《Obesity Reviews》:The Role of Fat-Free Mass in Weight-Related Complications: A Rapid Review and Meta-Analysis
编辑推荐:
背景 本综述综合了关于去脂体重(FFM)指标与超重或肥胖成人中体重相关代谢并发症之间关联的证据。方法 研究人员对Medline、Embase、Web of Science和Google Scholar(从建库至2024年10月)进行系统检索,识别出32项观察性
背景 本综述综合了关于去脂体重(FFM)指标与超重或肥胖成人中体重相关代谢并发症之间关联的证据。方法 研究人员对Medline、Embase、Web of Science和Google Scholar(从建库至2024年10月)进行系统检索,识别出32项观察性研究,共涉及138,935名参与者。研究人员对2型糖尿病(T2DM,5项研究,n=41,235)、代谢综合征(MetS,3项研究,n=2,832)、心血管疾病(CVD,3项研究,n=8,980)和非酒精性脂肪肝(NAFLD,3项研究,n=4,570)进行了随机效应荟萃分析。使用I2评估异质性。在可行的情况下,按FFM指标类型进行分层敏感性分析。结果 低FFM指标与T2DM风险增加显著相关(合并RR=1.46,95% CI 1.11–1.91),MetS(OR=4.48,95% CI 2.18–9.22),CVD(RR=2.03,95% CI 1.27–3.26)和NAFLD(RR=2.24,95% CI 1.52–3.32)。T2DM(I2=90.9%)和MetS(I2=79.8%)观察到高度异质性;然而,按性别分层的敏感性分析消除了T2DM的异质性(I2=0%)。对剩余研究的叙述性综合通常支持这些发现,尽管关联因FFM指标类型而异。结论 低FFM相关指标与主要体重相关代谢并发症风险增加相关,尽管关联的强度和一致性因FFM指标类型而异。
1 Introduction 肥胖是全球性健康问题,增加多种慢性疾病风险,包括心血管疾病(CVDs)、2型糖尿病(T2DM)、代谢综合征(MetS)和某些癌症。去脂体重(FFM)在体重相关并发症中的作用复杂,FFM通常作为骨骼肌质量的替代指标,但研究中使用多种异质性指标,如绝对FFM(kg)、身高调整FFM(kg/m
2)、百分比FFM和FFM相对于体重或身体质量指数(BMI)的比值。相对指标受脂肪量影响,而身高调整指标可能更好反映无脂肪组织量。既往观察性研究表明低FFM相关指标与胰岛素抵抗、MetS和功能损伤风险增加相关,但部分研究报道了不良或无效关联,显示出显著异质性,亟需综合证据。
2 Methods 2.1 Protocol and Registration 基于Joanna Briggs Institute(JBI)方法学指南制定综述方案,但未在PROSPERO注册,报告遵循PRISMA和MOOSE指南。2.2 Eligibility Criteria 采用PICOS框架,纳入超重或肥胖(BMI≥25 kg/m
2)的成人,暴露包括FFM测量指标,比较组为高与低FFM,主要结局为T2DM、CVD、MetS和非酒精性脂肪肝(NAFLD),次要结局包括高血压等。排除病例报告、非英语文献等。2.3 Search Strategy and Information Sources 系统检索Medline、Embase、Web of Science和Google Scholar,筛选后32项研究纳入。2.4 Data Extraction and Risk of Bias Assessment 独立提取特征并采用JBI工具评估偏倚风险。2.5 Definition of Exposure Measures 将FFM指标分为绝对或身高调整FFM(类型A)和相对或脂肪调整FFM(类型B)。2.6 Effect Estimate Standardization 标准化效应估计,包括逆转换参考类别、固定效应模型合并亚组、对数转换等。2.7 Meta-Analytic Procedures 采用随机效应模型(DerSimonian–Laird方法),进行敏感性分析和亚组分析,未报告Egger检验。
3 Result 3.1 Study Selection 初筛5880篇,去除重复后5289篇,最终纳入32篇。3.2 Study Characteristics 21项横断面研究,11项队列研究,来自韩国、美国等国家,样本量39至127,616,年龄18至82岁。主要使用双能X线吸收法(DEXA)和生物电阻抗分析(BIA)测量体成分。3.3 Risk of Bias Within Studies 队列研究满足至少82%质量标准,横断面研究多数满足100%。3.4 Synthesis With Meta-Analysis 对T2DM、MetS、CVD和NAFLD进行荟萃分析,均显示低FFM指标显著增加风险,但异质性较高。3.5 T2DM 低FFM与T2DM风险增加显著相关(合并RR=1.46,95% CI 1.11–1.91,I
2=90.9%)。敏感性分析显示排除某研究后异质性降低,性别分层分析消除异质性,类型A指标(身高调整FFM)显示显著关联且无异质性(RR=1.32,I
2=0%),而类型B指标(相对FFM)关联不显著且异质性高。3.6 MetS 低FFM与MetS显著相关(OR=4.48,95% CI 2.18–9.22,I
2=79.8%),排除一项研究后异质性消失。3.7 CVD Risk 低FFM与CVD风险增加超过两倍(RR=2.03,95% CI 1.27–3.26,I
2=36.1%)。3.8 NAFLD 低FFM与NAFLD风险增加显著相关(RR=2.24,95% CI 1.52–3.32,I
2=69.9%)。3.9 Synthesis Without Meta-Analysis 对T2DM、CVD、MetS、NAFLD、心肺适能、高血压、慢性阻塞性肺病(COPD)和慢性肾病(CKD)进行叙述性综合,多数研究支持低FFM与不良结局相关,但部分研究显示相反或无效关联。
4 Discussion 4.1 T2DM 荟萃分析证实低FFM与T2DM风险增加相关,机制涉及骨骼肌作为葡萄糖摄取主要场所。敏感性分析支持关联稳定性,但异质性受FFM指标类型影响。4.2 MetS 低FFM(尤其是体重相关指标)与MetS患病率增加显著相关,可能通过影响葡萄糖和脂质代谢。4.3 CVDs 低FFM与CVD风险增加超过两倍,但部分人群出现相反关联,提示可能受人群特征影响。4.4 NAFLD 低FFM与NAFLD风险增加相关,与既往证据一致,机制涉及胰岛素抵抗和脂质代谢紊乱。4.5 Heterogeneity and Subgroup Differences 异质性部分源于FFM操作化定义差异,相对指标受脂肪量影响,类型A和B指标关联大小和一致性不同,且人群特征可能修饰效应。4.6 Implications 研究提示在体成分评估中考虑FFM指标可提供额外代谢风险信息,但需干预研究确认因果关系。4.7 Strengths and Limitations 优势包括综合证据、敏感性分析;局限性包括依赖观察性研究、FFM定义异质性、残余混杂等。
5 Conclusion 低FFM相关指标与超重或肥胖成人中T2DM、MetS、CVD和NAFLD风险增加相关,但关联幅度和一致性因FFM指标类型而异。未来需标准化FFM指标的前瞻性和干预研究以阐明因果关系并支持临床应用。