Correlation of Muscle-fat Ratio with Non-obese Hyperuricaemia and the Predictive Value

doi:10.12114/j.issn.1007-9572.2025.0144

Abstract

Abstract:

Background

Non-obese hyperuricaemia has an insidious onset, and anthropometric indicators such as the conventional BMI have limitations in evaluating the risk of developing this disease. Therefore, it is important to find a simple and inexpensive method to identify non-obese hyperuricaemia.

Objective

To investigate the correlation of muscle-fat ratio (MFR) with non-obese hyperuricaemia and blood uric acid levels and its predictive value.

Methods

Non-obese adults who participated in physical examinations in the Xiyuan Hospital of China Academy of Chinese Medicine Sciences from 2021 to 2024 were included in this study. The research subjects were divided into those with hyperuricemia and those without hyperuricemia based on whether they had hyperuricemia or not, and the baseline levels of the two groups were compared. The correlation of MFR with the prevalence of hyperuricemia and blood uric acid levels in non-obese people was analyzed by multivariate Logistic regression and multiple linear regression. Interaction tests were conducted according to gender, age, smoking history, alcohol consumption history and previous disease history. The diagnostic and predictive efficacy of MFR in diagnosing non-obese hyperuricaemia was assessed by using receiver operating characteristic (ROC) curves.

Results

A total of 1 869 non-obese participants were included in this study, including 428 cases of hyperuricaemia, and 1 441 cases of non-hyperuricaemia. After adjusting for confounders, multivariate Logistic regression showed that an elevated MFR was a protective factor for hyperuricaemia (OR=0.02, 95%CI=0.01-0.04, P<0.05). Compared with MFR Q1 (MFR: 0.562-0.995), the risk of hyperuricaemia in MFR Q2 (MFR: 1.000-1.257) (OR=0.14, 95%CI=0.09-0.22, P<0.05), MFR Q3 (MFR: 1.258-1.638) (OR=0.14, 95%CI=0.08-0.24, P<0.05), and MFR Q4 (MFR: 1.640-6.383) (OR=0.04, 95%CI=0.02-0.09, P<0.05) was significantly reduced (P<0.05). The results of multiple linear regression analysis showed that after adjusting for confounders, the blood uric acid levels of MFR Q2 (β=-31.32, 95%CI=-40.30 to -22.33, P<0.05), MFR Q3 (β=-28.08, 95%CI=-38.73 to -17.43, P<0.05), and MFR Q4 (β=-34.94, 95%CI=-48.15 to -21.73, P<0.05) were significantly reduced compared with MFR Q1. Subgroup analysis showed that elevated MFR in female populations was correlated with significantly lower risk of hyperuricaemia and lower levels of hematologic uric acid compared with men (P<0.05). The ROC curve shows that the area under the curve (AUC) of MFR in predicting the risk of non-obese hyperuricaemia was 0.759 (95%CI=0.732-0.786), with an optimal critical value of 0.992, a sensitivity of 58.4%, and a specificity of 85.3%.

Conclusion

The MFR level is elevated in non-obese populations, and the risk of hyperuricaemia and blood uric acid levels are reduced. MFR predicts non-obese hyperuricaemia and can be used for the early identification of hyperuricaemia in non-obese populations.

Key words: Muscle-fat ratio, Hyperuricaemia, Non-obesity, Body fat percentage, Correlation study, Predictive value

摘要：

背景

非肥胖高尿酸血症发病隐匿，常规BMI等人体测量学指标对该疾病发生风险的评价存在一定的局限性，因此寻找简便效优的非肥胖高尿酸血症识别方法具有重要意义。

目的

探究肌肉脂肪比例（MFR）与非肥胖高尿酸血症和血尿酸水平的相关性及其预测价值。

方法

本研究纳入2021—2024年在中国中医科学院西苑医院参加健康体检的非肥胖成年人，以是否患有高尿酸血症，将研究对象分为患高尿酸血症和未患高尿酸血症，比较两者基线水平。采用多因素Logistic回归和多元线性回归分析探讨MFR与高尿酸血症患病和血尿酸水平的相关性；依据性别、年龄、吸烟史、饮酒史和既往疾病史进行交互作用检验；运用受试者工作特征（ROC）曲线评估MFR对于非肥胖高尿酸血症的诊断预测效能。

结果

本研究共纳入非肥胖样本1 869例，患高尿酸血症428例，未患高尿酸血症1 441例。多因素Logistic回归分析结果显示，调整混杂因素后，MFR水平升高是高尿酸血症发生的保护因素（OR=0.02，95%CI=0.01~0.04，P<0.05）；与MFR Q1（MFR：0.562~0.995）相比，MFR Q2（MFR：1.000~1.257）（OR=0.14，95%CI=0.09~0.22，P<0.05）、MFR Q3（MFR：1.258~1.638）（OR=0.14，95%CI=0.08~0.24，P<0.05）、MFR Q4（MFR：1.640~6.383）（OR=0.04，95%CI=0.02~0.09，P<0.05）发生高尿酸血症的风险降低（P<0.05）。多元线性回归分析结果显示，调整混杂因素后，与MFR Q1相比，MFR Q2（β=-31.32，95%CI=-40.30~-22.33，P<0.05）、MFR Q3（β=-28.08，95%CI=-38.73~-17.43，P<0.05）、MFR Q4（β=-34.94，95%CI=-48.15~-21.73，P<0.05）的血尿酸水平降低。亚组分析显示，相较于男性，在女性人群中MFR的升高与更低的高尿酸血症和更低水平的血尿酸相关（P<0.05）。ROC曲线显示，MFR预测非肥胖高尿酸血症发生风险的ROC曲线下面积为0.759（95%CI=0.732~0.786），最佳临界值为0.992，灵敏度为58.4%，特异度为85.3%。

结论

在非肥胖人群中MFR水平升高，发生高尿酸血症的风险和血尿酸水平降低，且MFR预测非肥胖高尿酸血症具有良好的价值，可用于非肥胖高尿酸血症的早期识别。

关键词: 肌肉脂肪比例, 高尿酸血症, 非肥胖, 体脂率, 相关性研究, 预测价值

LI Jixin,QIU Linjie,REN Yan, et al. Correlation of Muscle-fat Ratio with Non-obese Hyperuricaemia and the Predictive Value[J]. Chinese General Practice, 2026, 29(01): 84-90. DOI: 10.12114/j.issn.1007-9572.2025.0144.
李纪新,邱林杰,任燕等. 肌肉脂肪比例与非肥胖高尿酸血症的相关性及预测价值研究[J]. 中国全科医学, 2026, 29(01): 84-90. DOI: 10.12114/j.issn.1007-9572.2025.0144.

Figures/Tables 8

References 25

[1]	SU H Y, YANG C, LIANG D, et al. Research advances in the mechanisms of hyperuricemia-induced renal injury[J]. Biomed Res Int, 2020, 2020: 5817348. DOI: 10.1155/2020/5817348.
[2]	DING Y Y, XU Z H, ZHOU X, et al. Association between weight-adjusted-waist index and the risk of hyperuricemia in adults: a population-based investigation[J]. Front Endocrinol, 2023, 14: 1236401. DOI: 10.3389/fendo.2023.1236401.
[3]	ANDERS H J, LI Q, STEIGER S. Asymptomatic hyperuricaemia in chronic kidney disease: mechanisms and clinical implications[J]. Clin Kidney J, 2023, 16(6): 928-938.
[4]	PIANI F, AGNOLETTI D, BORGHI C. Advances in pharmacotherapies for hyperuricemia[J]. Expert Opin Pharmacother, 2023, 24(6): 737-745. DOI: 10.1080/14656566.2023.2197591.
[5]	ABUDUREYIMU P, PANG Y S, HUANG L R, et al. A predictive model for hyperuricemia among type 2 diabetes mellitus patients in Urumqi, China[J]. BMC Public Health, 2023, 23(1): 1740.
[6]	DAI X Y, YUAN J, YAO P, et al. Association between serum uric acid and the metabolic syndrome among a middle- and old-age Chinese population[J]. Eur J Epidemiol, 2013, 28(8): 669-676. DOI: 10.1007/s10654-013-9829-4.
[7]	ALI N, PERVEEN R, RAHMAN S, et al. Prevalence of hyperuricemia and the relationship between serum uric acid and obesity：a study on Bangladeshi adults[J]. PLoS One, 2018, 13(11): e0206850. DOI: 10.1371/journal.pone.0206850.
[8]	AL-CHALABI S, SYED A A, KALRA P A, et al. Mechanistic links between central obesity and cardiorenal metabolic diseases[J]. Cardiorenal Med, 2024, 14(1): 12-22.
[9]	LIU Y T, ZHAO W, LIU X H, et al. Identifying reliable obesity indices for hyperuricemia among middle-aged and elderly populations：a longitudinal study[J]. Lipids Health Dis, 2024, 23(1): 305. DOI: 10.1186/s12944-024-02296-6.
[10]	RAMÍREZ-VÉLEZ R, CARRILLO H A, CORREA-BAUTISTA J E, et al. Fat-to-muscle ratio：a new anthropometric indicator as a screening tool for metabolic syndrome in young Colombian people[J]. Nutrients, 2018, 10(8): 1027. DOI: 10.3390/nu10081027.
[11]	ZHENG J, HU Y, XU H W, et al. Normal-weight visceral obesity promotes a higher 10-year atherosclerotic cardiovascular disease risk in patients with type 2 diabetes mellitus-a multicenter study in China[J]. Cardiovasc Diabetol, 2023, 22(1): 137.
[12]	倪青. 高尿酸血症和痛风病证结合诊疗指南(2021-01-20)[J]. 世界中医药, 2021, 16(2): 183-189.
[13]	方宁远，吕力为，吕晓希，等. 中国高尿酸血症相关疾病诊疗多学科专家共识(2023年版)[J]. 中国实用内科杂志, 2023, 43(6): 461-480. DOI: 10.19538/j.nk2023060106.
[14]	PETRESKI T, EKART R, HOJS R, et al. Hyperuricemia, the heart, and the kidneys–to treat or not to treat?[J]. Ren Fail, 2020, 42(1): 978-986.
[15]	ZHENG Y, CHEN Z R, YANG J Y, et al. The role of hyperuricemia in cardiac diseases: evidence, controversies, and therapeutic strategies[J]. Biomolecules, 2024, 14(7): 753.
[16]	MAIUOLO J, OPPEDISANO F, GRATTERI S, et al. Regulation of uric acid metabolism and excretion[J]. Int J Cardiol, 2016, 213: 8-14. DOI: 10.1016/j.ijcard.2015.08.109.
[17]	CHEN L Y, WU L, LI Q, et al. Hyperuricemia associated with low skeletal muscle in the middle-aged and elderly population in China[J]. Exp Clin Endocrinol Diabetes, 2022, 130(8): 546-553. DOI: 10.1055/a-1785-3729.
[18]	LI Z Y, GAO L J, ZHONG X Q, et al. Association of visceral fat area and hyperuricemia in non-obese US adults: a cross-sectional study[J]. Nutrients, 2022, 14(19): 3992.
[19]	HE H J, PAN L, WANG D M, et al. Fat-to-muscle ratio is independently associated with hyperuricemia and a reduced estimated glomerular filtration rate in Chinese adults: the China national health survey[J]. Nutrients, 2022, 14(19): 4193.
[20]	BAI R X, YING X Q, SHEN J Q, et al. The visceral and liver fat are significantly associated with the prevalence of hyperuricemia among middle age and elderly people: a cross-sectional study in Chongqing, China[J]. Front Nutr, 2022, 9: 961792.
[21]	LIU X Z, LI X M, MIAO J L, et al. Metabolic score for visceral fat and the risk of hyperuricemia in Chinese men[J]. Minerva Endocrinol, 2021, 46(4): 486-487.
[22]	MATSUURA F, YAMASHITA S, NAKAMURA T, et al. Effect of visceral fat accumulation on uric acid metabolism in male obese subjects: visceral fat obesity is linked more closely to overproduction of uric acid than subcutaneous fat obesity[J]. Metabolism, 1998, 47(8): 929-933. DOI: 10.1016/s0026-0495(98)90346-8.
[23]	李纪新，邱林杰，任燕，等. 肥胖慢性炎症中医药治疗的潜在靶点：巨噬细胞极化[J]. 中国中药杂志, 2023, 48(19): 5113-5121. DOI: 10.19540/j.cnki.cjcmm.20230619.602.
[24]	NISHIZAWA H, MAEDA N, SHIMOMURA I. Impact of hyperuricemia on chronic kidney disease and atherosclerotic cardiovascular disease[J]. Hypertens Res, 2022, 45(4): 635-640. DOI: 10.1038/s41440-021-00840-w.
[25]	XU C F, WAN X Y, XU L, et al. Xanthine oxidase in non-alcoholic fatty liver disease and hyperuricemia：one stone hits two birds[J]. J Hepatol, 2015, 62(6): 1412-1419. DOI: 10.1016/j.jhep.2015.01.019.

项目	未患高尿酸血症者（n=1 441）	患高尿酸血症者（n=428）	t（χ²）值	P值
年龄（±s，岁）	45.8±15.9	51.8±16.2	-6.82	<0.001
体质量（±s，kg）	62.3±10.3	65.5±9.1	-6.25	<0.001
MFR（±s）	1.48±0.57	1.07±0.33	18.58	<0.001
骨骼肌质量（±s，kg）	24.26±5.35	23.26±5.14	3.50	<0.001
脂肪质量（±s，kg）	17.66±4.54	22.62±4.09	-21.49	<0.001
BMI（±s，kg/m²）	22.8±2.6	24.7±2.0	-15.58	<0.001
收缩压（±s，mmHg）	122±18	128±18	-5.95	<0.001
舒张压（±s，mmHg）	71±11	72±11	-2.74	0.003
FPG（±s，mmol/L）	5.48±1.22	5.72±1.28	-3.30	<0.001
HDL-C（±s，mmol/L）	1.38±0.33	1.34±0.32	2.64	0.012
LDL-C（±s，mmol/L）	2.97±0.85	3.12±0.82	-3.01	0.001
TC（±s，mmol/L）	4.78±0.95	4.98±0.92	-3.76	<0.001
TG（±s，mmol/L）	1.18±0.84	1.50±0.99	-5.83	<0.001
血尿酸（±s，μmol/L）	296.61±64.36	379.37±84.09	-18.79	<0.001
血肌酐（±s，μmol/L）	69.82±14.00	75.51±15.42	-1.11	0.898
性别[例（%）]			11.18^a	<0.001
男	554（38.45）	126（29.44）
女	887（61.55）	302（70.56）
吸烟史[例（%）]			32.45^a	<0.001
是	68（4.72）	54（12.62）
否	1 373（95.28）	374（87.38）
饮酒史[例（%）]			60.68^a	<0.001
是	46（3.19）	56（13.08）
否	1 395（96.81）	372（86.92）
2型糖尿病史[例（%）]			11.15^a	<0.001
是	103（7.15）	53（12.38）
否	1338（92.85）	375（87.62）
高血压史[例（%）]			50.82^a	<0.001
是	294（20.40）	160（37.38）
否	1 147（79.60）	268（62.62）
MFR四分组[例（%）]			23.18^a	<0.001
Q1	217（15.06）	250（58.41）
Q2	410（28.45）	57（13.32）
Q3	384（26.65）	83（19.39）
Q4	430（29.84）	38（8.88）

项目	未患高尿酸血症者（n=1 441）	患高尿酸血症者（n=428）	t（χ²）值	P值
年龄（±s，岁）	45.8±15.9	51.8±16.2	-6.82	<0.001
体质量（±s，kg）	62.3±10.3	65.5±9.1	-6.25	<0.001
MFR（±s）	1.48±0.57	1.07±0.33	18.58	<0.001
骨骼肌质量（±s，kg）	24.26±5.35	23.26±5.14	3.50	<0.001
脂肪质量（±s，kg）	17.66±4.54	22.62±4.09	-21.49	<0.001
BMI（±s，kg/m²）	22.8±2.6	24.7±2.0	-15.58	<0.001
收缩压（±s，mmHg）	122±18	128±18	-5.95	<0.001
舒张压（±s，mmHg）	71±11	72±11	-2.74	0.003
FPG（±s，mmol/L）	5.48±1.22	5.72±1.28	-3.30	<0.001
HDL-C（±s，mmol/L）	1.38±0.33	1.34±0.32	2.64	0.012
LDL-C（±s，mmol/L）	2.97±0.85	3.12±0.82	-3.01	0.001
TC（±s，mmol/L）	4.78±0.95	4.98±0.92	-3.76	<0.001
TG（±s，mmol/L）	1.18±0.84	1.50±0.99	-5.83	<0.001
血尿酸（±s，μmol/L）	296.61±64.36	379.37±84.09	-18.79	<0.001
血肌酐（±s，μmol/L）	69.82±14.00	75.51±15.42	-1.11	0.898
性别[例（%）]			11.18^a	<0.001
男	554（38.45）	126（29.44）
女	887（61.55）	302（70.56）
吸烟史[例（%）]			32.45^a	<0.001
是	68（4.72）	54（12.62）
否	1 373（95.28）	374（87.38）
饮酒史[例（%）]			60.68^a	<0.001
是	46（3.19）	56（13.08）
否	1 395（96.81）	372（86.92）
2型糖尿病史[例（%）]			11.15^a	<0.001
是	103（7.15）	53（12.38）
否	1338（92.85）	375（87.62）
高血压史[例（%）]			50.82^a	<0.001
是	294（20.40）	160（37.38）
否	1 147（79.60）	268（62.62）
MFR四分组[例（%）]			23.18^a	<0.001
Q1	217（15.06）	250（58.41）
Q2	410（28.45）	57（13.32）
Q3	384（26.65）	83（19.39）
Q4	430（29.84）	38（8.88）

暴露变量	模型1		模型2		模型3
暴露变量	OR（95%CI）	P值	OR（95%CI）	P值	OR（95%CI）	P值
MFR（连续变量）	0.07（0.05~0.11）	<0.001	0.02（0.01~0.03）	<0.001	0.02（0.01~0.04）	<0.001
MFR（以Q1为参照）
Q2	0.12（0.09~0.17）	<0.001	0.09（0.06~0.13）	<0.001	0.14（0.09~0.22）	<0.001
Q3	0.19（0.14~0.25）	<0.001	0.09（0.06~0.13）	<0.001	0.14（0.08~0.24）	<0.001
Q4	0.08（0.05~0.11）	<0.001	0.03（0.02~0.05）	<0.001	0.04（0.02~0.09）	<0.001

暴露变量	模型1		模型2		模型3
暴露变量	OR（95%CI）	P值	OR（95%CI）	P值	OR（95%CI）	P值
MFR（连续变量）	0.07（0.05~0.11）	<0.001	0.02（0.01~0.03）	<0.001	0.02（0.01~0.04）	<0.001
MFR（以Q1为参照）
Q2	0.12（0.09~0.17）	<0.001	0.09（0.06~0.13）	<0.001	0.14（0.09~0.22）	<0.001
Q3	0.19（0.14~0.25）	<0.001	0.09（0.06~0.13）	<0.001	0.14（0.08~0.24）	<0.001
Q4	0.08（0.05~0.11）	<0.001	0.03（0.02~0.05）	<0.001	0.04（0.02~0.09）	<0.001

暴露变量	模型1		模型2		模型3
暴露变量	β（95%CI）	P值	β（95%CI）	P值	β（95%CI）	P值
MFR（连续）	18.59（12.28~24.90）	<0.001	-31.43（-38.36~-24.51）	<0.001	-6.55（-15.22~2.13）	0.139
MFR（以Q1为参照）
Q2	-26.32（-36.06~-16.58）	<0.001	-43.35（-51.69~-35.01）	<0.001	-31.32（-40.30~-22.33）	<0.001
Q3	5.29（-4.45~15.03）	0.287	-46.57（-55.75~-37.39）	<0.001	-28.08（-38.73~-17.43）	<0.001
Q4	18.39（8.65~28.12）	<0.001	-63.33（-73.97~-52.70）	<0.001	-34.94（-48.15~-21.73）	<0.001