A Prospective Cohort Study on Relationship between Lipid Accumulation Product and Incidence of Metabolic Syndrome in Adults

doi:10.12114/j.issn.1007-9572.2025.0442

Abstract

Abstract:

Background

Metabolic Syndrome (MetS) exerts a significant adverse impact on human health, while the Lipid Accumulation Product (LAP) is capable of reflecting the degree of visceral fat accumulation in the human body. Previous studies investigating the relationship between LAP and MetS have mostly been cross-sectional studies, with a lack of evidence from cohort studies. Additionally, the predictive ability of LAP varies across different studies, and its value in predicting the future incidence of MetS requires further exploration.

Objective

To analyze the relationship between long-term exposure to the LAP and the risk of developing MetS, and to explore the predictive performance of this index for MetS, thereby providing evidence for the early prevention of MetS.

Methods

This study utilized data from the Guizhou Natural Population Cohort Study. The cohort was established between November 2010 and December 2012, and a follow-up survey was conducted on the baseline participants from April 2016 to October 2020. Participants were divided into 4 groups (Q1 to Q4) based on their baseline LAP levels: Q1 (LAP<8.52, n=1 003), Q2 (8.52≤LAP<15.44, n=1 001), Q3 (15.44≤LAP<27.85, n=1 006), and Q4 (LAP≥ 27.85, n=1 003). Cox proportional hazards models were used to analyze the relationship between LAP and MetS in the total population and in subgroups stratified by sex. Hazard ratios (HR) and their corresponding 95% confidence intervals (95%CI) were calculated. Restricted cubic splines were applied to evaluate the dose-response relationship between LAP and the incidence of MetS. Additionally, time-dependent receiver operating characteristic (ROC) curves for LAP in predicting MetS were plotted to assess the predictive performance of this index.

Results

A total of 4 013 study subjects were enrolled, including 1 803 males (44.93%) and 2 210 females (55.07%). The baseline mean age was (43.7±14.6) years, with a mean BMI of (22.45±2.84) kg/m². The median follow-up duration was 6.54 years, during which 889 cases of MetS were observed. The MetS incidence rates in the overall population, males, and females were 31.62 per 1 000 person-years, 33.36 per 1 000 person-years, and 30.19 per 1 000 person-years, respectively. Cox proportional hazards regression analysis showed that after adjusting for relevant confounding factors, the risk of MetS increased with the elevation of the LAP (P _{for trend}<0.05). In the total population, compared with the Q1 group, the adjusted hazard ratios (aHRs) or MetS risk were gradually elevated in the Q2 (aHR=1.26, 95%CI=1.02-1.57), Q3 (aHR=1.35, 95%CI=1.08-1.68), and Q4 (aHR=1.55, 95%CI=1.24-1.94) (P<0.05). In the male, compared with the Q1 group, the Q2 (aHR=1.45, 95%CI=1.09-1.93), Q3 (aHR=1.52, 95%CI=1.12-2.05), Q4 (aHR=1.56, 95%CI=1.13-2.10) all exhibited an increased risk of MetS (P<0.05). In the female, however, a significant increase in MetS risk was only observed in the Q4 (aHR=1.44, 95%CI=1.03-2.01) relative to the Q1 group (P<0.05). Result s from restricted cubic splines indicated a linear dose-response relationship between LAP and MetS risk in the total population (P_overall<0.05, P_nonlinear=0.069) and the male subgroup (P_overall<0.05, P_nonlinear=0.255), while a non-linear dose-response relationship was observed in the female subgroup (P_overall<0.05, P_nonlinear=0.038). The results of time-dependent ROC curves showed that for the prediction of MetS after 7, 8, and 9 years of LAP exposure, the AUC values in the total population were 0.56, 0.56, and 0.57, respectively, in males, the AUC values were 0.55, 0.55, and 0.59, respectively, and in females, the AUC values were 0.57, 0.58, and 0.57, respectively.

Conclusion

Elevated LAP levels increase the risk of MetS in the general population and across different sex groups. However, its predictive efficacy for future MetS development is limited, making it an suboptimal prognostic marker. Thus, more indicators with higher predictive value should be explored.

Key words: Metabolic syndrome, Lipid accumulation product, Cohort studies, Incidence, Forecasting

摘要：

背景

代谢综合征（MetS）严重影响机体健康，脂质蓄积指数（LAP）能反映人体内脏脂肪的蓄积程度。既往关于LAP与MetS关系的研究多为横断面研究，队列研究证据较少，LAP的预测能力在各研究中存在差异，其预测MetS发生的价值需进一步探讨。

目的

分析LAP长期暴露与MetS发病风险的关系，探讨该指标对MetS的预测效果，为MetS的早期预防提供依据。

方法

本研究使用贵州省自然人群队列研究数据。该队列于2010年11月—2012年12月建立，并于2016年4月—2020年10月对基线研究对象完成一次随访。根据基线LAP水平将研究对象分为4组：Q1组（LAP<8.52，n=1 003），Q2组（8.52≤LAP<15.44，n=1 001），Q3组（15.44≤LAP<27.85，n=1 006），Q4组（LAP≥27.85，n=1 003）。使用Cox比例风险回归模型分析总人群和不同性别人群中LAP与MetS的关系，计算HR及95%CI，采用限制性立方样条分析LAP与MetS发生的剂量反应关系，绘制LAP预测MetS的受试者工作特征（ROC）曲线，评估该指标的预测效果。

结果

共纳入4 013例研究对象，其中男1 803例（44.93%），女2 210例（55.07%），基线平均年龄为（43.7±14.6）岁，平均BMI为（22.45±2.84）kg/m²，中位随访时间为6.54年，随访期间889例发生MetS。总人群、男性和女性的MetS发生率分别为31.62/千人年、33.36/千人年和30.19/千人年。Cox比例风险回归模型分析显示：在调整相关混杂因素后，随着LAP增加，MetS发病风险呈现上升趋势（P_趋势<0.05）。在总人群中，与Q1组比较，Q2组（aHR=1.26，95%CI=1.02~1.57）、Q3组（aHR=1.35，95%CI=1.08~1.68）、Q4组（aHR=1.55，95%CI=1.24~1.94）MetS发病风险均逐渐升高（P<0.05）。在男性人群中，与Q1组比较，Q2组（aHR=1.45，95%CI=1.09~1.93）、Q3组（aHR=1.52，95%CI=1.12~2.05）、Q4组（aHR=1.56，95%CI=1.13~2.10）均增加了MetS的发病风险（P<0.05）。在女性人群中，与Q1组比较，仅Q4组（aHR=1.44，95%CI=1.03~2.01）增加了MetS的发病风险（P<0.05）。限制性立方样条结果表明，在总人群（P_总趋势<0.05，P_非线性=0.069）和男性人群（P_总趋势<0.05，P_非线性=0.255）中LAP与MetS风险呈线性剂量反应关系，女性人群（P_总趋势<0.05，P_非线性=0.038）中LAP与MetS发病风险呈非线性剂量反应关系。绘制LAP预测MetS发病风险的时间依赖性ROC曲线，结果显示LAP预测连续暴露7、8、9年后，总人群发生MetS的AUC分别为0.56、0.56、0.57，男性发生MetS的AUC分别为0.55、0.55、0.59，女性发生MetS的AUC分别为0.57、0.58、0.57。

结论

LAP水平升高会增加全人群及不同性别人群MetS的发病风险，但其对未来发生MetS的预测效能较低，并非理想的预测指标，应进一步探索更具预测价值的指标。

关键词: 代谢综合征, 脂质蓄积指数, 队列研究, 发病率, 预测

ZHANG Ji,LI Ling,ZHOU Jie, et al. A Prospective Cohort Study on Relationship between Lipid Accumulation Product and Incidence of Metabolic Syndrome in Adults[J]. Chinese General Practice, 2026, 29(22): 3138-3145. DOI: 10.12114/j.issn.1007-9572.2025.0442.
张骥,李凌,周婕等. 脂质累积指数与成年人代谢综合征发病关系的前瞻性队列研究[J]. 中国全科医学, 2026, 29(22): 3138-3145. DOI: 10.12114/j.issn.1007-9572.2025.0442.

Figures/Tables 7

References 27

[1]	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]. 中华糖尿病杂志, 2021, 13(4): 315-409.
[2]	Yao F, Bo Y C, Zhao L Y, et al. Prevalence and influencing factors of metabolic syndrome among adults in China from 2015 to 2017[J]. Nutrients, 2021, 13(12): 4475. DOI: 10.3390/nu13124475.
[3]	Lee M K, Lee J H, Sohn S Y, et al. Cumulative exposure to metabolic syndrome in a national population-based cohort of young adults and sex-specific risk for type 2 diabetes[J]. Diabetol Metab Syndr, 2023, 15(1): 78. DOI: 10.1186/s13098-023-01030-z.
[4]	Lai Y J, Yen Y F, Chen L J, et al. Modification of the all-cause and cardiovascular disease related mortality risk with changes in the metabolic syndrome status: a population-based prospective cohort study in Taiwan[J]. Diabetes Metab, 2023, 49(3): 101415.
[5]	Yang H Z, Cui Z H, Quan Z Y. Effects of metabolic syndrome and its components on chronic kidney disease and renal function: a two-sample Mendelian randomization study[J]. Metab Syndr Relat Disord, 2024, 22(2): 114-122. DOI: 10.1089/met.2023.0161.
[6]	Ramírez-Manent J I, López-González Á A, Tomás-Gil P, et al. Relationship between abdominal volume index and body adiposity index and scales of insulin resistance and metabolic syndrome[J]. Diagnostics, 2023, 13(21): 3356. DOI: 10.3390/diagnostics13213356.
[7]	李春贤, 刘安诺. 成年人肥胖和脂质相关指标对代谢综合征的影响及预测价值研究[J]. 中国全科医学, 2025, 28(21): 2595-2603, 2610. DOI: 10.12114/j.issn.1007-9572.2024.0559.
[8]	黄洁武, 吴东亭, 宋嘉宜, 等. 甲状腺正常人群脂质蓄积指数、内脏脂肪指数与代谢综合征患病关系[J]. 中国公共卫生, 2022, 38(9): 1181-1186. DOI: 10.11847/zgggws1135847.
[9]	Yang D Y, Ma L, Cheng Y, et al. Utility of anthropometric indexes for detecting metabolic syndrome in resource-limited regions of northwestern China: cross-sectional study[J]. JMIR Public Health Surveill, 2024, 10: e57799. DOI: 10.2196/57799.
[10]	段绍杰, 刘尊敬, 陈佳良, 等. 脂质蓄积指数和内脏脂肪指数对成年人代谢综合征的预测价值研究[J]. 中国全科医学, 2021, 24(33): 4211-4217. DOI: 10.12114/j.issn.1007-9572.2021.02.038.
[11]	Jian L Y, Guo S X, Ma R L, et al. Comparison of obesity-related indicators for identifying metabolic syndrome among normal-weight adults in rural Xinjiang, China[J]. BMC Public Health, 2022, 22(1): 1730. DOI: 10.1186/s12889-022-14122-8.
[12]	Li Y Q, Gui J F, Liu H Y, et al. Predicting metabolic syndrome by obesity-and lipid-related indices in mid-aged and elderly Chinese: a population-based cross-sectional study[J]. Front Endocrinol, 2023, 14: 1201132. DOI: 10.3389/fendo.2023.1201132.
[13]	Zimmet P, Magliano D, Matsuzawa Y, et al. The metabolic syndrome: a global public health problem and a new definition[J]. J Atheroscler Thromb, 2005, 12(6): 295-300. DOI: 10.5551/jat.12.295.
[14]	Chen J, Sun H, Qiu S H, et al. Lipid accumulation product combined with urine glucose excretion improves the efficiency of diabetes screening in Chinese adults[J]. Front Endocrinol, 2021, 12: 691849.
[15]	Shin K A, Kim Y J. Usefulness of surrogate markers of body fat distribution for predicting metabolic syndrome in middle-aged and older Korean populations[J]. Diabetes Metab Syndr Obes, 2019, 12: 2251-2259. DOI: 10.2147/DMSO.S217628.
[16]	Shao Q, Li J, Wu Y L, et al. Enhanced predictive value of lipid accumulation product for identifying metabolic syndrome in the general population of China[J]. Nutrients, 2023, 15(14): 3168.
[17]	Zhang X, Hong F, Liu L, et al. Lipid accumulation product is a reliable indicator for identifying metabolic syndrome: the China Multi-Ethnic Cohort(CMEC)Study[J]. QJM, 2022, 115(3): 140-147.
[18]	Gui J F, Li Y Q, Liu H Y, et al. Obesity-and lipid-related indices as a predictor of obesity metabolic syndrome in a national cohort study[J]. Front Public Health, 2023, 11: 1073824.
[19]	Chen X J, Zhao Y F, Sun J H, et al. Identification of metabolic syndrome using lipid accumulation product and cardiometabolic index based on NHANES data from 2005 to 2018[J]. Nutr Metab, 2024, 21(1): 96. DOI: 10.1186/s12986-024-00864-2.
[20]	李田田, 王佑翔, 陈静锋, 等. 累积脂质蓄积指数与新发代谢综合征相关性的队列研究[J]. 中国预防医学杂志, 2025, 26(2): 150-156. DOI:10.16506/j.1009-6639.2025.02.004
[21]	李占斌, 高政南. 中老年人群中脂质蓄积指数对胰岛β细胞功能影响的研究[J]. 中华内分泌代谢杂志, 2018, 34(3): 228-232. DOI: 10.3760/cma.j.issn.1000-6699.2018.03.008.
[22]	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.
[23]	Ye Y, Zhou Q H, Dai W W, et al. Gender differences in metabolic syndrome and its components in Southern China using a healthy lifestyle index: a cross-sectional study[J]. BMC Public Health, 2023, 23(1): 686. DOI: 10.1186/s12889-023-15584-0.
[24]	Li Y L, Zheng R, Li S T, et al. Association between four anthropometric indexes and metabolic syndrome in US adults[J]. Front Endocrinol, 2022, 13: 889785. DOI: 10.3389/fendo.2022.889785.
[25]	Zhang X H, Zhang M, He J, et al. Comparison of anthropometric and atherogenic indices as screening tools of metabolic syndrome in the Kazakh adult population in Xinjiang[J]. Int J Environ Res Public Health, 2016, 13(4): 428. DOI: 10.3390/ijerph13040428.
[26]	Witarto B S, Witarto A P, Visuddho V, et al. Gender-specific accuracy of lipid accumulation product index for the screening of metabolic syndrome in general adults: a meta-analysis and comparative analysis with other adiposity indicators[J]. Lipids Health Dis, 2024, 23(1): 198. DOI: 10.1186/s12944-024-02190-1.
[27]	Mandrekar J N. Receiver operating characteristic curve in diagnostic test assessment[J]. J Thorac Oncol, 2010, 5(9): 1315-1316.

组别	例数	年龄（±s，岁）	性别[例（%）]		居住地[例（%）]		民族[例（%）]		吸烟[例（%）]
组别	例数	年龄（±s，岁）	男	女	城市	农村	汉族	少数民族	是	否
Q1组	1 003	41.8±15.1	609（60.72）	394（39.28）	298（29.71）	705（70.29）	531（52.94）	472（47.06）	365（36.39）	638（63.61）
Q2组	1 001	43.0±14.9	452（45.15）	549（54.85）	348（34.77）	653（65.23）	538（53.75）	463（46.25）	265（26.47）	736（73.53）
Q3组	1 006	44.8±14.4	362（35.98）	644（64.02）	408（40.56）	598（59.44）	597（59.34）	409（40.66）	209（20.78）	797（79.22）
Q4组	1 003	45.3±13.7	380（37.89）	623（62.11）	419（41.77）	584（58.23）	647（64.51）	356（35.49）	231（23.03）	772（76.97）
检验统计量值		12.105	153.711^a		40.260^a		35.849^a		73.159^a
P值		<0.001	<0.001		<0.001		<0.001		<0.001
组别	饮酒[例（%）]		体育锻炼[例（%）]		食盐摄入过量[例（%）]		食用油摄入过量[例（%）]		BMI（±s，kg/m²）	FBG（±s，mmol/L）
组别	是	否	是	否	是	否	是	否	BMI（±s，kg/m²）	FBG（±s，mmol/L）
Q1组	376（37.49）	627（62.51）	895（89.23）	108（10.77）	847（84.45）	156（15.55）	777（77.47）	226（22.53）	20.52±1.94	5.14±0.89
Q2组	319（31.87）	682（68.13）	872（87.11）	129（12.89）	821（82.02）	180（17.98）	796（79.52）	205（20.48）	21.80±2.28	5.05±0.83
Q3组	295（29.32）	711（70.68）	882（87.67）	124（12.33）	817（81.21）	189（18.79）	805（80.02）	201（19.98）	22.98±2.4	5.08±1.08
Q4组	294（29.31）	709（70.69）	873（87.04）	130（12.96）	799（79.66）	204（20.34）	743（74.08）	260（25.92）	24.48±3.01	5.15±1.12
检验统计量值	20.530^a		2.908^a		8.075^a		12.683^a		478.580	2.092
P值	<0.001		0.406		0.045		0.005		<0.001	0.099
组别	SBP（±s，mmHg）	DBP（±s，mmHg）	WC（±s，cm）	HDL-C（±s，mmol/L）	LDL-C（±s，mmol/L）	TG[M（P₂₅，P₇₅），mmol/L]	LAP[M（P₂₅，P₇₅）]
Q1组	120±20	75±11	67.90±4.13	1.56±0.53	2.47±0.98	1.00（0.74，1.00）	5.10（3.03，7.00）
Q2组	120±19	76±11	73.05±4.69	1.54±0.51	2.53±1.02	1.00（0.89，1.18）	11.99（10.08，13.52）
Q3组	122±18	77±11	77.81±5.77	1.52±0.52	2.80±1.19	1.13（1.00，1.52）	20.16（17.57，23.64）
Q4组	122±18	78±11	82.59±7.35	1.56±0.55	3.19±1.40	2.09（1.64，3.00）	42.32（33.45，60.80）
检验统计量值	5.935	17.258	1 262.072	1.506	79.425	1 792.485^b	3 762.234^b
P值	<0.001	<0.001	<0.001	0.211	<0.001	<0.001	<0.001

组别	例数	年龄（±s，岁）	性别[例（%）]		居住地[例（%）]		民族[例（%）]		吸烟[例（%）]
组别	例数	年龄（±s，岁）	男	女	城市	农村	汉族	少数民族	是	否
Q1组	1 003	41.8±15.1	609（60.72）	394（39.28）	298（29.71）	705（70.29）	531（52.94）	472（47.06）	365（36.39）	638（63.61）
Q2组	1 001	43.0±14.9	452（45.15）	549（54.85）	348（34.77）	653（65.23）	538（53.75）	463（46.25）	265（26.47）	736（73.53）
Q3组	1 006	44.8±14.4	362（35.98）	644（64.02）	408（40.56）	598（59.44）	597（59.34）	409（40.66）	209（20.78）	797（79.22）
Q4组	1 003	45.3±13.7	380（37.89）	623（62.11）	419（41.77）	584（58.23）	647（64.51）	356（35.49）	231（23.03）	772（76.97）
检验统计量值		12.105	153.711^a		40.260^a		35.849^a		73.159^a
P值		<0.001	<0.001		<0.001		<0.001		<0.001
组别	饮酒[例（%）]		体育锻炼[例（%）]		食盐摄入过量[例（%）]		食用油摄入过量[例（%）]		BMI（±s，kg/m²）	FBG（±s，mmol/L）
组别	是	否	是	否	是	否	是	否	BMI（±s，kg/m²）	FBG（±s，mmol/L）
Q1组	376（37.49）	627（62.51）	895（89.23）	108（10.77）	847（84.45）	156（15.55）	777（77.47）	226（22.53）	20.52±1.94	5.14±0.89
Q2组	319（31.87）	682（68.13）	872（87.11）	129（12.89）	821（82.02）	180（17.98）	796（79.52）	205（20.48）	21.80±2.28	5.05±0.83
Q3组	295（29.32）	711（70.68）	882（87.67）	124（12.33）	817（81.21）	189（18.79）	805（80.02）	201（19.98）	22.98±2.4	5.08±1.08
Q4组	294（29.31）	709（70.69）	873（87.04）	130（12.96）	799（79.66）	204（20.34）	743（74.08）	260（25.92）	24.48±3.01	5.15±1.12
检验统计量值	20.530^a		2.908^a		8.075^a		12.683^a		478.580	2.092
P值	<0.001		0.406		0.045		0.005		<0.001	0.099
组别	SBP（±s，mmHg）	DBP（±s，mmHg）	WC（±s，cm）	HDL-C（±s，mmol/L）	LDL-C（±s，mmol/L）	TG[M（P₂₅，P₇₅），mmol/L]	LAP[M（P₂₅，P₇₅）]
Q1组	120±20	75±11	67.90±4.13	1.56±0.53	2.47±0.98	1.00（0.74，1.00）	5.10（3.03，7.00）
Q2组	120±19	76±11	73.05±4.69	1.54±0.51	2.53±1.02	1.00（0.89，1.18）	11.99（10.08，13.52）
Q3组	122±18	77±11	77.81±5.77	1.52±0.52	2.80±1.19	1.13（1.00，1.52）	20.16（17.57，23.64）
Q4组	122±18	78±11	82.59±7.35	1.56±0.55	3.19±1.40	2.09（1.64，3.00）	42.32（33.45，60.80）
检验统计量值	5.935	17.258	1 262.072	1.506	79.425	1 792.485^b	3 762.234^b
P值	<0.001	<0.001	<0.001	0.211	<0.001	<0.001	<0.001

LAP	发病人数	发病率（/千人年）	模型1		模型2
LAP	发病人数	发病率（/千人年）	HR（95%CI）	P值	aHR（95%CI）	P值
总人群	889	31.62
Q1组	146	20.80	1.00		1.00
Q2组	198	28.30	1.38（1.11~1.71）	0.003	1.26（1.02~1.57）	0.035
Q3组	235	33.35	1.67（1.36~2.05）	<0.001	1.35（1.08~1.68）	0.008
Q4组	310	43.93	2.09（1.72~2.54）	<0.001	1.55（1.24~1.94）	<0.001
P_趋势值			<0.001		<0.001
男性	422	33.36
Q1组	91	21.38	1.00		1.00
Q2组	109	34.65	1.70（1.28~2.24）	<0.001	1.45（1.09~1.93）	0.011
Q3组	101	39.40	1.84（1.38~2.44）	<0.001	1.52（1.12~2.05）	0.006
Q4组	121	45.06	2.07（1.57~2.71）	<0.001	1.56（1.13~2.10）	0.006
P_趋势值			<0.001		<0.001
女性	467	30.19
Q1组	55	19.90	1.00		1.00
Q2组	89	23.12	1.16（0.83~1.62）	0.396	1.06（0.75~1.48）	0.753
Q3组	134	29.90	1.61（1.18~2.20）	0.003	1.14（0.82~1.59）	0.423
Q4组	189	43.23	2.18（1.61~2.94）	<0.001	1.44（1.03~2.01）	0.033
P_趋势值			<0.001		0.007

LAP	发病人数	发病率（/千人年）	模型1		模型2
LAP	发病人数	发病率（/千人年）	HR（95%CI）	P值	aHR（95%CI）	P值
总人群	889	31.62
Q1组	146	20.80	1.00		1.00
Q2组	198	28.30	1.38（1.11~1.71）	0.003	1.26（1.02~1.57）	0.035
Q3组	235	33.35	1.67（1.36~2.05）	<0.001	1.35（1.08~1.68）	0.008
Q4组	310	43.93	2.09（1.72~2.54）	<0.001	1.55（1.24~1.94）	<0.001
P_趋势值			<0.001		<0.001
男性	422	33.36
Q1组	91	21.38	1.00		1.00
Q2组	109	34.65	1.70（1.28~2.24）	<0.001	1.45（1.09~1.93）	0.011
Q3组	101	39.40	1.84（1.38~2.44）	<0.001	1.52（1.12~2.05）	0.006
Q4组	121	45.06	2.07（1.57~2.71）	<0.001	1.56（1.13~2.10）	0.006
P_趋势值			<0.001		<0.001
女性	467	30.19
Q1组	55	19.90	1.00		1.00
Q2组	89	23.12	1.16（0.83~1.62）	0.396	1.06（0.75~1.48）	0.753
Q3组	134	29.90	1.61（1.18~2.20）	0.003	1.14（0.82~1.59）	0.423
Q4组	189	43.23	2.18（1.61~2.94）	<0.001	1.44（1.03~2.01）	0.033
P_趋势值			<0.001		0.007

暴露时间	最佳截断值	灵敏度	特异度	约登指数	AUC（95%CI）
总人群
暴露7年	15.47	0.59	0.53	0.12	0.56（0.53~0.58）
暴露8年	18.70	0.49	0.62	0.11	0.56（0.53~0.56）
暴露9年	24.20	0.37	0.76	0.13	0.57（0.53~0.61）
男性
暴露7年	8.46	0.77	0.37	0.14	0.55（0.51~0.59）
暴露8年	9.44	0.72	0.41	0.13	0.55（0.50~0.59）
暴露9年	7.15	0.81	0.36	0.17	0.59（0.53~0.65）
女性
暴露7年	18.50	0.58	0.56	0.14	0.57（0.53~0.61）
暴露8年	18.69	0.57	0.57	0.14	0.58（0.54~0.62）
暴露9年	24.24	0.43	0.72	0.15	0.57（0.51~0.63）