Correlation between the Continuous Metabolic Syndrome Score and Glomerular Filtration Rate in Individuals Aged 60 and Above

doi:10.12114/j.issn.1007-9572.2025.0037

Abstract

Abstract:

Background

The continuous metabolic syndrome score (cMetS) is a weighted composite score based on five metabolic indicators: waist circumference (WC), triglycerides (TG), high-density lipoprotein cholesterol (HDL-C), mean arterial pressure (MAP), and fasting plasma glucose (FPG). lthough the role of cMetS in metabolic diseases has been preliminarily recognized, its association with renal function has not yet been systematically elucidated. Given the high prevalence of chronic kidney disease (CKD) and its close link to metabolic dysregulation, elucidating the role of cMetS in this context may pave the way for novel biomarkers or therapeutic targets for early warning, risk stratification, or intervention.

Objective

To investigate the effectiveness of cMetS in early screening for chronic kidney disease (CKD) and to reduce the risk of CKD in the target population by controlling relevant factors.

Methods

From 2017 to 2021, this project screened and collected data from 2 049 elderly individuals (aged≥60 years) with high cardiovascular risks during community-based health examinations across 12 counties/cities in Anhui Province. Participants were stratified by estimated glomerular filtration rate (eGFR): the low-filtration group [eGFR <90 mL·min^-1· (1.73 m²)^-1] and the normal group [eGFR ≥90 mL·min^-1· (1.73 m²)^-1]. Multivariate Logistic regression was employed to analyze the correlation between cMetS quartiles and the risk of reduced eGFR.

Results

Patients in the low-filtration group (n=927) showed significantly older age, and higher body weight, body mass index (BMI), waist circumference (WC), systolic blood pressure (SBP), fasting plasma glucose (FPG), serum creatinine (Scr), blood urea nitrogen (BUN), triglycerides (TG), waist-to-height ratio (WHtR), WHtR cut-off=0.5 (WHt.5R), body roundness index (BRI), and cMetS than the normal group (n=1 122) (P<0.05). Stratified by cMetS quartiles, four groups were assigned as follows: S1=-4.40 to <-0.18; S2=-0.18 to <0.30; S3=0.30 to <0.79; S4: 0.79 to 4.96. The body hight (BH), body mass, BMI, WC, SBP, DBP, MAP, FPG, Scr, TC, TG, low-density lipoprotein cholesterol (LDL-C), WHtR, WHt.5R, and BRI in the four groups increased with the increasing cMetS levels, while BUN, HDL-C, and eGFR decreased with the increasing cMetS levels (P<0.05). Compared with the cMetS S1 group, the risk of decreased glomerular filtration rate increased in S2, S3, and S4 groups (OR=1.462, 1.656, and 1.652, respectively, P<0.05). Compared with the BMI M1 group (16.51-<23.19 kg/m²), the risk of decreased glomerular filtration rate in M2 (23.19-<25.31 kg/m²), M3 (25.31-<27.61 kg/m²), and M4 groups (27.61-<40.89 kg/m²)significantly increased (OR=1.373, 1.328, and 1.385, respectively, P<0.05).

Conclusion

Among older adults of 60 years and above, age and BMI increase, and eGFR decreases with the increasing cMetS levels. Elevated cMetS and BMI are independent risk factors for the decreased glomerular filtration rate. Renal function gradually declines with aging, which can be accelerated by MetS. For older adults of 60 years and above, early intervention is needed to delay the deterioration of renal function.

Key words: Metabolic syndrome, Continuous metabolic syndrome score, Glomerular filtration rate, Chronic kidney disease, Anhui

摘要：

背景

连续代谢综合征评分（cMetS）是基于腰围（WC）、三酰甘油（TG）、高密度脂蛋白胆固醇（HDL-C）、平均动脉压（MAP）及空腹血糖（FPG）5项代谢指标进行加权计算而成的评分标准，尽管cMetS在代谢性疾病中的作用已被初步认识，但其与肾脏功能之间的关联尚未被系统阐明。鉴于慢性肾脏病（CKD）的高发病率与代谢紊乱密切相关，阐明cMetS在其中的作用，可能为早期预警、风险分层或干预提供新的生物标志物或靶点。

目的

探讨cMetS早期筛查CKD的有效性，并通过控制相关因素降低目标人群患CKD的风险。

方法

2017—2021年，在安徽省12个县市的社区体检居民中，针对心血管疾病高危的60岁以上老年人，进行CKD早期筛查，共筛选收集了2 049份数据。将研究对象依据估算肾小球滤过率（eGFR）水平进行分组：eGFR<90 mL·min^-1·（1.73 m²）^-1为低滤过率组，eGFR≥90 mL·min^-1·（1.73 m²）^-1为正常组。采用多因素Logistic回归分析探讨cMetS四分位水平与eGFR降低风险的关系。

结果

低滤过率组（n=927）的年龄、体质量、BMI、WC、收缩压（SBP）、FPG、血肌酐（Scr）、尿素氮（BUN）、TG、腰高比（WHtR）、腰高比0.5（WHT.5R）、身体圆度指数（BRI）及cMetS均高于正常组（n=1 122），差异有统计学意义（P<0.05）。依据cMetS四分位间距分为S1~S4组，S1组-4.40~<-0.18分，S2组-0.18~<0.30分，S3组0.30~<0.79分，S4组0.79~4.96分。4组的身高（BH）、体质量、BMI、WC、SBP、DBP、MAP、FPG、Scr、TC、TG、低密度脂蛋白胆固醇（LDL-C）、WHtR、WHt.5R、BRI随cMetS水平升高而升高，BUN、HDL-C、eGFR随cMetS水平升高而降低（P<0.05）。与cMetS Q1组相比，S2、S3、S4组肾小球滤过率降低的风险升高（OR=1.462、1.656、1.652，P<0.05），与BMI M1组（16.51~<23.19 kg/m²）比较，M2（23.19~<25.31 kg/m²）、M3（25.31~<27.61 kg/m²）、M4组（27.61~<40.89 kg/m²）肾小球滤过率降低的风险升高（OR=1.373、1.328、1.385，P<0.05）。

结论

在60岁及以上人群中，随着cMetS水平升高，年龄增大、BMI增大、eGFR下降，cMetS升高和BMI升高是肾小球滤过率下降的独立危险因素。随着年龄的增长，肾脏的功能逐渐减退，而代谢综合征的存在会进一步加速这种衰退。对于这一目标人群，需要进行早期干预，以延缓肾功能恶化。

关键词: 代谢综合征, 连续代谢综合征评分, 肾小球滤过率, 慢性肾脏病, 安徽

CLC Number:

R 589

ZHANG Rui,WANG Weiqiang,LU Hongrun, et al. Correlation between the Continuous Metabolic Syndrome Score and Glomerular Filtration Rate in Individuals Aged 60 and Above[J]. Chinese General Practice, 2026, 29(07): 879-884. DOI: 10.12114/j.issn.1007-9572.2025.0037.
张睿,王为强,卢鸿润等. 60岁及以上人群连续代谢综合征评分与肾小球滤过率的关系研究[J]. 中国全科医学, 2026, 29(07): 879-884. DOI: 10.12114/j.issn.1007-9572.2025.0037.

Figures/Tables 4

References 16

[1]	ALBERTI K G M M, ZIMMET P, SHAW J, et al. The metabolic syndrome—a new worldwide definition[J]. Lancet, 2005, 366(9491): 1059-1062. DOI: 10.1016/S0140-6736(05)67402-8.
[2]	YANG S J, YU B, YU W Q, et al. Development and validation of an age-sex-ethnicity-specific metabolic syndrome score in the Chinese adults[J]. Nat Commun, 2023, 14(1): 6988.
[3]	LEVEY A S, CORESH J, BALK E, et al. National Kidney Foundation practice guidelines for chronic kidney disease: evaluation, classification, and stratification[J]. Ann Intern Med, 2003, 139(2): 137-147. DOI: 10.7326/0003-4819-139-2-200307150-00013.
[4]	XU Q Y, FAN X H, CHEN G, et al. New-onset metabolic syndrome is associated with accelerated renal function decline partially through elevated uric acid: an epidemiological cohort study[J]. Front Endocrinol(Lausanne), 2024, 15: 1328404.
[5]	SARKAR A K, CHATTERJEE N, ADHIKARI A, et al. A study of prevalence of renal function abnormalities and their association with the individual components of metabolic syndrome[J]. J Assoc Physicians India, 2024, 72(6): 20-22. DOI: 10.59556/japi.72.0565.
[6]	NDUMELE C E, NEELAND I J, TUTTLE K R, et al. A synopsis of the evidence for the science and clinical management of cardiovascular-kidney-metabolic(CKM)syndrome: a scientific statement from the American heart association[J]. Circulation, 2023, 148(20): 1636-1664. DOI: 10.1161/CIR.0000000000001186.
[7]	HU Y, SHI L X, ZHANG Q, et al. Increased risk of chronic kidney diseases in patients with metabolic syndrome: a 3-year prospective cohort study[J]. Curr Med Sci, 2019, 39(2): 204-210. DOI: 10.1007/s11596-019-2020-8.
[8]	中国高血压防治指南修订委员会. 中国高血压防治指南(2024年修订版)[J]. 中华高血压杂志, 2024, 32(7): 603-700.
[9]	LI W Z, SONG F J, WANG X J, et al. Relationship between metabolic syndrome and its components and cardiovascular disease in middle-aged and elderly Chinese population: a national cross-sectional survey[J]. BMJ Open, 2019, 9(8): e027545. DOI: 10.1136/bmjopen-2018-027545.
[10]	WU M Y, SHU Y L, WANG L L, et al. Metabolic syndrome severity score and the progression of CKD[J]. Eur J Clin Invest, 2022, 52(1): e13646. DOI: 10.1111/eci.13646.
[11]	LIU P J, TANG L L, FANG J, et al. Association between recovery/occurrence of metabolic syndrome and rapid estimated glomerular filtration rate decline in middle-aged and older populations: evidence from the China Health and Retirement Longitudinal Study[J]. BMJ Open, 2022, 12(10): e059504.
[12]	PARK S, LEE S, KIM Y, et al. Reduced risk for chronic kidney disease after recovery from metabolic syndrome: a nationwide population-based study[J]. Kidney Res Clin Pract, 2020, 39(2): 180-191. DOI: 10.23876/j.krcp.20.016.
[13]	FRIBERG L, DRVOTA V, BJELAK A H, et al. Association between increased levels of reverse triiodothyronine and mortality after acute myocardial infarction[J]. Am J Med, 2001, 111(9): 699-703.
[14]	KIM Y, PARK C W. Can management of the components of metabolic syndrome modify the course of chronic kidney disease [J]. Kidney Res Clin Pract, 2020, 39(2): 118-120. DOI: 10.23876/j.krcp.20.066.
[15]	XIA X, CHEN S H, TIAN X, et al. Association of body mass index with risk of cardiometabolic disease, multimorbidity and mortality: a multi-state analysis based on the Kailuan cohort[J]. Endocrine, 2024, 84(2): 355-364. DOI: 10.1007/s12020-023-03570-w.
[16]	RUIZ-ORTEGA M, RAYEGO-MATEOS S, LAMAS S, et al. Targeting the progression of chronic kidney disease[J]. Nat Rev Nephrol, 2020, 16(5): 269-288. DOI: 10.1038/s41581-019-0248-y.

组别	例数	年龄[M（P₂₅，P₇₅），年]	性别（男/女）	吸烟[例（%）]	饮酒[例（%）]	BH[M（P₂₅，P₇₅），cm]	体质量[M（P₂₅，P₇₅），kg]	BMI[M（P₂₅，P₇₅），kg/m²]	WC[M（P₂₅，P₇₅），cm]
正常组	1 122	66（63，69）	489/633	203（18.1）	193（17.2）	158.0（153.0，164.5）	63.4（57.0，70.0）	25.13（23.01，27.48）	86（80，93）
低滤过组	927	68（65，71）	445/482	172（18.6）	163（17.6）	158.2（152.0，165.0）	64.7（58.0，71.0）	25.53（23.44，27.80）	88（82，95）
Z（χ²）值		-12.05	3.824^a	0.072^a	0.052^a	-0.070	-2.310	-2.730	-3.450
P值		<0.001	0.051	0.052	0.820	0.942	0.021	0.006	<0.001
组别	SBP[M（P₂₅，P₇₅），mmHg]	DBP[M（P₂₅，P₇₅），mmHg]	MAP [M（P₂₅，P₇₅），mmHg]	FPG[M（P₂₅，P₇₅），mmol/L]	Scr[M（P₂₅，P₇₅），mmol/d]	BUN[M（P₂₅，P₇₅），mmol/L]	TC[M（P₂₅，P₇₅），mmol/L]
正常组	161（139，169）	85（77，93）	109（100，118）	5.38（4.80，6.33）	54.5（47.8，62.3）	5.5（4.6，6.6）	4.58（3.93，5.25）
低滤过组	161（141，171）	85（77，93）	110（100，118）	5.58（4.99，6.40）	76.0（66.0，84.0）	6.1（5.1，7.1）	4.62（3.88，5.40）
Z（χ²）值	-2.390	-0.570	0.850	-3.169	-31.230	-8.860	-0.667
P值	0.017	0.568	0.393	0.002	<0.001	<0.001	0.505
组别	HDL-C[M（P₂₅，P₇₅），mmol/L]	TG[M（P₂₅，P₇₅），mmol/L]	LDL-C[M（P₂₅，P₇₅），mmol/L]	WHtR[M（P₂₅，P₇₅）]	WHt.5R[M（P₂₅，P₇₅）]	BRI[M（P₂₅，P₇₅）]	cMetS[M（P₂₅，P₇₅），分]
正常组	1.47（1.22，1.85）	1.30（1.00，1.80）	2.46（2.00，3.05）	0.55（0.51，0.59）	6.87（6.40，7.40）	4.45（3.67，5.38）	0.25（-0.24，0.73）
低滤过组	1.44（1.18，1.79）	1.43（1.01，2.00）	2.58（1.99，3.22）	0.55（0.52，0.60）	7.00（6.51，7.56）	4.62（3.83，5.64）	0.39（-0.08，0.83）
Z（χ²）值	-1.580	-4.500	-1.670	-3.320	-3.480	-3.320	-4.490
P值	0.113	<0.001	0.093	<0.001	<0.001	<0.001	<0.001

组别	例数	年龄[M（P₂₅，P₇₅），年]	性别（男/女）	吸烟[例（%）]	饮酒[例（%）]	BH[M（P₂₅，P₇₅），cm]	体质量[M（P₂₅，P₇₅），kg]	BMI[M（P₂₅，P₇₅），kg/m²]	WC[M（P₂₅，P₇₅），cm]
正常组	1 122	66（63，69）	489/633	203（18.1）	193（17.2）	158.0（153.0，164.5）	63.4（57.0，70.0）	25.13（23.01，27.48）	86（80，93）
低滤过组	927	68（65，71）	445/482	172（18.6）	163（17.6）	158.2（152.0，165.0）	64.7（58.0，71.0）	25.53（23.44，27.80）	88（82，95）
Z（χ²）值		-12.05	3.824^a	0.072^a	0.052^a	-0.070	-2.310	-2.730	-3.450
P值		<0.001	0.051	0.052	0.820	0.942	0.021	0.006	<0.001
组别	SBP[M（P₂₅，P₇₅），mmHg]	DBP[M（P₂₅，P₇₅），mmHg]	MAP [M（P₂₅，P₇₅），mmHg]	FPG[M（P₂₅，P₇₅），mmol/L]	Scr[M（P₂₅，P₇₅），mmol/d]	BUN[M（P₂₅，P₇₅），mmol/L]	TC[M（P₂₅，P₇₅），mmol/L]
正常组	161（139，169）	85（77，93）	109（100，118）	5.38（4.80，6.33）	54.5（47.8，62.3）	5.5（4.6，6.6）	4.58（3.93，5.25）
低滤过组	161（141，171）	85（77，93）	110（100，118）	5.58（4.99，6.40）	76.0（66.0，84.0）	6.1（5.1，7.1）	4.62（3.88，5.40）
Z（χ²）值	-2.390	-0.570	0.850	-3.169	-31.230	-8.860	-0.667
P值	0.017	0.568	0.393	0.002	<0.001	<0.001	0.505
组别	HDL-C[M（P₂₅，P₇₅），mmol/L]	TG[M（P₂₅，P₇₅），mmol/L]	LDL-C[M（P₂₅，P₇₅），mmol/L]	WHtR[M（P₂₅，P₇₅）]	WHt.5R[M（P₂₅，P₇₅）]	BRI[M（P₂₅，P₇₅）]	cMetS[M（P₂₅，P₇₅），分]
正常组	1.47（1.22，1.85）	1.30（1.00，1.80）	2.46（2.00，3.05）	0.55（0.51，0.59）	6.87（6.40，7.40）	4.45（3.67，5.38）	0.25（-0.24，0.73）
低滤过组	1.44（1.18，1.79）	1.43（1.01，2.00）	2.58（1.99，3.22）	0.55（0.52，0.60）	7.00（6.51，7.56）	4.62（3.83，5.64）	0.39（-0.08，0.83）
Z（χ²）值	-1.580	-4.500	-1.670	-3.320	-3.480	-3.320	-4.490
P值	0.113	<0.001	0.093	<0.001	<0.001	<0.001	<0.001

组别	例数	年龄（岁）	BH（cm）	体质量（kg）	BMI（kg/m²）	WC（cm）	SBP（mmHg）	DBP（mmHg）	MAP（mmHg）	FPG（mmol/L）
S1组	516	67 （63，70）	157 （152，162）	58.4 （53.0，64.3）	23.41 （21.80，25.53）	81 （77，87）	154 （134，168）	81 （74，88）	105 （96，114）	5.1 （4.7，5.7）
S2组	534	66 （64，70）	158 （153，164）	62.3 （56.5，68.5）	24.87 （22.86，26.91）	85 （80，91）	161 （140，169）	84 （76，93）	108 （99，117）	5.2 （4.7，5.9）
S3组	526	67 （64，70）	159 （153，165）	65.0 （60.0，71.0）	25.84 （24.09，27.74）	89 （84，94）	161 （141，171）	86 （79，94）	110 （100，120）	5.6 （5.0，6.6）
S4组	473	67 （63，70）	160 （154，167）	70.0 （64.0，76.1）	27.18 （24.97，29.47）	94 （88，100）	163 （148，172）	89 （81，98）	114 （105，121）	6.4 （5.4，8.0）
H_趋势值		0.96	38.44	377.39	320.35	430.13	38.04	270.85	94.21	270.85
P值		0.810	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001
组别	Scr（mmol/L）	BUN （mmol/L）	TC（mmol/L）	HDL-C （mmol/L）	TG（mmol/L）	LDL-C （mmol/L）	eGFR [mL·min^-1· （1.73 m²）^-1]	WHtR	WHt.5R	BRI
S1组	59.8 （52.0，72.5）	6.0 （5.0，7.0）	4.87 （4.15，5.6）	1.97 （1.715，2.32）	1 （0.78，1.21）	2.595 （2.05，3.28）	92.34 （86.57，98.22）	0.51 （0.48，0.55）	6.49 （6.10，6.95）	3.86 （3.20，4.67）
S2组	62.8 （52.8，74.1）	5.7 （4.7，6.9）	4.55 （3.80，5.31）	1.5. （1.31，1.75）	1.22 （1.00，1.61）	2.55 （2.00，3.15）	91.25 （82.64，97.90）	0.53 （0.50，0.57）	6.80 （6.35，7.25）	4.31 （3.63，5.16）
S3组	64.8 （53.5，77.0）	5.8 （4.9，7.0）	4.45 （3.72，5.13）	1.32 （1.14，1.50）	1.50 （1.15，1.98）	2.43 （1.93，3.15）	90.45 （80.78，97.22）	0.56 （0.53，0.59）	7.06 （6.69，7.40）	4.75 （4.13，5.59）
S4组	66.0 （55.0，79.0）	5.6 （4.8，6.7）	4.54 （3.87，5.13）	1.17 （1.00，1.39）	2.18 （1.62，3.08）	2.44 （2.00，3.00）	89.99 （81.33，96.56）	0.58 （0.54，0.62）	7.42 （6.92，7.89）	5.2 （4.37，6.27）
H_趋势值	34.15	11.11	40.29	870.18	685.81	13.25	373.52	288.10	19.73	288.10
P值	<0.001	0.011	<0.001	<0.001	<0.001	0.004	<0.001	<0.001	<0.001	<0.001

组别	例数	年龄（岁）	BH（cm）	体质量（kg）	BMI（kg/m²）	WC（cm）	SBP（mmHg）	DBP（mmHg）	MAP（mmHg）	FPG（mmol/L）
S1组	516	67 （63，70）	157 （152，162）	58.4 （53.0，64.3）	23.41 （21.80，25.53）	81 （77，87）	154 （134，168）	81 （74，88）	105 （96，114）	5.1 （4.7，5.7）
S2组	534	66 （64，70）	158 （153，164）	62.3 （56.5，68.5）	24.87 （22.86，26.91）	85 （80，91）	161 （140，169）	84 （76，93）	108 （99，117）	5.2 （4.7，5.9）
S3组	526	67 （64，70）	159 （153，165）	65.0 （60.0，71.0）	25.84 （24.09，27.74）	89 （84，94）	161 （141，171）	86 （79，94）	110 （100，120）	5.6 （5.0，6.6）
S4组	473	67 （63，70）	160 （154，167）	70.0 （64.0，76.1）	27.18 （24.97，29.47）	94 （88，100）	163 （148，172）	89 （81，98）	114 （105，121）	6.4 （5.4，8.0）
H_趋势值		0.96	38.44	377.39	320.35	430.13	38.04	270.85	94.21	270.85
P值		0.810	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001
组别	Scr（mmol/L）	BUN （mmol/L）	TC（mmol/L）	HDL-C （mmol/L）	TG（mmol/L）	LDL-C （mmol/L）	eGFR [mL·min^-1· （1.73 m²）^-1]	WHtR	WHt.5R	BRI
S1组	59.8 （52.0，72.5）	6.0 （5.0，7.0）	4.87 （4.15，5.6）	1.97 （1.715，2.32）	1 （0.78，1.21）	2.595 （2.05，3.28）	92.34 （86.57，98.22）	0.51 （0.48，0.55）	6.49 （6.10，6.95）	3.86 （3.20，4.67）
S2组	62.8 （52.8，74.1）	5.7 （4.7，6.9）	4.55 （3.80，5.31）	1.5. （1.31，1.75）	1.22 （1.00，1.61）	2.55 （2.00，3.15）	91.25 （82.64，97.90）	0.53 （0.50，0.57）	6.80 （6.35，7.25）	4.31 （3.63，5.16）
S3组	64.8 （53.5，77.0）	5.8 （4.9，7.0）	4.45 （3.72，5.13）	1.32 （1.14，1.50）	1.50 （1.15，1.98）	2.43 （1.93，3.15）	90.45 （80.78，97.22）	0.56 （0.53，0.59）	7.06 （6.69，7.40）	4.75 （4.13，5.59）
S4组	66.0 （55.0，79.0）	5.6 （4.8，6.7）	4.54 （3.87，5.13）	1.17 （1.00，1.39）	2.18 （1.62，3.08）	2.44 （2.00，3.00）	89.99 （81.33，96.56）	0.58 （0.54，0.62）	7.42 （6.92，7.89）	5.2 （4.37，6.27）
H_趋势值	34.15	11.11	40.29	870.18	685.81	13.25	373.52	288.10	19.73	288.10
P值	<0.001	0.011	<0.001	<0.001	<0.001	0.004	<0.001	<0.001	<0.001	<0.001

变量	模型1		模型2		模型3
变量	OR（95%CI）	P值	OR（95%CI）	P值	OR（95%CI）	P值
cMetS四分位分组（以S1组为参照）
S2组	1.345（1.052~1.721）	0.018	1.379（1.068~1.783）	0.014	1.462（1.122~1.901）	0.005
S3组	1.623（1.267~2.079）	<0.001	1.650（1.277~2.132）	<0.001	1.656（1.267~2.165）	<0.001
S4组	1.681（1.304~2.165）	<0.001	1.769（1.362~2.304）	<0.001	1.652（1.212~2.257）	0.002