内脏脂肪指数动态变化与心血管疾病风险：一项针对中国中老年人群的纵向队列研究

《Scientific Reports》：Association between changes in Chinese visceral adiposity index and cardiovascular disease among middle-aged and older Chinese adults

本研究针对中国中老年人群内脏脂肪评估工具（CVAI）与心血管疾病（CVD）风险的关联展开深入探索。研究人员基于CHARLS队列数据，采用K-means聚类分析CVAI动态变化，发现持续升高的CVAI轨迹与CVD风险呈剂量反应关系（最高组HR=1.87），且累积CVAI每增加1个标准差，CVD风险提升20%。研究证实CVAI较传统指标（BMI、WC、VAI）具有更优的预测效能（AUC=0.598），为中国人群心血管风险分层提供了低成本、易推广的评估工具。

　　

随着全球心血管疾病（CVD）负担持续加重，中国已成为心血管疾病高发区，约40%的死亡归因于此。尤其值得关注的是，中国中老年人群肥胖问题日益严峻，近半数成年人超重或肥胖。传统肥胖指标如体重指数（BMI）和腰围（WC）在评估内脏脂肪方面存在局限，而影像学检查成本高昂且难以普及。为此，研究者开发了专用于中国人群的内脏脂肪指数（CVAI），该指标综合年龄、BMI、WC、甘油三酯（TG）和高密度脂蛋白胆固醇（HDL-C），能更精准反映内脏脂肪功能。然而，既往研究多基于单次CVAI测量，其动态变化与CVD风险的关联尚不明确。

为填补这一空白，黄丽华与康坤鹏团队利用中国健康与养老追踪调查（CHARLS）数据，对3805名基线无CVD的中老年参与者进行为期4.9年的随访。研究通过K-means聚类识别CVAI变化轨迹，并采用多变量Cox回归模型分析其与CVD事件的关联。结果发现，与低增长组相比，中高增长组和高增长组的CVD风险分别增加56%和87%，且累积CVAI每升高1个标准差，风险上升20%。限制性立方样条模型显示，CVAI与CVD风险呈线性关系。进一步比较显示，CVAI的预测效能（AUC=0.598）略优于VAI、BMI和WC。

研究主要关键技术包括：基于CHARLS队列的纵向设计、K-means聚类用于CVAI轨迹分类、多变量Cox比例风险回归模型、限制性立方样条（RCS）分析非线性关系，以及受试者工作特征（ROC）曲线评估预测效能。

CVAI变化轨迹与CVD风险

通过K-means聚类将参与者分为4类轨迹：低增长、中度增长、中高增长和高增长。调整混杂因素后，中高增长组和高增长组的CVD风险显著升高，且趋势检验具有统计学意义（P=0.002）。

累积CVAI与CVD的剂量反应关系

按累积CVAI四分位分组分析显示，最高四分位组CVD风险为最低组的1.82倍。RCS模型进一步证实累积CVAI与CVD风险呈线性正相关（P_非线性=0.998）。

预测效能比较

ROC曲线分析表明，无论是基线值还是累积值，CVAI的AUC均高于VAI、BMI和WC，其中累积CVAI的AUC达59.83%。

亚组分析与稳健性检验

亚组分析未发现显著交互作用，敏感性分析（多重插补和区间删失Cox模型）结果与主分析一致，证实结论稳健。

本研究首次揭示CVAI动态变化对中国中老年人群CVD风险的影响，强调长期内脏脂肪累积的危害。CVAI作为低成本、易获取的指标，可弥补传统肥胖指标的不足，尤其适用于基层医疗场景。然而，其预测效能仍属中等，需结合其他风险因素进行综合评估。未来研究应结合影像学验证CVAI与内脏脂肪的关联，并探索其在不同人群中的适用性。