成年人肥胖和脂质相关指标对代谢综合征的影响及预测价值研究

doi:10.12114/j.issn.1007-9572.2024.0559

摘要/Abstract

摘要： 背景代谢综合征（MetS）是心血管并发症和肾损害的重要危险因素。肥胖和脂质相关指标与MetS密切相关，目前不同指标对MetS的预测价值尚有争议。目的本研究旨在评估脂质积累指数、BMI、内脏脂肪指数、中国内脏脂肪指数（CVAI）、腹容积指数（AVI）、体脂肪指数、体圆度指数、体型指数（ABSI）、三酰甘油葡萄糖指数（TyG）及其联合指数TyG-BMI、TyG-腰围（TyG-WC）、TyG-腰高比（TyG-WHtR）12项肥胖和脂质相关指标对MetS筛查和预测的最佳截断值，并确定最合适的预测因子。方法选取2023年安徽省某国企成年人健康体检资料，采用二元Logistic回归分析12项肥胖和脂质相关指标与MetS的相关性。绘制不同肥胖和脂质相关指标评估MetS的受试者工作特征（ROC）曲线，计算ROC曲线下面积（AUC）并比较其预测价值。结果本研究共纳入4 028名某国企成年人健康体检者的数据，研究人群MetS总体患病率为23.43%（944/4 028），男性MetS患病率为26.53%（816/3 075），女性MetS患病率为13.43%（128/953）。二元Logistic回归分析结果显示，TyG-WHtR与总人群[OR（95%CI）=7.170（5.411~9.500）]、性别亚组[男性OR（95%CI）=16.277（11.554~22.930）；女性OR（95%CI）=13.422（5.388~33.435）]、年龄亚组[>50岁男性，OR（95%CI）=31.411（18.868~52.292）与36~50岁女性，OR（95%CI）=95.154（22.610~400.465）]MetS患病风险相关（P<0.05）。CVAI预测总人群、男性及年龄亚组男性≤35岁组和36~50岁组发生MetS的AUC分别为0.926（95%CI=0.917~0.936，P<0.001）、0.941（95%CI=0.933~0.949，P<0.001）、0.931（95%CI=0.917~0.946，P<0.001）、0.947（95%CI=0.934~0.961，P<0.001）；AVI预测女性及年龄亚组女性≤35岁和>50岁、男性>50岁组发生MetS的AUC分别为0.951（95%CI=0.938~0.963，P<0.001）、0.961（95%CI=0.943~0.978，P<0.001）、0.909（95%CI=0.857~0.961，P<0.001）、0.962（95%CI=0.951~0.974，P<0.001）；TyG-WC预测年龄亚组女性36~50岁组发生MetS的AUC为0.949（95%CI=0.925~0.972，P<0.001）。结论 TyG-WHtR与成年人MetS关联性最强。除ABSI对MetS预测能力欠佳外，CVAI在总人群、男性及年龄亚组男性≤35岁组和36~50岁组对MetS预测能力均较佳，AVI对女性及年龄亚组女性≤35岁和>50岁、男性>50岁组对MetS均具有较高预测价值，TyG-WC对年龄亚组女性36~50岁组MetS的预测能力表现更优。

关键词: 代谢综合征, 成年人, 肥胖症, 脂质相关指标, ROC曲线

Abstract:

Background

Metabolic Syndrome (MetS) is an important risk factor for cardiovascular complications and kidney damage. Obesity and lipid-related markers are closely associated with MetS, and the predictive ability of different markers for MetS is still controversial.

Objective

The aim of this study was to evaluate the effect of 12 obesity and lipid-related indices, including lipid accumulation products, body mass index, visceral adiposity index, Chinese visceral adiposity index (CAVI) , abdominal volume index (AVI) , body fat index, BMI, body size index (ABSI) , triacylglycerol-glucose index (TyG) and its combined index TyG-BMI, TyG-waist circumference (TyG-WC) , and TyG-waist-height ratio (TyG-WHtR) , on the optimal cutoff values for MetS screening and prediction and to identify the most appropriate predictors.

Methods

The health checkup data of a state-owned enterprise in Anhui Province in 2023 were selected, and the correlation between 12 obesity and lipid-related indexes and MetS was analyzed by binary logistic regression. The work characteristics (ROC) curves of subjects with different obesity and lipid-related indexes assessing MetS were plotted, and the area under the ROC curve (AUC) was calculated and compared with its predictive value.

Results

A total of 4 028 employees of a state-owned enterprise were included in this study, and the overall prevalence of MetS in the study population was 23.43% (944/4 028) , with a prevalence of MetS of 26.53% (816/3 075) in males and 13.43% (128/953) in females.The results of 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 >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 the odds of developing MetS. The predictive ability of CVAI for MetS showed the best predictive effect in the total population, 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<0.001) , 0.941 (95%CI=0.933-0.949, P<0.001) , 0.931 (95%CI=0.917-0.946, P<0.001) , 0.947 (95%CI=0.934-0.961, P<0.001) ; the predictive ability of AVI for MetS was higher in women and the age subgroups of women ≤35 and >50 years old, and in the group of men >50 years old, with a higher discrimination ability, with AUCs of 0.951 (95%CI=0.938~0.963, P<0.001) , 0.961 [95%CI=0.943-0.978, P<0.001) , 0.909 (95%CI=0.857-0.961, P<0.001) , 0.962 (95%CI=0.951-0.974, P<0.001) ; TyG-WC in the age subgroup female 36-50 years group performed better in predicting MetS with an AUC of 0.949 (95%CI=0.925~0.972, P<0.001) .

Conclusion

TyG-WHtR had the strongest association with MetS. Except for ABSI, which had poor predictive ability for MetS, CVAI showed better predictive ability for MetS in the total population, males and age subgroups males ≤35 years old group and 36~50 years old group, AVI had higher discriminatory ability for MetS in females and age subgroups females ≤35 years old and >50 years old, and males >50 years old group, and TyG-WC showed better predictive ability for MetS in the age subgroup females 36-50 years old group. MetS predictive ability performed better.

Key words: Metabolic syndrome, Adult, Obesity, Lipid-related indexes, ROC curve

李春贤,刘安诺. 成年人肥胖和脂质相关指标对代谢综合征的影响及预测价值研究[J]. 中国全科医学, 2025, 28(21): 2595-2603. DOI: 10.12114/j.issn.1007-9572.2024.0559.
LI Chunxian,LIU Annuo. Study on the Effect and Predictive Value of Obesity and Lipid-related Indices on Metabolic Syndrome in Adults[J]. Chinese General Practice, 2025, 28(21): 2595-2603. DOI: 10.12114/j.issn.1007-9572.2024.0559.

图/表 6

参考文献 34

[1]	LI Q Y, WANG P B, LI G X, et al. Using the changes of several simple anthropometric indices to predict the occurrence of metabolic syndrome：findings from medically under-resourced communities in rural China[J]. Front Endocrinol，2022，13：1014541. DOI：10.3389/fendo.2022.1014541.
[2]	DUAN Y T, ZHANG W G, LI Z, et al. Predictive ability of obesity- and lipid-related indicators for metabolic syndrome in relatively healthy Chinese adults[J]. Front Endocrinol，2022，13：1016581. DOI：10.3389/fendo.2022.1016581.
[3]	SAKLAYEN M G. The global epidemic of the metabolic syndrome[J]. Curr Hypertens Rep，2018，20(2)：12. DOI：10.1007/s11906-018-0812-z.
[4]	BORGA M, WEST J, BELL J D, et al. Advanced body composition assessment：from body mass index to body composition profiling[J]. J Investig 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]	DOMÍNGUEZ-REYES T, QUIROZ-VARGAS I, SALGADO-BERNABÉ A B, et al. Anthropometric measurements as predictive indicators of metabolic risk in a Mexican population[J]. Nutr Hosp，2017，34(1)：96-101. DOI：10.20960/nh.983.
[7]	吴瑞鹏，彭成，袁丙坤，等. 我国中老年人群血清尿酸/高密度脂蛋白胆固醇比值与代谢综合征的相关性研究[J]. 中国全科医学，2024，27(3)：293-299. DOI：10.12114/j.issn.1007-9572.2023.0290.
[8]	ALBERTI K G, ECKEL R H, GRUNDY SM, et al. Harmonizing the metabolic syndrome: a joint interim statement of the International Diabetes Federation Task Force on Epidemiology and 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. DOI：10.1161/CIRCULATIONAHA.109.192644.
[9]	JIAN L Y, GUO S X, MA R L, 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. DOI：10.1186/s12889-022-14122-8.
[10]	QUAYE L, OWIREDU W K B A, AMIDU N, et al. Comparative abilities of body mass index，waist circumference，abdominal volume index，body adiposity index，and conicity index as predictive screening tools for metabolic syndrome among apparently healthy Ghanaian adults[J]. J Obes，2019，2019：8143179. DOI：10.1155/2019/8143179.
[11]	GUERRERO-ROMERO F, SIMENTAL-MENDÍA L E, GONZÁLEZ-ORTIZ M, et al. The product of triglycerides and glucose，a simple measure of insulin sensitivity. Comparison with the euglycemic-hyperinsulinemic clamp[J]. J Clin Endocrinol Metab，2010，95(7)：3347-3351. DOI：10.1210/jc.2010-0288.
[12]	LIU J, TSE L, LIU Z, et.al. Predictive values of anthropometricmeasurements for cardiometabolic risk factors and cardiovascular diseases among 44 048 Chinese[J]. J Am Heart Assoc.，2019，8(16)：e010870. DOI：10.1161/JAHA.118.010870.
[13]	LIN I T, LEE M Y, WANG C W, et al. Gender differences in the relationships among metabolic syndrome and various obesity-related indices with nonalcoholic fatty liver disease in a Taiwanese population[J]. Int J Environ Res Public Health，2021，18(3)：857. DOI：10.3390/ijerph18030857.
[14]	LAWLOR D A, DAVEY SMITH G, EBRAHIM S, et al. Plasma adiponectin levels are associated with insulin resistance，but do not predict future risk of coronary heart disease in women[J]. J Clin Endocrinol Metab，2005，90(10)：5677-5683. DOI：10.1210/jc.2005-0825.
[15]	DANG K K, WANG X Y, HU J X, et al. The association between triglyceride-glucose index and its combination with obesity indicators and cardiovascular disease：NHANES 2003-2018[J]. Cardiovasc Diabetol，2024，23(1)：8. DOI：10.1186/s12933-023-02115-9.
[16]	BAO Y, LU J, WANG C, et.al. Optimal waist circumference cutoffs for abdominal obesity in Chinese[J]. Atherosclerosis，2008，201(2)：378-384. DOI：10.1016/j.atherosclerosis.2008.03.001.
[17]	JIANG B R, ZHENG Y J, CHEN Y C, et al. Age and gender-specific distribution of metabolic syndrome components in East China：role of hypertriglyceridemia in the SPECT-China study[J]. Lipids Health Dis，2018，17(1)：92. DOI：10.1186/s12944-018-0747-z.
[18]	XIA M F, LIN H D, 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. DOI：10.1002/dmrr.3048.
[19]	KOULI G M, PANAGIOTAKOS D B, KYROU I, et al. Visceral adiposity index and 10-year cardiovascular disease incidence：the ATTICA study[J]. Nutr Metab Cardiovasc Dis，2017，27(10)：881-889. DOI：10.1016/j.numecd.2017.06.015.
[20]	WU J S, GONG L L, LI Q F, et al. A novel visceral adiposity index for prediction of type 2 diabetes and pre-diabetes in Chinese adults：a 5-year prospective study[J]. Sci Rep，2017，7(1)：13784. DOI：10.1038/s41598-017-14251-w.
[21]	LIU Z Y, HUANG Q, DENG B, et al. 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]	GUI J F, LI Y Q, LIU H Y, et al. Obesity- and lipid-related indices as a predictor of obesity metabolic syndrome in a national cohort study[J]. Front Public Health，2023，11：1073824. DOI：10.3389/fpubh.2023.1073824.
[23]	LI Y Q, GUI J F, LIU H Y, et al. Predicting metabolic syndrome by obesity- and lipid-related indices in mid-aged and elderly Chinese：a population-based cross-sectional study[J]. Front Endocrinol，2023，14：1201132. DOI：10.3389/fendo.2023.1201132.
[24]	PARK Y, KIM N H, KWON T Y, et al. A novel adiposity index as an integrated predictor of cardiometabolic disease morbidity and mortality[J]. Sci Rep，2018，8(1)：16753. DOI：10.1038/s41598-018-35073-4.
[25]	WU L H, ZHU W H, QIAO Q H, et al. Novel and traditional anthropometric indices for identifying metabolic syndrome in non-overweight/obese adults[J]. Nutr Metab，2021，18(1)：3. DOI：10.1186/s12986-020-00536-x.
[26]	TIAN T, ZHANG J X, ZHU Q R, et al. Predicting value of five anthropometric measures in metabolic syndrome among Jiangsu Province，China[J]. BMC Public Health，2020，20(1)：1317. DOI：10.1186/s12889-020-09423-9.
[27]	FARHANGIYAN Z, LATIFI S M, RASHIDI H, et al. The most appropriate cut-off point of anthropometric indices in predicting the incidence of metabolic syndrome and its components[J]. Diabetes Metab Syndr，2019，13(4)：2739-2745. DOI：10.1016/j.dsx.2019.07.009.
[28]	JABŁONOWSKA-LIETZ B, WRZOSEK M, WŁODARCZYK M, et al. New indexes of body fat distribution，visceral adiposity index，body adiposity index，waist-to-height ratio，and metabolic disturbances in the obese[J]. Kardiol Pol，2017，75(11)：1185-1191. DOI：10.5603/KP.a2017.0149.
[29]	JI M, ZHANG S, AN R. Effectiveness of A Body Shape Index（ABSI）in predicting chronic diseases and mortality：a systematic review and meta-analysis[J]. Obes Rev，2018，19(5)：737-759. DOI：10.1111/obr.12666.
[30]	RAIMI T H, DELE-OJO B F, DADA S A, et al. Triglyceride-glucose index and related parameters predicted metabolic syndrome in nigerians[J]. Metab Syndr Relat Disord，2021，19(2)：76-82. DOI：10.1089/met.2020.0092.
[31]	POU K, MASSARO J, HOFFIMANN U, et al. Visceral and subcutaneous adipose tissue volumes are cross-sectionally related to markers of infla mation and oxidative stress：the Framingham Heart Study[J]. Circulation，2007，116(11)：1234-1241. DOI：10.1161/CIRCULATIONAHA.107.710509.
[32]	WEI X Y, MIN Y, SONG G, et al. Association between triglyceride-glucose related indices with the all-cause and cause-specific mortality among the population with metabolic syndrome[J]. Cardiovasc Diabetol，2024，23(1)：134. DOI：10.1186/s12933-024-02215-0.
[33]	NILSSON P M, TUOMILEHTO J, RYDÉN L. The metabolic syndrome - what is it and how should it be managed?[J]. Eur J Prev Cardiol，2019，26(2_suppl)：33-46. DOI：10.1177/2047487319886404.
[34]	DE OLIVEIRA C C, RORIZ A K C, RAMOS L B, et al. Indicators of adiposity predictors of metabolic syndrome in the elderly[J]. Ann Nutr Metab，2017，70(1)：9-15. DOI：10.1159/000455333.

变量	总人群				男性				女性
变量	非MetS （n=3 084）	MetS （n=944）	检验统计量值	P值	非MetS （n=2 259）	MetS （n=816）	检验统计量值	P值	非MetS （n=825）	MetS （n=128）	检验统计量值	P值
年龄（岁）	40±10	43±11	-7.88^a	<0.05	41±11	43±11	-4.26^a	<0.05	38±8	46±12	-7.55^a	<0.05
年龄分层[例（%）]			60.25^b	<0.05			14.57^b	<0.05			94.95^b	<0.05
≤35岁	1 327（43.0）	305（32.3）			912（76.9）	274（33.6）			415（50.3）	31（24.2）
36~50岁	1 040（33.7）	307（32.5）			703（73.0）	260（31.8）			337（40.8）	47（36.7）
≥51岁	717（23.3）	332（35.2）			644（70.0）	282（34.6）			73（8.9）	50（39.1）
身高（cm）	169.77±7.50	170.54±7.45	-2.77^a	<0.05	170.88±7.01	171.12±7.12	-0.82^a	0.41	166.72±7.96	166.81±8.42	-0.13^a	0.89
体质量（kg）	70.59±11.47	85.63±12.06	-34.83^a	<0.05	74.44±10.07	87.69±11.10	-31.33^a	<0.05	60.02±7.86	72.48±9.33	-16.22^a	<0.05
WC（cm）	81.88±7.89	94.79±6.91	-48.50^a	<0.05	84.66±6.68	96.24±5.87	-43.71^a	<0.05	74.26±5.58	85.56±5.81	-21.19^a	<0.05
HC（cm）	94.54±6.01	102.76±4.92	-42.51^a	<0.05	95.46±5.91	103.29±4.63	-38.30^a	<0.05	92.02±5.53	99.42±5.44	-14.11^a	<0.05
SBP（mmHg）	127±16	143±15	-27.96^a	<0.05	130±15	143±15	-21.40^a	<0.05	118±15	143±18	-14.70^a	<0.05
DBP（mmHg）	79±11	91±10	-30.88^a	<0.05	81±11	92±11	-24.55^a	<0.05	72±10	88±11	-16.04^a	<0.05
TG[M（P₂₅，P₇₅），mmol/L]	1.2（0.8，1.7）	2.0（1.3，2.8）	-21.75^c	<0.05	1.3（0.9，20）	2.1（1.4，3.0）	-17.22^c	<0.05	0.9（0.6，1.2）	1.5（1.1，2.2）	-10.85^c	<0.05
TC（mmol/L）	4.98±0.97	5.32±1.07	-8.77^a	<0.05	5.05±0.98	5.32±1.08	-6.20^a	<0.05	4.79±0.90	5.35±1.03	-5.84^a	<0.05
HDL-C（mmol/L）	1.38±0.28	1.26±0.29	11.13^a	<0.05	1.33±0.27	1.24±0.29	7.77^a	<0.05	1.51±0.26	1.37±0.28	5.43^a	<0.05
FPG	5.12±1.05	5.72±1.63	-10.67^a	<0.05	5.20±1.15	5.76±1.68	-8.83^a	<0.05	4.91±0.68	5.49±1.24	-5.12^a	<0.05
LAP[M（P₂₅，P₇₅）]	21.8（12.9，35.7）	60.1（40.3，92.4）	-32.90^c	<0.05	25.6（15.8，41.2）	63.2（42.7，99.4）	-28.38^c	<0.05	13.6（9.0，21.1）	41.4（28.3，57.8）	-14.84^c	<0.05
BMI（kg/m²）	24.65±3.08	29.04±3.12	-38.19^a	<0.05	25.22±2.97	29.18±3.11	-32.24^a	<0.05	23.07±2.83	28.16±3.08	-18.63^a	<0.05
VAI[M（P₂₅，P₇₅）]	1.16（0.79，1.78）	2.18（1.45，3.31）	-23.35^c	<0.05	1.24（0.82，1.92）	2.19（1.47，3.36）	-19.22^c	<0.05	1.00（0.72，1.47）	2.02（1.33，3.21）	-11.64^c	<0.05
CVAI[M（P₂₅，P₇₅）]	73.60（44.94，93.3）	125.8（113.2，143.2）	-39.68^c	<0.05	83.5（63.4，97.7）	129.4（116.4，145.2）	-37.41^c	<0.05	38.5（19.7，57.5）	97.9（79.8，118.8）	-15.41^c	<0.05
BAI	24.94±4.12	28.56±6.15	-20.82^a	<0.05	24.94±4.13	28.60±6.40	-18.46^a	<0.05	24.93±4.06	28.36±4.25	-8.80^a	<0.05
AVI	13.72±3.13	18.50±7.33	-19.47^a	<0.05	14.60±3.10	19.08±7.69	-16.14^a	<0.05	11.32±1.62	14.86±2.08	-21.95^a	<0.05
BRI	3.11±1.06	4.65±2.60	-17.81^a	<0.05	3.35±1.07	4.81±2.74	-14.77^a	<0.05	2.44±0.68	3.67±0.89	-14.76^a	<0.05
ABSI[M（P₂₅，P₇₅）]	7.5（7.1，7.8）	7.7（7.4，8.0）	-13.47^c	0.59	7.6（7.3，7.9）	7.7（7.5，8.0）	-10.88^c	<0.05	7.1（6.8，7.4）	7.2（6.9，7.5）	-1.54^c	0.12
TyG	6.91±0.62	7.51±0.68	-23.02^a	<0.05	7.04±0.62	7.56±0.68	-18.79^a	<0.05	6.55±0.47	7.20±0.56	-12.47^a	<0.05
TyG-BMI	171.13±30.08	218.49±32.18	-41.62^a	<0.05	178.20±28.73	220.88±31.96	-33.56^a	<0.05	151.76±24.73	203.25±29.33	-18.85^a	<0.05
TyG-WC	568.03±85.69	713.08±88.04	-45.21^a	<0.05	597.37±74.90	728.13±81.06	-40.28^a	<0.05	487.69±57.24	617.15±68.22	-23.17^a	<0.05
TyG-WHtR	3.34±0.50	4.18±0.53	-43.59^a	<0.05	3.50±0.46	4.26±0.51	-37.24^a	<0.05	2.93±0.38	3.71±0.45	-18.16^a	<0.05

变量	总人群				男性				女性
变量	非MetS （n=3 084）	MetS （n=944）	检验统计量值	P值	非MetS （n=2 259）	MetS （n=816）	检验统计量值	P值	非MetS （n=825）	MetS （n=128）	检验统计量值	P值
年龄（岁）	40±10	43±11	-7.88^a	<0.05	41±11	43±11	-4.26^a	<0.05	38±8	46±12	-7.55^a	<0.05
年龄分层[例（%）]			60.25^b	<0.05			14.57^b	<0.05			94.95^b	<0.05
≤35岁	1 327（43.0）	305（32.3）			912（76.9）	274（33.6）			415（50.3）	31（24.2）
36~50岁	1 040（33.7）	307（32.5）			703（73.0）	260（31.8）			337（40.8）	47（36.7）
≥51岁	717（23.3）	332（35.2）			644（70.0）	282（34.6）			73（8.9）	50（39.1）
身高（cm）	169.77±7.50	170.54±7.45	-2.77^a	<0.05	170.88±7.01	171.12±7.12	-0.82^a	0.41	166.72±7.96	166.81±8.42	-0.13^a	0.89
体质量（kg）	70.59±11.47	85.63±12.06	-34.83^a	<0.05	74.44±10.07	87.69±11.10	-31.33^a	<0.05	60.02±7.86	72.48±9.33	-16.22^a	<0.05
WC（cm）	81.88±7.89	94.79±6.91	-48.50^a	<0.05	84.66±6.68	96.24±5.87	-43.71^a	<0.05	74.26±5.58	85.56±5.81	-21.19^a	<0.05
HC（cm）	94.54±6.01	102.76±4.92	-42.51^a	<0.05	95.46±5.91	103.29±4.63	-38.30^a	<0.05	92.02±5.53	99.42±5.44	-14.11^a	<0.05
SBP（mmHg）	127±16	143±15	-27.96^a	<0.05	130±15	143±15	-21.40^a	<0.05	118±15	143±18	-14.70^a	<0.05
DBP（mmHg）	79±11	91±10	-30.88^a	<0.05	81±11	92±11	-24.55^a	<0.05	72±10	88±11	-16.04^a	<0.05
TG[M（P₂₅，P₇₅），mmol/L]	1.2（0.8，1.7）	2.0（1.3，2.8）	-21.75^c	<0.05	1.3（0.9，20）	2.1（1.4，3.0）	-17.22^c	<0.05	0.9（0.6，1.2）	1.5（1.1，2.2）	-10.85^c	<0.05
TC（mmol/L）	4.98±0.97	5.32±1.07	-8.77^a	<0.05	5.05±0.98	5.32±1.08	-6.20^a	<0.05	4.79±0.90	5.35±1.03	-5.84^a	<0.05
HDL-C（mmol/L）	1.38±0.28	1.26±0.29	11.13^a	<0.05	1.33±0.27	1.24±0.29	7.77^a	<0.05	1.51±0.26	1.37±0.28	5.43^a	<0.05
FPG	5.12±1.05	5.72±1.63	-10.67^a	<0.05	5.20±1.15	5.76±1.68	-8.83^a	<0.05	4.91±0.68	5.49±1.24	-5.12^a	<0.05
LAP[M（P₂₅，P₇₅）]	21.8（12.9，35.7）	60.1（40.3，92.4）	-32.90^c	<0.05	25.6（15.8，41.2）	63.2（42.7，99.4）	-28.38^c	<0.05	13.6（9.0，21.1）	41.4（28.3，57.8）	-14.84^c	<0.05
BMI（kg/m²）	24.65±3.08	29.04±3.12	-38.19^a	<0.05	25.22±2.97	29.18±3.11	-32.24^a	<0.05	23.07±2.83	28.16±3.08	-18.63^a	<0.05
VAI[M（P₂₅，P₇₅）]	1.16（0.79，1.78）	2.18（1.45，3.31）	-23.35^c	<0.05	1.24（0.82，1.92）	2.19（1.47，3.36）	-19.22^c	<0.05	1.00（0.72，1.47）	2.02（1.33，3.21）	-11.64^c	<0.05
CVAI[M（P₂₅，P₇₅）]	73.60（44.94，93.3）	125.8（113.2，143.2）	-39.68^c	<0.05	83.5（63.4，97.7）	129.4（116.4，145.2）	-37.41^c	<0.05	38.5（19.7，57.5）	97.9（79.8，118.8）	-15.41^c	<0.05
BAI	24.94±4.12	28.56±6.15	-20.82^a	<0.05	24.94±4.13	28.60±6.40	-18.46^a	<0.05	24.93±4.06	28.36±4.25	-8.80^a	<0.05
AVI	13.72±3.13	18.50±7.33	-19.47^a	<0.05	14.60±3.10	19.08±7.69	-16.14^a	<0.05	11.32±1.62	14.86±2.08	-21.95^a	<0.05
BRI	3.11±1.06	4.65±2.60	-17.81^a	<0.05	3.35±1.07	4.81±2.74	-14.77^a	<0.05	2.44±0.68	3.67±0.89	-14.76^a	<0.05
ABSI[M（P₂₅，P₇₅）]	7.5（7.1，7.8）	7.7（7.4，8.0）	-13.47^c	0.59	7.6（7.3，7.9）	7.7（7.5，8.0）	-10.88^c	<0.05	7.1（6.8，7.4）	7.2（6.9，7.5）	-1.54^c	0.12
TyG	6.91±0.62	7.51±0.68	-23.02^a	<0.05	7.04±0.62	7.56±0.68	-18.79^a	<0.05	6.55±0.47	7.20±0.56	-12.47^a	<0.05
TyG-BMI	171.13±30.08	218.49±32.18	-41.62^a	<0.05	178.20±28.73	220.88±31.96	-33.56^a	<0.05	151.76±24.73	203.25±29.33	-18.85^a	<0.05
TyG-WC	568.03±85.69	713.08±88.04	-45.21^a	<0.05	597.37±74.90	728.13±81.06	-40.28^a	<0.05	487.69±57.24	617.15±68.22	-23.17^a	<0.05
TyG-WHtR	3.34±0.50	4.18±0.53	-43.59^a	<0.05	3.50±0.46	4.26±0.51	-37.24^a	<0.05	2.93±0.38	3.71±0.45	-18.16^a	<0.05

变量	总人群		男性		女性
变量	OR（95%CI）	P值	OR（95%CI）	P值	OR（95%CI）	P值
LAP	1.016（1.013~1.020）	<0.001	1.017（1.014~1.020）	<0.001	1.055（1.034~1.076）	<0.001
BMI	1.117（1.067~1.170）	<0.001	1.094（1.023~1.170）	0.008	1.008（0.878~1.158）	0.905
VAI	1.281（1.210~1.357）	<0.001	1.137（1.065~1.213）	<0.001	2.188（1.653~2.895）	<0.001
CVAI	1.049（1.042~1.056）	<0.001	1.073（1.065~1.082）	<0.001	1.044（1.032~1.057）	<0.001
BAI	1.023（0.998~1.048）	0.073	0.984（0.959~1.009）	0.205	0.984（0.905~1.070）	0.711
AVI	1.012（0.983~1.042）	0.415	1.716（1.602~1.838）	<0.001	3.251（2.413~4.379）	<0.001
BRI	1.565（1.361~1.801）	<0.001	1.682（1.437~1.969）	<0.001	2.713（1.638~4.493）	<0.001
ABSI	1.095（1.012~1.185）	0.024	1.879（1.472~2.399）	<0.001	1.067（0.963~1.183）	0.216
TyG	2.203（1.816~2.672）	<0.001	2.494（2.032~3.062）	<0.001	3.451（1.708~6.975）	<0.001
TyG-BMI	1.021（1.016~1.026）	<0.001	1.026（1.020~1.032）	<0.001	1.017（1.003~1.032）	0.019
TyG-WC	1.009（1.007~1.011）	<0.001	1.018（1.016~1.021）	<0.001	1.026（1.018~1.034）	<0.001
TyG-WHtR	7.170（5.411~9.500）	<0.001	16.277（11.554~22.930）	<0.001	13.422（5.388~33.435）	<0.001

变量	总人群		男性		女性
变量	OR（95%CI）	P值	OR（95%CI）	P值	OR（95%CI）	P值
LAP	1.016（1.013~1.020）	<0.001	1.017（1.014~1.020）	<0.001	1.055（1.034~1.076）	<0.001
BMI	1.117（1.067~1.170）	<0.001	1.094（1.023~1.170）	0.008	1.008（0.878~1.158）	0.905
VAI	1.281（1.210~1.357）	<0.001	1.137（1.065~1.213）	<0.001	2.188（1.653~2.895）	<0.001
CVAI	1.049（1.042~1.056）	<0.001	1.073（1.065~1.082）	<0.001	1.044（1.032~1.057）	<0.001
BAI	1.023（0.998~1.048）	0.073	0.984（0.959~1.009）	0.205	0.984（0.905~1.070）	0.711
AVI	1.012（0.983~1.042）	0.415	1.716（1.602~1.838）	<0.001	3.251（2.413~4.379）	<0.001
BRI	1.565（1.361~1.801）	<0.001	1.682（1.437~1.969）	<0.001	2.713（1.638~4.493）	<0.001
ABSI	1.095（1.012~1.185）	0.024	1.879（1.472~2.399）	<0.001	1.067（0.963~1.183）	0.216
TyG	2.203（1.816~2.672）	<0.001	2.494（2.032~3.062）	<0.001	3.451（1.708~6.975）	<0.001
TyG-BMI	1.021（1.016~1.026）	<0.001	1.026（1.020~1.032）	<0.001	1.017（1.003~1.032）	0.019
TyG-WC	1.009（1.007~1.011）	<0.001	1.018（1.016~1.021）	<0.001	1.026（1.018~1.034）	<0.001
TyG-WHtR	7.170（5.411~9.500）	<0.001	16.277（11.554~22.930）	<0.001	13.422（5.388~33.435）	<0.001

变量	总人群					男性					女性
变量	AUC（95%CI）	最佳截断值	灵敏度（%）	特异度（%）	约登指数（%）	AUC（95%CI）	最佳截断值	灵敏度（%）	特异度（%）	约登指数（%）	AUC（95%CI）	最佳截断值	灵敏度（%）	特异度（%）	约登指数（%）
LAP	0.853（0.841~0.866）	39.58	76.3	79.1	55.4	0.835（0.820~0.850）	39.54	79.8	73.1	52.9	0.907（0.883~0.931）	24.46	85.9	81.9	67.8
BMI	0.856（0.844~0.869）	26.51	81.4	75.1	56.5	0.841（0.826~0.856）	27.15	76.2	78.0	54.2	0.893（0.868~0.918）	24.55	84.4	82.3	66.7
VAI	0.751（0.734~0.768）	1.68	67.8	71.9	39.7	0.727（0.707~0.746）	1.48	75.0	61.6	36.6	0.819（0.780~0.858）	1.26	84.4	66.5	50.9
CVAI	0.926（0.917~0.936）	101.97	89.9	84.9	74.8	0.941（0.933~0.949）	105.45	92.9	84.7	77.6	0.923（0.903~0.943）	63.40	92.2	79.8	72
BAI	0.750（0.733~0.767）	25.83	75.4	62.1	37.5	0.761（0.743~0.779）	25.96	74.0	65.8	39.8	0.720（0.672~0.767）	27.45	63.0	72.7	35.7
AVI	0.909（0.899~0.920）	15.97	88.5	89.8	78.3	0.938（0.930~0.946）	16.07	100.0	86.8	86.8	0.951（0.938~0.963）	12.88	100	87.0	87.0
BRI	0.885（0.874~0.896）	3.63	87.5	76.5	64.0	0.891（0.880~0.902）	3.78	88.7	75.9	64.6	0.887（0.861~0.914）	3.04	81.1	82.2	63.3
ABSI	0.645（0.626~0.664）	7.58	62.2	60.0	22.2	0.628（0.607~0.649）	7.58	68.7	51.2	19.9	0.542（0.487~0.597）	7.05	65.6	43.9	9.5
TyG	0.750（0.733~0.767）	7.12	72.7	66.6	39.3	0.720（0.700~0.740）	7.18	72.8	62.3	35.1	0.819（0.780~0.858）	6.93	72.7	81.1	53.8
TyG-BMI	0.866（0.854~0.878）	186.34	86.1	70.6	56.7	0.850（0.835~0.864）	199.06	74.8	78.8	53.6	0.915（0.893~0.936）	170.18	93.0	78.7	71.7
TyG-WC	0.886（0.875~0.897）	643.05	79.2	81.4	60.6	0.893（0.881~0.905）	660.68	81.4	81.9	63.3	0.941（0.924~0.959）	544.03	91.4	83.5	74.9
TyG-WHtR	0.878（0.866~0.890）	3.78	79.0	80.3	59.3	0.875（0.862~0.888）	3.88	80.0	79.5	59.5	0.910（0.885~0.934）	3.25	85.8	80.3	66.1