综述：负荷能力指数与心脏代谢风险：一项纵向荟萃分析

《Acta Diabetologica》：Load-capacity index and cardiometabolic risk: a longitudinal meta-analysis

　　

摘要
目标 负荷容量指数（LCI），定义为脂肪量与去脂体重之比，代表一种整合代谢负荷和功能容量的新型综合生物标志物。本系统综述和荟萃分析旨在确定 LCI 与新发心脏代谢疾病风险之间的纵向关联。

方法 我们系统检索了 PubMed、Embase、Web of Science、Cochrane Central 和 Scopus 数据库，检索时间从建库截至 2026 年 1 月，纳入报告 LCI 与心脏代谢结局关联的纵向队列研究。采用 DerSimonian-Laird 方法进行随机效应荟萃分析。使用 Cochran Q 统计量、τ2 和 I2 统计量评估异质性。各研究特定的 log(HR) 值和标准误见补充材料，以确保完全可重复性。

结果 纳入 18 项纵向队列研究，共 129,777 名参与者和 5,647 例心脏代谢事件（平均随访时间：11.4 年）。较高的 LCI 与增加的心脏代谢风险显著相关（合并 HR = 1.174，95% CI：1.145–1.204；p < 0.0001）。研究间异质性较低（I2 = 11.6%；Cochran Q = 19.22，df = 17，p = 0.3159；τ2 = 0.000347）。该关联在不同年龄组、性别和体成分评估方法中保持一致（所有 p-交互 > 0.05）。LCI 在既定风险因素之外提供了增量预测价值（NRI：0.15–0.28；ΔC 统计量：0.025–0.041）。

结论 在不同人群中，较高的 LCI 与增加的心脏代谢疾病风险独立且持续相关（HR = 1.174，对应每增加一个单位风险增加 17.4%）。LCI 提供了具有临床意义的增量预测价值，值得考虑作为指导预防干预的稳健补充工具。

图形摘要
目标 负荷容量指数（LCI），定义为脂肪量与去脂体重之比，代表一种整合代谢负荷和功能容量的新型综合生物标志物。本系统综述和荟萃分析旨在确定 LCI 与新发心脏代谢疾病风险之间的纵向关联。

方法 我们系统检索了 PubMed、Embase、Web of Science、Cochrane Central 和 Scopus 数据库，检索时间从建库截至 2026 年 1 月，纳入报告 LCI 与心脏代谢结局关联的纵向队列研究。采用 DerSimonian-Laird 方法进行随机效应荟萃分析。使用 Cochran Q 统计量、τ2 和 I2 统计量评估异质性。各研究特定的 log(HR) 值和标准误见补充材料，以确保完全可重复性。

结果 纳入 18 项纵向队列研究，共 129,777 名参与者和 5,647 例心脏代谢事件（平均随访时间：11.4 年）。较高的 LCI 与增加的心脏代谢风险显著相关（合并 HR = 1.174，95% CI：1.145–1.204；p < 0.0001）。研究间异质性较低（I2 = 11.6%；Cochran Q = 19.22，df = 17，p = 0.3159；τ2 = 0.000347）。该关联在不同年龄组、性别和体成分评估方法中保持一致（所有 p-交互 > 0.05）。LCI 在既定风险因素之外提供了增量预测价值（NRI：0.15–0.28；ΔC 统计量：0.025–0.041）。

结论 在不同人群中，较高的 LCI 与增加的心脏代谢疾病风险独立且持续相关（HR = 1.174，对应每增加一个单位风险增加 17.4%）。LCI 提供了具有临床意义的增量预测价值，值得考虑作为指导预防干预的稳健补充工具。

图形摘要
引言
心脏代谢疾病——包括心血管疾病（CVD）、2 型糖尿病（T2DM）和代谢综合征（MetS）——是全球发病率和死亡率的主要原因，每年造成约 1,790 万人死亡 [1]。传统风险评估依赖于个体人体测量指标，如身体质量指数（BMI）、腰围和腰臀比。然而，这些常规指标无法捕捉代谢有害脂肪组织与代谢保护性瘦组织之间复杂的相互作用，而这种相互作用是心脏代谢病理生理学的根本驱动力 [2, 3]。

负荷容量指数（LCI），定义为脂肪量（FM）与去脂体重（FFM）之比，代表一种概念新颖的综合生物标志物，同时量化了脂肪组织施加的代谢“负荷”和瘦组织提供的代谢“容量” [4]。这种双组分方法比单独使用任一组分能提供更符合生理意义的心脏代谢风险评估，因为它捕捉了促炎、胰岛素抵抗脂肪组织与葡萄糖处置、代谢活跃骨骼肌之间的平衡 [5, 6]。

几项纵向队列研究已经检查了 LCI 与新发心脏代谢结局之间的关联，单项研究报告的风险比在 LCI 每增加一个单位时范围从 1.08 到 1.30 不等 [7,8,9,10,11,12]。然而，尚未对此证据进行系统综合。此外，LCI 作为风险预测工具的临床效用——特别是其在既定风险因素之外的增量预测价值——仍不确定。

因此，我们进行了纵向队列研究的系统综述和荟萃分析，以：(1) 确定 LCI 与新发心脏代谢疾病之间的合并关联；(2) 评估该关联在不同人群、年龄组、性别和体成分评估方法中的一致性；(3) 量化 LCI 在既定心脏代谢风险因素之外的增量预测价值。

方法
本系统综述和荟萃分析按照系统评价和荟萃分析优先报告条目（PRISMA）2020 指南 [13] 进行，并在 PROSPERO 上预先注册（CRD420261307959）。

检索策略
我们系统检索了 PubMed/MEDLINE、Embase、Web of Science、Cochrane 对照试验中央登记库和 Scopus 数据库，检索时间从建库截至 2026 年 1 月。检索策略结合了体成分指标相关术语（“负荷容量指数”，“脂肪与肌肉比”，“脂肪量与去脂体重比”）、纵向研究设计（“队列”，“前瞻性”，“纵向”）和心脏代谢结局（“心血管疾病”，“糖尿病”，“代谢综合征”）。完整检索策略见补充附录 1。手动检索了纳入研究和相关综述的参考文献列表。

纳入排除标准
纳入标准：(1) 采用纵向队列设计且随访时间≥2 年；(2) 使用验证过的方法测量体成分（DXA、BIA、CT 或 MRI）；(3) 计算 LCI 或等效的脂肪与瘦体重比；(4) 报告新发心脏代谢结局的风险比（HRs）及 95% 置信区间（CIs）；(5) 至少校正年龄和性别。排除标准：采用横断面设计、随访时间不足（< 2 年）、缺乏体成分数据或报告统计不足无法进行荟萃分析的研究。

数据提取与质量评估
两名评审者（N.E. 和 O.B.）使用标准化表格独立提取数据。提取变量包括研究特征（作者、年份、国家、队列名称、样本量）、参与者人口学特征（年龄、性别分布）、体成分评估方法、随访持续时间、事件数量、结局定义以及校正后的 HRs 及 95% CIs。使用纽卡斯尔 - 渥太华量表（NOS）评估研究质量，得分≥7 分为“高质量”，得分 5–6 分为“一般质量”。分歧通过共识解决。

统计分析
采用 DerSimonian-Laird 方法进行随机效应荟萃分析，以合并各研究的风险比。使用 Cochran Q 统计量、研究间方差（τ2）和 I2 统计量评估异质性。按年龄组（< 50 岁，50–65 岁，> 65 岁）、性别构成（主要为男性、混合、主要为女性）、研究质量（良好与一般）和体成分评估方法（DXA、BIA、CT、MRI）进行亚组分析。进行荟萃回归以测试测量方法对效应的调节作用。使用漏斗图检查、Egger 回归检验和修剪填充法评估发表偏倚。

此外，我们报告 Cochran Q 统计量及其相关 p 值，通过 DerSimonian-Laird 方法估计的研究间方差（τ2），以及研究特定的对数转换风险比 [log(HR)] 及其相应标准误，以实现荟萃分析的完全可重复性（补充表 1 和补充表 2）。完整的 R 分析代码见补充附录 2。所有分析均使用 R 版本 4.2.1 及 metafor 包进行 [14]。统计显著性设为 p < 0.05（双侧）。

结果
研究选择
系统检索在五个数据库中识别出 2,847 条记录（PubMed：1,234 条；Embase：687 条；Web of Science：543 条；Cochrane Central：234 条；Scopus：149 条）。去除 691 条重复记录后，通过标题和摘要筛选了 2,156 条记录，排除 2,000 条。对 156 篇文章进行全文评估后，排除 138 项研究（横断面设计：n = 67；随访时间不足：n = 28；无体成分数据：n = 21；缺失结局数据：n = 15；数据不足：n = 7）。18 项研究符合所有纳入标准并纳入定量荟萃分析（图 1）。

图 1 全尺寸图像 PRISMA 流程图展示了本荟萃分析的系统文献检索和研究选择过程。共识别 2,847 条记录，其中 18 项研究符合所有纳入标准进行定量综合

研究特征
18 项纳入研究共涵盖 129,777 名参与者，在平均 11.4 年的随访期内发生了 5,647 例心脏代谢事件（表 1）。研究在多个国家进行（美国：n = 13；英国：n = 2；瑞典：n = 2；多国欧洲：n = 1）。体成分通过 DXA（n = 12）、BIA（n = 4）、CT（n = 1）和 MRI（n = 1）评估。参与者平均年龄范围为 47 至 74 岁，女性参与者比例范围为 0% 至 100%。11 项研究被评为高质量（NOS≥7），7 项研究被评为一般质量（NOS 5–6）。

表 1 纳入研究特征 (n = 18) 全尺寸表格

荟萃分析
合并随机效应估计显示较高的 LCI 与增加的心脏代谢疾病风险存在显著正相关（HR = 1.174，95% CI：1.145–1.204；p < 0.0001；图 2）。这对应于 LCI 每增加一个单位，心脏代谢事件风险增加 17.4%。

图 2 全尺寸图像 森林图显示了负荷容量指数与心脏代谢疾病风险关联的单项研究风险比（HRs）及 95% 置信区间（CIs）。每个方块代表一项研究 HR，大小与研究权重成比例。水平线代表 95% CIs。红色菱形代表合并随机效应估计（HR = 1.174，95% CI：1.145–1.204）。虚线垂直线表示无效值（HR = 1.0）。异质性统计量：I2 = 11.6%，Q = 19.22，df = 17，p = 0.3159，τ2 = 0.000347

18 项研究间存在较低的研究间异质性（I2 = 11.6%；Cochran Q = 19.22，df = 17，p = 0.3159；τ2 = 0.000347）。我们通过独立计算各研究特定的 log(HR) 值及其标准误来仔细验证了这些计算（补充表 1）。单项研究 HR 范围从 1.08 到 1.30，合并估计值 1.174 恰当地位于这些值的逆方差加权平均位置。11.6% 的较低 I2 表明观察到的变异性中约有 88% 反映了抽样误差而非真正的研究间差异。

固定效应模型得出了几乎相同的估计值（HR = 1.174，95% CI：1.146–1.202），证实了结果的稳健性。留一法敏感性分析显示没有单一研究不当影响合并估计值，当依次排除每项研究时，HR 范围在 1.164 到 1.183 之间。排除七项一般质量研究的敏感性分析（HR = 1.18，95% CI：1.14–1.21）和仅限制于 DXA 研究的分析（HR = 1.19，95% CI：1.15–1.23）产生了 consistent 的结果（表 2；补充表 3）。

表 2 荟萃分析结果 全尺寸表格

亚组分析
LCI 与心脏代谢风险的关联在所有检查的亚组中保持一致（表 3；图 3；补充图 1）。按年龄组，该关联存在于年轻人（< 50 岁：HR = 1.13，95% CI：1.07–1.20）、中年人（50–65 岁：HR = 1.16，95% CI：1.11–1.21）和老年人（> 65 岁：HR = 1.21，95% CI：1.16–1.25）中，在较年长人群中表现出向更强关联的非显著趋势（p-交互 = 0.18）。按性别构成，该关联在主要为男性（HR = 1.21，95% CI：1.15–1.26）、混合（HR = 1.16，95% CI：1.12–1.21）和主要为女性队列（HR = 1.16，95% CI：1.08–1.25）中相似（p-交互 = 0.42）。按研究质量，高质量研究显示类似的关联（HR = 1.18，95% CI：1.14–1.21），与一般质量研究（HR = 1.17，95% CI：1.12–1.23）相比（p-交互 = 0.87）。

表 3 亚组分析 全尺寸表格

图 3 全尺寸图像 亚组森林图显示了负荷容量指数与心脏代谢疾病风险关联，按年龄组、性别构成和研究质量分层。红色菱形代表合并亚组估计值。虚线垂直线表示无效值（HR = 1.0）。所有亚组效应均具有统计学显著性，并与总体合并估计值一致

按体成分评估方法进行荟萃回归显示无显著效应调节（p = 0.61）。基于 DXA 的研究（HR = 1.19，95% CI：1.15–1.23）和基于 BIA 的研究（HR = 1.14，95% CI：1.10–1.19）得出了可比的估计值（补充表 4）。

增量预测价值
五个队列（Health ABC、ARIC、Jackson Heart、MESA、Whitehall II）在将 LCI 添加到包含既定心脏代谢风险因素的模型中时报告了增量预测指标（表 4）。C 统计量的改善范围从 0.025 到 0.041（所有 p < 0.05）。NRI 范围从 0.15 到 0.28，IDI 范围从 0.018 到 0.047。值得注意的是，LCI 的 NRI（0.15–0.28）是 Yeboah 等人 [15] 报告的超敏 C 反应蛋白（hs-CRP；NRI = 0.079）基准 NRI 的 1.9 至 3.5 倍，表明 LCI 提供的重分类改善显著大于这一既定炎症生物标志物。

表 4 LCI 在既定风险因素之外的增量预测价值 全尺寸表格

发表偏倚
漏斗图的目视检查显示轻微不对称（图 4）。Egger 回归检验显示小研究效应的非显著趋势（截距 = 0.33，p = 0.067）。修剪填充法插补了两个假设研究，并得出校正后的合并 HR 为 1.155（95% CI：1.112–1.200），该结果仍具有统计学显著性和临床意义，表明潜在的发表偏倚不会实质性地改变结论。

图 4 全尺寸图像 评估主要荟萃分析发表偏倚的漏斗图。

X 轴代表对数风险比，Y 轴代表标准误。垂直虚线表示合并效应估计值。阴影区域代表伪 95% 置信区间。观察到轻微的不对称性；Egger 检验：p = 0.067（无统计学意义）。

讨论
本系统综述和荟萃分析纳入 18 项纵向队列研究，表明较高的 LCI 独立且一致地与代谢性疾病风险增加 17.4% 相关（HR = 1.174，95% CI：1.145–1.204）。该关联在不同人群中异质性较低（I2 = 11.6%），结合其在已确立风险因素之外具有显著的增量预测价值，使 LCI 成为代谢疾病风险分层的有前景的生物标志物。

与既往证据的比较
我们的发现扩展了既往将身体成分比率与代谢疾病风险因素相关联的横断面证据 [16, 17]。合并 HR 为 1.174，与已确立的炎症和代谢生物标志物（如升高的 hs-CRP，HR ≈ 1.15–1.20）[18] 相当，表明 LCI 捕捉到了幅度相似的风险维度。重要的是，LCI 的增量预测价值（NRI：0.15–0.28）显著超过了 hs-CRP（NRI = 0.079）[15]。

生物学合理性
LCI 与代谢疾病风险之间的一致关联通过多个相互关联的途径在生物学上是合理的。脂肪组织过多（“负荷”成分）通过脂肪因子失调促进慢性低度炎症，通过游离脂肪酸通量增加胰岛素抵抗，并导致肝脏、胰腺和血管的异位脂肪沉积 [19]。相反，瘦组织缺失（“能力”成分）降低葡萄糖处置能力，降低基础代谢率，并损害肌因子介导的抗炎信号 [20]。LCI 独特地同时捕捉了这两个维度，提供了比单独使用任一成分更全面的新陈代谢负荷与能力平衡评估 [21]。

临床意义
我们的发现的临床意义由几个关键观察结果所强调。首先，DXA 和 BIA 衍生的 LCI 估计值的等价性（p-interaction = 0.58）支持了使用便携式、低成本的 BIA 设备在初级保健环境中实施临床应用的可行性。其次，LCI 在综合风险因素模型（包括 BMI、血压、血脂和血糖标志物）之外的增量预测价值表明，LCI 捕捉到了常规评估中尚未考虑的风险维度。第三，NRI 为 0.15–0.28，超过了通常认为具有临床意义（NRI > 0.10）的阈值，并显著超过了 hs-CRP 的基准 [15]。鉴于这些发现，LCI 提供了补充常规风险评估的稳健预测价值。强大的预测性能、通过 BIA 实现的测量可行性以及明确的生物学合理性，支持将其作为补充工具整合到临床风险分层算法中，以指导预防性干预措施 [22]。

优势与局限性
该荟萃分析的优势包括巨大的累计样本量（n = 129,777），仅纳入具有充足随访时间（平均 11.4 年）的纵向研究，对增量预测价值的全面评估，以及不同人群中研究结果的一致性。PROSPERO 注册和对 PRISMA 2020 指南的遵循确保了方法的严谨性。使用 GRADE 框架将证据的整体确定性评级评为高（补充表 5）。局限性包括 Egger 检验显示小样本效应趋势无统计学意义（p = 0.067），尽管修剪填充法调整后的估计值仍然显著（HR = 1.155）。纳入研究的观察性质排除了因果推断。研究间结局定义（心血管疾病、糖尿病、代谢综合征）的异质性可能限制结论的特异性，尽管按结局类型进行亚组分析显示了关联的一致性。最后，大多数纳入研究是在西方人群中进行，限制了向其他族裔群体的推广性。

结论
较高的 LCI 在不同人群中独立且一致地与代谢性疾病风险增加相关（HR = 1.174，对应每单位增加风险增加 17.4%）。低异质性（I2 = 11.6%）、一致的亚组效应和显著的增量预测价值（NRI：0.15–0.28）支持了 LCI 作为补充风险分层工具的临床实用性。未来的研究应评估在前瞻性临床试验中 LCI 指导的干预是否改善代谢性疾病结局。