Association between Triglyceride-Glucose Index and Incident Cardiometabolic Multimorbidity in the Elderly: a Prospective Cohort Study

doi:10.12114/j.issn.1007-9572.2024.0486

Chinese General Practice ›› 2025, Vol. 28 ›› Issue (18): 2270-2277.DOI: 10.12114/j.issn.1007-9572.2024.0486

• Article·Cardiovascular and Metabolic Comorbidities Section • Previous Articles Next Articles

Association between Triglyceride-Glucose Index and Incident Cardiometabolic Multimorbidity in the Elderly: a Prospective Cohort Study

1. School of Public Health, Cheeloo College of Medicine, Shandong University, Jinan 250012, China
2. National Institute of Health Data Science of China, Jinan 250003, China
3. National Administration of Health Data, Jinan 250002, China
4. Talent Development Center, Taizhou Medical High-tech Industrial Development Zone, Taizhou 225326, China

Received:2024-08-10 Revised:2024-12-15 Published:2025-06-20 Online:2025-04-25
Contact: CHI Weiwei

三酰甘油葡萄糖指数与老年人群新发心脏代谢性共病的相关性：前瞻性队列研究

1．250012　山东省济南市，山东大学齐鲁医学院公共卫生学院
2．250003　山东省济南市，国家健康医疗大数据研究院
3．250002　山东省济南市，山东健康医疗大数据管理中心
4．225326　江苏省泰州市，泰州医药高新技术产业开发区人才发展中心

通讯作者: 迟蔚蔚
作者简介:
作者贡献：
陈巧巧确定了老年人群中三酰甘油葡萄糖指数与心脏代谢性共病相关性的研究目标，负责研究的设计与构思，实施研究，撰写论文，筛选整理数据并进行统计分析，制作图表；苏萍、赵颖颖、逄锦宏、施婕、王雅倩、李秋春、何蕊言、王玥、陈学禹、乔俊鹏查看论文并提出修改建议；迟蔚蔚负责文章的质量把关与审核。
基金资助:
四大慢病重大专项(2023ZD0503500)

Abstract

Abstract:

Background

Existing studies have extensively explored the association between the triglyceride-glucose index (TyG) and cardiometabolic diseases (CMD), while the relationship between TyG and the occurrence of cardiometabolic multimorbidity (CMM) in the elderly population has been overlooked.

Objective

This study aims to investigate the association between TyG and the incidence of CMM in the elderly population.

Methods

A prospective cohort study was conducted using the Cheeloo Lifetime Electronic Health Database (Cheeloo LEAD), selecting elderly individuals aged ≥60 years in 2016. Using 2016 as the baseline, the study endpoints were defined as the occurrence of CMM or death, with the follow-up period lasting until December 31, 2022. Participants were divided into four groups based on the quartiles of the baseline TyG: Q1 (5.88≤TyG<8.22), Q2 (8.22≤TyG<8.53), Q3 (8.53≤TyG<8.90), and Q4 (8.90≤TyG<11.33). Kaplan-Meier survival curves were plotted, and Cox proportional hazards models were used to assess the impact of TyG on the risk of incident CMM. Subgroup and sensitivity analyses were also conducted. Restrictive cubic splines (RCS) were applied to explore the relationship between TyG and CMM.

Results

A total of 15 258 participants were included in the analysis, with 3 875 in the Q1 group, 3 776 in the Q2 group, 3 840 in the Q3 group, and 3 767 in the Q4 group. The average follow-up time was 5.63 years, totaling 85 862.48 person-years of follow-up. There were 1 328 new cases of CMM (8.70%). The cumulative incidence rates of new CMM in the Q1-Q4 groups were 5.81%, 7.65%, 9.27%, and 12.16%, respectively. The comparison of CMM incidence rates among the four groups showed statistically significant differences (χ²=104.300, P<0.001). The results of the fully adjusted Cox proportional hazards model showed that, compared to the Q1 group, the risk of incident CMM in the Q2, Q3, and Q4 groups increased by 25.4% (HR=1.254, 95%CI=1.052-1.494, P<0.05), 42.0% (HR=1.420, 95%CI=1.196-1.686, P<0.001), and 83.6% (HR=1.836, 95%CI=1.535-2.195, P<0.001), respectively. The trend test in the Cox model indicated a dose-response relationship between TyG and the risk of incident CMM. This association was consistent in subgroup analyses based on sex and BMI, as well as in sensitivity analyses (P<0.05). RCS analysis showed a dose-response relationship between TyG and the risk of new CMM (P<0.001, P_{non-linearity}=0.175) .

Conclusion

TyG is an independent risk factor for incident CMM in the elderly population, with a dose-response relationship between the two. As TyG levels increase, the risk of incident CMM rises, and high TyG levels significantly elevate the risk of CMM, particularly in males and individuals with higher BMI. Controlling TyG levels plays an important role in disease prevention among the elderly population.

Key words: Cardiometabolic multimorbidity, Metabolic cardiovascular syndrome, Triglyceride-glucose index, Aged, Shandong Province, Cohort studies, Prospective studies, Survival analysis

摘要：

背景

现有研究广泛探讨了三酰甘油葡萄糖指数（TyG）与心脏代谢性疾病（CMD）的关联，而忽略了TyG与老年人群发生心脏代谢性共病（CMM）的相关性。

目的

本研究旨在探究老年人群中TyG与新发CMM的关联。

方法

采用前瞻性队列研究，选取齐鲁全生命周期电子健康研究型数据库（Cheeloo LEAD）2016年≥60岁的老年人群。以2016年为基线，研究终点事件为发生CMM或死亡，随访时间截至2022-12-31。根据基线TyG的四分位数将研究对象分为4组：Q1组（5.88≤TyG<8.22）、Q2组（8.22≤TyG<8.53）、Q3组（8.53≤TyG<8.90）、Q4组（8.90≤TyG<11.33）。绘制Kaplan-Meier生存曲线，采用Cox比例风险模型评估TyG对新发CMM风险的影响，并进行亚组分析和敏感性分析。采用限制性立方样条（RCS）曲线探究二者之间的关系。

结果

共15 258例研究对象纳入分析，其中Q1组3 875例、Q2组3 776例、Q3组3 840例、Q4组3 767例。平均随访时间为5.63年，共随访85 862.48人年，共有1 328例（8.70%）新发CMM患者。Q1~Q4组新发CMM累积发病率分别为5.81%、7.65%、9.27%，12.16%，4组比较，差异有统计学意义（χ²=104.300，P<0.001）。完全校正的Cox比例风险模型结果显示，与Q1相比，Q2、Q3、Q4组新发CMM的风险分别增加25.4%（HR=1.254，95%CI=1.052~1.494，P<0.05）、42.0%（HR=1.420，95%CI=1.196~1.686，P<0.001）、83.6%（HR=1.836，95%CI=1.535~2.195，P<0.001）。趋势性检验显示，TyG与新发CMM风险呈递增关系，该关联在对性别和BMI进行亚组分析及敏感性分析时持续存在（P<0.05）。RCS显示TyG与新发CMM风险之间呈剂量反应关系（P<0.001，P_非线性=0.175）。

结论

高TyG是老年人群新发CMM的独立危险因素，且两者之间存在剂量反应关系。随着TyG水平的升高，新发CMM风险递增，高TyG水平显著增加老年人群CMM的发病风险，尤其在男性、MBI较高的群体中更为显著。控制TyG水平对于老年人群的疾病预防具有重要作用。

关键词: 心脏代谢性共病, 代谢性心血管综合征, 三酰甘油葡萄糖指数, 老年人, 山东省, 队列研究, 前瞻性研究, 生存分析

CLC Number:

R 589

CHEN Qiaoqiao,SU Ping,ZHAO Yingying, et al. Association between Triglyceride-Glucose Index and Incident Cardiometabolic Multimorbidity in the Elderly: a Prospective Cohort Study[J]. Chinese General Practice, 2025, 28(18): 2270-2277. DOI: 10.12114/j.issn.1007-9572.2024.0486.
陈巧巧,苏萍,赵颖颖等. 三酰甘油葡萄糖指数与老年人群新发心脏代谢性共病的相关性：前瞻性队列研究[J]. 中国全科医学, 2025, 28(18): 2270-2277. DOI: 10.12114/j.issn.1007-9572.2024.0486.

Figures/Tables 6

References 40

[1]	SKOU S T，MAIR F S，FORTIN M，et al. Multimorbidity[J]. Nat Rev Dis Primers，2022，8（1）：48. DOI：10.1038/s41572-022-00376-4.
[2]	WANG X W，YAO S S，WANG M Y，et al. Multimorbidity among two million adults in China[J]. Int J Environ Res Public Health，2020，17（10）：3395. DOI：10.3390/ijerph17103395.
[3]	JIN Y Z，LIANG J，HONG C L，et al. Cardiometabolic multimorbidity，lifestyle behaviours，and cognitive function：a multicohort study[J]. Lancet Healthy Longev，2023，4（6）：e265-273. DOI：10.1016/S2666-7568(23)00054-5.
[4]	KIVIMÄKI M，KUOSMA E，FERRIE J E，et al. Overweight，obesity，and risk of cardiometabolic multimorbidity：pooled analysis of individual-level data for 120 813 adults from 16 cohort studies from the USA and Europe[J]. Lancet Public Health，2017，2（6）：e277-285. DOI：10.1016/S2468-2667(17)30074-9.
[5]	ZHANG D D，TANG X，SHEN P，et al. Multimorbidity of cardiometabolic diseases：prevalence and risk for mortality from one million Chinese adults in a longitudinal cohort study[J]. BMJ Open，2019，9（3）：e024476. DOI：10.1136/bmjopen-2018-024476.
[6]	COLLABORATION E R F，DI ANGELANTONIO E，KAPTOGE S，et al. Association of cardiometabolic multimorbidity with mortality[J]. JAMA，2015，314（1）：52-60. DOI：10.1001/jama.2015.7008.
[7]	HAN Y T，HU Y Z，YU C Q，et al. Duration-dependent impact of cardiometabolic diseases and multimorbidity on all-cause and cause-specific mortality：a prospective cohort study of 0.5 million participants[J]. Cardiovasc Diabetol，2023，22（1）：135. DOI：10.1186/s12933-023-01858-9.
[8]	DOVE A，XU W L. Cardiometabolic multimorbidity and cognitive decline[J]. Lancet Healthy Longev，2023，4（6）：e241-242. DOI：10.1016/S2666-7568(23)00053-3.
[9]	ANTUNA-PUENTE B，DISSE E，RABASA-LHORET R，et al. How can we measure insulin sensitivity/resistance?[J]. Diabetes Metab，2011，37（3）：179-188. DOI：10.1016/j.diabet.2011.01.002.
[10]	LEBOVITZ H E. Insulin resistance：definition and consequences[J]. Exp Clin Endocrinol Diabetes，2001，109（Suppl 2）：S135-148. DOI：10.1055/s-2001-18576.
[11]	HILL M A，YANG Y，ZHANG L P，et al. Insulin resistance，cardiovascular stiffening and cardiovascular disease[J]. Metabolism，2021，119：154766. DOI：10.1016/j.metabol.2021.154766.
[12]	ASCASO J F，PARDO S，REAL J T，et al. Diagnosing insulin resistance by simple quantitative methods in subjects with normal glucose metabolism[J]. Diabetes Care，2003，26（12）：3320-3325. DOI：10.2337/diacare.26.12.3320.
[13]	RAMDAS NAYAK V K，SATHEESH P，SHENOY M T，et al. Triglyceride glucose （TyG） index：a surrogate biomarker of insulin resistance[J]. J Pak Med Assoc，2022，72（5）：986-988. DOI：10.47391/JPMA.22-63.
[14]	XING Y L，LIU J，GAO Y，et al. Stronger associations of TyG index with diabetes than TyG-obesity-related parameters：more pronounced in young，middle-aged，and women[J]. Diabetes Metab Syndr Obes，2023，16：3795-3805. DOI：10.2147/DMSO.S433493.
[15]	CAMPOS MUÑIZ C，LEÓN-GARCÍA P E，SERRATO DIAZ A，et al. Diabetes mellitus prediction based on the triglyceride and glucose index[J]. Med Clin，2023，160（6）：231-236. DOI：10.1016/j.medcli.2022.07.003.
[16]	ZHANG R T，SHI S S，CHEN W H，et al. Independent effects of the triglyceride-glucose index on all-cause mortality in critically ill patients with coronary heart disease：analysis of the MIMIC-Ⅲdatabase[J]. Cardiovasc Diabetol，2023，22（1）：10. DOI：10.1186/s12933-023-01737-3.
[17]	MIRJALILI S R，SOLTANI S，HEIDARI MEYBODI Z，et al. An innovative model for predicting coronary heart disease using triglyceride-glucose index：a machine learning-based cohort study[J]. Cardiovasc Diabetol，2023，22（1）：200. DOI：10.1186/s12933-023-01939-9.
[18]	CAI W M，XU J，WU X，et al. Association between triglyceride-glucose index and all-cause mortality in critically ill patients with ischemic stroke：analysis of the MIMIC-Ⅳ database[J]. Cardiovasc Diabetol，2023，22（1）：138. DOI：10.1186/s12933-023-01864-x.
[19]	JIANG Y A，SHEN J，CHEN P，et al. Association of triglyceride glucose index with stroke：from two large cohort studies and Mendelian randomization analysis[J]. Int J Surg，2024，110（9）：5409-5416. DOI：10.1097/JS9.0000000000001795.
[20]	2022年度国家老龄事业发展公报[A/OL].（2023-12-14）[2024-09-19].
[21]	YAN F F，YAN S M，WANG J，et al. Association between triglyceride glucose index and risk of cerebrovascular disease：systematic review and meta-analysis[J]. Cardiovasc Diabetol，2022，21（1）：226. DOI：10.1186/s12933-022-01664-9.
[22]	HAN Y T，HU Y Z，YU C Q，et al. Lifestyle，cardiometabolic disease，and multimorbidity in a prospective Chinese study[J]. Eur Heart J，2021，42（34）：3374-3384. DOI：10.1093/eurheartj/ehab413.
[23]	WANG S L，ZHANG X H，KEERMAN M，et al. Impact of the baseline insulin resistance surrogates and their longitudinal trajectories on cardiovascular disease （coronary heart disease and stroke）：a prospective cohort study in rural China[J]. Front Endocrinol，2023，14：1259062. DOI：10.3389/fendo.2023.1259062.
[24]	WANG Y，CHEN X Y，SHI J，et al. Relationship between triglyceride-glucose index baselines and trajectories with incident cardiovascular diseases in the elderly population[J]. Cardiovasc Diabetol，2024，23（1）：6. DOI：10.1186/s12933-023-02100-2.
[25]	CÁMARA M，GINER R M，GONZÁLEZ-FANDOS E，et al. Food-based dietary guidelines around the world：a comparative analysis to update AESAN scientific committee dietary recommendations[J]. Nutrients，2021，13（9）：3131. DOI：10.3390/nu13093131.
[26]	LI C，YANG J，WANG Y，et al. Farnesoid X receptor agonists as therapeutic target for cardiometabolic diseases[J]. Front Pharmacol，2020，11：1247. DOI：10.3389/fphar.2020.01247.
[27]	LEE J，KIM B，KIM W，et al. Lipid indices as simple and clinically useful surrogate markers for insulin resistance in the U.S. population[J]. Sci Rep，2021，11（1）：2366. DOI：10.1038/s41598-021-82053-2.
[28]	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.
[29]	TAHAPARY D L，PRATISTHITA L B，FITRI N A，et al. Challenges in the diagnosis of insulin resistance：focusing on the role of HOMA-IR and tryglyceride/glucose index[J]. Diabetes Metab Syndr，2022，16（8）：102581. DOI：10.1016/j.dsx.2022.102581.
[30]	FENG X，YAO Y，WU L S，et al. Triglyceride-glucose index and the risk of stroke：a systematic review and dose-response meta-analysis[J]. Horm Metab，2022，54（3）：175-186. DOI：10.1055/a-1766-0202.
[31]	YANG Y，HUANG X T，WANG Y G，et al. The impact of triglyceride-glucose index on ischemic stroke：a systematic review and meta-analysis[J]. Cardiovasc Diabetol，2023，22（1）：2. DOI：10.1186/s12933-022-01732-0.
[32]	CHEN C L，LIU L，LO K，et al. Association between triglyceride glucose index and risk of new-onset diabetes among Chinese adults：findings from the China health and retirement longitudinal study[J]. Front Cardiovasc Med，2020，7：610322. DOI：10.3389/fcvm.2020.610322.
[33]	LI X T，SUN M Z，YANG Y X，et al. Predictive effect of triglyceride glucose-related parameters，obesity indices，and lipid ratios for diabetes in a Chinese population：a prospective cohort study[J]. Front Endocrinol，2022，13：862919. DOI：10.3389/fendo.2022.862919.
[34]	LIANG S C，WANG C，ZHANG J，et al. Triglyceride-glucose index and coronary artery disease：a systematic review and meta-analysis of risk，severity，and prognosis[J]. Cardiovasc Diabetol，2023，22（1）：170. DOI：10.1186/s12933-023-01906-4.
[35]	WANG X，XU W，SONG Q R，et al. Association between the triglyceride-glucose index and severity of coronary artery disease[J]. Cardiovasc Diabetol，2022，21（1）：168. DOI：10.1186/s12933-022-01606-5.
[36]	ZHU X H，DING L L，ZHANG X N，et al. Association of cognitive frailty and abdominal obesity with cardiometabolic multimorbidity among middle-aged and older adults：a longitudinal study[J]. J Affect Disord，2023，340：523-528. DOI：10.1016/j.jad.2023.08.067.
[37]	XIE H J，LI J C，ZHU X M，et al. Association between healthy lifestyle and the occurrence of cardiometabolic multimorbidity in hypertensive patients：a prospective cohort study of UK biobank[J]. Cardiovasc Diabetol，2022，21（1）：199. DOI：10.1186/s12933-022-01632-3.
[38]	CHEN W，WANG X Y，CHEN J，et al. Household air pollution，adherence to a healthy lifestyle，and risk of cardiometabolic multimorbidity：results from the China health and retirement longitudinal study[J]. Sci Total Environ，2023，855：158896. DOI：10.1016/j.scitotenv.2022.158896.
[39]	SHULMAN G I. Ectopic fat in insulin resistance，dyslipidemia，and cardiometabolic disease[J]. N Engl J Med，2014，371（12）：1131-1141. DOI：10.1056/NEJMra1011035.
[40]	NEELAND I J，ROSS R，DESPRÉS J P，et al. Visceral and ectopic fat，atherosclerosis，and cardiometabolic disease：a position statement[J]. Lancet Diabetes Endocrinol，2019，7（9）：715-725. DOI：10.1016/S2213-8587(19)30084-1.

组别	例数	TyG（±s）	年龄[M（P₂₅，P₇₅），岁]	性别[例（%）]		文化程度[例（%）]			BMI[M（P₂₅，P₇₅），kg/m²]
组别	例数	TyG（±s）	年龄[M（P₂₅，P₇₅），岁]	男	女	高中	高中以下	高中及以上	BMI[M（P₂₅，P₇₅），kg/m²]
Q1组	3 875	7.93±0.26	70（67，75）	2 046（52.80）	1 829（47.20）	89（2.30）	3 751（96.80）	35（0.90）	22.9（20.9，25.2）
Q2组	3 776	8.38±0.09	69（66，74）	1 585（41.98）	2 191（58.02）	124（3.28）	3 612（95.66）	40（1.06）	24.0（22.0，26.2）
Q3组	3 840	8.71±0.10	69（66，74）	1 376（35.83）	2 464（64.17）	163（4.24）	3 618（94.22）	59（1.54）	24.8（22.8，27.2）
Q4组	3 767	9.30±0.37	69（66，73）	1 217（32.31）	2 550（67.69）	160（4.25）	3 557（94.43）	50（1.33）	25.7（23.5，28.0）
检验统计量值		22 669^a	77.095^b	384.920		37.813			1 312.300^b
P值		<0.001	<0.001	<0.001		<0.001			<0.001
组别	吸烟[例（%）]	饮酒[例（%）]	嗜盐或嗜油[例（%）]	高血压[例（%）]	血脂异常[例（%）]	糖尿病[例（%）]	缺血性心脏病[例（%）]	脑卒中[例（%）]	CMM[例（%）]
Q1组	860（22.19）	1 002（25.86）	204（5.26）	805（20.77）	472（12.18）	121（3.12）	530（13.68）	440（11.35）	225（5.81）
Q2组	617（16.34）	735（19.47）	178（4.71）	887（23.49）	583（15.44）	186（4.93）	609（16.13）	473（12.53）	289（7.65）
Q3组	536（13.96）	641（16.69）	153（3.98）	1 049（27.32）	915（23.83）	297（7.73）	636（16.56）	528（13.75）	356（9.27）
Q4组	406（10.78）	563（14.95）	154（4.09）	1 156（30.69）	2 330（61.85）	462（12.26）	649（17.23）	534（14.18）	458（12.16）
检验统计量值	200.510	169.850	9.495	113.490	2 939.200	905.930	62.281	29.849	104.300
P值	<0.001	<0.001	0.023	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001

组别	例数	TyG（±s）	年龄[M（P₂₅，P₇₅），岁]	性别[例（%）]		文化程度[例（%）]			BMI[M（P₂₅，P₇₅），kg/m²]
组别	例数	TyG（±s）	年龄[M（P₂₅，P₇₅），岁]	男	女	高中	高中以下	高中及以上	BMI[M（P₂₅，P₇₅），kg/m²]
Q1组	3 875	7.93±0.26	70（67，75）	2 046（52.80）	1 829（47.20）	89（2.30）	3 751（96.80）	35（0.90）	22.9（20.9，25.2）
Q2组	3 776	8.38±0.09	69（66，74）	1 585（41.98）	2 191（58.02）	124（3.28）	3 612（95.66）	40（1.06）	24.0（22.0，26.2）
Q3组	3 840	8.71±0.10	69（66，74）	1 376（35.83）	2 464（64.17）	163（4.24）	3 618（94.22）	59（1.54）	24.8（22.8，27.2）
Q4组	3 767	9.30±0.37	69（66，73）	1 217（32.31）	2 550（67.69）	160（4.25）	3 557（94.43）	50（1.33）	25.7（23.5，28.0）
检验统计量值		22 669^a	77.095^b	384.920		37.813			1 312.300^b
P值		<0.001	<0.001	<0.001		<0.001			<0.001
组别	吸烟[例（%）]	饮酒[例（%）]	嗜盐或嗜油[例（%）]	高血压[例（%）]	血脂异常[例（%）]	糖尿病[例（%）]	缺血性心脏病[例（%）]	脑卒中[例（%）]	CMM[例（%）]
Q1组	860（22.19）	1 002（25.86）	204（5.26）	805（20.77）	472（12.18）	121（3.12）	530（13.68）	440（11.35）	225（5.81）
Q2组	617（16.34）	735（19.47）	178（4.71）	887（23.49）	583（15.44）	186（4.93）	609（16.13）	473（12.53）	289（7.65）
Q3组	536（13.96）	641（16.69）	153（3.98）	1 049（27.32）	915（23.83）	297（7.73）	636（16.56）	528（13.75）	356（9.27）
Q4组	406（10.78）	563（14.95）	154（4.09）	1 156（30.69）	2 330（61.85）	462（12.26）	649（17.23）	534（14.18）	458（12.16）
检验统计量值	200.510	169.850	9.495	113.490	2 939.200	905.930	62.281	29.849	104.300
P值	<0.001	<0.001	0.023	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001

组别	模型1		模型2		模型3
组别	HR（95%CI）	P值	HR（95%CI）	P值	HR（95%CI）	P值
Q1组	1		1		1
Q2组	1.324（1.112~1.576）	0.002	1.334（1.120~1.589）	0.001	1.254（1.052~1.494）	0.012
Q3组	1.610（1.362~1.902）	<0.001	1.609（1.359~1.904）	<0.001	1.420（1.196~1.686）	<0.001
Q4组	2.139（1.824~2.510）	<0.001	2.159（1.836~2.537）	<0.001	1.836（1.535~2.195）	<0.001
趋势性检验	1.282（1.220~1.346）	<0.001	1.284（1.222~1.350）	<0.001	1.215（1.149~1.286）	<0.001

组别	模型1		模型2		模型3
组别	HR（95%CI）	P值	HR（95%CI）	P值	HR（95%CI）	P值
Q1组	1		1		1
Q2组	1.324（1.112~1.576）	0.002	1.334（1.120~1.589）	0.001	1.254（1.052~1.494）	0.012
Q3组	1.610（1.362~1.902）	<0.001	1.609（1.359~1.904）	<0.001	1.420（1.196~1.686）	<0.001
Q4组	2.139（1.824~2.510）	<0.001	2.159（1.836~2.537）	<0.001	1.836（1.535~2.195）	<0.001
趋势性检验	1.282（1.220~1.346）	<0.001	1.284（1.222~1.350）	<0.001	1.215（1.149~1.286）	<0.001

组别	HR（95%CI）	P值	P_交互值
性别
男性（以Q1为对照）
Q2	1.298（1.005~1.677）	0.046
Q3	1.482（1.145~1.917）	0.003
Q4	1.985（1.512~2.605）	<0.001
女性（以Q1为对照）
Q2	1.201（0.943~1.531）	0.139	0.713
Q3	1.355（1.074~1.710）	0.010	0.642
Q4	1.739（1.368~2.211）	<0.001	0.658
BMI
BMI<24 kg/m²（以Q1为对照）
Q2	1.349（1.051~1.732）	0.019
Q3	1.364（1.046~1.780）	0.022
Q4	1.823（1.369~2.426）	<0.001
BMI≥24 kg/m²（以Q1为对照）
Q2	1.199（0.936~1.537）	0.151	0.525
Q3	1.485（1.178~1.873）	<0.001	0.642
Q4	1.927（1.523~2.439）	<0.001	0.947

Association between Triglyceride-Glucose Index and Incident Cardiometabolic Multimorbidity in the Elderly: a Prospective Cohort Study

三酰甘油葡萄糖指数与老年人群新发心脏代谢性共病的相关性：前瞻性队列研究

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 6

References 40

Related Articles 15

Recommended Articles

Metrics

Comments

[1]	TANG Haoqing, LI Mingyue, LONG Ren, ZHU Yinbo, LIANG Weihuan, ZHU Ping, ZHAO Wei, ZHAO Yang, LIU Xiaoyun. Management Burden of Diabetic Mellitus Patients with Multimorbidity among Middle Aged and Older Adults: a Cross-sectional Survey in 6 Community Medical Institutes of China [J]. Chinese General Practice, 2026, 29(32): 4786-4797.
[2]	WANG Zhongkai, WU Changyong, LI Menghan, LUO Yihua, ZHANG Bingqing, PENG Yunzhu. Association between Remnant Cholesterol Inflammatory Index and Risk of Cardiometabolic Multimorbidity in Middle-aged and Older Adults [J]. Chinese General Practice, 2026, 29(31): 4573-4581.
[3]	LI Bin, GE Mengfei, HAN Jing, XIAO Yu, ZHONG Yu. The Influencing Factors of Physical and Mental Health of the Elderly at Home in the Community and the Empowerment Strategies of Medical Social Workers [J]. Chinese General Practice, 2026, 29(31): 4627-4634.
[4]	TANG Bo, YANG Rui, ZHAO Qian, LIU Hong, LIU Lidi, ZHANG Ying, JIANG Lihua, WANG Xiaogang, YANG Rong, LIAO Xiaoyang. Interpretation of the 2024 U.S. Preventive Services Task Force Recommendation Statement on Fall Prevention in Community-dwelling Older Adults [J]. Chinese General Practice, 2026, 29(30): 4360-4365.
[5]	ZHANG Shuaishuai, CHEN Yue, QIU Jiaojiao, ZHU Ping, WANG Shuxia. Association between Remnant Cholesterol Inflammatory Index and Biological Age Acceleration in Middle-aged and Older Chinese Adults: a Nationwide Cohort Study [J]. Chinese General Practice, 2026, 29(30): 4397-4405.
[6]	SUN Xiuqin, FENG Zhenlong, WEI Lanxuan, ZENG Yuxin, LIU Jinbo, MA Lin, AN Zhantian, WANG Hongyu. Analysis of the Current Status of Metabolic Syndrome among Middle-aged and Elderly People in Shijingshan District, Beijing, and Its Behavioral and Lifestyle Influencing Factors [J]. Chinese General Practice, 2026, 29(30): 4424-4430.
[7]	HE Qizhen, ZHONG Qingling, XU Jin, YU Yi, ZHAO Yuefei. Perceptions and Experiences of Zero-time Exercise among Community-dwelling Older Adults: a Qualitative Study [J]. Chinese General Practice, 2026, 29(30): 4480-4488.
[8]	HUANG Jiating, LIU Lingna, NING Yanhua, SHI Jing, LI Xinjin, YANG Cailing, YAO Jing. Consistency between Expressed and Perceived Needs for Family Doctor Contracted Services among Rural Older Adults: a Survey of 456 Residents in Ningxia [J]. Chinese General Practice, 2026, 29(29): 4217-4225.
[9]	CHEN Yujing, WANG Yan, LI Guang, DONG Benchao, YANG Peichuan, MA Jianxiong. Digital Technologies in the Management of Sarcopenia among Older Adults in Asia: a Scoping Review [J]. Chinese General Practice, 2026, 29(29): 4200-4210.
[10]	YU Xinyan, ZHANG Fang, GU Zhile, WANG Yanfang, SU Peng, ZHANG Haicheng. Correlation between Fasting Plasma Glucose, Body Mass Index, and Waist Circumference among Community-dwelling Elderly Individuals [J]. Chinese General Practice, 2026, 29(28): 4132-4140.
[11]	JIAO Shuting, JING Haoran, ZHAO Yali. The Severity and Influencing Factors of Chronic Pruritus Symptoms in Elderly Patients Seeking Medical Treatment in Urban Communities in Beijing [J]. Chinese General Practice, 2026, 29(25): 3655-3663.
[12]	NI Yidan, WANG Ying, ZHU Yuke, XU Jing, WANG Li. The Latent Profile Analysis of Functional Fitness and Influencing Factors in Community-dwelling Older Adults [J]. Chinese General Practice, 2026, 29(24): 3493-3499.
[13]	SUN Qinyu, DENG Yifan, YU Jiling, CAO Gan, YANG Tianxiao, FANG Zhen, JI Jun, HE Shenghu, ZHANG Jing. Study on the Predictive Value of Cumulative LDL-C Exposure and Uric Acid/HDL-C Ratio in Elderly Patients with Acute Myocardial Infarction [J]. Chinese General Practice, 2026, 29(24): 3447-3453.
[14]	YANG Wenjuan, XIN Chuanwei, ZHANG Meiling. Interpretation of the Update to the 2024 Version of the Criteria for Potentially Inappropriate Medication in Chinese Elderly (PIM-China) [J]. Chinese General Practice, 2026, 29(24): 3409-3415.
[15]	WANG Rui, LUO Shuoming, YANG Liang, WANG Peng, ZHAO Yang, WANG Qi, ZHOU Zhiguang. Diabetes Prevalence among Older Adults in China: a Systematic Review and Meta-analysis [J]. Chinese General Practice, 2026, 29(24): 3500-3508.