2. 潍坊医学院附属医院, 潍坊 261053;
3. 中国生长发育行为医学研究中心, 济宁 272029
2. The Affiliated Hospital of Weifang Medical University, Weifang 261053, China;
3. Chinese Center for Behavioral Medical Research in Growth and Development, Jining 272029, China
代谢综合征(metabolic syndrome, MS)是一系列代谢异常症候群, 包括糖尿病、高血压、高尿酸血症等[1]。中心性肥胖和胰岛素抵抗是MS最重要的病理生理机制。临床工作和大规模流行病学调查需要使用人体测量学指标评价中心性肥胖程度, 并预测MS的发病风险。现就国内外MS相关人体测量学指标的研究进展综述如下。
1 MS与人体测量学指标 1.1 人体测量学指标相关的MS诊断标准1998年, 世界卫生组织(WHO)第一次提出国际公认的MS定义, 其中人体测量学相关的指标为腰臀比(WHR):男>0.90;女>0.85和(或)体质指数(BMI)>30kg/m2。该定义把WHR、BMI作为诊断肥胖的一项补充指标。
1999年, 欧洲胰岛素抵抗研究组(EGIR)诊断标准是以胰岛素抵抗为基础加以中心性肥胖的评价标准:男性腰围(WC)≥94cm, 女性WC≥80cm, 此定义中首次使用腰围(waist circumference, WC), 而不是BMI或WHR比值来定义MS相关的脂肪分布异常, 提示腹部脂肪量得到重视。
2001年, 美国国家胆固醇教育计划(National Cholesterol Education Program, NCEP)成人治疗专家组第3次报告(Adult Treatment Panel Ⅲ, ATP Ⅲ)将中心性肥胖放在首位, 标准为男性WC≥102cm, 女性WC≥88cm, 这一分级标准并不适用于中国人群。
2005年, 国际糖尿病联盟(International Diabetes Federation, IDF)对MS新定义以腰围反映的中心性肥胖为先决条件, 不同族群有不同的腰围阈值, 中国男性WC>90cm, 中国女性WC>85cm。
2009年, IDF与美国心脏协会/美国国立心肺血管病学研究所(AHA/NHLBI)发表联合声明, 在世界范围内对MS的诊断标准达成了新共识, 其中有关腰围切点的判定依人群和国家而定[2]。
2013年, 《中华人民共和国卫生行业标准—成人体重判定》规定:男性WC≥90cm, 女性WC≥85cm为中心性肥胖[3]。
目前, MS的定义和诊断标准并未统一。因为中心性肥胖与糖尿病、高血压、心脑血管疾病等代谢性疾病密切相关, 是MS发生、发展的重要促进因素, 所以都将中心性肥胖作为MS诊断的必要条件。WC可以有效地反应腹部脂肪聚集程度, 故将其作为中心性肥胖的衡量标准。
2 人体测量学指标的定义、计算测量方法及意义 2.1 BMI肥胖是指人体内脂肪含量超过正常范围, 能引起人体生理功能异常, 并潜伏着诱发其他疾病的一种状态。肥胖与MS密切相关, 是其重要的病理生理基础。WHO推荐使用体质指数(BMI)衡量人体胖瘦及营养状况。WHO分级范围BMI < 25.0kg/m2(正常体重), BMI 25.0~29.9kg/m2(超重), BMI>30.0kg/m2(肥胖)。而我国BMI≥30kg/m2者仅占5%~10%。2002年WHO专家共识认为不同人种的BMI与体脂百分数的关联程度不同, 亚洲人BMI于22~25kg/m2时, 罹患糖尿病和心血管疾病的风险开始升高, BMI于26~31kg/m2时, 具有极高的糖尿病和心血管疾病的患病风险[4]。亚洲人群在较低的BMI下即可出现代谢性疾病, 提示应针对不同种族制定不同的分级标准。
用BMI判定肥胖程度, 其优点在于计算简便, 无须额外设备。BMI的局限性主要包括:1)会因性别种族差异造成对肥胖程度的错误判定[5]; 2)BMI侧重于评价全身性肥胖程度, 并不能有效反映对健康影响更大的腹部脂肪分布情况; 3)BMI增大不能区别是由于脂肪含量增多还是肌肉含量增多, 即无法区别体成分中骨骼肌肉脂肪的含量。
2.2 WCMS的临床特征和(或)发病危险因素之一是中心性肥胖, 也称为腹型肥胖。近年来大量研究表明, 腹部脂肪蓄积与心血管疾病及胰岛素抵抗具有更高的相关性, WC作为腹部脂肪的评价指标在预测心血管疾病的危险性方面比BMI具有更高的价值。强调WC的重要性, 反映了人们认识到中心性肥胖在MS发展过程中的重要作用。腰围测量以肋缘与髂嵴上缘的中间平面为准, 操作简便易行。
WC可以预测MS相关组分心血管疾病发病风险。研究发现, 若受试者符合中心性肥胖的标准, 其心血管疾病发病风险(HR:1.65, 95%CI:1.09~2.48)相较于非中心性肥胖对照组(HR:1.66, 95%CI:1.04~2.66)风险增高[6]。另有研究得出相似的结论, 成人WC与心血管发病风险呈正相关, OR 1.94(95%CI:1.10~3.43)[7]。另外探究WC与心血管疾病发病相关切点的研究结果显示, 当男性WC>81.2cm(95%CI:78.5~83.8cm); 女性WC>81.0cm(95%CI:79.2~82.8cm)时, 心血管疾病的患病风险开始增大, WC增大程度与心血管疾病风险相关性方面, 女性较男性更强, 分别为64%(95%CI:63~65)和53%(95%CI:51~55)[8]。
正常WC范围:男性WC < 90cm, 女性WC < 85cm。WC与MS相关组分高血压关系的研究:与对照组(正常腰围范围±2.5%)相比, 腰围大于正常范围的5%, 男女受试者高血压的发病风险增高, RR值分别为1.34(95%CI:1.15~1.57)和1.28(95%CI:1.10~1.50), 腰围小于正常范围2.5%, 高血压发病风险降低RR 0.81(95%CI:0.67~0.98)[9]。
WC是评价中心性肥胖最常用的指标, 但有一定的局限性。WC切点存在性别种族身高差异, 目前还无统一标准。此外, WC增大可能是因为皮下脂肪过多, 而非腹内脂肪过度堆积所致, 而也有研究认为内脏脂肪增多与MS的关系更为紧密, 因此WC作为MS的独立危险因子仍需进一步研究支持。
2.3 腰身比(Waist-to-height ratio, WHtR)1995年提出WHtR的概念, 易于计算。近年来研究发现WHtR排除了身高、性别的影响可作为一个有效的中心性肥胖指标来预测2型糖尿病, 且腰身比预测代谢危险的作用优于双能X线直接进行的体脂含量测定。
探究WHtR与心血管疾病相关性研究认为:WHtR在0.48~0.52时, 高血压患病风险明显升高。另有研究支持以WHtR为0.50作为评价中国中年人群中心性肥胖的适宜切点[10]。
WHtR是胰岛素抵抗的独立预测因素, 能够预测肥胖病人潜在的糖尿病发病情况。WHtR评价胰岛素抵抗指数(HOMA-IR)和胰岛素分泌指数(HOMA-β cell)理想切点为0.65和0.67。当WHtR超过切点值时, 胰岛素抵抗风险显著升高[11]。Vikam等[12]观察到, 当WHtR>0.5时高胰岛素血症和MS的发病率增加。此外, WHtR还与腹部脂肪量呈强相关, 腹部脂肪量增加也会加重胰岛素抵抗。
纳入31篇相关研究的meta分析比较了BMI、WC、WHtR 3者在预测MS相关组分发病风险能力, WC相较于BMI的预测准确性提高了3%(P<0.05);WHtR相较于BMI预测准确性提高了4%~5%(P<0.01)。在预测女性2型糖尿病发病风险方面, BMI的特异性为70%[AUC=0.70, (0.67~0.73)]; WC预测特异性为74%[AUC=0.74(0.72~0.76)]; WHtR预测特异性为75%[AUC=0.75(0.73~0.77)]。在预测男性2型糖尿病风险方面, BMI特异性为66%[AUC=0.66(0.64~0.69)]; WC预测特异性为70%[AUC=0.70(0.68~0.72)]; WHtR预测特异性为71%[AUC=0.71(0.69~0.73)][13]。由此可见, WHtR与WC预测MS发病风险能力相近, 因其校正了身高的差异, 更具优越性。
2.4 内脏脂肪指数(visceral adiposity index, VAI)1956年Vague将脂肪按分布区域分为中心性脂肪和周围性脂肪。他发现中心性脂肪与2型糖尿病的相关性更强, 此结论被随后大量流行病学研究证实。腹部脂肪量基线值每增加1SD(1.4kg), 2型糖尿病患病风险OR为2.4(95%CI:1.6~3.7);体重每增加1kg, 2型糖尿病的患病风险OR为1.06(95%CI:1.02~1.10)[14]。
2010年Amato等[15]报道了VAI。VAI是一个评价内脏脂肪分布及功能的性别特异性指标, VAI计算方法如下:
$ {\rm{男性:}}VAI = \frac{{WC}}{{39.68 + \left( {1.88 \times BMI} \right)}}) \times \left( {\frac{{TG}}{{1.03}}} \right) \times \left( {\frac{{1.31}}{{HDL}}} \right) $ |
$ {\rm{女性:}}VAI = \frac{{WC}}{{36.58 + \left( {1.89 \times BMI} \right)}}) \times \left( {\frac{{TG}}{{0.81}}} \right) \times \left( {\frac{{1.52}}{{HDL}}} \right) $ |
肥胖可导致尿酸代谢异常和高尿酸血症。2009年中国健康与营养调查研究结果显示:VAI与高尿酸血症相关性强于BMI、WC和WHR。VAI数值越高, 与高尿酸血症的相关性越强, 校正性别年龄后, VAI预测高尿酸血症的OR为6.93(95%CI:5.79~8.29)[16]。使用VAI区分正常体重和超重时, 对于不同年龄人群, VAI切点不同, 分别为2.52(< 30岁); 2.23(30~42岁); 1.92(42~52岁); 1.93(52~66岁); 2.00(≥66岁)[15]。另有研究显示VAI与心血管疾病也具有一定的相关性, VAI升高, 冠脉远段狭窄风险也会增大[17]。VAI与MS多种相关组分有关, 尤其是与高尿酸的相关性最强。
2.5 身体形态指数(a body shape index, ABSI)2012年Krakauer[18]提出ABSI的概念。
ABSI预测糖尿病发病风险的横断面研究显示[20]:WHtR与糖尿病的Spearman相关系数最高, 男性OR为2.40, (95%CI:1.42~3.39);女性OR为2.67(95%CI:1.60~3.74, P<0.001)。ABSI与糖尿病的Spearman相关系数最低, 男性OR为1.51(95%CI:1.05~1.97, P<0.05);女性OR为1.55(95%CI:1.07~2.04, P<0.05), 说明WHtR是糖尿病预测能力强于ABSI, 当使用ABSI预测糖尿病发病风险时, 对于男性而言, AUC为0.61(95%CI:0.58~0.63);对于女性而言, AUC为0.61(95%CI:0.59~0.63)。
ABSI可以独立预测新发糖尿病, 校正变量之后ABSI每增大1SD, HR增加41%(95%CI:12%~77%), 其ROC:为0.647(95%CI:0.581~0.713); BMI每增加1SD, HR增加73%(95%CI:37%~118%), 其ROC为0.668(95%CI:0.601~0.734);WC每增加1SD, HR增加96%(95%CI:53%~150%), 其ROC为0.701(95%CI:0.641~0.760)[21]。由此可见, ABSI虽然对MS相关组分有一定的预测作用, 但是预测效力弱于WC和BMI。
3 展望综上所述, 临床上我们可应用多种人体测量学指标评价MS, 预测疾病发病风险和预后情况。人体测量学指标具有非侵入性, 简单即时, 可操作性强等优点, WC、WHtR及BMI在临床工作中已广泛应用。但也存在一定的局限性, 如操作变异性大、时间变异性大、特异性相对较低等问题。如WC、BMI在一天中不同时间如餐前、餐后存在差异等。随着人们对各种人体测量学指标与MS发病风险相关性研究的不断深入, MS的诊断标准将更加完善, 能更有效地识别MS相关组分的早期发病风险, 为防控MS带来可能。
[1] | Liang W, Gao L, Li N, et al. Efficacy and safety of bromocriptine-QR in type 2 diabetes:a systematic review and meta-analysis[J]. Horm Metab Res, 2015, 47(11): 805–812. DOI:10.1055/s-0035-1559684 |
[2] | Wei B, Liu Y, Lin X, et al. Dietary fiber intake and risk of metabolic syndrome:a meta-analysis of observational studies[J]. Clin Nutr, 2017. DOI:10.1016/j.clnu.2017.10.019 |
[3] | 闫成锐, 丁颖, 盛谨年, 等. 依据我国成人体重判定行业标准评价现行代谢综合征诊断标准在中老年人群中的应用[J]. 内科理论与实践, 2015, 10(01): 55–59. |
[4] | Yue M, Liu H, He M, et al. Gender-specific association of metabolic syndrome and its components with arterial stiffness in the general Chinese population[J]. PLoS One, 2017, 12(10): e0186863. DOI:10.1371/journal.pone.0186863 |
[5] | Marcadenti A, Fuchs FD, Moreira LB, et al. Adiposity phenotypes are associated with type-2 diabetes:LAP index, body adiposity index, and neck circumference[J]. Atherosclerosis, 2017, 266: 145–150. DOI:10.1016/j.atherosclerosis.2017.09.022 |
[6] | Keihani S, Hosseinpanah F, Barzin M, et al. Abdominal obesity phenotypes and risk of cardiovascular disease in a decade of follow-up:the Tehran Lipid and Glucose Study[J]. Atherosclerosis, 2015, 238(2): 256–263. DOI:10.1016/j.atherosclerosis.2014.12.008 |
[7] | Tian J, Qiu M, Li Y, et al. Contribution of birth weight and adult waist circumference to cardiovascular disease risk in a longitudinal study[J]. Sci Rep, 2017, 7(1): 9768. DOI:10.1038/s41598-017-10176-6 |
[8] | Ekoru K, GAV M, Young EH, et al. Deriving an optimal threshold of waist circumference for detecting cardiometabolic risk in sub-Saharan Africa[J]. Int J Obes(Lond), 2017. DOI:10.1038/ijo.2017.240 |
[9] | Zhao Y, Zhang M, Luo X, et al. Association of 6-year waist circumference gain and incident hypertension[J]. Heart, 2017, 103(17): 1347–1352. DOI:10.1136/heartjnl-2016-310760 |
[10] | 赵连成, 李莹, 彭亚光, 等. 中国成人中心性肥胖腰围身高比值的适宜切点的研究[J]. 中国预防医学杂志, 2012, 13(07): 481–485. |
[11] | Jamar G, Almeida FR, Gagliardi A, et al. Evaluation of waist-to-height ratio as a predictor of insulin resistance in non-diabetic obese individuals.A cross-sectional study[J]. Revista paulista de medicina, 2017, 135(5): 462–468. DOI:10.1590/1516-3180.2016.0358280417 |
[12] | Vikram NK, Latifi AN, Misra A, et al. Waist-to-height ratio compared to standard obesity measures as predictor of cardiometabolic risk factors in Asian Indians in north India[J]. Metab Syndr Relat Disord, 2016, 14(10): 492–499. DOI:10.1089/met.2016.0041 |
[13] | Ashwell M, Gunn P, Gibson S. Waist-to-height ratio is a better screening tool than waist circumference and BMI for adult cardiometabolic risk factors:systematic review and meta-analysis[J]. Obes Rev, 2012, 13(3): 275–286. DOI:10.1111/j.1467-789X.2011.00952.x |
[14] | Wang S, Hong X, Tu Z, et al. Angiopoietin-like protein 8:an attractive biomarker for the evaluation of subjects with insulin resistance and related disorders[J]. Diabetes Res Clin Pract, 2017, 133: 168–177. DOI:10.1016/j.diabres.2017.08.025 |
[15] | Amato MC, Giordano C, Galia M, et al. Visceral adiposity index:a reliable indicator of visceral fat function associated with cardiometabolic risk[J]. Diabetes Care, 2010, 33(4): 920–922. DOI:10.2337/dc09-1825 |
[16] | Dong H, Xu Y, Zhang X, et al. Visceral adiposity index is strongly associated with hyperuricemia independently of metabolic health and obesity phenotypes[J]. Sci Rep, 2017, 7(1): 8822. DOI:10.1038/s41598-017-09455-z |
[17] | Jelavic MM, Babic Z, Pintaric H. The importance of two metabolic syndrome diagnostic criteria and body fat distribution in predicting clinical severity and prognosis of acute myocardial infarction[J]. Arch Med Sci, 2017, 13(4): 795–806. DOI:10.5114/aoms.2016.59703 |
[18] | Krakauer NY, Krakauer JC. A new body shape index predicts mortality hazard independently of body mass index[J]. PLoS One, 2012, 7(7): e39504. DOI:10.1371/journal.pone.0039504 |
[19] | Dhana K, Koolhaas CM, Schoufour JD, et al. Association of anthropometric measures with fat and fat-free mass in the elderly:the rotterdam study[J]. Maturitas, 2016, 88: 96–100. DOI:10.1016/j.maturitas.2016.03.018 |
[20] | Chang Y, Guo X, Chen Y, et al. A body shape index and body roundness index:two new body indices to identify diabetes mellitus among rural populations in northeast China[J]. BMC Public Health, 2015, 15: 794. DOI:10.1186/s12889-015-2150-2 |
[21] | Bertoli S, Leone A, Krakauer NY, et al. Association of Body Shape Index(ABSI)with cardio-metabolic risk factors:a cross-sectional study of 6081 Caucasian adults[J]. PLoS One, 2017, 12(9): e0185013. DOI:10.1371/journal.pone.0185013 |