2型糖尿病患者肥胖严重程度与生物电阻抗分析衍生代谢年龄的关联：一项回顾性观察研究

《Metabolites》：Association Between Obesity Severity and Bioelectrical Impedance Analysis-Derived Metabolic Age in Individuals with Type 2 Diabetes Mellitus

　　

背景：代谢年龄（Met-Age，一种基于基础代谢率（BMR）和身体成分的生物电阻抗分析（BIA）衍生指标）已被认为与心脏代谢风险相关。然而，在2型糖尿病（T2DM）患者中，其与由身体质量指数（BMI）定义的肥胖严重程度之间的关系尚不清楚。本研究探讨了肥胖严重程度与Met-Age之间的关联，并识别了与Met-Age相关的因素。方法：在这项回顾性观察研究中，683名成年T2DM患者被分为五个BMI类别：正常体重、超重以及I级、II级和III级肥胖。研究人员采用相关性分析和性别分层的多变量线性回归分析，对人体测量数据、实验室数据及BIA衍生的身体成分数据进行了分析。结果：尽管各组间的实际年龄无显著差异，但Met-Age随肥胖严重程度的增加而逐步升高（p < 0.001）。Jonckheere–Terpstra检验确认了Met-Age在各BMI类别间存在显著的有序递增趋势。BMI、脂肪质量和腰围身高比（WHtR）也随肥胖严重程度的增加而逐步升高。在多变量回归分析中，实际年龄和WHtR在两性中均与Met-Age呈正相关，而肌肉质量仅在女性参与者中与Met-Age呈弱负相关。Met-Age与空腹血糖（FBG）或糖化血红蛋白（HbA_1c）水平之间未发现显著相关性（均p > 0.05）。结论：在T2DM患者中，肥胖严重程度越高，BIA衍生的Met-Age越高。WHtR在两性中均与Met-Age呈正相关，而肌肉质量在女性参与者中与Met-Age呈弱负相关。Met-Age或许可作为一个反映身体成分和代谢特征的描述性指标；然而，其超越BMI和WHtR的增量临床价值尚未得到证实。

**论文解读**

**一、研究背景与问题提出**

2型糖尿病（T2DM）和肥胖是全球范围内患病率快速增长的慢性代谢性疾病，两者在病因学和病理生理学上紧密交织，共同构成重大的公共卫生挑战。胰岛素抵抗被认为是连接肥胖与T2DM的核心病理生理机制。在肥胖个体中，尤其是内脏脂肪过多的个体，慢性低度炎症和脂肪因子失调在胰岛素抵抗的发生发展中起关键作用。当胰腺β细胞无法充分代偿这种代谢功能障碍时，持续性高血糖便会发展，最终导致T2DM。此外，慢性高血糖和胰岛素抵抗还会对身体成分产生不良影响，促进脂肪质量增加、骨骼肌质量减少以及肌少症的发生。

代谢年龄（Met-Age）是由生物电阻抗分析（BIA）设备衍生的一项参数，主要基于基础代谢率（BMR）进行估算。BMR与Met-Age之间存在反向关系：BMR值越高，Met-Age估算值越低；反之亦然。由于相同实际年龄个体的BMR差异很大，Met-Age被认为是一种更直观的代谢状态指标。既往研究已证明Met-Age与身体成分参数之间存在显著关联，包括与身体质量指数（BMI）、脂肪质量、内脏肥胖和体脂率呈正相关。Met-Age超过实际年龄被认为与不良代谢谱和心血管疾病风险增加相关，而较低的Met-Age则通常被视为代谢健康较好的标志。此外，较高的Met-Age值已被证明与代谢综合征（MetS）及其他心脏代谢风险表型密切相关，Met-Age因此被提议作为MetS的潜在预测指标。然而，尽管有关Met-Age临床意义的研究证据日益增多，但尚无研究探讨其与BMI定义的肥胖严重程度之间的关系。因此，本研究旨在探讨在T2DM患者中，基于BMI的肥胖严重程度与Met-Age之间的关联，并识别在肥胖合并T2DM患者中与Met-Age相关的因素。

**二、关键技术方法概述**

本研究为回顾性观察研究，纳入2025年1月至2026年1月期间在K?r?ehir Training and Research Hospital内科门诊定期就诊并接受BIA检测的T2DM患者683名。研究排除了年龄<18岁、患有恶性肿瘤、妊娠、佩戴心脏起搏器、心律失常、急性或慢性感染、癫痫以及存在糖尿病急性并发症（低血糖、酮症酸中毒、高渗性高血糖状态）的个体。参与者根据BMI分为正常体重、超重、I级肥胖、II级肥胖和III级肥胖五组。BIA测量使用Tanita MC-780MA多频分析仪（5 kHz、50 kHz和250 kHz），Met-Age由制造商专有算法基于估算BMR和年龄特异性参考值计算得出。人体测量按照世界卫生组织标准化方案进行，包括腰围、臀围、身高及由此计算的腰臀比（WHR）和腰围身高比（WHtR）。实验室检测包括空腹血糖（FBG）、糖化血红蛋白（HbA_1c）、血脂谱、肾功能指标和肝功能指标；估算肾小球滤过率（eGFR）采用去除种族系数的CKD-EPI 2021肌酐方程计算。统计分析采用Kruskal–Wallis检验、Jonckheere–Terpstra趋势检验、Spearman相关分析以及性别分层的多变量线性回归分析，并通过方差膨胀因子（VIF）和容忍度评估多重共线性。

**三、主要研究结果**

**3.1 各BMI组基线特征比较**

五组T2DM患者的实际年龄无显著差异（p = 0.191），但女性参与者比例和Met-Age随肥胖严重程度增加而显著升高（p < 0.001）。BMI、WHtR、脂肪质量和肌肉质量在各BMI组间差异显著。FBG、HbA_1c、总胆固醇、低密度脂蛋白胆固醇（LDL-C）和高密度脂蛋白胆固醇（HDL-C）水平在各组间相似（均p > 0.05），而甘油三酯（TG）水平存在显著差异（p = 0.045）。在肾功能参数中，仅肌酐水平随肥胖严重程度增加而降低（p = 0.009）。Jonckheere–Terpstra检验确认了Met-Age在各BMI类别间存在显著的有序递增趋势（标准化J-T统计量 = 13.273，p < 0.001），同时BMI、WHtR和脂肪质量也呈现显著递增趋势（均p < 0.001）。经实际年龄和性别校正后，调整后的Met-Age均值在正常体重组为55.69岁，超重组为57.47岁，I级肥胖组为64.05岁，II级肥胖组为69.31岁，III级肥胖组为71.04岁。Bonferroni校正后的两两比较显示除II级和III级肥胖之间外（p = 0.129），其余各BMI组之间均存在显著差异（均p < 0.001）。

**3.2 Met-Age与各变量在各BMI组中的相关性**

Met-Age与实际年龄在所有组中均呈强正相关（均p < 0.001）。BMI在超重和I级肥胖组中与Met-Age呈弱正相关（均p < 0.05）。肌肉质量在超重及各肥胖组中与Met-Age呈负相关（均p < 0.05），而脂肪质量在正常体重组中与Met-Age呈负相关（p = 0.019），在I级肥胖组中呈正相关（p = 0.021）。WHtR在超重和I级肥胖组中与Met-Age呈正相关（均p < 0.001），而WHR未显示显著关联。Met-Age与FBG或HbA_1c水平之间未发现显著相关性（均p > 0.05）。在肾功能指标中，尿素和血尿素氮（BUN）在所有组中均与Met-Age呈正相关（均p < 0.001），eGFR在所有组中均与Met-Age呈强负相关（均p < 0.001）。鉴于亚组相关性分析数量较多，研究者将重点放在一致性强且稳定的关联上。

**3.3 肥胖参与者的性别分层分析**

在383名肥胖合并T2DM的参与者中，实际年龄和Met-Age在性别间无显著差异。女性参与者的BMI（p = 0.006）和脂肪质量（p < 0.001）更高，而男性参与者的肌肉质量更高（p < 0.001）。WHtR在性别间相似（p = 0.885），但WHR在男性中更高（p < 0.001）。FBG、HbA_1c和TG水平无性别差异。性别分层的相关性分析显示，在两性中Met-Age均与实际年龄（p < 0.001）、BMI、脂肪质量和WHtR（均p < 0.001）呈正相关。肌肉质量仅在女性参与者中与Met-Age呈负相关（p = 0.001）。Met-Age与FBG或HbA_1c在两性中均无显著相关性。肾功能参数中，尿素和BUN在两性中均与Met-Age呈正相关，eGFR在两性中均与Met-Age呈负相关（均p < 0.001）。

**3.4 多变量线性回归分析**

在男性参与者中（n = 96），整体回归模型具有统计学显著性（p < 0.001），解释了Met-Age变异的98.2%（R² = 0.982）。实际年龄每增加一年，Met-Age增加0.932年（B = 0.932，95% CI：0.904–0.959，p < 0.001）；WHtR每增加一个单位，Met-Age增加55.341年（B = 55.341，95% CI：50.578–60.105，p < 0.001）。两变量的VIF值均为1.001，表明无显著多重共线性。在女性参与者中（n = 287），实际年龄（B = 0.882，95% CI：0.858–0.907，p < 0.001）和WHtR（B = 44.729，95% CI：40.927–48.531，p < 0.001）均与Met-Age呈显著正相关。此外，肌肉质量与Met-Age呈弱负相关（B = ?0.062，95% CI：?0.111至?0.014，p = 0.012）。女性模型中VIF值介于1.145–1.444，亦表明无显著多重共线性。层级回归分析表明，在男性中实际年龄单独解释了Met-Age变异的87.9%，加入WHtR后解释变异增至98.2%（ΔR² = 0.103）；在女性中实际年龄单独解释86.8%，加入WHtR后增至95.8%（ΔR² = 0.090）。

**四、讨论与结论**

本研究为肥胖严重程度与BIA衍生Met-Age之间的关联提供了补充证据：在实际年龄相似的T2DM患者中，肥胖严重程度越高，Met-Age值越高。值得特别注意的是，Met-Age并非独立的生物学衰老生物标志物，而是基于BMR和身体成分相关估算的BIA衍生指标。因此，观察到的与肥胖相关指标的关联可能至少部分反映了Met-Age专有算法的内部结构以及肥胖、身体成分和BMR之间的密切关系。实际年龄和WHtR是在两性中与Met-Age最稳定相关的变量。WHtR作为一种简单实用的人体测量指标，能够较好地反映腹部肥胖和身体脂肪分布，在心脏代谢风险评估中日益受到重视，可能作为BMI和身体成分测量的临床补充指标。

研究发现肌肉质量在女性参与者中与Met-Age呈弱负相关，这与骨骼肌在葡萄糖代谢和能量消耗中的核心作用相一致。然而，高R²值应谨慎解读：因为Met-Age是从BIA衍生的身体成分和BMR估算中计算得出的专有指标，结局变量与预测变量之间可能存在一定程度的算法依赖性，高R²值可能部分反映了对设备生成结局变量的数学重构，而非独立的临床预测效度。

血糖参数（FBG和HbA_1c）与Met-Age之间缺乏显著关联值得关注，这可能与研究人群均由T2DM患者组成、血糖参数分布相对同质有关，也可能表明Met-Age更多反映的是肥胖相关指标和更广泛的代谢过程，而非单纯的血糖控制。肾功能参数与Met-Age的关联应特别谨慎解读：eGFR本身使用年龄作为CKD-EPI 2021方程的组成部分，因此eGFR与Met-Age之间的强负相关可能主要源于两者对实际年龄的共同依赖，不应被解释为肾脏病理生理的直接证据。

本研究具有若干优势：探讨了一个相对未被充分研究的问题，研究对象特征明确，纳入了全面的人体测量、身体成分、代谢指标和肾功能标志物，并采用了BIA这一实用且非侵入性的评估方法。然而，研究也存在若干局限性：回顾性设计限制了因果推断；缺乏糖尿病病程、降糖药物使用、体力活动、吸烟、饮酒、营养状况、合并症、更年期/雄激素状态及睡眠等潜在重要变量的数据；Tanita Met-Age算法使用了制造商特异性和人群特异性的参考方程，应用于土耳其T2DM人群可能引入系统偏倚；BIA在极度肥胖个体中的准确性可能有限；以及缺乏对临床结局（如糖尿病并发症、心血管事件、衰弱和死亡率）的评估。

研究结论指出：在T2DM患者中，肥胖严重程度越高，BIA衍生的Met-Age越高。实际年龄和WHtR在两性中均与Met-Age呈正相关，而肌肉质量在女性中呈弱负相关。这些发现提示Met-Age可能反映与肥胖相关的身体成分和代谢特征的差异。然而，鉴于Met-Age是通过专有算法从BIA身体成分和BMR估算中衍生得出的，这些发现不应被解读为生物学衰老加速的证据。此外，本研究并未证明Met-Age能提供超越BMI和WHtR等传统人体测量和代谢指标的增量临床价值或优越性。未来需要开展纳入详细用药和生活方式数据、全面营养评估以及身体成分参考方法的前瞻性研究，以确定Met-Age能否在现有指标之外提供预后信息。