糖尿病发病时间趋势及其与中国内脏脂肪指数的关系：一项前瞻性队列研究
糖尿病是以高血糖为特征的常见代谢紊乱疾病，主要以2型糖尿病（type 2 diabetes mellitus，T2DM）为主。全球糖尿病地图（第10版）显示，2021年全球有5.37亿（10.5%）成年人患有糖尿病。预计到2030年，总患病人数将增至6.43亿（11.3%），到 2045 年将增至7.83亿（12.2%）；中国有1.41亿成年人患有糖尿病，未确诊糖尿病人数超过一半（50.5%）［1］。《中国2型糖尿病防治指南（2020年版）》指出，我国糖尿病患病率上升至11.2%［2］。随着糖尿病患病率不断升高，与糖尿病相关的其他流行病学包括感染和心血管疾病等也可能发生变化，对患者生活质量、卫生服务需求和经济成本产生直接影响。
全球各地糖尿病发病率不同。《2020年美国国家糖尿病统计报告》［3］指出，美国18岁及以上成年人中，从2008年（8.4/1 000人年）到2018年（6.7/1 000人年），糖尿病发病率有显著下降趋势；墨西哥在1960—2012年糖尿病发病率呈指数增长，大约每10年翻1倍［4］。我国2010—2017年10省市队列人群研究显示，18岁及以上人群糖尿病粗发病密度为13.4/1 000人年（标化发病密度为10.3/1 000人年）［5］。本项目自2008年建立队列以来，已有10余年时间，队列数据逐步完善，但糖尿病发病的时间变化趋势尚不清楚。
T2DM在很大程度上是可以预防的。有研究表明，肥胖患者患糖尿病的风险较高［6］。腹部脂肪库，尤其是内脏脂肪组织（visceral adipose tissue，VAT）与不良代谢和心血管风险的相关性最强，皮下腹部脂肪组织（subcutaneous adipose tissue，SAT）与心脏代谢风险增加相关，但这种关联并不总是一致的［7］。2009年中国健康与营养调查（China Health and Nutrition Survey，CHNS）的横断面研究数据［8］显示，中国内脏脂肪指数（Chinese visceral adiposity index，CVAI）和身体形态指数（a body shape index，ABSI）均与糖尿病呈正相关，CVAI对糖尿病的诊断能力高于BMI、腰围（waist circumference，WC）、ABSI。CVAI在国内的前瞻性研究较少，为进一步验证该指标的价值，本研究在上海市浦东新区慢性病随访队列基础上，通过与其他肥胖指标比较，前瞻性地研究CVAI与新发糖尿病的风险关系。
1 对象与方法
1.1 研究对象
于2013年1—7月采用多阶段分层随机抽样方法，在上海市浦东新区抽取12个乡镇街道、35个村居委的居民为研究队列。本次监测对象为所选社区村、居委常住人口且年龄在15岁及以上的居民。研究对象纳入标准：（1）社区常住居民；（2）年龄≥15岁；（3）愿意签署知情同意书；（4）现场配合度好；（5）近期无迁出或长期外出计划。排除标准：已确诊糖尿病及现场配合度欠佳者。
最终纳入符合纳入标准的5 236人浦东新区居民为研究队列。本研究经上海市浦东新区疾病预防控制中心医学伦理委员会批准，所有研究对象签署知情同意书。
1.2 方法
1.2.1 基线调查。（1）问卷调查：一般人口学资料（姓名、性别、居住地、出生日期、文化程度等）、疾病既往史（慢性病疾病史、疾病家族史）、主要危险因素（吸烟、体育活动等）。（2）体格检查：包括身高（Ht）、体质量、WC、臀围（HC）、左右臂血压等；计算BMI、腰臀比（WHR）、腰高比（WHtR）。（3）实验室检查指标：检测空腹血糖（FPG）、服糖后2 h血糖（PBG 2 h）、三酰甘油（TG）、总胆固醇（TC）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、C反应蛋白（CRP）、白蛋白/肌酐比值（ACR）、血尿酸（SUA）、血肌酐（SCr）、糖化血红蛋白（HbA1c）。采用全自动生化分析仪（HITACHI7170A，日本）分析血糖（FPG、PBG 2 h）和血脂（TG、TC、LDL-C、HDL-C）水平，糖化血红蛋白分析仪（TOSOHG7，日本）分析HbA1c水平。计算CVAI、内脏脂肪指数（VAI）、ABSI和身体肥胖指数（body adiposity index，BAI）。
1.2.2 随访及结局事件：分别于2016年和2019年进行追踪随访。通过问卷调查、实验室检查、医疗系统就诊信息和生命统计信息系统判断，结局事件为新发糖尿病。
参照WHO诊断标准［2］，FPG≥7.0 mmol/L或PBG 2 h≥11.1 mmol/L者为T2DM；6.1 mmol/L≤FPG<7.0 mmol/L且PBG 2 h<7.8 mmol/L者为空腹血糖调节受损（impaired fasting blood glucose regulation，IFG），FPG<7.0 mmol/L且7.8 mmol/L≤PBG 2 h<11.1 mmol/L者为糖耐量受损（impaired glucose tolerance，IGT）；FPG<6.1 mmol/L且PBG 2 h<7.8 mmol/L者为正常血糖（normal glucose tolerance，NGT）。
1.2.3 计算公式。
1.2.4 疾病诊断：（1）血脂异常：血脂异常的诊断标准参照《中国成人血脂异常防治指南（2016年修订版）》［10］：自报确诊有血脂异常者或实验室检测TC≥6.22 mmol/L（240 mg/dL）或LDL-C≥4.14 mmol/L（160 mg/dL）或HDL-C<1.04 mmol/L（40 mg/dL）或TG≥2.26 mmol/L（200 mg/dL）。
（2）超重和肥胖：超重和肥胖的判断标准参照《中国成人超重和肥胖症预防控制指南》［11］：以BMI作为评价指标，BMI<24 kg/m2为正常，24 kg/m2≤BMI<28 kg/m2为超重，BMI≥28 kg/m2为肥胖。
1.3 统计学方法
所有数据采用SPSS 22.0、MedCalc 22.0软件进行统计分析。对于连续型计量资料，若不满足正态分布，则采用M（P25，P75）进行统计描述，单因素分析采用Mann-Whitney U检验、Kruskal-Wallis H非参数检验。计数资料采用频数及构成比进行描述，统计检验采用χ2检验，采用Bonferroni法（调整P值）进行两两比较。趋势性检验采用χ2趋势分析。以2010年全国人口构成和1966年世界标准人口年龄构成进行发病率的标化（分别简称为中标率和世标率）。糖尿病发病风险的影响因素采用多因素Cox回归分析。绘制受试者工作特征（ROC）曲线，ROC曲线下面积（area under the curve，AUC）采用Delong检验进行两两比较。双侧检验水准α=0.05。
2 结果
2.1 2013—2016年浦东新区居民糖尿病发病密度
基线调查始于2013年1月，随访截至2016年12月，中位随访时间为3.00（2.92，3.08）年。排除基线调查确诊为糖尿病患者后，共计观察非糖尿病居民5 236人，总计观察人年数为15 708人年，527人为新发糖尿病，粗发病密度为33.55/1 000人年，中标率和世标率分别为21.09/1 000人年和20.01/1 000人年，见表1。随着年龄的增长，糖尿病总发病密度及女性发病密度均呈现出增高趋势，差异有统计学意义（总发病：χ2趋势=28.503，P趋势<0.001；女性：χ2趋势=15.254，P趋势=0.018），但男性增高趋势无统计学意义（男性：χ2趋势=12.255，P趋势=0.057）。
2.2 2017—2019年浦东新区居民糖尿病发病密度
基线调查始于2016年1月，随访截至2019年10月，中位随访时间为3.72（3.52，4.31）年。排除基线调查确诊为糖尿病患者后，共计观察非糖尿病居民4 120人，总计观察人年数为15 057人年，350人为新发糖尿病，发病密度为23.25/1 000人年，中标率和世标率分别为12.97/1 000人年和12.00/1 000人年，见表2。随着年龄的增长，糖尿病总发病密度及男性、女性发病密度均呈现出增高趋势，差异有统计学意义（总发病：χ2趋势=25.600，P趋势<0.001；女性：χ2趋势=21.216，P趋势=0.002），但男性增高趋势无统计学意义（男性：χ2趋势=10.112，P趋势=0.120）。
2.3 不同CVAI水平下人群特征分析
根据2013年CVAI四分位数将患者分为：CVAI<69.70（Q1，n=1 306），69.70≤CVAI<96.09（Q2，n=1 307），96.09≤CVAI<120.26（Q3，n=1 307），CVAI≥120.26（Q4，n=1 307）。在CVAI四分位数分组中，Q4组男性、年龄>60岁、文化程度为小学以下、婚姻状况为离婚/丧偶、吸烟、高血压、血脂异常、高尿酸血症、超重和肥胖所占比例较高，HDL-C水平较低，年龄、WC、HC、WHR、BMI、SBP、DBP、TG、TC、LDL-C、CRP、ACR、SUA、SCr、FPG、PBG 2 h、HbA1c均较高，差异有统计学意义（P<0.05），见表3。
2.4 不同人群的糖尿病发病情况
截至2016年，不同CVAI和VAI四分位数人群糖尿病发病率见表4。
CVAI和VAI四分位数越高，糖尿病累积发病率（CVAI：χ2趋势=131.865，P趋势<0.001；VAI：χ2趋势=68.649，P趋势<0.001）和发病密度（CVAI：χ2趋势=100.105，P趋势<0.001；VAI：χ2趋势=55.283，P趋势<0.001）均越高，见表4。
2.5 不同肥胖指标与糖尿病发病风险的关系
截至2016年，以是否新发糖尿病为因变量（赋值：是=1，否=0），以人群基线资料为自变量，其中基线CVAI、VAI、BMI、WC、WHR、WHtR、ABSI、BAI分别以四分位数组纳入自变量（分别以Q1为参照），其余自变量的赋值见表5，进行多因素Cox回归分析。除CVAI外，其余7个肥胖指标的分组情况为：VAI各组人数依次为1 300、1 316、1 306、1 306例；BMI各组人数依次为1 305、1 302、1 312、1 311人；WC各组人数依次为1 302、1 273、1 287、1 367人；WHR各组人数依次为1 180、1 203、1 332、1 514人；WHtR各组人数依次为1 199、1 393、1 400、1 237人；ABSI各组人数依次为1 316、1 302、1 302、1 308人；BAI各组人数依次为1 310、1 304、1 308、1 307人。
在Model 1模型（未调整变量）中，与CVAI处于Q1相比，CVAI处于Q4的男性糖尿病的发病风险增加124.5%（HR=2.245，95%CI=1.473~3.423，P<0.05），女性糖尿病的发病风险增加404.4%（HR=5.044，95%CI=3.381~7.525，P<0.05）。
在Model 2模型（调整了年龄、文化程度、婚姻状况、糖尿病家族史、吸烟、参加体育活动）中，与CVAI处于Q1相比，CVAI处于Q4的男性糖尿病的发病风险增加109.1%（HR=2.091，95%CI=1.363~3.208，P<0.05）；女性糖尿病的发病风险增加502.0%（HR=6.020，95%CI=3.831~9.458，P<0.05）。
在Model 3模型（调整了年龄、文化程度、婚姻状况、糖尿病家族史、吸烟、参加体育活动、SBP、DBP、CRP、ACR、SUA）中，与CVAI处于Q1相比，CVAI处于Q4的男性糖尿病的发病风险增加79.4%（HR=1.794，95%CI=1.044~3.083，P<0.05），女性糖尿病的发病风险增加371.2%（HR=4.712，95%CI=2.601~8.538，P<0.05）。
在Model 3模型中，8个肥胖指标除ABSI外，均与糖尿病发病均有一定相关性。在男性中，WC增加糖尿病的发病风险最高（HR=2.993，95%CI=1.352~6.624），其次为WHtR（HR=2.521，95%CI=1.414~4.492）、WHR（HR=2.378，95%CI=1.089~5.190）、CVAI（HR=1.794，95%CI=1.044~3.083）；在女性中，CVAI增加糖尿病的发病风险最高（HR=4.712，95%CI=2.601~8.538），其次为WHtR（HR=3.415，95%CI=1.993~5.853）、VAI（HR=3.198，95%CI=1.880~5.440）、BMI（HR=3.059，95%CI=1.907~4.908）（P<0.05）。
2.6 不同肥胖指标对糖尿病发病预测能力的ROC曲线分析
绘制不同肥胖指标对不同性别糖尿病发病预测能力的ROC曲线，结果显示，在预测男性糖尿病发病情况中，8个肥胖指标中CVAI对男性糖尿病预测的AUC为0.600（95%CI=0.561~0.640），且识别男性糖尿病的约登指数为0.181，截断值为104.118，其余指标预测男性糖尿病发病的AUC均<0.600，见图1、表6。
在预测女性糖尿病发病情况中，CVAI对女性糖尿病预测的准确性最高（AUC=0.699），且在识别女性糖尿病时有最大的约登指数值0.317，最佳截断值为104.609，Delong检验两两比较显示其他7项指标与CVAI的AUC比较，差异均有统计学意义（P<0.05），见图2、表7。
3 讨论
本研究发现，上海市浦东新区居民2013—2016年糖尿病发病密度为33.55/1 000人年，中标率和世标率分别为21.09/1 000人年和20.01/1 000人年；2017—2019年糖尿病发病密度为23.25/1 000人年，中标率和世标率分别为12.97/1 000人年和12.00/1 000人年。糖尿病发病率整体呈下降趋势。江苏省如东县2000—2012年T2DM发病率快速上升，年度变化百分比（APC）=18.67%；2012—2021年发病率缓慢下降，APC=-5.24%［12］。昆山市T2DM粗发病率和标化发病率在2008—2014年呈上升趋势，在2014—2016年呈下降趋势［13］。天津市糖尿病发病率从2010年的143.29/10万（标化率94.56/10万）增至2019年的391.92/10万（标化率281.21/10万），2010—2016年糖尿病总体标化发病率先上升（APC =19.43%，P<0.01），2017—2019年后平稳（APC=-1.56%，P=0.67）［14］。本研究与以上研究结果基本一致，但浦东新区糖尿病发病率高于全国其他地区，防控形势较为严峻。糖尿病发病率呈下降趋势，可能与随着糖尿病危害及健康生活方式的普及，居民预防和控制糖尿病发生的能力提升有关。
本研究发现，2016年糖尿病发病密度随年龄增长而呈明显上升趋势（χ2=28.503，P趋势<0.001），糖尿病的发病密度随CVAI四分位数的增加而增加（χ2趋势=100.105，P趋势<0.001）；调整相关混杂因素后，CVAI与糖尿病风险之间的相关性仍然存在。中国健康与养老追踪调查（CHARLS）数据显示，年龄增加、肥胖、酗酒为糖尿病发病的危险因素［15］。中国一项队列研究表明，CVAI四分位数Q1、Q2、Q3和Q4的T2DM发病率分别为3.29‰、7.34‰、12.37‰和23.72‰［16］。CVAI每增加1个SD，T2DM风险增加72%（HR=1.72，95%CI=1.56~1.88）。PAN等［17］研究数据显示，CVAI与T2DM风险之间存在非线性（U型）关系（P非线性<0.001），CVAI每增加1个四分位间距（QR），患T2DM的风险增加57%（OR=1.57，95%CI=1.36~1.83）。而REN等［18］的研究发现CVAI与糖尿病存在线性关系，CVAI每增加1个SD，糖尿病患病风险的OR值为1.28（95%CI=1.16~1.41），与Q1相比，Q4患糖尿病的风险增加96%。CVAI不仅与糖尿病风险相关，也与糖尿病并发症相关，如糖尿病肾病［19-20］。调整混杂因素后，8个肥胖指标与糖尿病发病均有一定相关性，男性中WC增加糖尿病的发病风险最高；在女性中CVAI增加糖尿病的发病风险最高。提示CVAI为糖尿病发病的危险因素，尤其在女性人群中更为明显，通过控制CVAI，可预防糖尿病发生，为糖尿病防控提供依据。
本研究结果显示，与其他肥胖指标（VAI、BMI、WC、WHR、WHtR、BAI、ABSI）相比，CVAI对糖尿病发病的诊断准确性最高（男性AUC=0.600；女性AUC=0.699）。2008—2018年参加台湾老年人（65岁）健康体检的8 249名连续参与者中，与其他肥胖指标相比，CVAI对糖尿病的鉴别能力最高，男性、女性和所有参与者的AUC分别为0.65、0.68和0.66，最佳临界值男性为126.09、女性为117.77［21］。WU等［9］在重庆某社区进行的5年前瞻性研究表明CVAI的AUC显著高于其他肥胖指数，CVAI在预测糖尿病前期和糖尿病时优于VAI、BMI、WC、WHR和WHtR。日本人群中进行的一项回顾性队列研究也表明T2DM的发病率随着CVAI的增加而增加，且ROC分析表明，CVAI在男女人群中均比BMI和WC具有更好的预测能力［22］。本研究与已有研究结果一致，表明相对于其他肥胖指标，CVAI对糖尿病发病具有较好的预测作用。
本研究尚存在一定的局限性：首先，对基线非糖尿病人群的7 260人进行随访观察，其中有2 024人的基线调查对象因失访未能追踪到发病结局，对研究结果可能造成影响；其次，本研究仅在基线测量时收集危险因素的相关信息，没有定期追踪研究对象的危险因素是否发生可能影响发病结局的改变。后续研究中，将采用多种追踪手段减少失访。
4 小结
本研究分析了目前浦东新区居民糖尿病发病情况，并得出2013—2019年上海市浦东新区居民糖尿病发病密度随年龄的增长呈升高趋势；同时通过与其他肥胖指标比较，证实了CVAI对糖尿病的预测价值，为糖尿病危险因素的识别提供更多依据。
参考文献略
最后编辑于 2024-12-02 · 浏览 1398
