Correlation between Relative Fat Mass Index and Decreased Glomerular Filtration Rate in Patients with Cardiometabolic Comorbidities

doi:10.12114/j.issn.1007-9572.2025.0345

Abstract

Abstract:

Background

Patients with cardiometabolic comorbidity (CMM) are at high risk of kidney damage, but traditional obesity indicators (such as BMI) have limited efficacy in predicting renal risk. Relative fat mass index (RFM) estimates body fat distribution by waist circumference and height, which may be more suitable for risk assessment in this population.

Objective

To investigate the correlation between RFM and estimated glomerular filtration rate (eGFR) in patients with CMM.

Methods

A cross-sectional study design was adopted, and cluster sampling was used to conduct a survey among the permanent residents of 12 counties and cities participating in the Early Screening and Comprehensive Intervention Project for High-risk Population of CVD in Anhui Province from 2021 to 2023. A total of 2 421 patients with cardiometabolic diseases were included in this study, and their demographic characteristics, clinical indicators and renal function data were collected. BMI, RFM, body shape index (ABSI), C-index and body roundness index (BRI) were calculated. Patients were divided into normal eGFR group and decreased eGFR group according to eGFR<90 mL·min^-1·(1.73 m²)^-1. Multivariate Logistic regression analysis was used to explore the association between RFM and eGFR, and restricted cubic spline was used to test the dose-response relationship. The receiver operating characteristic (ROC) curve was drawn to demonstrate the predictive value of RFM for the decline of glomerular filtration rate.

Results

There were 1 887 patients in the normal eGFR group and 534 patients in the decreased eGFR group, and the prevalence of decreased eGFR was 22.1% (534/2 421). After adjusting for confounding factors, multivariate Logistic regression analysis showed that the risk of decreased eGFR increased with the increase of RFM (OR=1.032, 95%CI=1.004-1.061, P<0.05). RFM Q2 (27≤RFM<35), RFM Q3 (35≤RFM<39), and RFM Q4 (RFM≥39) had 2.861 times (95%CI=1.716-4.770, P<0.01) higher risk of decreased eGFR than RFM Q1 (RFM<27), 3.658 (95%CI=1.978-6.767, P<0.01), 3.714 (95%CI=2.001-6.892, P<0.01). The restricted cubic spline results showed that there was a nonlinear relationship between RFM and the risk of decreased eGFR (P_nonlinear<0.01). There was an obvious inflpoint at RFM≈36, beyond which the risk showed a significant upward trend. The higher the RFM, the higher the risk of decreased eGFR. ROC curve results showed that the area under the ROC curve (AUC) of RFM for predicting eGFR decline in CMM patients was 0.686 (95%CI=0.671-0.701), which was higher than that of BMI (0.530) (Z=2.143, P<0.01), AUC of C-index (0.622) (Z=10.538, P<0.01), AUC of ABSI (0.670) (Z=11.308, P<0.01) and AUC of BRI (0.591) (Z=4.929, P<0.01).

Conclusion

RFM index is independently associated with the risk of eGFR decline in CMM patients. RFM≥35 can be used as a clinical warning threshold.

Key words: Cardiometabolic comorbidity, Relative fat mass index, Glomerular filtration rate, Obesity, Kidney function

摘要：

背景

心血管代谢共病（CMM）患者是肾脏损害的高危人群，但传统肥胖指标（如BMI）对肾脏风险的预测效能有限。相对脂肪质量指数（RFM）通过腰围和身高估算体脂分布，可能更适用于此类人群的风险评估。

目的

探讨CMM患者RFM与估算肾小球滤过率（eGFR）的相关性。

方法

采用横断面研究设计，采取整群抽样法于2021—2023年对参与安徽省心血管病高危人群早期筛查与综合干预项目的12个县市的常住居民进行调查，共纳入CMM患者2 421例，收集其人口学特征、临床指标及肾脏功能数据，计算BMI、RFM、身体形态指数（ABSI）、C-指数（C-index）、身体圆度指数（BRI），并根据eGFR<90 mL·min^-1·（1.73 m²）^-1将患者分为eGFR正常组和eGFR下降组。采用多因素Logistic回归分析探究RFM与eGFR的关联，限制性立方样条检验剂量-反应关系，绘制受试者工作特征（ROC）曲线展示RFM对肾小球滤过率下降的预测价值。

结果

eGFR正常组1 887例，eGFR下降组534例，eGFR下降患病率为22.1%（534/2 421）。调整混杂因素后，多因素Logistic回归分析结果显示，随着RFM增加，eGFR下降风险增加（OR=1.032，95%CI=1.004~1.061，P<0.05）；RFM Q2（27≤RFM<35）、RFM Q3（35≤RFM<39）、RFM Q4（RFM≥39）发生eGFR下降的风险分别是RFM Q1（RFM<27）的2.861倍（95%CI=1.716~4.770，P<0.01）、3.658倍（95%CI=1.978~6.767，P<0.01）、3.714倍（95%CI=2.001~6.892，P<0.01）。限制性立方样条结果显示，RFM与eGFR下降发生风险呈非线性相关（P_非线性<0.01），RFM与eGFR下降风险的关联在RFM≈36处存在1个明显的拐点，超过此值后风险呈显著上升趋势，RFM越高，eGFR下降风险越高。ROC曲线结果显示，RFM预测CMM患者发生eGFR下降的ROC曲线下面积（AUC）为0.686（95%CI=0.671~0.701），分别高于BMI的AUC（0.530）（Z=2.143，P<0.01）、C-index的AUC（0.622）（Z=10.538，P<0.01）、ABSI的AUC（0.670）（Z=11.308，P<0.01）以及BRI的AUC（0.591）（Z=4.929，P<0.01）。

结论

RFM指数与CMM患者eGFR下降风险存在独立关联，RFM≥35可作为临床预警阈值。

关键词: 心血管代谢共病, 相对脂肪质量指数, 肾小球滤过率, 肥胖, 肾功能

CLC Number:

R 363

FU Xiaoya,YANG Fei,GU Keyi, et al. Correlation between Relative Fat Mass Index and Decreased Glomerular Filtration Rate in Patients with Cardiometabolic Comorbidities[J]. Chinese General Practice, 2026, 29(28): 4187-4192. DOI: 10.12114/j.issn.1007-9572.2025.0345.
付晓雅,杨菲,顾可羿等. 心血管代谢共病患者相对脂肪质量指数与估算肾小球滤过率下降的相关性探究[J]. 中国全科医学, 2026, 29(28): 4187-4192. DOI: 10.12114/j.issn.1007-9572.2025.0345.

Figures/Tables 5

References 32

[1]	韩正，傅方琳，孙梦, 等. ≥60岁人群中国内脏肥胖指数与心血管代谢性共病关系的横断面研究[J]. 中国全科医学, 2026, 29(6): 693-698, 709. DOI: 10.12114/j.issn.1007-9572.2024.0391.
[2]	Maki K C, Wilcox M L, Dicklin M R, et al. Left ventricular mass regression, all-cause and cardiovascular mortality in chronic kidney disease: a meta-analysis[J]. BMC Nephrol, 2022, 23(1): 34.
[3]	Ogurtsova K, Guariguata L, Barengo N C, et al. IDF diabetes Atlas: Global estimates of undiagnosed diabetes in adults for 2021[J]. Diabetes Res Clin Pract, 2022, 183: 109118. DOI: 10.1016/j.diabres.2021.109118.
[4]	Ashwell M, Gunn P, Gibson S. Waist-to-height ratio is a better screening tool than waist circumference and BMI for adult cardiometabolic risk factors: systematic review and meta-analysis[J]. Obes Rev, 2012, 13(3): 275-286. DOI: 10.1111/j.1467-789X.2011.00952.x.
[5]	Woolcott O O, Bergman R N. Relative fat mass(RFM)as a new estimator of whole-body fat percentage-a cross-sectional study in American adult individuals[J]. Sci Rep, 2018, 8(1): 10980. DOI: 10.1038/s41598-018-29362-1.
[6]	Mitri J, Tomah S, Mottalib A, et al. Effect of dairy consumption and its fat content on glycemic control and cardiovascular disease risk factors in patients with type 2 diabetes: a randomized controlled study[J]. Am J Clin Nutr, 2020, 112(2): 293-302. DOI: 10.1093/ajcn/nqaa138.
[7]	Habibi J, Aroor A R, Das N A, et al. The combination of a neprilysin inhibitor(sacubitril)and angiotensin-Ⅱ receptor blocker(valsartan)attenuates glomerular and tubular injury in the Zucker Obese rat[J]. Cardiovasc Diabetol, 2019, 18(1): 40. DOI: 10.1186/s12933-019-0847-8.
[8]	Demarco V G, Aroor A R, Sowers J R. The pathophysiology of hypertension in patients with obesity[J]. Nat Rev Endocrinol, 2014, 10(6): 364-376. DOI: 10.1038/nrendo.2014.44.
[9]	Pottel H, Hoste L, Dubourg L, et al. An estimated glomerular filtration rate equation for the full age spectrum[J]. Nephrol Dial Transplant, 2016, 31(5): 798-806. DOI: 10.1093/ndt/gfv454.
[10]	Amato M C, Giordano C, Galia M, et al. Visceral Adiposity Index: a reliable indicator of visceral fat function associated with cardiometabolic risk[J]. Diabetes Care, 2010, 33(4): 920-922.
[11]	Reyes-Barrera J, Sainz-Escárrega V H, Medina-Urritia A X, et al. Dysfunctional adiposity index as a marker of adipose tissue morpho-functional abnormalities and metabolic disorders in apparently healthy subjects[J]. Adipocyte, 2021, 10(1): 142-152.
[12]	Thomas D M, Bredlau C, Bosy-Westphal A, et al. Relationships between body roundness with body fat and visceral adipose tissue emerging from a new geometrical model[J]. Obesity, 2013, 21(11): 2264-2271. DOI: 10.1002/oby.20408.
[13]	Zhang A H, Li Y N, Ma S Y, et al. Conicity-index predicts all-cause mortality in Chinese older people: a 10-year community follow-up[J]. BMC Geriatr, 2022, 22(1): 971. DOI: 10.1186/s12877-022-03664-6.
[14]	Calderón-García J F, Roncero-Martín R, Rico-Martín S, et al. Effectiveness of body roundness index(BRI)and a body shape index(ABSI)in predicting hypertension: a systematic review and meta-analysis of observational studies[J]. Int J Environ Res Public Health, 2021, 18(21): 11607. DOI: 10.3390/ijerph182111607.
[15]	曾汉杰，黄敏，张倩, 等. 5种肾小球滤过率估算公式评估危重患者肾功能的精确度与准确度[J]. 实用医学杂志, 2025, 41(8): 1243-1252. DOI: 10.3969/j.issn.1006-5725.2025.08.023.
[16]	中国高血压防治指南修订委员会，高血压联盟（中国），中华医学会心血管病学分会, 等. 中国高血压防治指南(2018年修订版[J]. 中国心血管杂志, 2019, 24(1): 24-56.
[17]	中华医学会糖尿病学分会. 中国2型糖尿病防治指南(2017年版)[J]. 中华糖尿病杂志, 2018, 10(1): 4-67.
[18]	中华医学会心血管病学分会介入心脏病学组，中华医学会心血管病学分会动脉粥样硬化与冠心病学组，中国医师协会心血管内科医师分会血栓防治专业委员会, 等.稳定性冠心病诊断与治疗指南[J]. 中华心血管病杂志, 2018, 46(9): 680-694.
[19]	中国成人血脂异常防治指南修订联合委员会. 中国成人血脂异常防治指南(2016年修订版)[J]. 中国循环杂志, 2016, 31(10): 937-950. DOI: 10.3969/j.issn.1000-3614.2016.10.001.
[20]	中华医学会神经病学分会，中华医学会神经病学分会脑血管病学组.中国脑血管病一级预防指南2019[J]. 中华神经科杂志, 2019, 52(9): 684-709.
[21]	Jia W P, Yu R, Wang L M, et al. Prevalence of chronic kidney disease among Chinese adults with diabetes: a nationwide population-based cross-sectional study[J]. Lancet Reg Health West Pac, 2025, 55: 101463. DOI: 10.1016/j.lanwpc.2024.101463.
[22]	Wang L M, Xu X, Zhang M, et al. Prevalence of chronic kidney disease in China: results from the sixth China chronic disease and risk factor surveillance[J]. JAMA Intern Med, 2023, 183(4): 298-310.
[23]	Sandino J, Martín-Taboada M, Medina-Gómez G, et al. Novel insights in the physiopathology and management of obesity-related kidney disease[J]. Nutrients, 2022, 14(19): 3937. DOI: 10.3390/nu14193937.
[24]	罗文婷，唐诗韵，肖湘, 等. 糖尿病肾病动物模型的研究进展[J]. 成都医学院学报, 2023, 18(5): 650-657.
[25]	张露，李娜娜. 2型糖尿病患者胰岛素抵抗血尿酸及血脂水平与肾脏损害的相关性[J]. 公共卫生与预防医学, 2025, 36(2): 135-138. DOI: 10.3969/j.issn.1006-2483.2025.02.030.
[26]	彭少林，杨水冰，杨井金, 等. 心血管-肾脏-代谢综合征的病理生理机制研究进展[J]. 中国慢性病预防与控制, 2025, 33(1): 61-65. DOI: 10.16386/j.cjpccd.issn.1004-6194.20240528.0391.
[27]	Brosolo G, Da Porto A, Bulfone L, et al. Insulin resistance and high blood pressure: mechanistic insight on the role of the kidney[J]. Biomedicines, 2022, 10(10): 2374.
[28]	Tang P M, Nikolic-Paterson D J, Lan H Y. Macrophages: versatile players in renal inflammation and fibrosis[J]. Nat Rev Nephrol, 2019, 15(3): 144-158. DOI: 10.1038/s41581-019-0110-2.
[29]	易建华，李雯. 脂多糖诱导的急性炎症小鼠模型血清促炎因子与抑炎因子表达研究[J]. 陕西医学杂志, 2023, 52(4): 395-398, 403. DOI: 10.3969/j.issn.1000-7377.2023.04.007.
[30]	杨瑞凤，伍雯，张鹏. 肥胖相关肾疾病的研究进展[J]. 中国医学科学院学报, 2025, 47(1): 77-85. DOI: 10.3881/j.issn.1000-503X.16098.
[31]	Hall J E, Do Carmo J M, Da Silva A A, et al. Obesity, kidney dysfunction and hypertension: mechanistic links[J]. Nat Rev Nephrol, 2019, 15(6): 367-385. DOI: 10.1038/s41581-019-0145-4.
[32]	闫林，徐莹莹，胡万祥. 相对脂肪质量指数(RFM)评定中国老年人肥胖程度可行性研究[J]. 牡丹江师范学院学报(自然科学版), 2020(1): 59-61, 71. DOI: 10.13815/j.cnki.jmtc(ns).2020.01.013.

组别	例数	性别[例（%）]		吸烟[例（%）]	饮酒[例（%）]	高中以上学历[例（%）]	高血压病史[例（%）]	糖尿病病史[例（%）]	血脂异常病史[例（%）]	脑卒中病史[例（%）]	冠心病病史[例（%）]	年龄（±s，岁）
组别	例数	男	女	吸烟[例（%）]	饮酒[例（%）]	高中以上学历[例（%）]	高血压病史[例（%）]	糖尿病病史[例（%）]	血脂异常病史[例（%）]	脑卒中病史[例（%）]	冠心病病史[例（%）]	年龄（±s，岁）
eGFR正常组	1 887	746（39.53）	1 141（60.47）	355（18.81）	314（16.64）	253（13.41）	78（4.13）	932（49.39）	997（52.84）	467（24.75）	116（6.15）	59.8±9.3
eGFR下降组	534	69（12.92）	465（87.08）	83（15.54）	73（13.67）	66（12.36）	19（3.56）	279（52.25）	280（52.43）	117（21.91）	36（6.74）	64.0±8.1
χ²（t）值		131.999		12.759	11.516	1.624	1.444	8.801	2.599	0.098	7.791	42.789^a
P值		<0.010		<0.010	<0.010	0.203	0.230	0.003	0.107	0.754	0.005	<0.010
组别	BMI（±s，kg/m²）	腰围（±s，cm）	FPG（±s，mmol/L）	TC（±s，mmol/L）	HDL-C（±s，mmol/L）	TG（±s，mmol/L）	LDL-C（±s，mmol/L）	RFM （±s）	C-index （±s）	ABSI （±s）	BRI （±s）
eGFR正常组	24.97±3.37	85.11±9.24	6.95±2.25	5.36±1.44	1.48±0.40	1.96±0.98	3.09±1.36	33.45±7.47	123.41±17.62	0.05±0.02	4.11±1.20
eGFR下降组	25.30±3.49	85.57±9.45	7.07±2.36	5.42±1.41	1.47±0.39	2.00±0.97	3.17±1.29	37.62±5.42	132.28±18.94	0.06±0.01	4.40±1.26
χ²（t）值	1.623^a	0.198^a	0.113^a	0.368^a	0.199^a	0.197^a	2.090^a	158.908^a	1.542^a	749.546^a	1.307^a
P值	0.203	0.656	0.737	0.544	0.656	0.657	0.148	<0.010	0.214	<0.010	0.253

组别	例数	性别[例（%）]		吸烟[例（%）]	饮酒[例（%）]	高中以上学历[例（%）]	高血压病史[例（%）]	糖尿病病史[例（%）]	血脂异常病史[例（%）]	脑卒中病史[例（%）]	冠心病病史[例（%）]	年龄（±s，岁）
组别	例数	男	女	吸烟[例（%）]	饮酒[例（%）]	高中以上学历[例（%）]	高血压病史[例（%）]	糖尿病病史[例（%）]	血脂异常病史[例（%）]	脑卒中病史[例（%）]	冠心病病史[例（%）]	年龄（±s，岁）
eGFR正常组	1 887	746（39.53）	1 141（60.47）	355（18.81）	314（16.64）	253（13.41）	78（4.13）	932（49.39）	997（52.84）	467（24.75）	116（6.15）	59.8±9.3
eGFR下降组	534	69（12.92）	465（87.08）	83（15.54）	73（13.67）	66（12.36）	19（3.56）	279（52.25）	280（52.43）	117（21.91）	36（6.74）	64.0±8.1
χ²（t）值		131.999		12.759	11.516	1.624	1.444	8.801	2.599	0.098	7.791	42.789^a
P值		<0.010		<0.010	<0.010	0.203	0.230	0.003	0.107	0.754	0.005	<0.010
组别	BMI（±s，kg/m²）	腰围（±s，cm）	FPG（±s，mmol/L）	TC（±s，mmol/L）	HDL-C（±s，mmol/L）	TG（±s，mmol/L）	LDL-C（±s，mmol/L）	RFM （±s）	C-index （±s）	ABSI （±s）	BRI （±s）
eGFR正常组	24.97±3.37	85.11±9.24	6.95±2.25	5.36±1.44	1.48±0.40	1.96±0.98	3.09±1.36	33.45±7.47	123.41±17.62	0.05±0.02	4.11±1.20
eGFR下降组	25.30±3.49	85.57±9.45	7.07±2.36	5.42±1.41	1.47±0.39	2.00±0.97	3.17±1.29	37.62±5.42	132.28±18.94	0.06±0.01	4.40±1.26
χ²（t）值	1.623^a	0.198^a	0.113^a	0.368^a	0.199^a	0.197^a	2.090^a	158.908^a	1.542^a	749.546^a	1.307^a
P值	0.203	0.656	0.737	0.544	0.656	0.657	0.148	<0.010	0.214	<0.010	0.253

RFM	模型1		模型2		模型3
RFM	OR（95%CI）	P值	OR（95%CI）	P值	OR（95%CI）	P值
连续变量	1.113（1.095~1.130）	<0.01	1.046（1.019~1.072）	<0.01	1.032（1.004~1.061）	0.02
分类变量
Q1组	1.000		1.000		1.000
Q2组	4.123（2.636~6.451）	<0.01	3.152（1.898~5.232）	<0.01	2.861（1.716~4.770）	<0.01
Q3组	8.297（5.376~12.804）	<0.01	4.241（2.313~7.776）	<0.01	3.658（1.978~6.767）	<0.01
Q4组	10.933（7.179~16.650）	<0.01	4.601（2.530~8.368）	<0.01	3.714（2.001~6.892）	<0.01

RFM	模型1		模型2		模型3
RFM	OR（95%CI）	P值	OR（95%CI）	P值	OR（95%CI）	P值
连续变量	1.113（1.095~1.130）	<0.01	1.046（1.019~1.072）	<0.01	1.032（1.004~1.061）	0.02
分类变量
Q1组	1.000		1.000		1.000
Q2组	4.123（2.636~6.451）	<0.01	3.152（1.898~5.232）	<0.01	2.861（1.716~4.770）	<0.01
Q3组	8.297（5.376~12.804）	<0.01	4.241（2.313~7.776）	<0.01	3.658（1.978~6.767）	<0.01
Q4组	10.933（7.179~16.650）	<0.01	4.601（2.530~8.368）	<0.01	3.714（2.001~6.892）	<0.01