《Cardiology Research and Practice》：Association Between Obesity Indices and Heart Rate Variability: A Cross-Sectional Study in Asian Young College Students
编辑推荐：
摘要
目的：本研究旨在评估多种传统和新颖肥胖指数与心率变异性（HRV）在亚洲年轻大学生中的关联，并评估它们的相对重要性和潜在的性别差异。
方法：在这项针对3180名亚洲年轻大学生（平均年龄19.6岁）的横断面研究中，研究人员测量了八种肥胖指数，包括
摘要
目的：本研究旨在评估多种传统和新颖肥胖指数与心率变异性（HRV）在亚洲年轻大学生中的关联，并评估它们的相对重要性和潜在的性别差异。
方法：在这项针对3180名亚洲年轻大学生（平均年龄19.6岁）的横断面研究中，研究人员测量了八种肥胖指数，包括体重指数（BMI）、腰围（WC）、腰高比（WHtR）和体脂百分比（BFP）。HRV通过5分钟静息心电图进行评估，并通过主成分分析（PCA）提取的三个自主神经域进行分析。研究人员采用性别分层线性模型，随后应用多模型方法（最佳子集选择、相对重要性分析和弹性网络回归）来控制共线性。所有分析均调整了年龄、心率、体力活动和测量时间。
结果：BFP与HRV参数表现出最强关联，与SDNN呈显著负相关（β=?1.76），与LF/HF（β=0.123）和LFnorm（β=1.84）呈正相关（所有FDR p<0.001）。相对重要性分析显示，BFP对预测LF/HF的贡献最大（38.1%），显著超过WC（17.5%）和BMI（13.9%）。将BMI添加到BFP中与LF/HF和LFnorm的预测改善相关（ΔR2>0.03）。亚组分析表明，超重/肥胖且BFP升高的个体在所有指标上均表现出显著降低的HRV，而BFP正常者仅SDNN降低。ROC分析得出BFP识别低HRV风险的阈值为27.3%。未观察到显著的性别交互作用。
结论：BFP被确定为亚洲年轻大学生自主神经功能评估的主要肥胖指标，而传统指数（BMI、WC）提供了有价值的增量信息。建议将体成分测量整合到青年心血管风险筛查中。
**论文解读：肥胖指数与心率变异性在亚洲年轻大学生中的关联研究**
**研究背景与问题**
自主神经功能紊乱是心血管疾病（CVD）的早期标志，心率变异性（HRV）的量化预后价值已在多项系统评价和前瞻性研究中得到验证。低HRV不仅显著预测全因死亡和心血管事件风险，还通过全身性炎症和代谢紊乱与肥胖密切相关。然而，传统肥胖指标如体重指数（BMI）在识别体脂过多方面存在局限性（敏感度约50%），且亚洲人群在较低BMI下体脂百分比（BFP）更高、中心性肥胖倾向更强，导致主要基于西方人群建立的肥胖-HRV关联模型可能不适用于该群体。现有研究多集中于中老年或临床人群，缺乏针对健康年轻成年人（尤其是亚洲裔）的证据；同时，多种肥胖指标间存在强共线性，传统单模型分析难以区分其独立贡献；此外，性别对肥胖-HRV关联的修饰效应在亚洲年轻人中尚不明确。因此，本研究旨在亚洲年轻大学生中系统评估传统指标（BMI、腰围（WC）、腰臀比（WHR））和新颖指标（腰高比（WHtR）、BFP、身体形状指数（ABSI）、身体肥胖指数（BAI）、体重调整腰围指数（WWI））与自主神经功能的关联，并回答以下科学问题：不同肥胖指标与HRV的关联强度如何？控制多重共线性后相对重要性排序如何？性别是否修饰该关联？新颖指标是否提供增量预测价值？
**研究内容与结论**
研究人员在3180名亚洲年轻大学生（平均年龄19.6岁，75.3%女性）中进行横断面研究，测量8种肥胖指标，通过5分钟静息心电图获取HRV参数，并采用主成分分析（PCA）将10个HRV指标降至三个维度：总体自主神经功能（SDNN）、频域平衡（LF/HF）和频域特征（LFnorm）。为克服共线性，研究采用多模型框架（性别分层线性模型、最佳子集回归、随机森林置换重要性分析、弹性网络回归和增量价值检验）。主要结论：BFP与HRV参数关联最强（SDNN负相关，LF/HF和LFnorm正相关），在相对重要性分析中BFP对LF/HF的贡献最大（38.1%），显著高于WC（17.5%）和BMI（13.9%）。将BMI添加到BFP后显著改善对LF/HF和LFnorm的预测（ΔR2>0.03）。亚组分析显示，超重/肥胖且BFP升高的个体在所有HRV指标上均显著受损，而BFP正常者仅SDNN降低。ROC分析给出BFP识别低HRV风险的阈值为27.3%。未发现显著的性别交互作用。ABSI和WWI未显示出稳健的独立价值。该研究发表在《Cardiology Research and Practice》。
**关键技术方法**
- **样本队列来源**：来自中国安庆医药高等专科学校，采用混合抽样（整群抽样结合自愿招募），最终纳入3180名参与者（784名男性，2396名女性），数据采集于2025年2月至6月。
- **肥胖指标测量**：使用智能超声波身高体重测量仪（Yolanda CP30B）获得体重、身高和脂肪量（BIA法）；标准卷尺测量WC和臀围（HC）。计算BMI、WHR、WHtR、ABSI、WWI、BAI和BFP。
- **HRV评估**：使用常规12导联心电图设备（CONTE 8000G，采样率1000 Hz）记录5分钟仰卧位静息心电图，提取时域、频域指标；通过PCA将HRV指标降至3个主成分（PC1：总体自主神经功能，PC2：频域平衡，PC3：频域特征），选择SDNN、LF/HF和LFnorm为代表指标。
- **统计分析**：采用性别分层线性模型评估单指标关联；实施四轨并行分析：最佳子集回归、随机森林置换重要性、弹性网络回归（5折交叉验证优化参数）和增量价值检验（ΔR2）；ROC曲线分析确定BFP识别低HRV风险的阈值；敏感性分析替换HRV指标、排除极值BMI、替换体力活动协变量（PACE）等。所有模型调整年龄、心率、体力活动（平均配速PACE）和测量时间。
**研究结果**
**3.1 描述性统计与变量选择**
表1显示广泛性别差异：男性在身高、体重、WC、WHR、ABSI上显著高于女性，女性在BFP、BAI上更高。男性HRV中LF、LF/HF和总功率（TP）更高，女性HF、rMSSD和pNN50更高。相关性分析表明，除ABSI外，所有肥胖指标与多数HRV参数呈负相关，与LF/HF呈正相关，且指标间高度相关（如BMI与BFP近乎完美相关，ρ=0.9997）。PCA提取3个主成分，累计解释87.35%方差，结构在性别间高度一致。基于AIC比较，选择平均配速（PACE）作为最佳体力活动协变量。
**3.2 单预测变量多变量模型分析**
标准化肥胖指标与HRV参数显著关联（表3，图2）。BFP与SDNN关联最强（β=?1.76，FDR p<0.001），与LF/HF（β=0.123）和LFnorm（β=1.84）正相关最强。性别分层显示，男性中BFP与SDNN（β=?2.05）和LFnorm（β=2.06）的效应量更大，而女性中WC和WHtR涉及更广范围。ABSI和WWI未达显著。
**3.3 四轨并行分析**
最佳子集回归识别BFP+WHtR+BAI为预测SDNN的最优模型（R2=27.83%），BMI+WC+WHtR为预测LF/HF和LFnorm的最优模型。相对重要性分析显示BFP贡献最大（LF/HF: 38.1%）。弹性网络回归中BFP、BMI、WC在所有维度被保留（非零系数）。增量价值检验表明，在BFP基础上添加BMI显著改善LF/HF（ΔR2=0.0366，FDR p<0.001）和LFnorm（ΔR2=0.0324，FDR p<0.001）的预测。性别交互作用均不显著（FDR p>0.05）。
**3.4 亚组分析**
基于BMI和BFP将参与者分为四组（参考组、正常体重肥胖（NWO）、超重/肥胖-正常BFP、超重/肥胖-升高BFP）。与参考组相比，超重/肥胖-升高BFP组在SDNN（调整后均值差=?2.28 ms）、LF/HF（0.18）和LFnorm（3.42）均显著差异（FDR p<0.05）。超重/肥胖-正常BFP组仅SDNN显著降低（?4.41 ms，FDR p=0.046）。NWO组未达显著（样本量仅26）。
**3.5 ROC分析**
以SDNN最低20分位数（35.18 ms）定义低HRV风险。BFP、BMI、WC的AUC分别为0.571、0.563、0.540。BFP最佳阈值27.3%（敏感度46.9%，特异度64.8%）。以SDNN<50 ms为替代定义时AUC更低。
**3.6 敏感性分析**
替换HRV指标、排除极值BMI、替换体力活动协变量（TVED）后，BFP、BMI、WC在所有场景中一致保持重要预测地位（BFP在8/12场景保留，WC在11/12，BMI在9/12），模型性能稳定。
**讨论与结论**
讨论部分总结：本研究在亚洲年轻人中证实BFP是预测HRV的核心肥胖指标，其贡献超过传统体重指数WC和BMI，且传统指标仍提供增量信息。BFP的核心作用支持“肥胖-炎症-自主神经系统”假说。未发现显著性别交互，但效应量异质性提示潜在易感性差异。ROC分析阈值略高于中国指南推荐，提示自主神经风险评估可能需要调整阈值。临床和公共卫生意义：建议青少年健康筛查超越BMI，纳入体成分测量（如BIA）以识别高体脂导致的自主神经功能早期受损风险。
翻译研究结论部分：本研究采用多模型验证框架，发现BFP是与亚洲年轻大学生自主神经功能关联最强的肥胖指标，而传统指标BMI和WC仍提供重要增量信息。肥胖与自主神经功能之间的关联未发现统计学显著的性别修饰效应，尽管观察到的效应量差异提示潜在的易感性异质性。研究人员推荐在青少年心血管风险筛查中超越BMI，将体成分测量整合到健康评估体系中，为CVD的早期预防提供新途径。
