WWI、ABSI与BRI与中国骨质疏松症的关联：一项前瞻性筛查评估

《Topics in Clinical Nutrition》：Association of WWI, ABSI, and BRI With Osteoporosis in China: A Prospective Screening Assessment

　　

本研究评估了体重校正腰围指数（WWI）、身体形状指数（ABSI）和身体圆润指数（BRI）与骨质疏松症的关联。通过横断面分析，对4947例按骨密度分类的患者进行了临床和人体测量数据的比较分析。骨质疏松症患者表现出显著升高的WWI、ABSI和BRI水平。经完全校正后，WWI最高四分位数组的骨质疏松症风险增加了4.12倍。WWI和ABSI升高与骨质疏松症相关，可作为早期筛查指标。

**引言**

骨质疏松症（OP）是一种常见的公共卫生问题，其特征为骨密度降低和骨微结构受损，导致骨骼脆性增加和骨折风险升高。早期预防和识别危险因素至关重要。1,2 一项全球流行病学调查显示，全球骨质疏松症病例超过2亿例，预计到2025年，骨质疏松性骨折的治疗费用将至少达到253亿美元，包括骨折治疗、康复的直接费用以及因残疾产生的间接费用。3 积极探索骨质疏松症的筛查和预防方法对于维护公共卫生至关重要。

骨质疏松症与多种危险因素相关，肥胖与骨质疏松症之间存在密切的病理生理关系。4 尽管计算机断层扫描（CT）或磁共振成像（MRI）被认为是直接评估肥胖和脂肪分布的金标准，但对于普通人群而言，这些方法成本高昂且复杂。5 作为替代方案，人体测量方法可间接评估肥胖。近年来，越来越多的流行病学证据表明，简单实用的人体测量方法可用于预测骨质疏松症的发生可能性。6 人体测量指标在骨质疏松症筛查中发挥着至关重要的作用。传统人体测量指标——身体质量指数（BMI），因其简单实用而被广泛使用。然而，BMI的局限性日益明显；它无法区分肌肉量与脂肪量，且易受混杂因素影响，导致对个人健康风险的评估不准确。7

相反，新型人体测量指数，如身体形状指数（ABSI）、身体圆润指数（BRI）和体重校正腰围指数（WWI）已被提出。ABSI由Krakauer等人8引入，是一个不依赖于身高、体重或BMI的独立指数。与BMI无法区分脂肪含量与肌肉含量不同，ABSI是一种中心性肥胖指标，能更好地评估脂肪含量，并显示出与各种疾病风险的显著关联。BRI由Thomas等人9提出，是一个反映内脏脂肪分布的综合指数，而非仅反映全身脂肪总量，从而提供更精确的脂肪分布评估，在临床实践中有效预测和预防各种与肥胖相关的严重健康问题。WWI由Zhang等人10引入，已成为一个可能与年龄相关的体成分变化有关、并与各种健康状况相关的潜在更可靠且具有信息量的肥胖指数。它表明其作为评估健康风险工具的价值。然而，这些新型肥胖人体测量指数与骨质疏松症之间的关系在以往研究中相对缺乏探索，需要进一步研究。基于此前提，本研究分析了4527例个体的数据，以解析WWI、ABSI和BRI对骨质疏松症的筛查价值，同时为其预防提供参考。

**材料与方法**

**研究对象**

对2021年1月至2023年7月在空军杭州特种勤务康复中心进行健康体检的4947例个体的相关数据进行回顾性分析。纳入标准包括完整的检查数据，包括骨密度、血压和人体测量数据，以及年龄范围为18岁及以上。排除标准包括有骨质疏松症或骨代谢疾病病史；近3个月内使用碘剂、糖皮质激素或影响骨密度测量的因素（如骨折、假体植入）；近3个月内使用影响骨代谢的药物（如维生素D、降钙素、钙剂）或接受抗骨质疏松治疗；和/或影响钙代谢的状况（如库欣综合征）。本研究方案经中国人民解放军空军特种勤务医疗保健中心伦理委员会批准。所有受试者在纳入研究前均签署了书面知情同意书。知情同意过程由经过培训的研究人员负责，向每位受试者解释研究目的、步骤、潜在风险和益处。知情同意通过标准化的书面同意表进行记录，由受试者和研究工作人员双方签署。

**信息收集**

**一般信息收集**

由经过培训的研究人员收集人口统计学和临床数据，包括年龄、性别、吸烟和饮酒习惯、病史（如高血压和糖尿病），以及人体测量和生理测量数据（如收缩压和舒张压、脉搏、身高、体重、腰围和臀围）。这些人员遵循标准操作程序，以确保数据收集的一致性和准确性。

**人体测量**

腰围（WC）
身体质量指数（BMI）= 体重(kg)/身高(m)2
腰臀比（WHR）= WC(cm)/臀围(cm)
腰高比（WHtR）= WC(cm)/身高(cm)
WWI = WC(cm)/体重(kg)
ABSI = WC/[BMI(kg/m2)^(2/3) × 身高(m)^(1/2)]
BRI = 364.2 - 365.5 × [1 - (WC(m)/(2π^0.5 × 身高(m)))2]

**实验室检查**

所有参与者禁食超过8小时，于次日清晨抽取静脉血，检测总胆固醇（TC）、甘油三酯（TG）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、血清肌酐（Cr）、血尿素氮（UN）、血清尿酸（UA）和空腹血糖（FPG）等血液指标。

**骨密度测量及分级标准**

使用以色列Sunlight Omnisense? 7000超声骨密度仪（Sunlight Medical Ltd, Petach Tikva, Israel）测量右侧跟骨骨密度。骨密度分级诊断标准如下：根据世界卫生组织（WHO）推荐的诊断标准，11 T值≥-1 SD为正常，T值>-2.5 SD且<-1 SD为骨量减少，T值≤-2.5 SD为骨质疏松症。

**统计学方法**

本研究数据使用SPSS 26.0软件（IBM, New York, NY）进行分析。图形使用GraphPad Prism（GraphPad Software, San Diego, CA）生成。分类数据以n（%）表示，连续数据以（均值 ± 标准差）表示。采用单因素方差分析进行三组间比较，采用最小显著差异法进行组间两两比较。正态分布的连续数据采用Pearson相关分析，非正态分布的连续数据采用Spearman相关分析。采用二元logistic回归计算骨质疏松症四分位数分组中人体测量相关指标的风险比值（OR）和95%置信区间（CI，以第一个四分位数组为参照组），校正混杂因素。计算受试者工作特征曲线（ROC）下的面积（AUC）、灵敏度和特异度等指标，评估各指标对骨质疏松症的筛查价值。P值<0.05表示差异或相关性具有统计学意义。

**结果**

**受检者基本信息比较**

共4947例个体接受骨密度测量，其中2540例骨量正常，2122例骨量减少，285例骨质疏松症，女性患病率高于男性。三组间性别、高血压状态、饮酒、年龄、收缩压（SBP）、脉搏、总胆固醇（TC）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、血尿素氮（BUN）、肌酐（Cr）、尿酸（UA）和空腹血糖（FPG）存在统计学显著差异（P<0.05）（表1）。任意两组比较，差异均有统计学意义（P<0.05）（表1）。骨质疏松症组肌酐（Cr）和尿酸（UA）水平低于骨量减少和骨量正常组，年龄、收缩压（SBP）、总胆固醇（TC）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、血尿素氮（BUN）和空腹血糖（FPG）水平高于骨量减少和骨量正常组，差异具有统计学意义（P<0.05）。糖尿病状态、舒张压（DBP）和甘油三酯（TG）在三组间无统计学显著差异（P>0.05）（表1）。

**表1. 受检者基本信息**

| | 正常组（n=2540） | 骨量减少组（n=2122） | 骨质疏松症组（n=285） | P |
|---|---|---|---|---|
| M | 1645 (55.26) | 1227 (41.22) | 105 (3.53) | <0.001 |
| F | 895 (45.43) | 895 (45.43) | 180 (9.14) | |
| 吸烟 | | | | |
| 无 | 2235 (50.38) | 1931 (43.53) | 270 (6.09) | <0.001 |
| 有 | 305 (59.69) | 191 (37.38) | 15 (2.94) | |
| 饮酒 | | | | |
| 无 | 2128 (49.56) | 1901 (44.27) | 265 (6.17) | <0.001 |
| 有 | 412 (63.09) | 221 (33.84) | 20 (3.06) | |
| 高血压 | | | | |
| 无 | 2278 (52.14) | 1865 (42.69) | 226 (5.17) | <0.001 |
| 有 | 262 (45.33) | 257 (44.46) | 59 (10.21) | |
| 糖尿病 | | | | |
| 无 | 2435 (51.32) | 2040 (42.99) | 270 (5.69) | 0.525 |
| 有 | 105 (51.98) | 82 (40.59) | 15 (7.43) | |
| 年龄 | 49.44 ± 13.08 | 53.86 ± 13.85 | 64.26 ± 13.40 | <0.001 |
| SBP | 124.29 ± 17.57 | 127.06 ± 18.58 | 132.61 ± 20.73 | <0.001 |
| DBP | 76.34 ± 11.50 | 76.15 ± 11.40 | 76.19 ± 10.87 | 0.853 |
| 脉搏/(次/min) | 77.90 ± 12.60 | 79.80 ± 12.20 | 78.62 ± 11.95 | <0.001 |
| TC/(mmol/L) | 4.83 ± 0.89 | 4.94 ± 0.93 | 4.99 ± 0.99 | <0.001 |
| TG/(mmol/L) | 1.65 ± 1.32 | 1.65 ± 1.21 | 1.68 ± 1.40 | 0.914 |
| HDL-C/(mmol/L) | 1.47 ± 0.35 | 1.48 ± 0.34 | 1.53 ± 0.29 | 0.004 |
| LDL-C/(mmol/L) | 2.33 ± 0.60 | 2.39 ± 0.63 | 2.46 ± 0.60 | <0.001 |
| BUN | 5.45 ± 1.41 | 5.43 ± 1.42 | 5.85 ± 1.34 | <0.001 |
| Cr | 69.79 ± 17.37 | 67.57 ± 17.53 | 65.55 ± 15.21 | <0.001 |
| UA/(μmol/L) | 363.69 ± 94.17 | 348.61 ± 90.98 | 334.73 ± 78.37 | <0.001 |
| FPG/(mmol/L) | 5.65 ± 1.28 | 5.73 ± 1.23 | 5.76 ± 1.05 | 0.049 |

**受检者人体测量指标比较**

三组间BMI、身高、WHtR、ABSI、WWI和BRI存在统计学显著差异（P<0.05）。任意两组比较，差异均有统计学意义（P<0.05）（表2）。骨质疏松症组BMI、身高和体重低于骨量正常和骨量减少组。相反，骨质疏松症组WHtR、ABSI、WWI和BRI高于骨量减少和骨量正常组，差异具有统计学意义（P<0.05）。三组间腰围（WC）和腰臀比（WHR）无统计学显著差异（P>0.05）（表2）。

**表2. 人体测量指标比较**

| | 正常组（n=2540） | 骨量减少组（n=2122） | 骨质疏松症组（n=285） | P |
|---|---|---|---|---|
| BMI/(kg/m2) | 24.18 ± 3.25 | 23.79 ± 3.19 | 23.64 ± 3.30 | <0.001 |
| 体重(kg) | 67.53 ± 12.09 | 65.16 ± 11.71 | 61.12 ± 11.11 | <0.001 |
| 身高(cm) | 166.72 ± 7.80 | 165.13 ± 8.17 | 160.48 ± 8.12 | <0.001 |
| WC(cm) | 83.85 ± 10.37 | 83.86 ± 10.30 | 83.47 ± 9.37 | 0.827 |
| WHR | 1.24 ± 18.96 | 1.31 ± 20.28 | 0.87 ± 0.07 | 0.935 |
| WHtR | 0.50 ± 0.06 | 0.51 ± 0.06 | 0.52 ± 0.06 | <0.001 |
| ABSI | 0.08 ± 0.00 | 0.08 ± 0.00 | 0.08 ± 0.00 | <0.001 |
| WWI | 10.23 ± 0.67 | 10.42 ± 0.68 | 10.72 ± 0.72 | <0.001 |
| BRI | 3.47 ± 1.09 | 3.57 ± 1.10 | 3.82 ± 1.14 | <0.001 |

**骨密度与各项指标的相关性分析**

采用Spearman相关分析探讨骨密度T值与各指标之间的关系（表3）。相关性分析结果显示，骨密度T值与肌酐（Cr）、尿酸（UA）、BMI和身高呈正相关（P<0.05）。相反，骨密度T值与年龄、收缩压（SBP）、脉搏、总胆固醇（TC）、甘油三酯（TG）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、血尿素氮（BUN）、空腹血糖（FPG）、腰高比（WHtR）、身体形状指数（ABSI）、体重校正腰围指数（WWI）和身体圆润指数（BRI）呈负相关（P<0.05）。骨密度T值与舒张压（DBP）、血尿素氮（BUN）、体重、腰围（WC）和腰臀比（WHR）无相关性（P>0.05）（表3）。

**表3. 各指标与骨密度的Spearman分析**

| | 年龄 | SBP | DBP | 脉搏 | TC | TG | HDL-C | LDL-C | BUN | Cr | UA |
|---|---|---|---|---|---|---|---|---|---|---|---|
| r | -0.260 | -0.132 | -0.014 | -0.085 | -0.077 | -0.042 | -0.030 | -0.077 | -0.040 | 0.086 | 0.089 |
| P | <0.001 | <0.001 | 0.329 | <0.001 | <0.001 | 0.003 | 0.035 | <0.001 | 0.005 | <0.001 | <0.001 |

| | FPG | BMI | 体重 | 身高 | WC | WHtR | WHR | ABSI | WWI | BRI |
|---|---|---|---|---|---|---|---|---|---|---|
| r | -0.095 | 0.059 | -0.003 | 0.146 | -0.005 | -0.078 | -0.040 | -0.174 | -0.191 | -0.078 |
| P | <0.001 | <0.001 | 0.809 | <0.001 | 0.706 | <0.001 | 0.005 | <0.001 | <0.001 | <0.001 |

**二元logistic回归分析**

以骨质疏松症的发生为因变量，BMI、WWI、ABSI和BRI为自变量进行二元logistic回归分析。以第0-25百分位（P0-P25）为参照，校正年龄、高血压、高血脂和高尿酸等混杂因素（表4）。logistic回归分析显示，BMI、WWI和ABSI均与骨质疏松症的发生相关（表5）。BMI和ABSI第四四分位数的骨质疏松症风险低于第一四分位数，而WWI第四四分位数高于第一四分位数，风险显著增加4.074倍（P<0.05）。

BRI的优势比不具有统计学意义（P > .05）（表5）。

表4. 二项逻辑回归变量赋值

| 项目 | 取值 |
|------|------|
| 年龄 | 年龄（岁） |
| 高血压 | 无 = 0，有 = 1 |
| 高脂血症 | 无 = 0，有 = 1 |
| 高尿酸血症 | 无 = 0，有 = 1 |
| BMI | <21.76 = 1，21.76–23.80 = 2，23.80–26.04 = 3，>26.04 = 4 |
| ABSI | <0.075 = 1，0.075–0.078 = 2，0.078–0.081 = 3，>0.081 = 4 |
| WWI | <9.86 = 1，9.86–10.31 = 2，10.31–10.78 = 3，>10.78 = 4 |
| BRI | <2.74 = 1，2.74–3.48 = 2，3.48–4.20 = 3，>4.20 = 4 |

缩写：ABSI，体型指数；BMI，身体质量指数；BRI，身体圆度指数；WWI，体重校正腰围指数。

表5. 不同指标水平的骨质疏松风险逻辑回归

| | β | 标准误 | Wald | OR（95% CI） | P |
|--|----|--------|------|--------------|-----|
| **BMI** | | | | | |
| Q1 | | | | | |
| Q2 | ?0.401 | 0.216 | 3.459 | 0.669（0.439, 1.022） | .063 |
| Q3 | ?0.847 | 0.277 | 9.338 | 0.429（0.249, 0.738） | .002 |
| Q4 | ?0.745 | 0.334 | 4.973 | 0.475（0.247, 0.914） | .026 |
| **ABSI** | | | | | |
| Q1 | | | | | |
| Q2 | ?0.157 | 0.259 | 0.366 | 0.855（0.514, 1.421） | .545 |
| Q3 | ?0.406 | 0.301 | 1.816 | 0.666（0.369, 1.203） | .178 |
| Q4 | ?0.863 | 0.344 | 6.281 | 0.422（0.215, 0.829） | .012 |
| **WWI** | | | | | |
| Q1 | | | | | |
| Q2 | 0.515 | 0.300 | 2.955 | 1.674（0.930, 3.011） | .086 |
| Q3 | 0.530 | 0.388 | 1.862 | 1.699（0.794, 3.636） | .172 |
| Q4 | 1.405 | 0.460 | 9.315 | 4.074（1.653, 10.041） | .002 |
| **BRI** | | | | | |
| Q1 | | | | | |
| Q2 | 0.424 | 0.282 | 2.259 | 1.528（0.879, 2.658） | .133 |
| Q3 | 0.091 | 0.394 | 0.053 | 1.095（0.506, 2.371） | .818 |
| Q4 | 0.054 | 0.490 | 0.012 | 1.055（0.404, 2.760） | .913 |

缩写：Q1，以第一四分位数P0–P25为参照；Q2，第二四分位数P25–P50；Q3，第三四分位数P50–P75；Q4，第四四分位数P75–P100。

人体测量指标筛查骨质疏松的ROC曲线分析

表6显示了各测量指标预测OP的AUC和95% CI。ROC曲线图见图1。体重校正腰围指数和体型指数对OP显示出强大的预测能力，WWI的AUC为0.64（95% CI：0.607–0.672），敏感性为67.4%，最大Youden指数为0.184。体型指数的AUC为0.61（95% CI：0.572–0.638），敏感性为46.3%，最大Youden指数为0.227。身体圆度指数的预测能力较低，AUC为0.56（95% CI：0.523–0.590），敏感性为83.9%，最大Youden指数为0.094。所有差异均具有统计学意义（P < .05）（表6）。

表6. 体表指标筛查骨质疏松的ROC曲线分析

| | AUC | 95% CI | P | 阈值 | 敏感性（%） | 特异性（%） | Youden指数 |
|--|-----|--------|------|------|-------------|-------------|------------|
| BMI | 0.54 | 0.505, 0.574 | .025 | 23.55 | 44.2% | 46.2% | 0.096 |
| ABSI | 0.61 | 0.579, 0.646 | <.010 | 0.078 | 68.8% | 48.4% | 0.172 |
| WWI | 0.66 | 0.626, 0.691 | <.011 | 0.503 | 61.8% | 62.2% | 0.240 |
| BRI | 0.57 | 0.539, 0.606 | <.012 | 2.948 | 79.3% | 32.4% | 0.120 |

缩写：95% CI，95%置信区间；ABSI，体型指数；AUC，曲线下面积；BMI，身体质量指数；BRI，身体圆度指数；WWI，体重校正腰围指数。

图1. 骨质疏松筛查指标的身体表面积测量ROC曲线分析。WWI和ABSI对骨质疏松显示出强大的预测能力。BRI的预测能力较低。ABSI，体型指数；BMI，身体质量指数；BRI，身体圆度指数；PP，预测概率；RL，参考线；WWI，体重校正腰围指数。

讨论

本研究评估了3种新型人体测量指标（ABSI、BRI和WWI）在评估OP方面的筛查能力。结果显示，在控制混杂因素后，除BRI外的所有指标与OP均存在统计学显著相关。此外，对于OP患者，BRI的AUC值最低，而ABSI和WWI预测OP的AUC值较高。因此，研究结果表明，新型人体测量指标ABSI和WWI是预测OP的更好指标。

低肌肉量和高脂肪水平可导致各种慢性疾病，包括老年人脊柱骨密度降低?。WC、WHR和WHtR代表腹部脂肪分布，已在后续研究中用于评估中心性肥胖与骨骼健康的关系12。WC的主要局限性在于未考虑受试者的身高和体重，这可能高估或低估较高或较矮个体的肥胖程度，因此不建议将其作为常规肥胖评估的一部分13。BMI是临床和流行病学研究中定义肥胖和超重的最广泛使用的人体测量指标。然而，Lin的研究1?利用ABSI评估中心性肥胖与骨骼健康之间的关系，发现中心性肥胖与骨骼健康的关系可能比BMI更密切，其中脂肪和肌肉含量起重要作用。Fan的研究显示，BMI的AUC在0.643至0.682之间，在多种筛查工具中对OP的预测效果最差1?。Guo等1?也发现腹部肥胖与骨密度呈负相关。本研究BMI的AUC在0.423至0.492之间，与Fan的研究结果一致，表明BMI不是预测OP风险的优良肥胖指标。因此，需要一个能有效评估青少年腹部肥胖与骨密度关系的指标。

Krakauer等?提出的新型开发并应用的体型指数ABSI是与WC相关的风险测量指标。它评估按标准身高和体重标准化的WC，是一种基于体重和身高的新型人体测量指标。高ABSI表示对于给定身高和体重而言，体重高于预期，对应于更集中的身体体积1?。与无法区分脂肪和肌肉含量的BMI相比，ABSI是一种能更好评估脂肪含量的中心性肥胖指标，已被发现与各种疾病风险显著相关1?。在美国国家健康与营养检查调查（NHANES）人群中，该参数是比WC和BMI更好的死亡预测指标1?。在本研究中，ABSI与OP的发生相关，AUC在0.572至0.638之间，特异性为76.3%，能更好地预测OP的发生。

相比之下，WWI被认为是一种能评估高脂肪量和低肌肉量的标志物，已成为更可靠且信息丰富的肥胖指标。WWI首先由Park等2?提出，他们认为其与与年龄相关的身体成分变化有关，并与各种健康状况相关，表明其可能是评估健康风险的有价值工具。另一项关于WWI与总骨密度关系的研究也发现，在美国青少年中，WWI与骨密度显著负相关，并具有显著的饱和效应21。BMI或WC与代谢疾病关系中的"肥胖悖论"在WWI中并不明显22。目前研究结果表明，肥胖悖论可能并不存在，而是归因于BMI无法区分肌肉量和脂肪量23。几项近期流行病学研究的结果表明，在评估肥胖和心血管疾病2?、肌少症23、心脏死亡和全因死亡率方面，WWI优于BMI、WC和WHtR。Mi等2?的研究探讨了WWI与骨小梁评分TBS之间的负相关关系，高WWI可能表明脂肪积聚，尤其是内脏脂肪增加。过多的内脏脂肪已被证明与代谢紊乱相关，如胰岛素抵抗。此外，上述因素对骨微结构有负面影响，表明WWI对骨微结构退化（DBMA）的个体具有良好的判别能力。

身体圆度指数是Thomas等?提出的体型测量方法，可以在不依赖身高的情况下准确量化体型。几项研究表明，BRI在评估肾脏疾病、心脏代谢性疾病和癌症等各种临床终点风险方面优于传统人体测量指标。这表明BRI能更精确地评估脂肪分布，并在临床实践中有效预测和预防与肥胖相关的严重健康问题2?。一项横断面研究显示BRI与总骨密度之间存在显著负相关，提示较高的BRI值可能与较低的骨密度和较高的OP发病风险相关。这些发现强调了在OP预防中考虑身体脂肪分布的重要性，并主张将BRI作为早期干预方法的有价值指标2?。我们的结果显示骨密度T值与BRI之间存在负相关；然而，与其他人体测量指标（ABSI、WWI）相比，BRI未被发现是OP的有效预测指标，其预测能力最低（AUC为0.56）。

本研究的优点在于其大样本量，包含4947个体，增强了代表性。尽管如此，由于本研究在单中心进行且缺乏机制研究，仍需进一步调查以确定这些新型人体测量指标是否在全国范围内适用，并能在不同地区预测OP风险。未来研究应侧重于开展纵向研究，以验证ABSI和WWI对OP的筛查价值。