脂质蓄积指数对珠三角社区人群2型糖尿病患病风险的预测价值

黄俊轩，张晓霞，彭欣，谢易娴，鲍欣雨，刘焱，程梦娇，李宇斯，郭卓源，马金香

糖尿病是全球性的公共卫生问题，近年来2型糖尿病发病率和患病率迅速上升，预计到2030年将会影响全球范围内4.39亿成年人的健康［1］。糖尿病的防治工作刻不容缓，寻求有效的方法预测糖尿病患病风险，有针对性地尽早干预，能很大程度降低2型糖尿病患病率。肥胖是糖尿病的重要危险因素，对社区人群肥胖情况进行评估有助于糖尿病高危人群的筛查，对糖尿病的防控具有重要意义。目前最常用于评估肥胖的指标为体质指数（BMI）、腰臀比（WHR），其可反映人体肥胖或超重程度和腹部肥胖程度，但不能区分皮下脂肪和内脏脂肪［2］。近年来脂质蓄积指数（LAP）越来越受到人们的关注，其由腰围（WC）和三酰甘油（TG）计算所得，可用于反映人体内脏脂肪情况［3］，国外学者KAHN［4］认为与传统肥胖指标相比，LAP是预测糖尿病患病风险更好的指标。国内研究发现，LAP对我国北方地区人群糖尿病患病风险的预测价值较高［5-6］，但由于国内南北方气候环境、生活饮食存在较大差异，LAP在国内南方地区的适用性仍有待研究，因此本研究旨在探讨LAP在南方珠三角地区的适用性，同时分析新旧肥胖指标与2型糖尿病的关系及其对2型糖尿病患病风险的预测价值，以寻找预测社区人群糖尿病患病风险的最佳肥胖指标。

1 对象与方法

1.1 调查对象 2017年7—9月，采用多阶段分层随机抽样方法抽取常住于珠三角地区不同社区的居民为调查对象。本研究以户为单位展开调查，调查对象为个人。首先根据珠三角地区经济发展状况进行分层，随机抽取城市和行政村，按照城市和行政村的人口比例（1.2∶1）随机抽取社区或行政村（社区2个和行政村11个）。在抽中的社区或行政村中，采用系统抽样方法，以户为单位，以10为抽样间距，随机抽取778户家庭进行调查。

在获得调查对象知情同意的情况下进行问卷调查、体格检查、实验室检查。纳入标准：常住于该社区（≥6个月）；年龄≥15周岁；无精神障碍疾病；自愿配合本调查。

1.2 研究方法

1.2.1 问卷调查 本研究问卷内容参考《第四次国家卫生服务调查方案及调查指导手册》问卷［7］，问卷信息包括：（1）人口学特征：性别、年龄、婚姻状况、教育水平；（2）健康相关行为：吸烟（指一生中至少吸100根烟）、饮酒（指在过去1年中每周至少摄入30 g酒精）、体育锻炼（指每周至少锻炼1次，连续半年以上）；（3）糖尿病家族史。

1.2.2 体格检查 调查对象于空腹状态下，去鞋帽后，穿薄衣物，取立正姿势，挺胸收腹，使用身高体质量测量仪，连续测量3次，取平均值，身高精确至0.1 cm，体质量精确至0.1 kg［8］。穿轻薄的衣裤，取出裤袋内物品，身体直立，WC测量采用统一规格的软皮尺测量腰部肋下缘与髋部上缘中点处，臀围是指臀部最突出的周径，WC、臀围测量时皮尺贴近皮肤，但避免紧压使皮尺陷入皮肤内，连续测量两次，记录读数，取平均值，精确至 0.1 cm［8］。

1.2.3 血压测量 血压测量参照《中国高血压防治指南（2018年修订版）》［9］的测量要求，采用电子血压计（OMRON，hem-7125），在安静环境中连续测量3次血压，取平均值，保留1位小数。

1.2.4 实验室检查 于清晨采集调查对象禁食8～12 h的空腹静脉血10 ml，装入一次性真空管，在血样采集后1 h内进行空腹血糖（FBG）、总胆固醇、TG检测。

1.2.5 糖尿病诊断标准 根据《中国2型糖尿病防治指南（2017年版）》［10］，糖尿病诊断标准为FBG≥7.0 mmol/L和/或调查对象自报有糖尿病病史，和/或2周内使用胰岛素或口服降糖药。

1.2.6 主要研究指标 LAP（男）=〔WC-65〕×TG；LAP（女）=〔WC-58〕×TG；BMI=体质量（kg）/身高2（cm2）；WHR= WC /臀围。根据LAP四分位数将调查对象分为Q1组（LAP＜11.22），Q2组（LAP：11.22～22.05），Q3 组（LAP：22.06～44.50），Q4 组（LAP＞44.50）。

1.3 质量控制 为保证调查问卷的质量，调查员均为广州医科大学医学生，调查员均经过严格培训，调查员双人成组现场发放问卷并开展问卷调查，组内相互核查问卷质量，同时设立质量控制小组审查问卷逻辑，对缺失问卷或缺失内容进行二次回访。血液采集工作由临床医护人员和护士负责，血液采集按照标准流程进行。调查资料采用EpiData 3.0统计软件进行双人双录入。

1.4 统计学方法 采用SPSS 19.0软件包进行数据分析。非正态分布的计量资料以M（P25，P75）表示，组间比较采用Mann-Whitney U检验；计数资料以相对数表示，组间比较采用χ2检验；LAP与空腹血糖的相关性分析采用Spearman秩相关，LAP与2型糖尿病粗患病率的关系采用趋势χ2检验；采用Logistic回归分析控制混杂因素后分析LAP与2型糖尿病的相关性。采用受试者工作特征曲线（ROC曲线）分析各肥胖指标对2型糖尿病患病风险的预测价值。以P＜0.05为差异有统计学意义。

2 结果

2.1 有无2型糖尿病调查对象临床特征比较 本研究共选取828例调查对象，排除研究资料不完整18例，最终纳入810例调查对象，Q1组203例，Q2组202例，Q3组202例，Q4组203例。810例调查对象中男422例，女388例；平均年龄38.0（30.8，49.0）岁；非糖尿病769例，2型糖尿病41例（其中新诊断2型糖尿病26例），中位病程为2.00（1.75，7.00）年。有无2型糖尿病性别、婚姻状况、吸烟状况、饮酒状况、糖尿病家族史、舒张压比较，差异无统计学意义（P＞0.05）。有无2型糖尿病年龄、教育水平、体育锻炼情况、BMI、WHR、FBG、总胆固醇、TG、收缩压、LAP比较，差异有统计学意义（P＜0.05，见表1）。

2.2 LAP与FBG、2型糖尿病粗患病率的关系 Q1组、Q2组、Q3组、Q4组 FBG分别为4.43（4.11，4.76）、4.50（4.20，4.90）、4.70（4.32，5.10）、4.85（4.50，5.50）mmol/L，LAP与FBG呈正相关（rs=0.285，P＜0.001）；Q1组、Q2组、Q3组、Q4组2型糖尿病粗患病率分别为0.99%（2/203）、1.98%（4/202）、6.44%（13/202）、10.84%（22/203），2型糖尿病粗患病率随LAP升高而升高，差异有统计学意义（χ2趋势=24.389，P＜0.001）。

表1 有无2型糖尿病调查对象临床特征比较Table 1 Comparison of clinical characteristics between diabetic group and non-diabetic group

2.3 LAP与2型糖尿病患病风险相关性的Logistic回归分析 以2型糖尿病粗患病为因变量，以肥胖指标LAP、BMI、WHR为自变量，分别建立二分类Logistic回归分析模型，变量赋值见表 2。结果显示，Q4组糖尿病患病风险是Q1组的12.22倍〔OR=12.22，95%CI（2.83，52.67），P＜0.001，见表3〕。当控制年龄、性别、婚姻状况、教育水平时，Q4组糖尿病患病风险是Q1组 的 6.65倍〔OR=6.65，95%CI（1.49，29.77），P＜0.05，见表4〕。当控制年龄、性别、婚姻状况、教育水平、体育锻炼、收缩压、舒张压时，Q4组糖尿病患病风险是Q1组的5.04倍〔OR=5.04，95%CI（1.07，23.64），P＜0.05，见表 5〕。

表2 LAP与2型糖尿病患病风险相关性的Logistic回归分析赋值表Table 2 Evaluation of the correlation between LAP and the risk of type 2 diabetes mellitus by Logistic regression analysis

表3 LAP与2型糖尿病患病风险相关性的Logistic回归分析（模型一）Table 3 Logistic regression analysis of LAP and risk of type 2 diabetes mellitus（model 1）

表4 LAP与2型糖尿病患病风险相关性的Logistic回归分析（模型二）Table 4 Logistic regression analysis of LAP and type 2 diabetes mellitus（model 2）

2.4 LAP对2型糖尿病患病风险的预测价值 LAP预测2型糖尿病患病风险的ROC曲线下面积大于BMI，差异有统计学意义（Z=-2.210，P=0.027），与WHR比较，差异无统计学意义（Z=-0.263，P=0.793）。LAP预测糖尿病患病风险的灵敏度为85.37%，最佳临界值为25.485（见表6、图1）。

3 讨论

糖尿病的病因及发病机制十分复杂，目前尚未完全阐明，目前公认其是一种慢性高血糖状态所致的内分泌代谢疾病［11］，而肥胖是心血管及代谢疾病的重要危险因素，肥胖对糖尿病的影响已得到证实。传统肥胖指标包括BMI、WC、WHR，其中WC和WHR均反映腹型肥胖状况［12］，本研究选取WHR作为腹型肥胖的观测指标。由于传统肥胖指标的操作简便性，BMI、WHR被广泛用于肥胖测量。传统肥胖指标与糖尿病有强关联性已得到证明。传统肥胖指标仍存在一定的局限性，如BMI没有结合代谢状态来判断健康状况，WC、WHR无法区分皮下脂肪和内脏脂肪［2］。国外研究表明，由反映腹部脂肪的WC与反映血脂情况的TG结合而成的新型肥胖评价指标LAP可用于区分内脏脂肪［1，3］，能更加全面地评估体内脂质蓄积情况。美国学者KAHN［3］首次提出LAP在识别心血管风险、糖尿病方面优于BMI后，国内外学者对LAP的关注日益增加。申元媛等［5］对北京地区成年人进行研究，发现北京地区成年人LAP与糖尿病患病密切相关。苏健等［6］以江苏省人群为调查对象，同样发现LAP与血糖密切相关，糖尿病患病风险随着LAP的增加而升高。国内学者认为在北方地区LAP与血糖密切相关，但由于我国南方地区与北方地区气候、地理环境、饮食习惯、生活方式差异较大，人群体型差异也较大，北方地区的超重率和肥胖率明显高于南方地区［13］，而南北方人群糖尿病患病风险也大有不同，因此LAP指标在中国南方地区的适用性仍需研究。

表5 LAP与2型糖尿病患病风险相关性的Logistic回归分析（模型三）Table 5 Logistic regression analysis of LAP and risk of type 2 diabetes mellitus（model 3）

图1 BMI、WHR、LAP预测2型糖尿病患病风险的ROC曲线Figure 1 ROC curve of BMI，WHR，and LAP in predicting type 2 diabetes risk

表6 BMI、WHR、LAP预测2型糖尿病患病风险的ROC曲线分析结果Table 6 ROC curve analysis of BMI，WHR and LAP in predicting risk type 2 diabetes mellitus

本研究结果显示，随着LAP的增加，FBG、糖尿病粗患病率呈逐渐升高的趋势，提示在珠三角地区LAP与2型糖尿病患病风险之间存在密切的关系。Logistic回归分析结果显示，控制年龄、性别、婚姻状况、教育水平、体育锻炼、收缩压、舒张压变量后，Q4组糖尿病患病风险是Q1组的5.04倍，与国内外研究结果相似［3，5-6］，高水平的LAP是珠三角地区2型糖尿病发病的重要危险因素。本研究ROC曲线分析结果显示，LAP预测珠三角地区人群2型糖尿病患病风险的最佳临界值为25.485（灵敏度为85.37%），LAP预测2型糖尿病患病风险的ROC曲线下面积大于BMI，与相关研究结果相似［4，14-15］，LAP主要反映的是人体内脏脂肪情况，而BMI主要反映全身肥胖，提示内脏肥胖对人体的危害远大于全身肥胖［16］。虽ROC曲线下面积LAP略大于WHR，但两者之间差异无统计学意义，与BOZORGMANESH等［17］研究结果相似，提示LAP对糖尿病患病风险的预测效果优于BMI，但与WHR预测效果相似。同时ROC曲线分析结果显示，LAP有着较高的灵敏度、阴性预测值，以及较低的阴性似然比，提示LAP能判断出2型糖尿病低风险人群，有利于降低2型糖尿病高风险人群的漏诊率，可为人群2型糖尿病风险的防控提供较大帮助。当珠三角地区人群LAP低于最佳临界值时，提示人群2型糖尿病的患病风险较低，当人群LAP值高于临界值时，提示人群为2型糖尿病高危人群，应及时就诊，监控自身血糖情况，加强体育锻炼，注意个人饮食习惯。由ROC曲线各评价指标可知，LAP具有有效识别人群糖2型尿病早期风险的能力，而本研究中珠三角地区预测2型糖尿病风险的临界值却跟国内其他地区存在一定的差异。在大连和台湾地区，LAP诊断糖尿病的最佳临界值分别为34.84［18］、28.40［19］，而北京地区的研究中，LAP诊断糖尿病的最佳临界值在男性与女性中分别为32.8和27.8［5］，可见LAP目前尚未有统一的诊断临界值，本研究中珠三角地区的LAP最佳临界值较小，为25.485，可能原因是南方地区人群WC均值小于北方地区人群［20］，以及南方地区TG略低于北方地区［6，21-22］，因此相比于其他地区，珠三角地区LAP的临界值相对较低，珠三角地区LAP预测2型糖尿病患病风险的最佳临界值具有地方性，可为中国南方珠三角地区人群的糖尿病防控提供新的指标和新的思考方向。

总之，LAP能有效识别中国南方珠三角地区人群2型糖尿病的早期患病风险。LAP预测珠三角地区人群2型糖尿病患病风险的效果优于BMI，但与WHR预测效果相似。

作者贡献:黄俊轩、马金香进行研究的构思与设计，研究的可行性分析，结果分析与解释、论文的修订，负责文章的质量控制及审校，对文章整体负责、监督管理；彭欣、谢易娴、鲍欣雨、刘焱、程梦娇进行数据收集；李宇斯、郭卓源进行数据整理；黄俊轩、张晓霞进行统计学处理；黄俊轩撰写论文。

本文无利益冲突。