Study on Nomogram Prediction Model for Risk Factors of Muscle Mass Loss in Non-obese Patients with Type 2 Diabetes

doi:10.12114/j.issn.1007-9572.2024.0055

Abstract

Abstract:

Background

Muscle mass loss increases the risk of hyperglycaemia and sarcopenia in patients with type 2 diabetes mellitus (T2DM), and Chinese adults with T2DM are predominantly non-obese, who are more likely to be associated with muscle mass loss than the obese.

Objective

To establish an individualized Nomogram prediction model for the risk factors of muscle mass loss in non-obese patients with T2DM.

Methods

A retrospective study was conducted to select 905 non-obese patients with T2DM admitted to the Department of Endocrinology, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University from January 2018 to September 2023. The patients were divided into a training set (n=633) and a validation set (n=272) using simple random sampling at a ratio of 7∶3, and the general data and clinical indexes of the two groups of patients were collected and compared. Multivariate Logistic regression analysis was performed to determine risk factors for muscle mass loss in the training set and a Nomogram prediction model was constructed. The predictive value and clinical utility of the Nomogram prediction model were evaluated using receiver operating characteristic (ROC) curve, Hosmer-Lemeshow calibration curve, and decision curve analysis (DCA), respectively.

Results

The prevalence of muscle mass loss in non-obese patients with T2DM was 42.3% (383/905). Comparison of the clinical indicators of the patients in the training and validation sets showed no statistically significant differences (P>0.05). Multivariate Logistic regression analysis showed that age (OR=1.039, 95%CI=1.010-1.070, P=0.009), male (OR=3.425, 95%CI=2.133-5.499, P<0.001), BMI<23.5 kg/m² (OR=19.678, 95%CI=11.319-34.210, P<0.001), elevated HbA_1c (OR=1.196, 95%CI=1.081-1.323, P<0.001), increased visceral fat area (OR=1.021, 95%CI=1.010-1.032, P<0.001) were independent risk factors for muscle mass loss in non-obese patients with T2DM. The area under curve (AUC) of the ROC for the Nomogram prediction model to predict the risk of muscle mass loss occurring in patients in the training and validation sets was 0.825 (95%CI=0.793-0.856, P<0.001) and 0.806 (95%CI=0.753-0.859, P<0.001), respectively. The Hosmer-Lemeshow test showed that the model had a good fit (training set: χ²=11.822, P=0.159; validation set: χ²=8.189, P=0.415). Bootstrap method of plotting the calibration of the model showed that the calibration curves fitted well to the standard curves. The DCA curves showed that it was more beneficial to use the Nomogram prediction model to predict the incidence risk of muscle mass loss in patients with T2DM when the threshold probability of the patient was 0.06 to 0.94.

Conclusion

Age, male, BMI<23.5 kg/m², elevated HbA_1c, and increased visceral fat area are independent risk factors for muscle mass loss in non-obese patients with T2DM. The Nomogram prediction model established in this study can individually predict the risk of muscle mass loss in non-obese patients with T2DM, which facilitates the early identification of high-risk groups and the development of individualised interventions.

Key words: Diabetes mellitus, type 2, Non-obesity, Muscle mass loss, Nomogram, Risk factors

摘要：

背景

肌肉量减少能增加2型糖尿病（T2DM）患者高血糖及肌少症发生风险，中国成人T2DM以非肥胖者为主，这些患者较肥胖者更容易伴发肌肉量减少。

目的

建立个体化预测非肥胖T2DM患者肌肉量减少危险因素列线图预测模型。

方法

回顾性选取2018年1月—2023年9月南京大学医学院附属鼓楼医院内分泌科收治的非肥胖T2DM患者905例为研究对象，以简单随机抽样法按7∶3比例分为训练集（633例）和验证集（272例），收集两组患者的一般资料及临床指标并进行比较。根据多因素Logistic回归分析确定训练集肌肉量减少风险影响因素并构建列线图预测模型，采用受试者工作特征（ROC）曲线、Hosmer-Lemeshow校准曲线及临床决策曲线（DCA）评估列线图预测模型的预测价值和临床实用性。

结果

非肥胖T2DM患者肌肉量减少的患病率为42.3%（383/905）。训练集和验证集患者各项临床指标比较，差异均无统计学意义（P>0.05）。多因素Logistic回归分析结果显示，增龄（OR=1.039，95%CI=1.010~1.070，P=0.009）、男性（OR=3.425，95%CI=2.133~5.499，P<0.001）、BMI<23.5 kg/m²（OR=19.678，95%CI=11.319~34.210，P<0.001）、糖化血红蛋白升高（OR=1.196，95%CI=1.081~1.323，P<0.001）、内脏脂肪面积增加（OR=1.021，95%CI=1.010~1.032，P<0.001）是非肥胖T2DM患者肌肉量减少的独立危险因素。列线图预测模型预测训练集和验证集患者肌肉量减少发生风险的ROC曲线下面积（AUC）分别为0.825（95%CI=0.793~0.856，P<0.001）和0.806（95%CI=0.753~0.859，P<0.001）。Hosmer-Lemeshow拟合优度检验结果显示，拟合度较好（训练集：χ²=11.822，P=0.159；验证集：χ²=8.189，P=0.415）。Bootstrap法绘制模型校准图显示校准曲线与标准曲线贴合良好。DCA曲线显示当患者阈值概率为0.06~0.94时，使用列线图预测模型预测T2DM患者发生肌肉量减少的发生风险更有益。

结论

增龄、男性、BMI<23.5 kg/m²、糖化血红蛋白升高、内脏脂肪面积增加是非肥胖T2DM患者肌肉量减少的独立危险因素。本研究构建的列线图预测模型可个体化预测非肥胖T2DM患者伴发肌肉量减少风险，便于早期识别高危人群，利于制订个体化干预措施。

关键词: 糖尿病，2型, 非肥胖, 肌肉量减少, 列线图, 危险因素

CLC Number:

R 587.1

ZHANG Bingqing,HU Xinyun,OUYANG Yuqin, et al. Study on Nomogram Prediction Model for Risk Factors of Muscle Mass Loss in Non-obese Patients with Type 2 Diabetes[J]. Chinese General Practice, 2024, 27(33): 4139-4146. DOI: 10.12114/j.issn.1007-9572.2024.0055.
张冰青,胡馨云,欧阳煜钦等. 非肥胖2型糖尿病患者肌肉量减少危险因素的列线图预测模型研究[J]. 中国全科医学, 2024, 27(33): 4139-4146. DOI: 10.12114/j.issn.1007-9572.2024.0055.

Figures/Tables 6

References 34

[1]	MERZ K E，THURMOND D C. Role of skeletal muscle in insulin resistance and glucose uptake[J]. Compr Physiol，2020，10（3）：785-809. DOI：10.1002/cphy.c190029.
[2]	SARODNIK C，BOURS S P G，SCHAPER N C，et al. The risks of sarcopenia，falls and fractures in patients with type 2 diabetes mellitus[J]. Maturitas，2018，109：70-77. DOI：10.1016/j.maturitas.2017.12.011.
[3]	ANAGNOSTIS P，GKEKAS N K，ACHILLA C，et al. Type 2 diabetes mellitus is associated with increased risk of sarcopenia：a systematic review and meta-analysis[J]. Calcif Tissue Int，2020，107（5）：453-463. DOI：10.1007/s00223-020-00742-y.
[4]	LI C W，YU K，SHYH-CHANG N，et al. Pathogenesis of sarcopenia and the relationship with fat mass：descriptive review[J]. J Cachexia Sarcopenia Muscle，2022，13（2）：781-794. DOI：10.1002/jcsm.12901.
[5]	BORBA V Z C，COSTA T L，MOREIRA C A，et al. Mechanisms of endocrine disease：sarcopenia in endocrine and non-endocrine disorders[J]. Eur J Endocrinol，2019，180（5）：R185-199. DOI：10.1530/EJE-18-0937.
[6]	CHHETRI J K，DE SOUTO BARRETO P，FOUGÈRE B，et al. Chronic inflammation and sarcopenia：a regenerative cell therapy perspective[J]. Exp Gerontol，2018，103：115-123. DOI：10.1016/j.exger.2017.12.023.
[7]	CRUZ-JENTOFT A J，SAYER A A. Sarcopenia[J]. Lancet，2019，393（10191）：2636-2646. DOI：10.1016/S0140-6736(19)31138-9.
[8]	KIM T N，PARK M S，YANG S J，et al. Prevalence and determinant factors of sarcopenia in patients with type 2 diabetes：the Korean Sarcopenic Obesity Study（KSOS）[J]. Diabetes Care，2010，33（7）：1497-1499. DOI：10.2337/dc09-2310.
[9]	JI L N，HU D Y，PAN C Y，et al. Primacy of the 3B approach to control risk factors for cardiovascular disease in type 2 diabetes patients[J]. Am J Med，2013，126（10）：925.e11-925.e22. DOI：10.1016/j.amjmed.2013.02.035.
[10]	罗琴，苟连平，陈银，等. 小腿围、上臂围和Ishii评分对冠心病合并肌少症患者的诊断价值比较[J/OL]. 中国全科医学，2023. [2024-02-17].
[11]	CHIANCA V，ALBANO D，MESSINA C，et al. Sarcopenia：imaging assessment and clinical application[J]. Abdom Radiol （NY），2022，47（9）：3205-3216. DOI：10.1007/s00261-021-03294-3.
[12]	JALALI A，ALVAREZ-IGLESIAS A，ROSHAN D，et al. Visualising statistical models using dynamic nomograms[J]. PLoS One，2019，14（11）：e0225253. DOI：10.1371/journal.pone.0225253.
[13]	中华医学会糖尿病学分会. 中国2型糖尿病防治指南（2020年版）[J]. 中华内分泌代谢杂志，2021，37（4）：311-398. DOI：10.3760/cma.j.cn311282-20210304-00142.
[14]	CHEN L K，WOO J，ASSANTACHAI P，et al. Asian working group for sarcopenia：2019 consensus update on sarcopenia diagnosis and treatment[J]. J Am Med Dir Assoc，2020，21（3）：300-307.e2. DOI：10.1016/j.jamda.2019.12.012.
[15]	MCCORMICK R，VASILAKI A. Age-related changes in skeletal muscle：changes to life-style as a therapy[J]. Biogerontology，2018，19（6）：519-536. DOI：10.1007/s10522-018-9775-3.
[16]	段明，张欣欣，孔悠然，等. 2型糖尿病患者肌肉量减少的多因素分析[J]. 中华内分泌代谢杂志，2020，36（9）：778-782. DOI：10.3760/cma.j.cn311282-20191123-00512.
[17]	TERRACCIANO C，CELI M，LECCE D，et al. Differential features of muscle fiber atrophy in osteoporosis and osteoarthritis[J]. Osteoporos Int，2013，24（3）：1095-1100. DOI：10.1007/s00198-012-1990-1.
[18]	HURST C，ROBINSON S M，WITHAM M D，et al. Resistance exercise as a treatment for sarcopenia：prescription and delivery[J]. Age Ageing，2022，51（2）：afac003. DOI：10.1093/ageing/afac003.
[19]	PAPADOPOULOU S K，PAPADIMITRIOU K，VOULGARIDOU G，et al. Exercise and nutrition impact on osteoporosis and sarcopenia-the incidence of osteosarcopenia：a narrative review[J]. Nutrients，2021，13（12）：4499. DOI：10.3390/nu13124499.
[20]	RIZZOLI R，STEVENSON J C，BAUER J M，et al. The role of dietary protein and vitamin D in maintaining musculoskeletal health in postmenopausal women：a consensus statement from the European Society for Clinical and Economic Aspects of Osteoporosis and Osteoarthritis（ESCEO）[J]. Maturitas，2014，79（1）：122-132. DOI：10.1016/j.maturitas.2014.07.005.
[21]	KIM H J，JUNG D W，WILLIAMS D R. Age is just a number：progress and obstacles in the discovery of new candidate drugs for sarcopenia[J]. Cells，2023，12（22）：2608. DOI：10.3390/cells12222608.
[22]	SUGIMOTO K，TABARA Y，IKEGAMI H，et al. Hyperglycemia in non-obese patients with type 2 diabetes is associated with low muscle mass：the Multicenter Study for Clarifying Evidence for Sarcopenia in Patients with Diabetes Mellitus[J]. J Diabetes Investig，2019，10（6）：1471-1479. DOI：10.1111/jdi.13070.
[23]	ZGUTKA K，TKACZ M，TOMASIAK P，et al. A role for advanced glycation end products in molecular ageing[J]. Int J Mol Sci，2023，24（12）：9881. DOI：10.3390/ijms24129881.
[24]	IZZO A，MASSIMINO E，RICCARDI G，et al. A narrative review on sarcopenia in type 2 diabetes mellitus：prevalence and associated factors[J]. Nutrients，2021，13（1）：183. DOI：10.3390/nu13010183.
[25]	KIM H，SUZUKI T，KIM M，et al. Incidence and predictors of sarcopenia onset in community-dwelling elderly Japanese women：4-year follow-up study[J]. J Am Med Dir Assoc，2015，16（1）：85.e1-85.e8. DOI：10.1016/j.jamda.2014.10.006.
[26]	KALINKOVICH A，LIVSHITS G. Sarcopenic obesity or obese sarcopenia：a cross talk between age-associated adipose tissue and skeletal muscle inflammation as a main mechanism of the pathogenesis[J]. Ageing Res Rev，2017，35：200-221. DOI：10.1016/j.arr.2016.09.008.
[27]	WANNAMETHEE S G，ATKINS J L. Muscle loss and obesity：the health implications of sarcopenia and sarcopenic obesity[J]. Proc Nutr Soc，2015，74（4）：405-412. DOI：10.1017/S002966511500169X.
[28]	LI C，KANG B X，ZHANG T，et al. High visceral fat area attenuated the negative association between high body mass index and sarcopenia in community-dwelling older Chinese people[J]. Healthcare，2020，8（4）：479. DOI：10.3390/healthcare8040479.
[29]	MURAI J，NISHIZAWA H，OTSUKA A，et al. Low muscle quality in Japanese type 2 diabetic patients with visceral fat accumulation[J]. Cardiovasc Diabetol，2018，17（1）：112. DOI：10.1186/s12933-018-0755-3.
[30]	HUXLEY R，JAMES W P，BARZI F，et al. Ethnic comparisons of the cross-sectional relationships between measures of body size with diabetes and hypertension[J]. Obes Rev，2008，9（Suppl 1）：53-61. DOI：10.1111/j.1467-789X.2007.00439.x.
[31]	DU Y P，WANG X D，XIE H，et al. Sex differences in the prevalence and adverse outcomes of sarcopenia and sarcopenic obesity in community dwelling elderly in East China using the AWGS criteria[J]. BMC Endocr Disord，2019，19（1）：109. DOI：10.1186/s12902-019-0432-x.
[32]	SHIN H E，WALSTON J D，KIM M，et al. Sex-specific differences in the effect of free testosterone on sarcopenia components in older adults[J]. Front Endocrinol，2021，12：695614. DOI：10.3389/fendo.2021.695614.
[33]	SEPU N，ADELEYE J O，KUTI M O. Serum testosterone in Nigerian men with type 2 diabetes mellitus and its relationship with insulin sensitivity and glycemic control[J]. J Natl Med Assoc，2021，113（3）：285-293. DOI：10.1016/j.jnma.2020.11.014.
[34]	ROLLAND Y，DRAY C，VELLAS B，et al. Current and investigational medications for the treatment of sarcopenia[J]. Metabolism，2023，149：155597. DOI：10.1016/j.metabol.2023.155597.

指标	训练集（n=633）	验证集（n=272）	Z（χ²）值	P值
年龄[M（Q₁，Q₃），岁]	59（53，63）	58（51，64）	-0.232	0.817
性别[例（%）]			0.300^a	0.584
男	343（54.2）	142（52.2）
女	290（45.8）	130（47.8）
肌肉量减少[例（%）]	278（43.9）	105（38.6）	2.202^a	0.138
病程[M（Q₁，Q₃），年]	10（4，15）	9（5，15）	-0.928	0.353
BMI<23.5 kg/m²[例（%）]	292（46.1）	117（43.0）	0.745^a	0.388
SBP[M（Q₁，Q₃），mmHg]	133（119，146）	135（124，146）	-1.232	0.218
DBP[M（Q₁，Q₃），mmHg]	81（74，89）	82（75，88）	-0.547	0.584
ALT[M（Q₁，Q₃），U/L]	17.5（13.6，24.3）	18.9（13.4，26.8）	-0.993	0.321
AST[M（Q₁，Q₃），U/L]	16.5（14.1，20.9）	17.4（14.1，22.4）	-1.397	0.162
GGT[M（Q₁，Q₃），U/L]	24.5（16.9，37.7）	25.4（18.8，38.7）	-1.402	0.161
HbA_1c[M（Q₁，Q₃），%]	8.6（7.2，10.2）	8.9（7.3，10.2）	-1.135	0.256
FBG[M（Q₁，Q₃），mmol/L]	7.9（6.3，9.9）	7.8（6.5，9.8）	-0.456	0.648
FINS[M（Q₁，Q₃），μU/mL]	5.5（3.4，8.9）	5.5（3.4，8.8）	-0.012	0.990
HOMA-IR[M（Q₁，Q₃）]	2.0（1.2，3.3）	2.0（1.2，3.2）	-0.029	0.977
TG[M（Q₁，Q₃），mmol/L]	1.3（1.0，1.9）	1.3（0.9，1.8）	-0.552	0.581
TC[M（Q₁，Q₃），mmol/L]	4.5（3.8，5.4）	4.6（3.8，5.4）	-0.899	0.369
HDL-C[M（Q₁，Q₃），mmol/L]	1.2（1.0，1.4）	1.2（1.0，1.4）	-0.210	0.834
LDL-C[M（Q₁，Q₃），mmol/L]	2.7（2.0，3.4）	2.7（2.1，3.5）	-0.821	0.412
UA[M（Q₁，Q₃），μmol/L]	305.5（251.0，371.3）	309.0（259.0，371.0）	-0.114	0.909
Scr[M（Q₁，Q₃），μmol/L]	56.0（45.0，66.0）	57.0（49.3，66.8）	-1.617	0.106
eGFR[M（Q₁，Q₃），mL·min^-1·（1.73 m²）^-1]	124.8（104.8，146.2）	120.6（103.8，140.6）	-1.021	0.307
CRP[M（Q₁，Q₃），mg/L]	2.9（2.1，3.9）	2.7（2.0，3.8）	-1.088	0.277
OCN[M（Q₁，Q₃），ng/mL]	12.2（9.5，15.6）	12.0（9.4，15.5）	-0.104	0.917
β-CTX[M（Q₁，Q₃），ng/mL]	0.4（0.3，0.5）	0.4（0.3，0.5）	-0.208	0.835
P1ND[M（Q₁，Q₃），ng/mL]	37.1（27.8，49.1）	36.8（29.5，49.0）	-0.377	0.706
25（OH）D₃[M（Q₁，Q₃），ng/mL]	19.7（15.4，24.5）	19.6（15.1，24.5）	-0.172	0.864
ALB[M（Q₁，Q₃），g/L]	42.1（40.3，43.5）	42.2（40.6，43.6）	-1.322	0.186
Hb[M（Q₁，Q₃），g/L]	141（131，151）	143（133，152）	-1.607	0.108
UACR[M（Q₁，Q₃），mg/g]	12.0（6.7，28.7）	11.7（7.4，23.9）	-0.248	0.804
内脏脂肪面积[M（Q₁，Q₃），cm²]	79.6（65.1，97.8）	78.6（64.5，95.7）	-0.540	0.589
TSH[M（Q₁，Q₃），mU/L]	1.7（1.2，2.5）	1.7（1.2，2.4）	-0.579	0.572
FT₃[M（Q₁，Q₃），pmol/L]	4.4（4.0，4.8）	4.5（4.1，4.9）	-1.554	0.119
FT₄[M（Q₁，Q₃），pmol/L]	17.1（15.6，19.0）	17.2（15.7，19.0）	-0.703	0.482
GH[M（Q₁，Q₃），μg/L]	0.4（0.1，1.2）	0.4（0.1，1.2）	-0.987	0.324
ACTH（8：00）[M（Q₁，Q₃），pmol/L]	4.9（3.4，6.9）	4.8（3.6，6.9）	-0.055	0.956
ACTH（16：00）[M（Q₁，Q₃），pmol/L]	3.6（2.6，4.8）	3.8（2.5，5.2）	-0.323	0.747
ACTH（24：00）[M（Q₁，Q₃），pmol/L]	2.0（1.4，3.0）	2.1（1.4，3.0）	-0.457	0.648
皮质醇（8：00）[M（Q₁，Q₃），nmol/L]	394.7（303.9，495.7）	387.5（285.2，470.4）	-0.282	0.778
皮质醇（16：00）[M（Q₁，Q₃），nmol/L]	214.0（158.2，283.7）	207.7（160.6，276.3）	-0.483	0.629
皮质醇（24：00）[M（Q₁，Q₃），nmol/L]	81.4（53.0，130.0）	81.3（52.0，130.4）	-0.053	0.958

指标	训练集（n=633）	验证集（n=272）	Z（χ²）值	P值
年龄[M（Q₁，Q₃），岁]	59（53，63）	58（51，64）	-0.232	0.817
性别[例（%）]			0.300^a	0.584
男	343（54.2）	142（52.2）
女	290（45.8）	130（47.8）
肌肉量减少[例（%）]	278（43.9）	105（38.6）	2.202^a	0.138
病程[M（Q₁，Q₃），年]	10（4，15）	9（5，15）	-0.928	0.353
BMI<23.5 kg/m²[例（%）]	292（46.1）	117（43.0）	0.745^a	0.388
SBP[M（Q₁，Q₃），mmHg]	133（119，146）	135（124，146）	-1.232	0.218
DBP[M（Q₁，Q₃），mmHg]	81（74，89）	82（75，88）	-0.547	0.584
ALT[M（Q₁，Q₃），U/L]	17.5（13.6，24.3）	18.9（13.4，26.8）	-0.993	0.321
AST[M（Q₁，Q₃），U/L]	16.5（14.1，20.9）	17.4（14.1，22.4）	-1.397	0.162
GGT[M（Q₁，Q₃），U/L]	24.5（16.9，37.7）	25.4（18.8，38.7）	-1.402	0.161
HbA_1c[M（Q₁，Q₃），%]	8.6（7.2，10.2）	8.9（7.3，10.2）	-1.135	0.256
FBG[M（Q₁，Q₃），mmol/L]	7.9（6.3，9.9）	7.8（6.5，9.8）	-0.456	0.648
FINS[M（Q₁，Q₃），μU/mL]	5.5（3.4，8.9）	5.5（3.4，8.8）	-0.012	0.990
HOMA-IR[M（Q₁，Q₃）]	2.0（1.2，3.3）	2.0（1.2，3.2）	-0.029	0.977
TG[M（Q₁，Q₃），mmol/L]	1.3（1.0，1.9）	1.3（0.9，1.8）	-0.552	0.581
TC[M（Q₁，Q₃），mmol/L]	4.5（3.8，5.4）	4.6（3.8，5.4）	-0.899	0.369
HDL-C[M（Q₁，Q₃），mmol/L]	1.2（1.0，1.4）	1.2（1.0，1.4）	-0.210	0.834
LDL-C[M（Q₁，Q₃），mmol/L]	2.7（2.0，3.4）	2.7（2.1，3.5）	-0.821	0.412
UA[M（Q₁，Q₃），μmol/L]	305.5（251.0，371.3）	309.0（259.0，371.0）	-0.114	0.909
Scr[M（Q₁，Q₃），μmol/L]	56.0（45.0，66.0）	57.0（49.3，66.8）	-1.617	0.106
eGFR[M（Q₁，Q₃），mL·min^-1·（1.73 m²）^-1]	124.8（104.8，146.2）	120.6（103.8，140.6）	-1.021	0.307
CRP[M（Q₁，Q₃），mg/L]	2.9（2.1，3.9）	2.7（2.0，3.8）	-1.088	0.277
OCN[M（Q₁，Q₃），ng/mL]	12.2（9.5，15.6）	12.0（9.4，15.5）	-0.104	0.917
β-CTX[M（Q₁，Q₃），ng/mL]	0.4（0.3，0.5）	0.4（0.3，0.5）	-0.208	0.835
P1ND[M（Q₁，Q₃），ng/mL]	37.1（27.8，49.1）	36.8（29.5，49.0）	-0.377	0.706
25（OH）D₃[M（Q₁，Q₃），ng/mL]	19.7（15.4，24.5）	19.6（15.1，24.5）	-0.172	0.864
ALB[M（Q₁，Q₃），g/L]	42.1（40.3，43.5）	42.2（40.6，43.6）	-1.322	0.186
Hb[M（Q₁，Q₃），g/L]	141（131，151）	143（133，152）	-1.607	0.108
UACR[M（Q₁，Q₃），mg/g]	12.0（6.7，28.7）	11.7（7.4，23.9）	-0.248	0.804
内脏脂肪面积[M（Q₁，Q₃），cm²]	79.6（65.1，97.8）	78.6（64.5，95.7）	-0.540	0.589
TSH[M（Q₁，Q₃），mU/L]	1.7（1.2，2.5）	1.7（1.2，2.4）	-0.579	0.572
FT₃[M（Q₁，Q₃），pmol/L]	4.4（4.0，4.8）	4.5（4.1，4.9）	-1.554	0.119
FT₄[M（Q₁，Q₃），pmol/L]	17.1（15.6，19.0）	17.2（15.7，19.0）	-0.703	0.482
GH[M（Q₁，Q₃），μg/L]	0.4（0.1，1.2）	0.4（0.1，1.2）	-0.987	0.324
ACTH（8：00）[M（Q₁，Q₃），pmol/L]	4.9（3.4，6.9）	4.8（3.6，6.9）	-0.055	0.956
ACTH（16：00）[M（Q₁，Q₃），pmol/L]	3.6（2.6，4.8）	3.8（2.5，5.2）	-0.323	0.747
ACTH（24：00）[M（Q₁，Q₃），pmol/L]	2.0（1.4，3.0）	2.1（1.4，3.0）	-0.457	0.648
皮质醇（8：00）[M（Q₁，Q₃），nmol/L]	394.7（303.9，495.7）	387.5（285.2，470.4）	-0.282	0.778
皮质醇（16：00）[M（Q₁，Q₃），nmol/L]	214.0（158.2，283.7）	207.7（160.6，276.3）	-0.483	0.629
皮质醇（24：00）[M（Q₁，Q₃），nmol/L]	81.4（53.0，130.0）	81.3（52.0，130.4）	-0.053	0.958

变量	单因素Logistic回归分析		多因素Logistic回归分析
变量	OR（95%CI）	P值	OR（95%CI）	P值
年龄	1.034（1.013~1.056）	0.002	1.039（1.010~1.070）	0.009
男性（以女性为参考）	1.452（1.057~1.994）	0.021	3.425（2.133~5.499）	<0.001
病程	1.015（0.992~1.038）	0.207
BMI<23.5 kg/m²（以≥23.5 kg/m²为参考）	8.651（6.033~12.403）	<0.001	19.678（11.319~34.210）	<0.001
SBP	0.991（0.983~1.000）	0.039
DBP	0.989（0.976~1.003）	0.122
ALT	1.001（0.997~1.006）	0.486
AST	1.006（0.995~1.017）	0.303
GGT	1.000（0.996~1.005）	0.886
HbA_1c	1.169（1.082~1.262）	<0.001	1.196（1.081~1.323）	<0.001
FBG	1.020（0.967~1.077）	0.469
FINS	0.972（0.944~1.001）	0.059
HOMA-IR	0.952（0.892~1.016）	0.138
TG	0.888（0.770~1.025）	0.104
TC	1.037（0.920~1.169）	0.556
HDL-C	1.190（0.742~1.909）	0.470
LDL-C	1.103（0.945~1.289）	0.215
UA	1.000（0.998~1.002）	0.871
Scr	1.004（0.998~1.007）	0.335
eGFR	1.002（0.998~1.006）	0.335
CRP	1.004（0.994~1.015）	0.399
OCN	1.011（0.984~1.038）	0.449
β-CTX	1.831（0.914~3.669）	0.088
P1ND	1.001（0.993~1.008）	0.858
25（OH）D₃	0.988（0.966~1.011）	0.310
ALB	0.929（0.874~0.988）	0.019
Hb	1.009（0.998~1.020）	0.095
UACR	1.000（1.000~1.001）	0.506
内脏脂肪面积	0.989（0.983~0.996）	0.002	1.021（1.010~1.032）	<0.001
TSH	0.929（0.836~1.033）	0.174
FT₃	0.933（0.806~1.080）	0.354
FT₄	1.008（0.952~1.067）	0.788
GH	1.069（0.966~1.184）	0.196
ACTH（8：00）	1.040（0.991~1.091）	0.113
ACTH（16：00）	0.982（0.910~1.058）	0.628
ACTH（24：00）	1.016（0.933~1.105）	0.720
皮质醇（8：00）	1.001（1.000~1.003）	0.010
皮质醇（16：00）	1.000（0.999~1.002）	0.493
皮质醇（24：00）	1.001（0.998~1.003）	0.197

变量	单因素Logistic回归分析		多因素Logistic回归分析
变量	OR（95%CI）	P值	OR（95%CI）	P值
年龄	1.034（1.013~1.056）	0.002	1.039（1.010~1.070）	0.009
男性（以女性为参考）	1.452（1.057~1.994）	0.021	3.425（2.133~5.499）	<0.001
病程	1.015（0.992~1.038）	0.207
BMI<23.5 kg/m²（以≥23.5 kg/m²为参考）	8.651（6.033~12.403）	<0.001	19.678（11.319~34.210）	<0.001
SBP	0.991（0.983~1.000）	0.039
DBP	0.989（0.976~1.003）	0.122
ALT	1.001（0.997~1.006）	0.486
AST	1.006（0.995~1.017）	0.303
GGT	1.000（0.996~1.005）	0.886
HbA_1c	1.169（1.082~1.262）	<0.001	1.196（1.081~1.323）	<0.001
FBG	1.020（0.967~1.077）	0.469
FINS	0.972（0.944~1.001）	0.059
HOMA-IR	0.952（0.892~1.016）	0.138
TG	0.888（0.770~1.025）	0.104
TC	1.037（0.920~1.169）	0.556
HDL-C	1.190（0.742~1.909）	0.470
LDL-C	1.103（0.945~1.289）	0.215
UA	1.000（0.998~1.002）	0.871
Scr	1.004（0.998~1.007）	0.335
eGFR	1.002（0.998~1.006）	0.335
CRP	1.004（0.994~1.015）	0.399
OCN	1.011（0.984~1.038）	0.449
β-CTX	1.831（0.914~3.669）	0.088
P1ND	1.001（0.993~1.008）	0.858
25（OH）D₃	0.988（0.966~1.011）	0.310
ALB	0.929（0.874~0.988）	0.019
Hb	1.009（0.998~1.020）	0.095
UACR	1.000（1.000~1.001）	0.506
内脏脂肪面积	0.989（0.983~0.996）	0.002	1.021（1.010~1.032）	<0.001
TSH	0.929（0.836~1.033）	0.174
FT₃	0.933（0.806~1.080）	0.354
FT₄	1.008（0.952~1.067）	0.788
GH	1.069（0.966~1.184）	0.196
ACTH（8：00）	1.040（0.991~1.091）	0.113
ACTH（16：00）	0.982（0.910~1.058）	0.628
ACTH（24：00）	1.016（0.933~1.105）	0.720
皮质醇（8：00）	1.001（1.000~1.003）	0.010
皮质醇（16：00）	1.000（0.999~1.002）	0.493
皮质醇（24：00）	1.001（0.998~1.003）	0.197