Association Research between Relative Fat Mass and the Incidence Risk of Cardiometabolic Multimorbidity

doi:10.12114/j.issn.1007-9572.2025.0266

Abstract

Abstract:

Background

Cardiometabolic multimorbidity (CMM) represents one of the most prevalent and stable multimorbidity patterns. Relative fat mass (RFM), as a novel anthropometric indicator for assessing adiposity, has shown promise as a predictor of individual cardiometabolic diseases. However, evidence regarding its association with the risk of CMM remains limited.

Objective

To investigate the association between RFM and the risk of CMM across different genders, and to evaluate the potential role of RFM in the prevention and management of CMM.

Methods

A total of 116 321 permanent residents from 12 urban communities (including Suzhou) were selected as study participants from March 2017 to July 2021. Based on gender and CMM status, participants were stratified into CMM and non-CMM groups. Baseline characteristics were compared between these groups separately for each gender. Multivariable Logistic regression analysis was employed to examine the association between RFM and the risk of CMM stratified by sex. Restricted cubic spline (RCS) curves were applied to explore potential non-linear relationships. Subgroup analyses and interaction tests were conducted to investigate variations in the association across different populations.

Results

A total of 116 321 participants were included in this study. Among them, 46 637 (40.1%) were male, with 11 969 cases (25.7%) in the CMM group and 34 668 cases (74.3%) in the non-CMM group. While 69 684 (59.9%) were female, with 16 668 cases (23.9%) in the CMM group and 53 016 cases (76.1%) in the non-CMM group. RFM levels were significantly higher in the CMM group than in the non-CMM group for both sexes(P<0.001). After adjusting for confounders including age,education level, smoking, alcohol consumption, body mass index (BMI), low-density lipoprotein cholesterol (LDL-C), remnant cholesterol, blood glucose, systolic blood pressure, and diastolic blood pressure, multivariable Logistic regression analysis revealed that among males, the risks of CMM in the T2 to T4 groups were 1.530, 2.086, and 2.945 times that of T1 group, respectively (P<0.001). Among females, the risks of CMM in the F2 to F4 groups were 1.205, 1.532, and 1.760 times that of F1 group, respectively (P<0.001). Furthermore, for each unit increase in RFM, the risk of CMM increased by 1.109 times in males (OR=1.109, 95%CI=1.101-1.116, P<0.001) and by 1.054 times in females (OR=1.054, 95%CI=1.049-1.060, P<0.001). RCS analysis demonstrated a nonlinear relationship between RFM and CMM risk in both sexes. For males,the inflection point of OR=1 was 25.26 (P_nonlinearity <0.001). For females, the inflection point of OR=1 was 38.41 (P_nonlinearity=0.001). Subgroup analysis showed that the risk of RFM and CMM was significantly associated with male (OR=1.108, 95%CI=1.101-1.115), age≥45 years old (OR=1.011, 95%CI=1.008-1.013), less than high school education (OR=1.013, 95%CI=1.011-1.015), current smoking (OR=1.062, 95%CI=1.054-1.069), current drinking (OR=1.021, 95%CI=1.015-1.028) and BMI<24 kg/m² (OR=1.010, 95%CI=1.007-1.014). The results of interaction analysis showed that the association between RFM and the risk of CMM was affected by the interaction between gender, age, education level, smoking, drinking and BMI (P_interaction<0.05).

Conclusion

Higher RFM is significantly associated with an increased risk of CMM, and this association is more pronounced in males, individuals aged≥45 years, those with a high school education or below, smokers, drinkers, and individuals with a BMI<24 kg/m².

Key words: Relative fat mass, Cardiovascular metabolic comorbidity, Obesity, Disease risk, Cross-sectional study

摘要：

背景

心血管代谢性共病（CMM）是目前较为常见且稳定的共病模式之一。相对脂肪量（RFM）作为新型体脂评估工具，其在单一心脏代谢性疾病中表现出预测风险的潜力，目前关于RFM与CMM患病风险之间的研究较少。

目的

探讨不同性别人群RFM与CMM患病风险之间的关系，并评估RFM在CMM防治中的作用。

方法

选取2017年3月—2021年7月居住在宿州等12个城市社区116 321名常住居民为研究对象。根据性别以及是否患CMM，将男性和女性患者分别分为CMM者和非CMM者，比较不同性别CMM者和非CMM者基线特征。以不同性别RFM四分位间距分组，采用多因素Logistic回归分析探讨不同性别人群中RFM与CMM患病风险的关系。通过限制性立方样条（RCS）曲线探讨不同性别间RFM与CMM之间的非线性关系。采用亚组分析和交互作用检验，探讨不同亚组人群中RFM与CMM关联的差异。

结果

本研究共纳入116 321名受试者，男性46 637例（40.1%），其中CMM者11 969例（25.7 %），非CMM者34 668例（74.3%）；女性69 684例（59.9%），其中CMM者16 668例（23.9%），非CMM者53 016例（76.1%）。男性和女性中，CMM者的RFM水平均高于非CMM者（P<0.001）。多因素Logistic回归分析结果显示，调整了年龄、学历、吸烟、饮酒、BMI、低密度脂蛋白胆固醇、残余胆固醇、血糖、收缩压及舒张压等混杂因素后，男性T2~T4组CMM患病风险分别为T1组的1.530、2.086、2.945倍（P<0.001），女性F2~F4组CMM患病分别为F1组的1.205、1.532、1.760倍（P<0.001）；且男性RFM每升高1个单位，CMM患病风险增加1.109倍（OR=1.109，95%CI=1.101~1.116，P<0.001），女性RFM每升高1个单位，CMM患病风险增加1.054倍（OR=1.054，95%CI=1.049~1.060，P<0.001）。RCS曲线分析结果显示，男性和女性中RFM与CMM患病风险均呈非线性关系（男性：OR=1的拐点为25.26，P_非线性<0.001；女性：OR=1的拐点为38.41，P_非线性=0.001）。亚组分析结果显示，RFM与CMM发病风险在男性（OR=1.108，95%CI=1.101~1.115）、年龄≥45岁（OR=1.011，95%CI=1.008~1.013）、高中以下学历（OR=1.013，95%CI=1.011~1.015）、现在吸烟（OR=1.062，95%CI=1.054~1.069）、现在饮酒（OR=1.021，95%CI=1.015~1.028）及BMI<24 kg/m²（OR=1.010，95%CI=1.007~1.014）人群中具有更强的关联作用；交互作用分析结果显示，RFM与CMM发病风险的关联受性别、年龄、学历、吸烟、饮酒、BMI之间的交互作用影响（P_交互<0.05）。

结论

较高的RFM可能与CMM患病风险密切相关，且这种关联在男性、年龄≥45岁、高中以下学历、吸烟、饮酒及BMI<24 kg/m²人群中更为显著。

关键词: 相对脂肪量, 心血管代谢性共病, 肥胖, 患病风险, 横断面研究

CLC Number:

R54 R589.25

GU Handong,LU Hongrun,GU Keyi, et al. Association Research between Relative Fat Mass and the Incidence Risk of Cardiometabolic Multimorbidity[J]. Chinese General Practice, 2026, 29(11): 1456-1462. DOI: 10.12114/j.issn.1007-9572.2025.0266.
顾瀚东,卢鸿润,顾可羿等. 相对脂肪量与心血管代谢性共病发病风险的相关性研究[J]. 中国全科医学, 2026, 29(11): 1456-1462. DOI: 10.12114/j.issn.1007-9572.2025.0266.

Figures/Tables 5

References 36

[1]	HUANG Z T, LUO Y, HAN L, et al. Patterns of cardiometabolic multimorbidity and the risk of depressive symptoms in a longitudinal cohort of middle-aged and older Chinese[J]. J Affect Disord, 2022, 301: 1-7. DOI: 10.1016/j.jad.2022.01.030.
[2]	ZHAO X H, XU X L, YAN Y F, et al. Independent and joint associations of cardiometabolic multimorbidity and depression on cognitive function: findings from multi-regional cohorts and generalisation from community to clinic[J]. Lancet Reg Health West Pac, 2024, 51: 101198. DOI: 10.1016/j.lanwpc.2024.101198.
[3]	Emerging Risk Factors Collaboration, 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.
[4]	KIVIMÄKI M, STRANDBERG T, PENTTI J, et al. Body-mass index and risk of obesity-related complex multimorbidity: an observational multicohort study[J]. Lancet Diabetes Endocrinol, 2022, 10(4): 253-263. DOI: 10.1016/S2213-8587(22)00033-X.
[5]	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-e285. DOI: 10.1016/S2468-2667(17)30074-9.
[6]	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.
[7]	FAN Y J, FENG Y J, MENG Y, et al. The relationship between anthropometric indicators and health-related quality of life in a community-based adult population: a cross-sectional study in Southern China[J]. Front Public Health, 2022, 10: 955615. DOI: 10.3389/fpubh.2022.955615.
[8]	CAO C C, HUANG M L, HAN Y, et al. The nonlinear connection between relative fat mass and non-alcoholic fatty liver disease in the Japanese population: an analysis based on data from a cross-sectional study[J]. Diabetol Metab Syndr, 2024, 16(1): 236. DOI: 10.1186/s13098-024-01472-z.
[9]	YU P, HUANG T, HU S L, et al. Predictive value of relative fat mass algorithm for incident hypertension: a 6-year prospective study in Chinese population[J]. BMJ Open, 2020, 10(10): e038420. DOI: 10.1136/bmjopen-2020-038420.
[10]	ZWARTKRUIS V W, SUTHAHAR N, IDEMA D L, et al. Relative fat mass and prediction of incident atrial fibrillation, heart failure and coronary artery disease in the general population[J]. Int J Obes(Lond), 2023, 47(12): 1256-1262. DOI: 10.1038/s41366-023-01380-8.
[11]	WANG D, CHEN Z T, WU Y R, et al. Association between two novel anthropometric measures and type 2 diabetes in a Chinese population[J]. Diabetes Obes Metab, 2024, 26(8): 3238-3247. DOI: 10.1111/dom.15651.
[12]	HU X M, LIU Q Z, GUO X Y, et al. The role of remnant cholesterol beyond low-density lipoprotein cholesterol in diabetes mellitus[J]. Cardiovasc Diabetol, 2022, 21(1): 117. DOI: 10.1186/s12933-022-01554-0.
[13]	中国高血压防治指南修订委员会，高血压联盟(中国)，中国医疗保健国际交流促进会高血压病学分会, 等. 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. DOI: 10.16439/j.issn.1673-7245.2024.07.002.
[14]	尹经霞，余丽，蒲丹岚, 等.《中国糖尿病防治指南(2024版)》解读[J]. 重庆医科大学学报, 2025, 50(5): 557-564. DOI: 10.13406/j.cnki.cyxb.003749.
[15]	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.
[16]	HU Y D, WANG Z X, HE H J, et al. Prevalence and patterns of multimorbidity in China during 2002-2022: a systematic review and meta-analysis[J]. Ageing Res Rev, 2024, 93: 102165. DOI: 10.1016/j.arr.2023.102165.
[17]	TANG R Y, FAN Y B, LUO M, et al. General and central obesity are associated with increased severity of the VMS and sexual symptoms of menopause among Chinese women: a longitudinal study[J]. Front Endocrinol(Lausanne), 2022, 13: 814872. DOI: 10.3389/fendo.2022.814872.
[18]	JUPPI H K, SIPILÄ S, FACHADA V, et al. Total and regional body adiposity increases during menopause-evidence from a follow-up study[J]. Aging Cell, 2022, 21(6): e13621. DOI: 10.1111/acel.13621.
[19]	PALMER B F, CLEGG D J. The sexual dimorphism of obesity[J]. Mol Cell Endocrinol, 2015, 402: 113-119. DOI: 10.1016/j.mce.2014.11.029.
[20]	KAHN D, MACIAS E, ZARINI S, et al. Exploring visceral and subcutaneous adipose tissue secretomes in human obesity: implications for metabolic disease[J]. Endocrinology, 2022, 163(11): bqac140. DOI: 10.1210/endocr/bqac140.
[21]	AHMED B, SULTANA R, GREENE M W. Adipose tissue and insulin resistance in obese[J]. Biomed Pharmacother, 2021, 137: 111315. DOI: 10.1016/j.biopha.2021.111315.
[22]	YU F Z, ZONG B Y, JI L L, et al. Free fatty acids and free fatty acid receptors: role in regulating arterial function[J]. Int J Mol Sci, 2024, 25(14): 7853. DOI: 10.3390/ijms25147853.
[23]	FAULKNER J L, BELIN DE CHANTEMÈLE E J. Sex hormones, aging and cardiometabolic syndrome[J]. Biol Sex Differ, 2019, 10(1): 30. DOI: 10.1186/s13293-019-0246-6.
[24]	SCHIFFER L, KEMPEGOWDA P, ARLT W, et al. MECHANISMS IN ENDOCRINOLOGY: The sexually dimorphic role of androgens in human metabolic disease[J]. Eur J Endocrinol, 2017, 177(3): R125-R143. DOI: 10.1530/EJE-17-0124.
[25]	SANTOS-MARCOS J A, MORA-ORTIZ M, TENA-SEMPERE M, et al. Interaction between gut microbiota and sex hormones and their relation to sexual dimorphism in metabolic diseases[J]. Biol Sex Differ, 2023, 14(1): 4. DOI: 10.1186/s13293-023-00490-2.
[26]	KVANDOVA M, PUZSEROVA A, BALIS P. Sexual dimorphism in cardiometabolic diseases: the role of AMPK[J]. Int J Mol Sci, 2023, 24(15): 11986. DOI: 10.3390/ijms241511986.
[27]	WANG J, GUAN J Y, HUANG L Y, et al. Sex differences in the associations between relative fat mass and all-cause and cardiovascular mortality: a population-based prospective cohort study[J]. Nutr Metab Cardiovasc Dis, 2024, 34(3): 738-754. DOI: 10.1016/j.numecd.2023.10.034.
[28]	JUNGO K T, CHEVAL B, SIEBER S, et al. Life-course socioeconomic conditions, multimorbidity and polypharmacy in older adults: a retrospective cohort study[J]. PLoS One, 2022, 17(8): e0271298. DOI: 10.1371/journal.pone.0271298.
[29]	HERMAN R, KRAVOS N A, JENSTERLE M, et al. Metformin and insulin resistance: a review of the underlying mechanisms behind changes in GLUT4-mediated glucose transport[J]. Int J Mol Sci, 2022, 23(3): 1264. DOI: 10.3390/ijms23031264.
[30]	SHI Y J, YANG C G, QIAO W B, et al. Sacubitril/valsartan attenuates myocardial inflammation, hypertrophy, and fibrosis in rats with heart failure with preserved ejection fraction[J]. Eur J Pharmacol, 2023, 961: 176170. DOI: 10.1016/j.ejphar.2023.176170.
[31]	WANG J J, HE W, CAI X F, et al. Relative fat mass and risk of metabolic dysfunction associated steatotic liver disease and severe hepatic steatosis in U.S. adults: analysis of NHANES 2017-2020 data[J]. BMC Gastroenterol, 2025, 25(1): 410. DOI: 10.1186/s12876-025-04006-7.
[32]	STRACK C, BEHRENS G, SAG S, et al. Gender differences in cardiometabolic health and disease in a cross-sectional observational obesity study[J]. Biol Sex Differ, 2022, 13(1): 8. DOI: 10.1186/s13293-022-00416-4.
[33]	FAN J N, SUN Z J, YU C Q, et al. Multimorbidity patterns and association with mortality in 0.5 million Chinese adults[J]. Chin Med J(Engl), 2022, 135(6): 648-657. DOI: 10.1097/CM9.0000000000001985.
[34]	CHUDASAMA Y V, KHUNTI K, GILLIES C L, et al. Healthy lifestyle and life expectancy in people with multimorbidity in the UK Biobank: a longitudinal cohort study[J]. PLoS Med, 2020, 17(9): e1003332. DOI: 10.1371/journal.pmed.1003332.
[35]	DI CHIARA T, SCAGLIONE A, CORRAO S, et al. Association between low education and higher global cardiovascular risk[J]. J Clin Hypertens(Greenwich), 2015, 17(5): 332-337.
[36]	WOOLCOTT O O, BERGMAN R N. Defining cutoffs to diagnose obesity using the relative fat mass(RFM): association with mortality in NHANES 1999-2014[J]. Int J Obes(Lond), 2020, 44(6): 1301-1310.

变量	男性				女性
变量	非CMM者（n=34 668）	CMM者（n=11 969）	Z（χ²）值	P值	非CMM者（n=53 016）	CMM者（n=16 668）	Z（χ²）值	P值
年龄[M（P₂₅，P₇₅），岁]	60（50，67）	61（52，68）	-11.217	<0.001	55（49，64）	62（54，68）	-60.187	<0.001
高中及以上学历[例（%）]	4 540（13.1）	2 070（17.3）	128.962^a	<0.001	4 266（8.0）	909（5.5）	124.028^a	<0.001
吸烟[例（%）]	16 257（46.9）	5 326（44.5）	20.529^a	<0.001	847（1.6）	304（1.8）	3.995^a	0.046
饮酒[例（%）]	11 468（33.1）	3 876（32.4）	1.951^a	0.162	1 933（3.6）	528（3.2）	8.516^a	0.004
BMI[M（P₂₅，P₇₅），kg/m²]	23.9（22.0，26.0）	25.7（23.7，27.8）	-53.310	<0.001	24.0（22.0，26.3）	25.5（23.4，27.9）	-48.432	<0.001
TC[M（P₂₅，P₇₅），mmol/L]	4.31（3.75，4.90）	4.36（3.66，5.23）	-8.580	<0.001	4.62（4.04，5.23）	5.07（4.24，6.12）	-47.211	<0.001
HDL-C[M（P₂₅，P₇₅），mmol/L]	1.41（1.19，1.70）	1.13（0.96，1.41）	-66.197	<0.001	1.52（1.29，1.80）	1.36（1.12，1.67）	-44.683	<0.001
TG[M（P₂₅，P₇₅），mmol/L]	1.15（0.87，1.58）	1.83（1.21，2.66）	-74.398	<0.001	1.28（0.98，1.69）	2.04（1.39，2.73）	-96.948	<0.001
LDL-C[M（P₂₅，P₇₅），mmol/L]	2.21（1.74，2.72）	2.23（1.67，2.92）	-5.213	<0.001	2.38（1.88，2.93）	2.64（1.96，3.47）	-32.347	<0.001
RC[M（P₂₅，P₇₅），mmol/L]	0.53（0.39，0.75）	0.83（0.54，1.22）	-65.625	<0.001	0.59（0.44，0.80）	0.92（0.62，1.26）	-87.153	<0.001
FPG[M（P₂₅，P₇₅），mmol/L]	5.70（5.10，6.30）	6.20（5.50，7.60）	-51.312	<0.001	5.60（5.10，6.30）	6.30（5.50，7.60）	-65.154	<0.001
RFM[M（P₂₅，P₇₅）]	24.66（21.78，27.19）	26.92（24.49，29.25）	-55.761	<0.001	37.75（34.82，40.60）	40.00（37.30，42.60）	-58.114	<0.001
收缩压[M（P₂₅，P₇₅），mmHg]	132（122，144）	146（136，158）	-68.869	<0.001	130（120，142）	148（138，161）	-99.510	<0.001
舒张压[M（P₂₅，P₇₅），mmHg]	80（74，87）	88（80，94）	-59.625	<0.001	77（71，84）	84（76，91）	-62.875	<0.001
高血压[例（%）]	14 241（41.1）	11 372（95.0）	10 453.577^a	<0.001	19 166（36.2）	15 842（95.0）	17 593.622^a	<0.001
糖尿病[例（%）]	666（1.9）	3 499（29.2）	8 160.771^a	<0.001	1 061（2.0）	5 520（33.1）	14 356.582^a	<0.001
血脂异常[例（%）]	4 922（14.2）	9 537（79.7）	17 835.333^a	<0.001	7 359（13.9）	13 200（79.2）	26 008.635^a	<0.001
心脏病[例（%）]	82（0.2）	464（3.9）	1 018.937^a	<0.001	95（0.2）	459（2.8）	1 065.768^a	<0.001
脑卒中[例（%）]	195（0.6）	1 581（13.2）	3 884.687^a	<0.001	206（0.4）	1 847（11.1）	5 070.508^a	<0.001

变量	男性				女性
变量	非CMM者（n=34 668）	CMM者（n=11 969）	Z（χ²）值	P值	非CMM者（n=53 016）	CMM者（n=16 668）	Z（χ²）值	P值
年龄[M（P₂₅，P₇₅），岁]	60（50，67）	61（52，68）	-11.217	<0.001	55（49，64）	62（54，68）	-60.187	<0.001
高中及以上学历[例（%）]	4 540（13.1）	2 070（17.3）	128.962^a	<0.001	4 266（8.0）	909（5.5）	124.028^a	<0.001
吸烟[例（%）]	16 257（46.9）	5 326（44.5）	20.529^a	<0.001	847（1.6）	304（1.8）	3.995^a	0.046
饮酒[例（%）]	11 468（33.1）	3 876（32.4）	1.951^a	0.162	1 933（3.6）	528（3.2）	8.516^a	0.004
BMI[M（P₂₅，P₇₅），kg/m²]	23.9（22.0，26.0）	25.7（23.7，27.8）	-53.310	<0.001	24.0（22.0，26.3）	25.5（23.4，27.9）	-48.432	<0.001
TC[M（P₂₅，P₇₅），mmol/L]	4.31（3.75，4.90）	4.36（3.66，5.23）	-8.580	<0.001	4.62（4.04，5.23）	5.07（4.24，6.12）	-47.211	<0.001
HDL-C[M（P₂₅，P₇₅），mmol/L]	1.41（1.19，1.70）	1.13（0.96，1.41）	-66.197	<0.001	1.52（1.29，1.80）	1.36（1.12，1.67）	-44.683	<0.001
TG[M（P₂₅，P₇₅），mmol/L]	1.15（0.87，1.58）	1.83（1.21，2.66）	-74.398	<0.001	1.28（0.98，1.69）	2.04（1.39，2.73）	-96.948	<0.001
LDL-C[M（P₂₅，P₇₅），mmol/L]	2.21（1.74，2.72）	2.23（1.67，2.92）	-5.213	<0.001	2.38（1.88，2.93）	2.64（1.96，3.47）	-32.347	<0.001
RC[M（P₂₅，P₇₅），mmol/L]	0.53（0.39，0.75）	0.83（0.54，1.22）	-65.625	<0.001	0.59（0.44，0.80）	0.92（0.62，1.26）	-87.153	<0.001
FPG[M（P₂₅，P₇₅），mmol/L]	5.70（5.10，6.30）	6.20（5.50，7.60）	-51.312	<0.001	5.60（5.10，6.30）	6.30（5.50，7.60）	-65.154	<0.001
RFM[M（P₂₅，P₇₅）]	24.66（21.78，27.19）	26.92（24.49，29.25）	-55.761	<0.001	37.75（34.82，40.60）	40.00（37.30，42.60）	-58.114	<0.001
收缩压[M（P₂₅，P₇₅），mmHg]	132（122，144）	146（136，158）	-68.869	<0.001	130（120，142）	148（138，161）	-99.510	<0.001
舒张压[M（P₂₅，P₇₅），mmHg]	80（74，87）	88（80，94）	-59.625	<0.001	77（71，84）	84（76，91）	-62.875	<0.001
高血压[例（%）]	14 241（41.1）	11 372（95.0）	10 453.577^a	<0.001	19 166（36.2）	15 842（95.0）	17 593.622^a	<0.001
糖尿病[例（%）]	666（1.9）	3 499（29.2）	8 160.771^a	<0.001	1 061（2.0）	5 520（33.1）	14 356.582^a	<0.001
血脂异常[例（%）]	4 922（14.2）	9 537（79.7）	17 835.333^a	<0.001	7 359（13.9）	13 200（79.2）	26 008.635^a	<0.001
心脏病[例（%）]	82（0.2）	464（3.9）	1 018.937^a	<0.001	95（0.2）	459（2.8）	1 065.768^a	<0.001
脑卒中[例（%）]	195（0.6）	1 581（13.2）	3 884.687^a	<0.001	206（0.4）	1 847（11.1）	5 070.508^a	<0.001

组别	男性		女性
组别	OR（95%CI）	P值	OR（95%CI）	P值
模型1[以T1（F1）组为参照]
T2（F2）组	1.980（1.842~2.129）	<0.001	1.756（1.656~1.862）	<0.001
T3（F3）组	3.145（2.934~3.370）	<0.001	2.735（2.585~2.893）	<0.001
T4（F4）组	5.327（4.978~5.699）	<0.001	4.154（3.932~4.388）	<0.001
模型2[以T1（F1）组为参照]
T2（F2）组	1.996（1.856~2.145）	<0.001	1.605（1.512~1.704）	<0.001
T3（F3）组	3.180（2.967~3.409）	<0.001	2.326（2.196~2.464）	<0.001
T4（F4）组	5.337（4.987~5.710）	<0.001	3.245（3.067~3.433）	<0.001
模型3[以T1（F1）组为参照]
T2（F2）组	1.530（1.412~1.657）	<0.001	1.205（1.125~1.290）	<0.001
T3（F3）组	2.086（1.931~2.254）	<0.001	1.532（1.434~1.636）	<0.001
T4（F4）组	2.945（2.730~3.178）	<0.001	1.760（1.649~1.878）	<0.001

组别	男性		女性
组别	OR（95%CI）	P值	OR（95%CI）	P值
模型1[以T1（F1）组为参照]
T2（F2）组	1.980（1.842~2.129）	<0.001	1.756（1.656~1.862）	<0.001
T3（F3）组	3.145（2.934~3.370）	<0.001	2.735（2.585~2.893）	<0.001
T4（F4）组	5.327（4.978~5.699）	<0.001	4.154（3.932~4.388）	<0.001
模型2[以T1（F1）组为参照]
T2（F2）组	1.996（1.856~2.145）	<0.001	1.605（1.512~1.704）	<0.001
T3（F3）组	3.180（2.967~3.409）	<0.001	2.326（2.196~2.464）	<0.001
T4（F4）组	5.337（4.987~5.710）	<0.001	3.245（3.067~3.433）	<0.001
模型3[以T1（F1）组为参照]
T2（F2）组	1.530（1.412~1.657）	<0.001	1.205（1.125~1.290）	<0.001
T3（F3）组	2.086（1.931~2.254）	<0.001	1.532（1.434~1.636）	<0.001
T4（F4）组	2.945（2.730~3.178）	<0.001	1.760（1.649~1.878）	<0.001

组别	男性		女性
组别	OR（95%CI）	P值	OR（95%CI）	P值
模型1	1.172（1.166~1.179）	<0.001	1.136（1.131~1.141）	<0.001
模型2	1.173（1.166~1.180）	<0.001	1.112（1.106~1.117）	<0.001
模型3	1.109（1.101~1.116）	<0.001	1.054（1.049~1.060）	<0.001