《Frontiers in Endocrinology》：Association between changes in obesity- and lipid-related indices and the risk of cardiovascular disease: a prospective cohort study in Northwest China
编辑推荐：
背景： 心血管疾病（cardiovascular disease, CVD）是全球主要的健康负担。传统指标不足以充分捕捉CVD风险。本研究评估了新型肥胖与脂质相关指标的动态变化与CVD发病风险之间的关联。
方法： 研究人员开展了一项前瞻性队列研究，纳入来自中国
背景： 心血管疾病（cardiovascular disease, CVD）是全球主要的健康负担。传统指标不足以充分捕捉CVD风险。本研究评估了新型肥胖与脂质相关指标的动态变化与CVD发病风险之间的关联。
方法： 研究人员开展了一项前瞻性队列研究，纳入来自中国西北地区金昌队列的19,315名无CVD参与者。采用K-means聚类法对七项指标（腰围身高比[waist-to-height ratio, WHtR]、内脏脂肪代谢评分[metabolic score for visceral fat, METS-VF]、中国内脏脂肪指数[Chinese visceral adiposity index, CVAI]、身体圆度指数[body roundness index, BRI]、甘油三酯-葡萄糖指数[triglyceride-glucose, TyG]、TyG-腰围[TyG-WC]及TyG-体重指数[TyG-BMI]）从基线至随访的变化进行分类，并计算累积指标。采用多变量逻辑回归和限制性立方样条模型评估其与CVD发病的关联。预测性能通过曲线下面积（area under the curve, AUC）、净重分类改善指数（net reclassification improvement, NRI）和综合判别改善指数（integrated discrimination improvement, IDI）进行评估。
结果： 在中位随访66个月期间，3,200名（16.57%）参与者发生CVD。所有指标的最高变化类别均显示CVD风险显著升高，其中TyG-BMI（比值比[odds ratio, OR]：3.988，95%置信区间[confidence interval, CI]：3.419–4.650）、TyG-WC（OR：3.797，95% CI：3.215–4.484）和CVAI（OR：3.695，95% CI：3.085–4.426）的关联最强。累积指标观察到显著的剂量-反应关系。CVAI的变化（AUC：0.642）和累积METS-VF（AUC：0.659）显示出最高的预测能力。将这些指标加入传统危险因素模型后，CVD预测的AUC、NRI和IDI均显著改善（所有p < 0.001）。亚组分析结果一致。
结论： 肥胖与脂质相关指标的纵向升高在加入传统危险因素后可能为CVD风险分层提供适度的增量价值，但其判别能力中等，在临床应用前需进一步验证。
论文解读
一、研究背景与意义
心血管疾病（cardiovascular disease, CVD）是全球范围内高发且致死率居首的慢性疾病，占全球总死亡人数的35%。据统计，全球CVD患病人数已从1990年的2.71亿攀升至2019年的5.23亿，同期死亡人数增长53.7%。中国是CVD死亡人数最多的国家之一，每年因未控制的高血压导致约75万例CVD死亡，CVD相关经济负担超过400亿美元，约占年度国内生产总值的4%。因此，在普通人群中准确评估CVD风险并制定有效的预防策略具有极其重要的公共卫生意义。
肥胖是CVD公认的传统危险因素。然而，传统评估指标存在明显局限：体重指数（body mass index, BMI）既无法区分瘦体重与总体脂量，也不能反映体脂分布特征；腰围（waist circumference, WC）虽被广泛用于中心性肥胖评估，但难以区分皮下脂肪与内脏脂肪组织。影像学技术虽可精准评估腹部肥胖，但高昂成本和辐射危害限制了其在大规模流行病学调查中的应用。近年来，多项新型复合指标被证实与CVD发病独立相关，包括腰围身高比（waist-to-height ratio, WHtR）、内脏脂肪代谢评分（metabolic score for visceral fat, METS-VF）、中国内脏脂肪指数（Chinese visceral adiposity index, CVAI）、身体圆度指数（body roundness index, BRI）以及甘油三酯-葡萄糖指数（triglyceride-glucose, TyG）及其与肥胖指标结合的衍生指数（TyG-WC、TyG-BMI）。这些指标综合了WC、BMI、血脂、空腹血糖等多种人体关键参数，可能更客观地评估肥胖程度。然而，既往研究大多基于单一时间点的指标测量来评估CVD风险，而这些指标在时间推移中通常处于动态变化状态。关于肥胖与脂质相关指标的变化与CVD风险关联的研究极为有限。基于此，研究人员依托中国西北地区大型前瞻性队列，系统探讨了七项指标的动态变化对CVD发病风险的影响。
二、研究设计与技术方法
本研究基于中国西北地区金昌队列，该队列的基本信息已在既往研究中详细描述。研究人员通过员工ID与医保ID配对，在基线与随访之间实现了100%的匹配率。经排除基线患有高血压、冠心病、脑卒中、恶性肿瘤的参与者，以及缺乏身高、体重、血脂、血压、空腹血糖、血清肌酐等关键数据的个体，并采用3σ规则剔除指标异常者后，最终纳入19,315名无CVD参与者。所有参与者均完成流行病学调查、体格检查和生化检测。
研究采用的主要技术方法包括：第一，K-means聚类分析，以每位参与者的基线和随访值构成二维特征向量（基线值，随访值），分别对每项指标进行聚类，从而同时捕捉基线水平和纵向变化模式，聚类数通过肘部法则和Gap统计量确定；第二，累积值计算，参照累积TyG公式，将每项指标的累积值定义为基线与第二次随访值的平均值乘以两次测量之间的时间间隔（年），以显式纳入暴露持续时间；第三，多变量逻辑回归模型，构建三个递进调整模型评估变化类别和累积值与CVD发病的关联；第四，限制性立方样条（restricted cubic spline, RCS）回归模型分析剂量-反应关系；第五，受试者工作特征（receiver operating characteristic, ROC）曲线分析评估预测性能，并采用Delong检验进行两两比较；第六，净重分类改善指数（net reclassification improvement, NRI）和综合判别改善指数（integrated discrimination improvement, IDI）评估在传统危险因素基础上的增量预测价值。
三、研究结果
基线特征分析： 与无CVD组相比，CVD组参与者年龄显著更大（47.50岁 vs. 41.20岁），男性比例更高（63.34% vs. 57.49%），教育程度更低（初中及以下占41.19% vs. 26.99%）。吸烟、饮酒、高盐/高脂/高糖饮食等生活方式危险因素在CVD组更为普遍（所有p < 0.001）。糖尿病或糖尿病前期（25.53% vs. 14.20%）和脂肪肝（26.03% vs. 17.09%）等合并症在CVD组显著升高。代谢指标方面，CVD组呈现更高的血脂水平（甘油三酯[triglyceride, TG]：2.08 vs. 1.75 mmol/L）、更高的血压（收缩压[systolic blood pressure, SBP]：121.20 vs. 113.21 mmHg）以及更高的肥胖指标（BMI：23.85 vs. 22.55 kg/m2）。民族和CVD家族史无显著差异（p > 0.05）。
CVD累积发病率： 在中位随访66个月期间，3,200名（16.57%）参与者发生CVD。Kaplan-Meier曲线显示，WHtR、METS-VF、CVAI、BRI、TyG、TyG-WC和TyG-BMI基线水平较高的参与者CVD累积发病率更高（所有log-rank检验p < 0.001）。
CVD风险分析： 在完全调整模型（模型3）中，所有指标最高变化类别（第3类或第4类）的参与者CVD风险较最低类别（第1类，参照组）显著升高。具体而言，WHtR第3类OR为2.110（95% CI：1.867–2.385），METS-VF第3类OR为2.332（95% CI：2.004–2.713），CVAI第4类OR为3.695（95% CI：3.085–4.426），BRI第3类OR为2.127（95% CI：1.883–2.403），TyG第3类OR为1.897（95% CI：1.677–2.146），TyG-WC第4类OR为3.797（95% CI：3.215–4.484），TyG-BMI第4类OR为3.988（95% CI：3.419–4.650）。所有指标的OR值随变化类别升高而显著增加（所有趋势p < 0.05）。累积值的分析结果与之一致，以第一四分位数为参照，随着各指标累积值的增加，新发CVD呈阶梯式上升（所有趋势p < 0.05）。
剂量-反应关系分析： 限制性立方样条模型显示，累积CVAI、累积BRI、累积TyG和累积TyG-WC与CVD发病风险之间存在显著的非线性关联（所有非线性p < 0.05）。
预测与重分类： ROC曲线分析显示，CVAI变化（AUC：0.642，95% CI：0.632–0.651）和累积METS-VF（AUC：0.659，95% CI：0.649–0.670）对CVD新发具有最高的预测性能。CVAI变化与TyG-BMI变化之间、累积METS-VF与累积CVAI之间的AUC差异无统计学意义，表明这些指标在评估的指标中具有相对较好的判别能力，但总体性能仍属中等。将肥胖与脂质相关指标加入包含性别、年龄、民族、职业、教育、婚姻状况、收入、吸烟、饮酒、运动、饮茶、饮食、糖尿病或糖尿病前期、高尿酸血症、CVD家族史、总胆固醇（total cholesterol, TC）、低密度脂蛋白胆固醇（low-density lipoprotein cholesterol, LDL-C）、血清肌酐（serum creatinine, Scr）和AST/ALT的传统危险因素基线模型后，AUC从0.682提升至约0.692–0.714（所有Delong检验p < 0.05），NRI和IDI均显著改善（所有p < 0.001）。
亚组分析与敏感性分析： 在按性别、年龄、民族、职业、教育、婚姻状况、收入、吸烟、饮酒、运动、饮茶、饮食、糖尿病或糖尿病前期、高尿酸血症和CVD家族史分层的亚组分析中，大多数亚组内肥胖与脂质相关指标与新发CVD的关联与主要结果一致，部分亚组与特定指标之间存在交互作用（交互p < 0.05）。敏感性分析将结局限定为硬性心血管事件（仅新发冠心病和脑卒中，排除孤立性高血压）后，所有七项指标动态变化与CVD风险的阳性关联在完全调整后仍具有统计学显著性，表明观察到的关联并非仅由新发高血压驱动。
四、讨论与结论
研究人员指出，本研究是首批系统比较中国人群中多种动态肥胖与脂质相关指标对CVD预测价值的研究之一。研究发现，整合脂质和肥胖指标的指数——尤其是CVAI、TyG-WC和TyG-BMI——在最高变化类别中显示出最强的关联（OR超过3.5），提示这些指标的动态变化具有潜在临床价值。CVAI的优越表现与其设计原理一致，该指标整合了年龄、BMI、WC和血脂谱，是特别适用于中国人群的内脏脂肪相关标记物。TyG-BMI则结合了反映胰岛素抵抗（insulin resistance, IR）的TyG指数与BMI，同时反映代谢功能障碍和肥胖负担。累积暴露与CVD风险之间观察到的剂量-反应关系进一步增强了研究结果的生物学合理性。
然而，研究人员也强调，虽然加入肥胖与脂质相关指标显著改善了AUC、NRI和IDI，但改善的绝对幅度有限，单项指标的判别能力仅为中等（AUC约0.60–0.66）。当加入基线模型后，AUC从0.682提升至约0.692–0.714，表明这些指标可能提供增量但非决定性的预测价值。这些指标可作为低成本、易获取的补充标记物，在传统危险因素之外提供额外信息，但尚不足以单独用于个体风险预测或临床决策。统计显著的NRI和IDI表明人群层面的重分类改善，但统计学显著性并不必然转化为有意义的临床获益。
研究存在若干局限性：缺乏CT、MRI或双能X射线吸收法（dual-energy X-ray absorptiometry, DXA）等直接内脏脂肪测量手段；研究人群以汉族为主且来自单一职业队列，可能限制结果的外推性；尽管调整了大量潜在混杂因素，残余混杂仍无法完全排除；抗高血压、降脂和降糖药物的使用信息未系统收集。
研究结论： 肥胖与脂质相关指标的纵向升高在加入传统危险因素后可能为CVD风险分层提供适度的增量价值，但其判别能力中等，在临床应用前需进一步验证。
