成年人肥胖和脂質相關指標對代謝綜合征的影響及預測價值研究

【摘要】背景代謝綜合征（MetS）是心血管并發癥和腎損害的重要危險因素。肥胖和脂質相關指標與MetS密切相關，目前不同指標對 MetS的預測價值尚有爭議。目的本研究旨在評估脂質積累指數、BMI、內臟脂肪指數、中國內臟脂肪指數（CVAI）、腹容積指數（AVI）、體脂肪指數、體圓度指數、體型指數（ABSI）、三酰甘油葡萄糖指數（TyG）及其聯合指數TyG-BMI、TyG-腰圍（TyG-WC）、TyG-腰高比（TyG-WHtR）12項肥胖和脂質相關指標對 MetS 篩查和預測的最佳截斷值，并確定最合適的預測因子。方法選取2023年安徽省某國企成年人健康體檢資料，采用二元Logistic回歸分析12項肥胖和脂質相關指標與MetS 的相關性。繪制不同肥胖和脂質相關指標評估 MetS的受試者工作特征（ROC）曲線，計算ROC曲線下面積（AUC）并比較其預測價值。結果本研究共納入 4 028 名某國企成年人健康體檢者的數據，研究人群MetS總體患病率為 23.43% （944/4028），男性MetS患病率為 26.53% （816/3075），女性MetS患病率為 13.43% （128/953）。二元Logistic回歸分析結果顯示，TyG-WHtR與總人群［OR（95%CI） =7.170 （5.411＼～9.500）]、性別亞組［男性 OR （95%CI）=16.277 （11.554＼～22.930）；女性 OR R（95%CI）=13.422 （5.388＼～33.435）]、年齡亞組[ gt;50 歲男性，OR（ 95%CI ）=31.411（18.868＼～52.292）與36＼～50歲女性， OR（95%CI）=95.154 （22.610＼～400.465）」MetS患病風險相關（ Plt;0.05 ）。CVAI預測總人群、男性及年齡亞組男性 ?35 歲組和36＼～50歲組發生MetS的AUC分別為0.926（ 95%CI=0.917～0.936 ， Plt;0.001 ）、0.941（ 95%CI=0.933～0.949 ， Plt;0.001 ）、0.931（ 95%CI=0.917～0.946 ， Plt;0.001 ）、0.947（ 95%CI=0.934～0.961 ， Plt;0.001 ）；AVI預測女性及年齡亞組女性 ?35 歲和gt;50 歲、男性 gt;50 歲組發生MetS的AUC分別為0.951（ 95%CI=0.938～0.963 ， Plt;0.001 ）、0.961（ 95%CI=0.943～0.978 Plt;0.001 ）、0.909（ 95%CI=0.857～0.961 ， Plt;0.001 ）、0.962（95%CI=0.951＼～0.974， Plt;0.001 ）；TyG-WC預測年齡亞組女性36＼～50歲組發生MetS的AUC為0.949（ 95%CI=0.925～0.972 ， Plt;0.001 ）。結論TyG-WHtR與成年人MetS關聯性最強。除ABSI對MetS預測能力欠佳外，CVAI在總人群、男性及年齡亞組男性 ?35 歲組和36＼～50歲組對MetS預測能力均較佳，AVI對女性及年齡亞組女性 ?35 歲和 gt;50 歲、男性 gt;50 歲組對MetS均具有較高預測價值，TyG-WC對年齡亞組女性36＼～50歲組MetS的預測能力表現更優。

【中圖分類號】R589【文獻標識碼】A DOI：10.12114/j.issn.1007-9572.2024.0559

【Abstract】BackgroundMetabolic Syndrome（MetS）isan important risk factor for cardiovascular complicationsandkidneydamage.Obesityandlipid-relatedmarkersarecloselyasociatedwithMetS，andthepredictiveabilityofdifferentmarkersforMetSisstillcontroversial.ObjectiveTheaimofthisstudywastoevaluatetheefectof12obesityandlipidrelated indices，including lipid acumulation products，body massindex，visceral adiposity index，Chinesevisceral adiposityindex （CAVI），abdominal volume index（AVI），bodyfatindex，BMI，body sizeindex（ABSI），triacylglycerol-glucose index （TyG）anditscombined index TyG-BMI，TyG-waistcircumference（TyG-WC），andTyG-waist-heightratio（TyG-WHtR）， ontheoptimal cutoffvalues for MetSscreening and predictionand to identifythe most appopriate predictors.MethodsThe healthcheckupdataofastate-ownedenterpriseinAnuiProvincein2O23wereselected，andthecoelationbetween12besity andlipid-related indexes and MetS wasanalyedbybinarylogisticregresion.The workcharacteristics（ROC）curvesofsubjects with different obesityandlipid-related indexes assessng MetS were plotted，and the area underthe ROCcurve（AUC）was calculatedandcomparedwithitspredictivevalue.ResultsAtotalof4O28employeesofastate-ownedenterprisewereincluded in this study，and the overall prevalence of MetS in the study population was 23.43% （ 944/4028 ），with a prevalence of MetS of （204號 26.53% （816/3 075）in males and 13.43% （128/953）in females.The resultsof the logistic model showed that the TyG-WHtR was associated with an OR （95%CI）of the total population =7.170（5.411-9.500），gender subgroup[male OR （95%CI）=16.277 （11.554-22.930）； female OR（95%CI） 13.422（5.388-33.435） ]，age subgroup of males gt; 50 years old OR （95%CI） ≡= 31.411 （18.868-52.292） and 36＼～50 years old women OR（95%CI） = 95.154（22.610-400.465） had the strongest association with theoddsof developing MetS.ThepredictiveabilityofCVAIfor MetSshowed thebestpredictive efectinthetotalpopulation， males and age subgroups of males ?35 years old group and 36＼～50 years old group，with AUCs of 0.926 （95%CI=0.917-0.936， P lt;0.001），0.941（95%CI=0.933-0.949，Plt;0.001），0.931（95%CI=0.917-0.946，Plt;0.001），0.947（95%CI=0.934- 0.961， P lt;0.001）；the predictive ability of AVI for MetS was higher in women and the age subgroups of women ?35 and gt;50 years old，and in the group of men gt; 50 years old，with a higher discrimination ability，with AUCs of 0.951（95%CI=0.938＼～0.963， Plt;0.001 ），0.961[95%CI=0.943-0.978，Plt;0.001），0.909（95%CI=0.857-0.961，Plt;0.001），0.962（95%CI=0.951- 0.974，Plt;0.0ol）TyG-WCintheagesubgroupfemale36-5Oyears grouppeformedbeterinpredicting MetS withanAUCof0.949 （95%CI=0.925＼～0.972，Plt;0.001）.Conclusion TyG-WHtR had the strongest association with MetS.Except for ABSI， whichhad porpredictiveabilityforMetS，CVAIshowedbeterpredictiveabilityforMetS inthetotalpopulation，malesandage subgroups males ?35 years old group and 36＼～5O years old group，AVI had higher discriminatory ability for MetS in females and age subgroups females ?35 years old and gt; 50 years old，and males gt;5O years old group，and TyG-WC showed better predictive ability for MetS in the age subgroup females 36-5O years old group.MetS predictive ability performed better.

【Key words】 Metabolicsyndrome；Adult；Obesity；Lipid-related indexes；ROCcurve

代謝綜合征（metabolicsyndrome，MetS）是多種代謝成分異常聚集的病理狀態，至少包含以下3種代謝異常組分：中心性肥胖、高血糖、血壓升高、三酰甘油（triglycerides，TG）水平升高和高密度脂蛋白膽固醇（highdensity lipoprotein-cholesterol，HDL-C）水平降低［1]這些是動脈粥樣硬化性心血管疾病和2型糖尿病的重要危險因素，可導致動脈硬化、腎功能下降、心肌梗死和腦梗死等嚴重并發癥[2]。根據2018年全球MetS流行病學數據顯示，全球約有1/4的人口患有MetS[3]。中國MetS患病率在城市地區從 8% 增加到 10.6% ，在農村地區從 4.9% 增加到 5.3%^[3] 。因此，早期發現和及時干預MetS，對減少公共衛生資源浪費和醫療負擔具有重要意義。

計算機斷層掃描（CT）或磁共振成像（MRI）是評估肥胖和脂肪分布的金標準[4]，但這種方法成本較高、耗時且暴露于輻射。近年來，越來越多的流行病學證據表明，簡單易行的人體測量指標可用于預測 MetS［5-7]學者們發現多種與肥胖和脂質相關的指標可用于評估內臟脂肪和預測MetS。在早期的研究中，BMI是被用作衡量肥胖和超重的最常見指標[8]，但受年齡、性別差異的影響，并不能區分脂肪和肌肉質量[9]，為了彌補BMI的不足，體圓度指數（bodyroundness index，BRI）、體脂肪指數（bodyadiposityindex，BAI）、腹容積指數（abdominalvolumeindex，AVI）作為新的人體測量指標，能夠更有效地評價內臟型肥胖[10-11]。脂質積累指數（lipid accumulation product，LAP）、內臟脂肪指數（visceraladiposityindex，VAI）、中國內臟脂肪指數（chinese visceral adiposity index，CVAI）、體型指數（abodyshape index，ABSI）和三酰甘油葡萄糖指數（triglycerideglucose，TyG）是最近開發的基于腹部肥胖指數［腰圍（waistcircumferenc，WC）、BMI］、血糖和循環脂質（HDL-C、TG）的組合來估計內臟脂肪的指標[2]。此外，腰高比（waist to height ratio，WHtR）「12］是血脂異常和高血糖的最佳預測指標，WC也是血壓異常的較好預測指標。盡管上述指標對MetS有一定的預測價值，但評價MetS的最佳指標仍存在爭議。本研究探討了12項肥胖及脂質相關指標對MetS的篩查和預測作用，尋求最優參數作為快速有效的預防和簡單診斷MetS的工具，以及確定參數的最佳截斷值，為MetS的預防和治療提供依據。

1對象與方法

1.1研究對象

本研究選取某國企成年人健康體檢資料進行分析。納入標準：（1）年齡 ?18 歲：（2）2023年某國企健康體檢者。排除標準：研究所需數據缺失者。最終納入4028人。本研究通過毫州市人民醫院倫理審核批準（2024第255號）。

1.2 臨床資料收集

（1）一般資料收集：包括年齡、性別。（2）體格檢查：測量身高、體質量、WC、臀圍（hip circumference，HC）。在測量體質量和身高時，參與者穿著輕便的衣服，赤腳。在患者呼氣后用柔性塑料卷尺在肚臍水平測量WC，并在臀部最寬處測量HC。使用歐姆龍電子血壓計（HEM-7051）測量靜坐血壓，包括收縮壓（systolicblood pressure，SBP）和舒張壓（diastolicbloodpressure，DBP），共測量2次，均檢測右手臂，每次間隔 5min ，取平均值，要求受檢者右手臂置于與心臟同一水平。（3）實驗室檢查：本研究采集受檢者至少空腹 12h 的靜脈血樣標本，采用CHOD-PAP底物法測定TG、總膽固醇（totalcholesterol，TC），直接法和選擇抑制法分別測定HDL-C，己糖激酶法測定空腹血糖（fastingplasmaglucose，FPG），以上均采用貝克曼 Au5800 全自動生化分析儀檢測。（4）肥胖和脂質相關指標計算公式：LAP（男性） Σ=Σ （WC-65） ×TG ，（女性） Σ=Σ （WC-58）×TG^[13] ；VAI（男性） （ 1.88×BMI ）] ，VAI（女性）=WC/Γ[36.58+Γ（1.89×BMI）Γ]×Γ（TG/0.81）×Γ（1.52/ HDL-C）[13]；CVAI（男性） =-267.93+0.68× 年齡 +0.03×BMI+4.00×WC+22.00×Log₁₀TG- 16.32×HDL-C ，CVAI（女性） 年齡 +4.32×BMI+1.12×WC+39.76×Log₁₀TG- （204號 11.66×HDL-C^[14] BAI=HC/ 身高 ;（204號 AVI=[2× （WC） ²+0.7 （WC-HC）2] ： 身高）]2[13]； ABSI=WCI （身高 ^1/2×BMI^2/3 ）[9]； TyG=Ln （ TG× （204FPG/2）[13]； ； TyG- WC=TyG×WC [15]； WHtR=WC/ 身高[13]；TyG-WHtR=TyG × WHtR[15]。

1.3 定義與診斷標準

MetS：根據國際糖尿病聯合會（IDF）和美國心臟協會（AHA） 1 國家心肺血液研究所（NHLBI）2009年提出的診斷標準[8]，并結合中國人群腹型肥胖的修訂定義[16]，MetS的組成分為5類：（1）中心性肥胖的WC定義為女性 ?85cm ，男性 ?90cm ；（2）TG水平升高：TG水平 ?150mg/dL （ 1.7mmol/L ）；

（3）HDL-C水平降低：男性 lt;40mg/dL （ 1.0mmol/ L），女性 lt;50mg/dL （ 1.3mmol/L ）；（4）血壓升高，（204 SBP?130mmHg （ 1mmHg=0.133kPa ）和 1 或DBP?85mmHg 或正在接受降壓治療；（5）FPG升高：FPG?100mg/dL （ 5.6mmol/L ）或正在使用降糖藥物或自我報告有糖尿病病史。符合以上5個特征中的3個及以上時診斷為MetS。

1.4 統計學分析

采用IBMSPSS27.0軟件進行統計分析，連續性變量且服從正態分布時以 表示，組間比較采用獨立樣本 χ_t 檢驗；偏態分布時以 M （ P₂₅ ， P₇₅ ）表示，組間比較采用KruskalWallis H 檢驗。分類變量采用例（ % ）描述，組間比較采用 χ² 檢驗。采用二元Logistic回歸模型評估肥胖和脂質相關指標與MetS發病率之間的關系，對變量進行多重共線性檢驗，共線性診斷標準為：方差膨脹因子（VIF） gt;10 或容差約0.1，條件指數gt;30 ，方差比 gt;50% ，所選變量均不存在多重共線性。再通過Hosmer-Lemeshow檢驗對混雜因素進行反復調整，Pgt;0.05 認為模型擬合良好。繪制不同肥胖和脂質相關指標預測成年人MetS的受試者工作特征（ROC）曲線，計算ROC曲線下面積（AUC）并比較其預測價值，以Plt;0.05 為差異有統計學意義。考慮到體脂分布和MetS存在顯著的性別差異[17]，在總人群及男性和女性中分別進行分析。

2結果

2.1 臨床資料比較

本研究共納入4028人，其中男3075人（占76.34% ），女953人（占 23.65% ），男、女平均年齡分別為（ 41±11 ）、（ 39±9 ）歲。

總人群MetS患病率為 23.43% （944/4028）。男性MetS患病率 26.53% （816/3075），女性MetS患病率為 13.43% （128/953），二者比較，差異有統計學意義（ χΩ²=1 093.04 ， Plt;0.05 ）。

MetS總人群與非MetS總人群ABSI比較，差異無統計學意義（ Pgt;0.05 ），其余指標比較，差異均有統計學意義（ Plt;0.05 ）；MetS男性與非MetS男性身高比較，差異無統計學意義（ Pgt;0.05 ），其余指標比較，差異均有統計學意義（ Plt;0.05 ）；MetS女性與非MetS女性身高、ABSI比較，差異無統計學意義（ Pgt;0.05 ），其余指標比較，差異均有統計學意義（ Plt;0.05 ），見表1。

2.212項肥胖和脂質相關指標與MetS的關系

以是否發生MetS為因變量（賦值：否 =0 ，是 ⁼¹ ），以12項肥胖和脂質相關指標為自變量（賦值：連續變量為實測值），以年齡、身高、體質量、WC、HC、SBP、DBP、TG、TC、HDL-C、FPG為控制變量，構建二元Logistic回歸模型，所有模型均進行Hosmer-Lemeshow檢驗，結果顯示男性CVAI和AVI模型檢驗結果 Plt;0.05 ，其余模型均通過檢驗（ Pgt;0.05 ）。

總人群中，12項肥胖和脂質相關指數除BAI、AVI外，其余指標MetS的影響因素（ Plt;0.05 ）。男性中，除BAI外，其余11項肥胖和脂質相關指數均是MetS的影響因素（ Plt;0.05 ）。女性中，除BMI、BAI、ABSI外，其余9項肥胖和脂質相關指數均是MetS的影響因素（ Plt;0.05 ），見表2。

2.3不同肥胖和脂質相關指數對MetS的預測價值

總人群中，12項肥胖和脂質相關指數均對MetS具有預測價值（ _{AUC=0.645～0.926} ， Plt;0.001 ），其中最佳預測因子為CVAI（ AUC=0.926 ， 95%CI=0.917～0.936 Plt;0.001 ）；男性中，12項肥胖和脂質相關指數均對MetS具有預測價值（AUC=0.628＼～0.941，Plt;0.001 ），其中最佳預測因子為CVAI（ AUC=0.941 95%CI=0.933～0.949 ， Plt;0.001 ）；女性中，除外ABSI，其余11項肥胖和脂質相關指數對MetS具有預測價值（ _{AUC=0.720～0.951} ， Plt;0.001 ），其中最佳預測因子為AVI（ AUC=0.951 ， 95%CI=0.938～0.963 ， Plt;0.001 ），見圖1、表3。

2.4不同年齡亞組肥胖和脂質相關指標對MetS的影響

采用二元logistic回歸分析，對身高、體質量、WC、HC、SBP、DBP、TG、TC、HDL-C、FPG進行調整，通過Hosmer-Lemeshow檢驗構建最佳模型。 ?35 歲年齡亞組，無論男性和女性人群，12項肥胖和脂質相關指標除BMI外，其他指標均與MetS相關（ Plt;0.05 ）；36＼～50歲年齡組和 gt;50 歲年齡組，無論男性和女性人群，12項肥胖和脂質相關指標均與MetS相關（ Plt;0.05 ）。男性中， gt;50 歲年齡組TyG-WHtR（ OR=31.411 95%CI=18.868～52.292 ， Plt;0.001 ）對MetS的影響最大；女性中，36＼～50歲年齡亞組TyG-WHtR（ OR=95.154 ，95%CI=22.610～400.465 ， Plt;0.001 ）對MetS的影響最大，見表4。

2.5不同年齡亞組肥胖和脂質相關指標對MetS的預測價值

男性 ?35 歲組和36＼～50歲組最佳預測因子均為CVAI（ AUC=0.931 ， 95%CI=0.917～0.946 ， Plt;0.001 ，最佳截斷值 =101.75 ； AUC=0.947 ， 95%CI=0.934～0.961 ，Plt;0.001 ，最佳截斷值 =101.02 ），男性 gt;50 歲年齡組，最佳預測因子為AVI（ AUC=0.962 95%CI=0.951～0.974 ， Plt;0.001 ，最佳截斷值 =15.15 ）；女性 ?35 歲組和 gt;50 歲年齡組，最佳預測因子均為AVI （ AUC=0.961 ， 95%CI=0.943～0.978 ， Plt;0.001 ，最佳截斷值 =13.02 ； AUC=0.909 ， 95%CI=0.857～0.961 ，Plt;0.001 ，最佳截斷值 =12.88 ），女性36＼～50歲組最佳預測因子為TyG-WC（ AUC=0.949 ， 95%CI= 0.925＼～0.972， Plt;0.001 ，最佳截斷值 =555.47 ），見表5。

3討論

注：A為總人群，B為男性，C為女性； LAP= 脂質積累指數，VAI=內臟脂肪指數， CVAI= 中國內臟脂肪指數，BAI=體脂肪指數， AVI= 內臟脂肪指數，BRI=體圓度指數， TyG= 三酰甘油葡萄糖指數，TyG-BMI=三酰甘油葡萄糖指數－體質指數，TyG-WC=三酰甘油葡萄糖指數－腰圍，TyG-WHtR Ψ=Ψ 三酰甘油葡萄糖指數－腰高比。

本研究共納人4028名成年人，研究人群MetS總體患病率為 23.43% ，其中男性為 26.53% ，女性為13.43% 。總人群、男性以及年齡亞組（男性 ?35 歲組和36＼～50歲組）預測MetS最佳因子為CVAI。CVAI是中國成年人基于年齡、BMI、WC和代謝參數的一種新型內臟脂肪指數，較其他腹部肥胖指標VAI、BMI、WC和/或WHtR更適合、更方便地預防和控制成人糖尿病患者的心腦血管疾病[18-20]。2023年對 18 974 名中國人進行的研究結果表明，患有MetS患者的CVAI水平明顯高于沒有MetS的患者，CVAI水平與MetS之間存在顯著的正相關[21]，與BMI和WC 相比，CVAI具有更高的AUC，在中國成人MetS診斷中表現較高的價值[2，22]。內臟脂肪組織不僅分泌高水平的促炎細胞因子［21]，而且還具有內分泌功能，在胰島素抵抗（IR）的發病機制中起關鍵作用。本研究結果支持以上結論。CVAI對男性和女性人群MetS的預測價值均較好，進一步亞組分析結果顯示，CVAI對男性MetS的預測價值更大。可能是由于男性和女性的脂肪分布不同，男性脂肪組織更容易積聚在軀干和腹部周圍，而女性脂肪通常分布在臀部和大腿周圍[23]，CVAI是衡量內臟脂肪的參數，因此，CVAI預測MetS的結果存在性別差異，未來的實踐指南可能需要考慮性別特異性等因素。

本研究結果顯示，女性、年齡亞組（女性 ?35 歲組和女性 gt;50 歲組；男性 gt;50 歲組）MetS最佳預測因子是AVI。2018年對465629名韓國人進行的一項研究顯示，AVI對心血管代謝疾病、心血管疾病和全因死亡風險有極好的預測能力［24］。另有研究表明，AVI能更好地評估腹部脂肪的積累情況，從而更好地預測MetS和心血管風險（CVR）的發生[9］。這些指標在男性和女性人群中表現出來的差異，可能是由于WC和HC的差異以及由此產生的全身脂肪分布差異的影響。在AVI公式中，當WCWC ，HC值的增加通常會導致AVI值的增加，因此預測兩性MetS能力時存在差異，AVI預測女性MetS表現出更強的優勢。

根據模型設計，發現最好的Logistic 模型均為使用TyG-WHtR建立的模型，這與本研究使用單一指標預測MetS的做法基本一致。年齡亞組Logistic模型納入混雜因素調整后，TyG-WHtR與MetS的OR值依然最大，表明兩者具有強相關性。一項研究顯示WHtR與脂質參數之間的關系表明，血清TG和HDL-C濃度與WHtR有顯著相關性，WHtR通過簡單的數值比較反映中心性肥胖，克服了身高對皮下脂肪組織的影響[25]。另外，TyG-WC在總人群和性別亞組AUC值均大于0.8，尤其年齡亞組女性36＼～50歲組AUC值最高，說明TyG-WC對MetS同樣具有較好的預測價值。WC是間接評估內臟型肥胖增加的主要臨床參數，相同的WC值可以對應不同受試者的生物阻抗測量的內臟和皮下脂肪組織水平[1]，內臟脂肪被認為較其他脂肪儲存（如皮下脂肪）更具有代謝活性[14]，所以腹部肥胖癥指標如WC和WHtR與代謝異常風險更密切相關，WC與胰島素和胰島素抵抗指數（HOMA-IR）之間也有強相關性，提示WC和WHtR是脂肪分布和代謝紊亂導致的功能障礙的有價值參數。2012—2013年中國農村的一項前瞻性隊列研究也驗證了WC和WHtR對MetS具有較好的診斷價值，研究證實了基線WC和WHtR在預測MetS方面的優越性，以及WC和WHtR的變化也比其他指標有優勢，這與既往橫斷面研究的結論相似[26-28]。有研究發現，與脂質測量、脂質比率、內臟肥胖指標和脂肪因子相比，與TyG相關的測量在預測IR方面具有最高的AUC值[29]。RAIMI等[30]的橫斷面研究已證實，TyG指數可用于診斷MetS，TyG與人體測量特征的結合可增強MetS的識別和預測能力。DANG等[15]研究發現，與TyG相比，TyG-WHtR指數對普通人群心血管疾病及相關死亡風險的預測能力增強。中樞性肥胖MetS的發生可能與內臟脂肪組織的增加、皮下組織擴張的減少及不同器官中儲存的 TG的代謝變化密切相關。POU等[31]研究還發現皮下脂肪組織及內臟脂肪組織與循環炎性脂肪因子、C反應蛋白（CRP）、纖維蛋白原和白介素（IL）-6呈正相關且相似。皮下脂肪組織與纖維蛋白原具有強相關性，內臟脂肪組織與CRP、IL-6關系更緊密，以上均涉及MetS的發病機理，因此可能解釋了這些指標對MetS的預測能力較好[2]。結合本研究結果，TyG-WC、TyG-WHtR在預測MetS方面體現出較好的優越性，具有較高的靈敏度和特異度，提示TyG相關指標[32]可能成為MetS人群臨床隨訪管理的替代生物標志物之一。因此，識別潛在的風險和預后因素將為這一特定人群的管理節約成本[33]

此外，本研究11項指標對MetS的預測價值高于ABSI，有研究表明盡管ABSI與一般中國成年人的IR有關，但其與各種風險和MetS的相關性并不好［7]，因此，ABSI是不太理想的IR鑒別指標。這一結果可能是由于ABSI水平較高，接近平均值，方差相對較小造成，這使得 ABSI在預測慢性疾病方面表現不佳[29]

綜上所述，本研究在剔除混雜因素后，除外ABSI，CVAI、AVI、TyG-WC、TyG-WHtR相對于其他參數指標對成年人MetS具有較好的預測價值，但在總人群、性別和年齡亞組中表現出的預測價值略有不同。男性和女性由于性別之間在身高、體質量和身體組成上的生理差異，各指標最佳截斷值也存在差異，也可能也與生活方式、社會文化特征、年齡、性別和遺傳特征的差異有關［34] 。

本研究存在局限性：僅在安徽省進行，因此，有必要在其他省份或更大的人群中進一步驗證，以證實研究結果的普遍性；由于數據限制，飲食和藥物對偶發性代謝的影響未被考慮在內，在后期的研究中應加強對飲食和藥物的影響研究。

作者貢獻：李春賢負責文章的構思與設計、數據收集與整理、統計學處理、論文撰寫；李春賢、劉安諾負責研究的實施與可行性分析、結果的分析與解釋、論文的修訂；劉安諾負責文章的質量控制及審校，并對文章整體負責，監督管理。

本文無利益沖突。

參考文獻

[1]LIQY，WANGPB，LIGX，et al.Usingthechanges of several simple anthropometric indices to predict the occurrence of metabolic syndrome：findingsfrommedicallyunder-resourced communitiesin ruralChina[J].Front Endocrinol，2022，13：1014541.DOI：

10.3389/fendo.2022.1014541.

[2]DUAN YT，ZHANG WG，LI Z，et al.Predictive ability of obesityandlipid-relatedindicatorsformetabolic syndromeinrelatively healthyChineseadults［J].FrontEndocrinol，2O22，13：

1016581.DOI： 10.3389/fendo.2022.1016581.

[3]SAKLAYEN MG.The global epidemic of the metabolic syndrome［J].CurrHypertensRep，2018，20（2）：12.DOI： 10.1007/s11906-018-0812-z.

[4]BORGA M，WESTJ，BELLJD，et al.Advanced body composition assessment：from body mass index to body composition profiling［J].JInvestig Med，2018，66（5）：1-9.DOI： 10.1136/jim-2018-000722.

[5］CEOLIN J， ENGROFF P，MATTIELLO R，et al. Performance of anthropometric indicators in the prediction of metabolic syndrome in the elderly[J].Metab Syndr Relat Disord，2019，17（4）：232- 239. DOI： 10.1089/met.2018.0113.

[6］DOMINGUEZ-REYES T，QUIROZ-VARGAS I， SALGADOBERNABE A B，et al. Anthropometric measurements as predictive indicators of metabolic risk in a Mexican population [J].Nutr Hosp，2017，34（1）：96-101.D0I：10.20960/nh.983.

［7］吳瑞鵬，彭成，袁丙坤，等.我國中老年人群血清尿酸/高 密度脂蛋白膽固醇比值與代謝綜合征的相關性研究［J］.中 國全科醫學，2024，27（3）：293-299.D0I：10.12114/ j.issn.1007-9572.2023.0290.

[8]ALBERTI K G，ECKEL R H，GRUNDY SM，etal. Harmonizing themetabolic syndrome：ajoint interimstatementof theInternational DiabetesFederation Task Force onEpidemiologyand Prevention; National Heart，Lung，and Blood Institute;American Heart Association;World Heart Federation; International Atherosclerosis Society;and International Association for the Study of Obesity[J]. Circulation，2009，120（16）：1640-1645.D01：10.1161/ CIRCULATIONAHA.109.192644.

[9]JIANLY，GUO S X，MARL，et al. Comparison of obesity-related indicators for identifying metabolic syndrome among normal-weight adults in rural Xinjiang，China［J].BMC Public Health， 2022，22（1）：1730.D0I：10.1186/s12889-022-14122-8.

[10]QUAYE L，OWIREDU W KBA，AMIDUN，et al.Comparative abilitiesofbodymass index，waist circumference，abdominal volumeindex，body adiposity index，and conicity index aspredictive screening tools for metabolic syndrome among apparently healthy Ghanaianadults［J].JObes，2019，2019：8143179.DOI： 10.1155/2019/8143179.

[11]GUERRERO-ROMEROF，SIMENTAL-MENDIALE， GONZALEZ-ORTIZ M， et al. The product of triglycerides and glucose，a simple measure of insulin sensitivity.Comparison with the euglycemic-hyperinsulinemic clamp［J］. JClin Endocrinol Metab，2010，95（7）：3347-3351.D0I：10.1210/jc.2010- 0288.

[12]LIU J，TSEL，LIU Z，et.al.Predictive values of anthropometricmeasurements for cardiometabolic risk factors and cardiovascular diseases among 44 O48 Chinese[J].JAm Heart Ass0c.，2019，8（16）：e010870.D01：10.1161/ JAHA.118.010870.

[13]LINIT，LEEMY，WANGCW，et al.Gender differences in therelationships among metabolic syndrome and various obesityrelated indiceswith nonalcoholic fatty liver diseasein a Taiwanese population[J].Int JEnviron Res Public Health，2021，18（3）： 857.DOI：10.3390/ijerph18030857.

[14]LAWLOR D A，DAVEY SMITHG，EBRAHIM S，et al.Plasma adiponectin levels are associated with insulin resistance，but do not predict future risk of coronarv heart disease in women ???.? Clin Endocrinol Metab，2005，90（10）：5677-5683.D0I：10.1210/ je.2005-0825.

[15］DANG K K，WANG X Y，HUJX，et al. The association between triglyceride-glucose index and its combination with obesity indicators and cardiovascular disease：NHANES 20O3-2018［J]. Cardiovasc Diabetol，2024，23（1）：8.DOI：10.1186/s12933- 023-02115-9.

[16]BAO Y，LUJ，WANG C，et.al.Optimal waist circumference cutoffs for abdominal obesity in Chinese[J]. Atherosclerosis，2008，201（2）：378-384.D0I：10.1016/ j.atherosclerosis.2008.03.001.

[17] JIANG BR，ZHENGYJ，CHENYC，et al.Age and genderspecific distribution of metabolic syndrome components in East China：role of hypertriglyceridemia in the SPECT-China study[J].LipidsHealth Dis，2018，17（1）：92.DOI： 10.1186/s12944-018-0747-z.

[18]XIA MF，LIN HD，CHEN L Y，et al.Association of visceral adiposity and its longitudinal increase with the risk of diabetes in Chinese adults：a prospective cohort study[J]. Diabetes Metab Res Rev，2018，34（7）： e3048.D01：10.1002/dmrr.3048.

[19]KOULI G M，PANAGIOTAKOS D B，KYROU I，et al. Visceral adiposity index and 1O-year cardiovascular disease incidence：the ATTICA study[J].NutrMetab CardiovascDis，2017，27（10）： 881-889. DOI： 10.1016/j.numecd.2017.06.015.

[20]WUJS，GONG LL，LI QF，etal.A novel visceral adiposity index for prediction of type 2 diabetes and pre-diabetes in Chinese adults：a5-year prospective study［J].SciRep，2O17，7（1）： 13784. DOI： 10.1038/s41598-017-14251- w ：

[21］LIUZY，HUANGQ，DENGB，etal.Elevated Chinese visceral adiposity index increases the risk of stroke in Chinese patients with metabolic syndrome[J].Front Endocrinol，2023，14：1218905. DOI：10.3389/fendo.2023.1218905.

[22]GUIJF，LIYQ，LIUHY，etal.Obesity-and lipid-related indicesas apredictor of obesity metabolic syndrome in anational cohort study[J].FrontPublicHealth，2023，11：1073824. DOI：10.3389/fpubh.2023.1073824.

[23]LI YQ，GUI JF，LIU HY，et al.Predicting metabolic syndrome byobesity-andlipid-relatedindicesinmid-agedand elderly Chinese：a population-based cross sectional study[J]. Front Endocrinol，2023，14：1201132.D0I：10.3389/ fendo.2023.1201132.

[24]PARKY，KIMNH，KWON TY，et al.A novel adiposity index as an integrated predictor of cardiometabolic disease morbidity and mortality［J].SciRep，2018，8（1）：16753.D0I：10.1038/ s41598-018-35073-4.

[25]WULH，ZHUWH，QIAO QH，et al.Novel and traditional anthropometric indices for identifying metabolic syndrome in nonoverweight/obese adults[J].Nutr Metab，2021，18（1）：3. DOI：10.1186/s12986-020-00536-x.

[26]TIAN T， ZHANG JX，ZHU Q R，et al. Predicting value of five anthropometric measuresin metabolic syndrome among Jiangsu Province，China［J].BMC Public Health，2020，20（1）： 1317. DOI： 10.1186/s12889-020-09423-9.

[27]FARHANGIYANZ，LATIFI SM，RASHIDI H，et al.The most appropriate cut-off pointof anthropometric indices inpredicting the incidence of metabolic syndrome and its components[J].Diabetes MetabSyndr，2019，13（4）：2739-2745.D0I：10.1016/ j.dsx.2019.07.009.

[28]JABLONOWSKA-LIETZB，WRZOSEKM，WLODARCZYK M，etal.New indexes of body fat distribution，visceral adiposity index，bodyadiposityindex，waist-to-heightratio，andmetabolic disturbancesin the obese[J].KardiolPol，2017，75（11）： 1185-1191.DOI： 10.5603/KP.a2017.0149.

[29]JIM，ZHANG S，ANR.Effectiveness of ABody Shape Index（ABSI） inpredictingchronic diseasesand mortality：a systematic review andmeta-analysis[J].ObesRev，2018，19（5）：737-759. DOI：10.1111/obr.12666.

[30]RAIMITH，DELE-OJOBF，DADASA，etal.Triglycerideglucose index and related parameters predicted metabolic syndrome innigerians[J].MetabSyndrRelatDisord，2O21，19（2）： 76-82.D01： 10.1089/met.2020.0092.

[31]POI K. MASSARO I. HOFFIMANN U. et al.Visceral and

subcutaneousadipose tissuevolumesare cross-sectionallyrelated tomarkersof inflamation and oxidative stress：the FraminghamHeartStudy［J].Circulation，2007，116（11）：1234-1241.DOI：10.1161/CIRCULATIONAHA.107.710509.

[32]WEIXY，MINY，SONGG，etal.Associationbetweentriglyceride-glucose related indiceswith theall-cause andcause-specific mortality among the population with metabolicsyndrome[J].CardiovascDiabetol，2024，23（1）：134.DOI：10.1186/s12933-024-02215-0.

[33]NILSSON P M，TUOMILEHTO J，RYDENL. The metabolicsyndrome-whatis itand how should itbe managed？[J].EurJPrevCardiol，2019，26（2_suppl）：33-46.DOI：10.1177/2047487319886404.

[34]DEOLIVEIRACC，RORIZAKC，RAMOSLB，etal.Indicatorsofadipositypredictorsofmetabolicsyndrome in theelderly［J].AnnNutrMetab，2017，70（1）：9-15.DOI：10.1159/000455333.（收稿日期：2025-01-10；修回日期：2025-04-15）（本文編輯：趙躍翠）