基于CT衍生身体成分参数的列线图预测中国代谢减重手术（MBS）后1年次优体重减轻结局：一项前瞻性队列研究

《Diabetes, Metabolic Syndrome and Obesity》：Nomogram-Based Prediction Model for Suboptimal Weight Loss Outcomes After Metabolic Bariatric Surgery Using CT-Derived Body Composition Parameters: A Prospective Chinese Cohort Study

　　

背景与目的：代谢减重手术（metabolic bariatric surgery, MBS）在治疗肥胖及其相关合并症方面具有强效且持久的疗效。然而，仍有相当比例的患者在MBS后出现次优体重减轻结局。本研究旨在识别风险因素并开发预测模型，以预测一项中国前瞻性队列中MBS后1年次优体重减轻结局。

方法：本研究纳入2021年11月至2023年9月于北京友谊医院接受MBS的120例患者前瞻性队列。最佳体重减轻结局定义为1年随访时总体重减轻百分比（percentage of total weight loss, %TWL）≥20%。在基线和术后1年收集患者的临床、生化和CT衍生身体成分参数。通过单因素和多因素logistic回归识别次优体重减轻结局的独立预测因素。随后构建列线图（nomogram）并对其区分度、校准度和临床效用进行内部验证。

结果：研究纳入120例患者（77.5%为女性），平均年龄33.4 ± 8.7岁，基线体重指数（body mass index, BMI）为38.5 ± 7.1 kg/m²。MBS后患者体重、BMI、血糖控制、血脂谱和身体成分参数均显著改善（P < 0.05）。22例患者（18.3%）被归类为次优结局。单因素和多因素logistic回归分析显示，较高的空腹血糖（fasting blood glucose, FBG；比值比（odds ratio, OR）1.284，P = 0.037）、较低的高密度脂蛋白胆固醇（high-density lipoprotein cholesterol, HDL-C；OR 0.426，P = 0.024）、较大的皮下脂肪组织（subcutaneous adipose tissue, SAT；OR 1.006，P = 0.018）和较低的椎旁肌（paraspinal muscle, PSM）面积（OR 0.938，P = 0.033）是次优结局的独立预测因素。所得列线图显示出良好的区分度，曲线下面积（area under the curve, AUC）为0.801（95%置信区间（confidence interval, CI）：0.708–0.914），并具有良好校准度，决策曲线分析证实其临床效用。

结论：术前身体成分参数，特别是SAT和PSM，是MBS后体重减轻结局的关键决定因素。在这项中国前瞻性队列中，基于生化和身体成分因素构建的列线图模型可能对中国MBS候选者的术前评估具有重要意义。然而，在其常规临床应用之前，仍需在独立队列中进行进一步外部验证。

研究背景：肥胖已成为全球公共卫生挑战，中国超重和肥胖成人比例预计接近50%。肥胖与2型糖尿病（type 2 diabetes mellitus, T2DM）、心血管疾病（cardiovascular diseases, CVD）、代谢综合征及某些恶性肿瘤相关。生活方式和药物治疗长期疗效有限，代谢减重手术（metabolic bariatric surgery, MBS）成为严重肥胖及相关合并症最有效且持久的治疗之一。但约10–30%患者术后发生次优体重减轻或显著体重反弹，影响长期疗效和肥胖相关合并症转归。传统体重指数（body mass index, BMI）不能区分脂肪组织与瘦体质量，也不能反映脂肪分布异质性。中国人群在相对较低BMI下可表现为更高总脂肪和中心性肥胖。既往预测模型多来自西方人群，主要依赖临床或基本人体测量参数，CT衍生身体成分参数的预测价值不足。因此，研究人员开展前瞻性中国队列研究，识别风险因素并开发预测MBS后1年次优体重减轻结局的列线图模型。

主要关键技术方法（不超过250字）：本研究为单中心前瞻性队列，样本来自2021年11月至2023年9月于北京友谊医院代谢与减重外科接受MBS并完成1年随访的120例患者。核心技术为基于常规非增强腹部CT的量化计算机断层扫描（quantitative computed tomography, QCT），在L1-L2椎间盘中间层测量总脂肪组织（total adipose tissue, TAT）、内脏脂肪组织（visceral adipose tissue, VAT）、皮下脂肪组织（subcutaneous adipose tissue, SAT）、椎旁肌（paraspinal muscle, PSM）和椎旁脂肪面积，使用Mindways Model 4体模校准，组内相关系数均>0.95。收集临床、生化和医院信息系统资料；以%TWL≥20%定义最佳减重；采用单因素/多因素logistic回归、AIC后退逐步选择构建列线图，并行受试者工作特征曲线下面积（area under the curve, AUC）、Hosmer-Lemeshow检验、1000次bootstrap校准和决策曲线分析（decision curve analysis, DCA），在LSG亚组进行敏感性分析。

研究结果：

基线及MBS后1年临床与生化参数：最终120例，平均年龄33.4 ± 8.7岁，女性77.5%，基线BMI 38.5 ± 7.1 kg/m²；腹腔镜袖状胃切除术（laparoscopic sleeve gastrectomy, LSG）88例（73.3%）、单吻合口胃旁路术（one-anastomosis gastric bypass, OAGB）20例（16.7%）、Roux-en-Y胃旁路术（Roux-en-Y gastric bypass, RYGB）12例（10.0%）。1年时98例（81.6%）达到%TWL≥20%最佳结局，22例（18.3%）次优。MBS后体重由107.3 ± 23.0降至76.6 ± 18.6 kg，BMI降至27.5 ± 6.3 kg/m²；空腹血糖（fasting blood glucose, FBG）、胰岛素、糖化血红蛋白（glycosylated hemoglobin, HbA_1c）、稳态模型评估胰岛素抵抗指数（homeostasis model assessment of insulin resistance, HOMA-IR）、总胆固醇（total cholesterol, TC）、甘油三酯（triglycerides, TG）、低密度脂蛋白胆固醇（low-density lipoprotein cholesterol, LDL-C）下降，高密度脂蛋白胆固醇（high-density lipoprotein cholesterol, HDL-C）升高，丙氨酸氨基转移酶（alanine aminotransferase, ALT）、天冬氨酸氨基转移酶（aspartate aminotransferase, AST）改善（P < 0.05）。

基线及MBS后1年身体成分参数：CT显示TAT由520.3 ± 166.3降至314.9 ± 138.9 cm²，VAT由210.6 ± 75.1降至129.6 ± 51.2 cm²，SAT由309.7 ± 129.0降至185.2 ± 104.3 cm²；VAT降幅43.0%大于SAT降幅40.1%。PSM由48.9 ± 12.7降至40.7 ± 10.4 cm²，椎旁脂肪由6.6 ± 3.2降至5.6 ± 3.2 cm²。

最佳与次优结局组比较：两组年龄、性别、体重、术式、术前BMI无显著差异；次优组FBG更高（7.3 ± 3.8 vs 6.4 ± 2.3 mmol/L，P = 0.04）、HbA_1c更高（6.8 ± 2.1 vs 6.5 ± 1.5%，P = 0.067）、ALT更高（53.0 ± 11.8 vs 45.6 ± 15.8 U/L，P = 0.032）、HDL-C更低（1.0 ± 0.3 vs 1.4 ± 0.4 mmol/L，P = 0.027）；SAT更高（351.4 ± 97.6 vs 300.8 ± 86.8 cm²，P = 0.016），PSM更低（43.2 ± 9.2 vs 49.7 ± 11.2 cm²，P = 0.007），椎旁脂肪无差异。

次优体重减轻结局的预测因素：单因素显示FBG、HbA_1c、HDL-C、ALT、AST、SAT、PSM为候选（P < 0.20）。多因素确定四个独立预测因素：FBG升高（OR 1.284，95% CI 1.015–1.625）、HDL-C降低（OR 0.426，95% CI 0.204–0.891）、SAT增大（OR 1.006，95% CI 1.001–1.012）、PSM降低（OR 0.938，95% CI 0.884–0.995）。

预测列线图的构建与验证：整合FBG、HDL-C、SAT、PSM构建列线图；AUC 0.801（95% CI 0.708–0.914）；1000次bootstrap内部验证乐观校正AUC 0.712，校准图显示预测与实际一致性良好；Hosmer-Lemeshow检验P = 0.605；DCA显示广泛阈值概率下净获益。研究人员指出事件数少、单中心，需外部验证。

LSG亚组敏感性分析：LSG亚组n=88，四变量仍为独立预测因素：FBG（OR 1.189，P = 0.026）、HDL-C（OR 0.310，P = 0.039）、SAT（OR 1.005，P = 0.022）、PSM（OR 0.950，P = 0.043）；AUC 0.863（95% CI 0.767–0.954），与全队列一致。

讨论部分总结：讨论部分指出，MBS后约10–30%患者不能达到最佳减重，需术前识别工具。%TWL≥20%受术前BMI影响较小，适合预测因素选择；1年时体重下降趋于稳定。BMI和腰围不能区分脂肪分布和骨骼肌质量。研究人员采用QCT，将PSM、SAT与HDL-C、FBG整合构建列线图。PSM包括腰大肌、竖脊肌和多裂肌，是全身骨骼肌质量（skeletal muscle mass, SMM）的影像替代指标，骨骼肌是代谢器官并决定静息代谢率（resting metabolic rate, RMR），故低PSM与次优结局相关；术后肌肉量和RMR下降通常小于单纯热量限制，肌肉功能可改善。SAT而非VAT成为独立预测因素，可能与严重肥胖时VAT空间受限和平台化、东亚人群VAT在较低BMI即饱和、VAT在严重肥胖中预测作用减弱有关；SAT持续扩张且个体差异大。低HDL-C和高FBG反映代谢状态差，可能通过影响脂解、脂肪氧化和胰岛素介导的抗脂解等机制不利于减重。临床意义在于：术前关注SAT和PSM、FBG和HDL-C，利用常规腹部CT提取身体成分参数，无需额外辐射和经济成本，有助于风险分层和个体化干预。局限性包括单中心、小样本、22个次优事件、事件每变量（events-per-variable, EPV）约5.5、过拟合、未使用最小绝对收缩和选择算子（least absolute shrinkage and selection operator, Lasso）、手术方式异质性、仅1年随访、饮食和体力活动未纳入，需多中心外部验证。

结论部分可翻译为：本研究强调，术前身体成分参数——特别是PSM和SAT，其在传统人体测量和临床数据之外提供增量预测贡献——是中国MBS候选者1年体重减轻结局的关键预测因素。通过整合CT衍生身体成分参数和常规生化标志物开发的预测列线图，可能有助于早期识别次优体重减轻结局高风险个体，为术前风险分层和指导个体化临床管理策略提供潜在价值。然而，鉴于本研究的单中心和内部验证设计，在常规临床应用之前，仍需在独立大规模多中心队列中进行进一步外部验证并延长随访，以确认其普适性并评估其预测长期体重减轻持久性的表现。