围测量使用非弹性软尺，在正常呼气后，于右髂嵴与第12肋下缘之间的水平中点测量，确保尺带紧贴但不压迫皮肤。所有数据在收集后均经过质量控制，包括基于性别和年龄特异性百分位数的异常值筛查。不合理的值会被标记或排除，不进行插补。为了便于解释，本研究中的ABSI值被乘以100进行标准化处理。

在诊断标准方面，研究采用2021年慢性肾脏病（CKD）流行病学方程计算eGFR，该方程排除了种族作为影响因素，并对年龄和性别进行了更精细的调整。低eGFR定义为eGFR低于60 mL/min/1.73 m2，而白蛋白尿则定义为ACR ≥ 30 mg/g。糖尿病的诊断标准包括医生确诊、使用胰岛素或口服降糖药物、空腹血糖≥7.0 mmol/L或餐后2小时血糖≥11.1 mmol/L，以及糖化血红蛋白（HbA1c）≥6.5%。研究者将同时患有糖尿病和CKD的参与者归类为具有糖尿病肾病的个体。

研究还纳入了多种社会人口学和生活方式因素作为协变量，包括年龄、性别、种族/民族（墨西哥裔美国人、其他西班牙裔、非西班牙裔白人、非西班牙裔黑人、其他种族）、教育水平（初中以下、高中毕业或GED、高中以上）、贫困收入比（PIR）（分为低收入≤1.3、中等收入>1.3至3.5、高收入>3.5）、饮酒状态、吸烟状态、高血压、心血管疾病（CVD）、总胆固醇（TC）、高密度脂蛋白胆固醇（HDL-C）、丙氨酸氨基转移酶（ALT）和天门冬氨酸氨基转移酶（AST）。高血压定义为有高血压病史或正在使用抗高血压药物。吸烟状态分为从未吸烟者或已戒烟超过一年者（从未吸烟或过去一年内戒烟）和当前吸烟者（过去30天内吸烟或戒烟后仍每天吸烟超过两支）。饮酒状态分为从未饮酒者（一生中饮酒量少于12杯）和当前饮酒者（每年饮酒量不少于12杯或过去12个月内饮酒量超过6杯）。心血管疾病定义为有心力衰竭、冠心病、心绞痛、心肌梗死或脑卒中的病史。

在统计分析方面，研究采用了多元逻辑回归模型，并对不同模型进行了调整。模型1未调整，模型2调整了性别、年龄和种族，模型3进一步调整了教育水平、贫困收入比、饮酒状态、吸烟状态、高血压、心血管疾病、总胆固醇、高密度脂蛋白胆固醇、丙氨酸氨基转移酶和天门冬氨酸氨基转移酶。为了验证研究结果的稳健性，研究者还进行了敏感性分析，将ABSI分为三组进行分析。受限立方样条（RCS）图被用于探索这些关系的非线性趋势。亚组分析则通过交互作用检验，评估不同性别、年龄、种族、吸烟、饮酒、高血压、心血管疾病、ALT、AST、TC和HDL-C之间的潜在异质性。对于连续变量的缺失值，研究者采用均值插补法进行处理。所有统计分析均使用Empower软件包完成，双侧p值小于0.05被视为统计学显著。

研究结果表明，ABSI与DKD和白蛋白尿之间存在显著的线性关联，而与低eGFR之间的关系并不显著。具体而言，每增加一个ABSI单位，DKD的风险增加33%，白蛋白尿的风险增加50%。然而，低eGFR的风险并未达到统计学显著（调整后OR = 1.13，CI: 0.88–1.46，p = 0.3444）。在三组分析中，最高ABSI组的DKD和白蛋白尿患病率显著高于最低组（p < 0.05）。趋势分析进一步表明，每增加一个ABSI组别，DKD和白蛋白尿的风险分别增加29%和38%。为了进一步验证这些结果，研究者使用标准化的ABSI（z分数）进行了敏感性分析，结果显示标准化ABSI与DKD和白蛋白尿之间仍然存在显著关联，但与低eGFR无关。

在亚组分析中，ABSI与DKD之间的关系在男性（调整后OR = 1.42，CI: 1.05–1.93，p = 0.023）和年龄大于60岁的参与者（调整后OR = 1.71，CI: 1.34–2.16，p < 0.001）中更为显著。此外，有饮酒史的参与者（调整后OR = 1.38，CI: 1.07–1.78，p = 0.014）、非吸烟者（调整后OR = 1.46，CI: 1.12–1.91，p = 0.005）、高血压患者（调整后OR = 1.41，CI: 1.14–1.75，p = 0.001）、无心血管疾病史的参与者（调整后OR = 1.32，CI: 1.07–1.62，p = 0.008）、总胆固醇低于4.5 mmol/L的参与者（调整后OR = 1.70，CI: 1.26–2.27，p < 0.001）以及高密度脂蛋白胆固醇高于1 mmol/L的参与者（调整后OR = 1.31，CI: 1.06–1.63，p = 0.013）中，ABSI与DKD之间的关系更加显著。同样，ABSI与白蛋白尿之间的关系在年龄大于60岁的参与者（调整后OR = 1.76，CI: 1.37–2.26，p < 0.001）、有饮酒史的参与者（调整后OR = 1.38，CI: 1.07–1.78，p = 0.014）、高血压患者（调整后OR = 1.53，CI: 1.22–1.91，p < 0.001）、无心血管疾病史的参与者（调整后OR = 1.50，CI: 1.21–1.86，p < 0.001）以及高密度脂蛋白胆固醇高于1 mmol/L的参与者（调整后OR = 1.55，CI: 1.24–1.95，p < 0.001）中也更为显著。然而，ABSI与低eGFR之间的关系仅在年龄大于60岁的参与者中显著（调整后OR = 1.71，CI: 1.34–2.16，p < 0.001）。交互作用分析显示，总胆固醇显著调节了ABSI与DKD之间的关系（P for interaction = 0.032），但性别、年龄和种族之间的交互作用并不显著。

受限立方样条（RCS）分析显示，ABSI与DKD和白蛋白尿之间存在显著的线性关系（P-overall = 0.026，P-nonlinear = 0.577；P-overall = 0.001，P-nonlinear = 0.658），表明随着ABSI水平的升高，DKD和白蛋白尿的风险也相应增加。然而，ABSI与低eGFR之间的关系并不显著（P-overall = 0.298，P-nonlinear = 0.238）。这些结果表明，ABSI在预测DKD和早期肾功能损伤指标（如白蛋白尿）方面具有较高的敏感性和特异性，但在预测晚期肾功能损伤（如低eGFR）方面效果有限。

研究还发现，ABSI与BMI之间存在一定的反向关联，这意味着ABSI可能更关注于脂肪分布而非总体体重。对于特定腰围，较低的BMI可能导致较高的ABSI，这反映了“正常体重但中心性脂肪积累”的人群。这些个体可能并未被传统BMI指标视为肥胖，但仍然存在显著的中心性肥胖特征。此外，尽管ABSI较高，这些个体可能尚未表现出明显的代谢异常，如血脂异常或胰岛素抵抗。这可能与代谢变化的早期阶段、相对健康的生活方式或之前的医疗干预有关。同时，某些个体可能属于新兴的表型亚组，如“代谢健康型中心性肥胖”或“正常体重但代谢不健康”。这些发现强调了ABSI在评估代谢和肾脏健康风险时的重要性，而不仅仅是基于体重的指标。

研究还指出，ABSI与DKD之间的关系在男性中更为显著，而在女性中则不显著。这种性别差异可能与脂肪分布、激素影响和胰岛素敏感性的不同有关。例如，女性体内的雌激素和孕激素可能促进脂肪合成和储存，导致更多的皮下脂肪积累，而男性体内的睾酮则可能促进内脏脂肪沉积，从而增加代谢和心血管风险。女性较高的皮下脂肪比例可能对肾功能具有一定的保护作用。此外，年龄相关的差异也可能影响ABSI与DKD或白蛋白尿之间的关系。随着年龄的增长，肾功能下降、氧化应激增加以及高血压和糖尿病的高发可能加剧肥胖对肾脏健康的负面影响。相比之下，年轻个体可能具有更强的生理适应性和代偿机制，从而减轻ABSI升高对肾功能的不利影响。此外，不同年龄群体的生活方式和行为差异也可能导致这些关系的异质性。

研究的一个意外发现是，在调整模型中，ABSI与低eGFR之间没有显著关联。这与之前的一些研究结果不同，这些研究认为中心性肥胖与肾功能下降存在紧密联系。研究者推测，ABSI主要反映的是代谢紊乱和早期肾功能损伤，如白蛋白尿，而非晚期肾功能损伤，如低eGFR。这种差异可能表明，ABSI与肾损伤之间的机制更倾向于早期病理变化，如肾小球高滤过、内皮功能障碍或炎症损伤，而非晚期的结构衰退。ABSI可能捕捉到内脏脂肪积累带来的代谢和炎症负担，而eGFR的下降可能是在多种因素共同作用下发生的。因此，未来的研究可以结合肾脏影像学或病理学标志物，以更全面地了解ABSI相关的肾损伤的结构和时间动态。

研究还指出，ABSI在临床和公共卫生实践中具有潜在的实用价值。其计算基于常规的人体测量参数，包括身高、体重和腰围，使得其计算过程简单、非侵入性且成本低廉，适用于广泛实施于常规体检和初级医疗环境中。作为结合腰围与身高和体重的体形评估工具，ABSI被认为更准确地反映了中心性肥胖，从而提供了一种无需影像学评估的初步代谢负担估计。由于中心性肥胖与糖尿病肾病的早期阶段（如白蛋白尿）密切相关，ABSI可能成为一种实用的筛查指标，用于在临床症状出现之前识别高风险个体。此外，ABSI在不同性别、年龄和民族人群中表现出良好的适用性，显示出强的可推广性，支持在糖尿病患者中进行个性化管理、早期干预和长期随访。未来的研究可以进一步探索将ABSI整合到临床风险预测模型中，以提高慢性肾病筛查的效率和成本效益。

然而，研究也存在一些局限性。首先，由于研究采用的是横断面设计，因此无法确定ABSI与DKD、白蛋白尿或低eGFR之间的因果关系。其次，虽然研究调整了多种协变量，包括重要的心血管相关混杂因素，但仍可能存在未测量变量的残留混杂，如动脉僵硬度、炎症生物标志物水平或潜在的血管功能障碍，这些因素可能作为ABSI与DKD之间关系的中介或调节变量。因此，未来的研究应考虑纳入更全面的心血管指标，并应用如中介分析或结构方程模型等方法，以进一步探索这些潜在的途径。

研究结论指出，ABSI在预测糖尿病肾病和白蛋白尿方面具有重要价值，但在预测低eGFR方面效果有限。未来的研究应进一步探讨ABSI与糖尿病肾病之间的机制，并评估其在不同人群中的临床适用性。此外，研究还强调了在评估肾脏健康风险时，除了传统体重相关指标外，还应考虑体形和脂肪分布的差异，这有助于更全面地理解肥胖对肾脏健康的影响。通过更细致地分析不同亚组之间的差异，研究为糖尿病肾病的早期识别和干预提供了新的视角和工具。