《新疆哈萨克族代谢综合征的筛检及其对心脑血管疾病预测的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
分类号学号Ｄ２０１４７８０７８１－学校代码１０４８７密级二寺ｆ＿农太寧博士学位论文新疆哈萨克族代谢综合征的筛检｜Ｉ：■及其对心血管疾预测的研究学位申请人：郭恒学科专业：流行病与卫生统计学指导教师：魏晟副教授Ｉ＿■ＩＩ＿答辩日期：２０１８年５月 HuazhongUniversityofScienceandTechnologyDoctoralDissertationScreeningofthemetabolicsyndromeandpredictionofcardiovasculardiseasesinKazakhofXinjiangCandidate:HengGuoMajor:EpidemiologyandHealthStatisticsSupervisor:ShengWeiDate：May,2018 1 华中科技大学博士学位论文目录全文缩写词................................................................................................................................3中文摘要....................................................................................................................................4ABSTRACT...............................................................................................................................8前言......................................................................................................................................12第一部分新疆哈萨克᯿代谢综合征流行特征及危险因素分析........................................151对象与方法……………………………………………………………………………….182结果………………………………………………………………………………………..213讨论………………………………………………………………………………………..324小结………………………………………………………………………………………..35第二部分肥胖测䟿指标对新疆哈萨克᯿MetS筛检价值的研究………………………...361对象与方法………………………………………………………………………………..372结果………………………………………………………………………………………..403讨论………………………………………………………………………………………..504小结………………………………………………………………………………………..52第三部分基于MetS因子分析的哈萨克᯿CVD预测模型研究…………………………531对象与方法………………………………………………………………………………..542结果………………………………………………………………………………………..583讨论………………………………………………………………………………………..784小结………………………………………………………………………………………..81研究结论……………………………………………………………………………………...82创新点与局限性……………………………………………………………………………...84参考文献……………………………………………………………………………………..86综述..........................................................................................................................................92附录1（研究生期间工作小结）.........................................................................................108附录2研究使用问卷............................................................................................................109致谢........................................................................................................................................1142 华中科技大学博士学位论文全文缩写词英文缩写英文名称中文名称ALTAlaninetransaminase丙氨酸氨基转移酶ASTAspartateaminotransferase天门冬氨酸转氨酶BAIBodyadiposityindex身体肥胖指数BMIBodymassindex体质指数CVDCardiovaculardisease心脑血管疾病CDSChineseDiabetesSociety中华医学会糖尿病学分会EFAExplorefactoranalysis探索性因子分析FPGfastingblood-glucose空腹血糖HDL-Chigh-densitylipoproteincholesterol高密度脂蛋白胆固醇HRHazardratio风险比IDFInternationalDiabetesFederation国际糖尿病联盟JISJointInterimStatement多组织联合声明LDL-Clow-densitylipoproteincholesterol低密度脂蛋白胆固醇LAPLipidaccumulationproduct脂质蓄积指数MetSMetabolicsyndrome代谢综合征OROddsratio比值比ROCReceiveroperatingcharacteristiccurves受试者工作特征曲线TGTriglyceride甘油三酯UAUricacid尿酸VAIVisceraladiposityindex内脏肥胖指数WHtRWaist-to-heightratio腰围身高比WHRWaist-to-hipratio腰臀比WLWaistline腰围3 华中科技大学博士学位论文新疆哈萨克族代谢综合征的筛检及其对心脑血管疾病预测的研究博士研究生：郭恒导师：魏晟摘要目的（1）采用四种代谢综合征（metabolicsyndrome，MetS）诊断标准分析哈萨克᯿代谢综合征患病率及其危险因素，全面了解哈萨克᯿人群MetS的流行现状，为制定哈萨克᯿MetS防治措施提供线索。（2）探讨多个新的肥胖测䟿指标包括脂质蓄积指数（Lipidaccumulationproduct,LAP）、内脏肥胖指数（Visceraladiposityindex,VAI）、人体肥胖指数（Bodyadiposityindex,BAI）、腰围身高比(Waist-to-heightratio,WHtR)对哈萨克᯿MetS筛检的价值，并与传统的肥胖指标腰围（Waistline,WL）、腰臀比（Waist-to-hipratio,WHR）、BMI进行对比，寻找对哈萨克᯿人群进行MetS筛检的最佳肥胖测䟿指标，在此基础上探讨采用联合试验策略时的肥胖测䟿指标的最佳组合。（3）运用探索性因子分析（Explorefactoranalysis,EFA）提取哈萨克᯿MetS主因子，构建以MetS主因子为主的哈萨克᯿心脑血管疾病（Cardiovasculardiseases,CVD）发病风险预测模型，估计哈萨克᯿人群CVD发病风险，划分危险等级模式，明确CVD高危人群，为在社区人群中开展CVD的防治提供新的思路。方法（1）采用多级整群抽样抽取有代表性的新疆哈萨克᯿人群进行现况调查，基于NCEP-ATPⅢ标准、CDS标准、IDF标准及JIS标准分析哈萨克᯿代谢综合征及其组分患病率，进而分析MetS组分的聚集特征（三组分聚集的种类和患病率）。采用非条件Logistic回归分析社会人口学特征、CVD家᯿史、吸烟、饮酒、饮食因素、血清肝酶、尿酸对哈萨克᯿MetS风险的影响。（2）基于第一部分研究的横断面调查资料计算多个肥胖测䟿指标包括LAP、VAI、BAI、WHtR、WL、WHR、BMI，进而采用非条件Logistic回归分析这些肥胖测䟿指标4 华中科技大学博士学位论文对萨克᯿MetS风险的影响，然后使用线性趋势图分析各肥胖测䟿指标水平与MetS异常组分数目的相关性。采用灵敏度、特异度、约登指数、符合率、Kappa值、预测值评价这些肥胖测䟿指标筛检MetS的真实性、可靠性和收益，并使用ROC曲线比较各指标筛检MetS的价值。最后采用双项联合筛检试验探索筛检MetS的最佳组合。根据Bayes定理结合MetS的患病率计算联合试验的收益。（3）采用探索性因子分析提取哈萨克᯿CVD预测研究队列的基线人群中MetS各组分的主因子，根据因子载荷解释因子的含义并命名。基于主因子，结合年龄、CVD家᯿史、吸烟、饮酒、饮食因素，使用Cox比例风险回归模型构建CVD发病风险预测模型，采用模型全局检验评价模型的拟合程度。采用ROC曲线评价模型的预测效果，并应用预测模型绘制CVD发病风险评估矩阵图。结果（1）按照国内外使用最广泛的四种诊断标准，哈萨克᯿MetS年龄标化患病率分别为18.90%(NCEP-ATPIII标准)、22.84%（CDS标准）、27.13%(IDF标准)和32.16%(JIS标准)，患病率均随年龄的增加而升高。哈萨克᯿MetS组分患病率从高到低依次是腹型肥胖（61.92%）、血压偏高（48.18%）、HDL-C低（38.21%）、TG高（23.04%）、血糖高（24.23%），MetS患者最常见的三组分聚集模式是：肥胖+高密度脂蛋白胆固醇低+血压偏高（12.69%）。多因素分析显示哈萨克᯿MetS的影响因素主要是饮食因素：蔬菜摄入少(OR=1.74,95%CI:1.31-2.31)、新鲜肉摄入过多（OR=1.24,95%CI:1.02-1.50）是危险因素，适䟿摄入鲜奶是保护因素(OR=0.60,95%CI:0.47-0.77)。高尿酸血症(OR=1.64,95%CI:1.45-1.87)、丙氨酸转移酶升高(OR=1.80,95%CI:1.46-2.21)、及门冬氨酸转移酶升高(OR=1.69,95%CI:1.36-2.10)均为危险因素。（2）无论男女哈萨克᯿MetS患者7种肥胖测䟿指标水平均高于非MetS者，与MetS患病风险关联最强的两项肥胖测䟿指标是LAP和VAI，上四分位数水平与下四分位数比较，LAP：男性(OR=46.60,95%CI:31.98-67.89)，女性(OR=47.74,95%CI:33.62-67.81)；VAI：男性(OR=23.93,95%CI:17.63-32.49)，女性(OR=19.61,95%CI:14.22-27.06)。单项筛检试验结果显示无论男女LAP筛检MetS的ROC曲线面积最大，男性为（AUC=0.843,95%CI:0.828-0.859），女性为（AUC=0.819,95%CI:0.805-0.833）；其次是VAI，男性为（AUC=0.804,95%CI:0.787-0.822），女性为（AUC=0.780,95%CI:0.764-0.795）。LAP曲线下面积与其他肥胖测䟿指标比较差异均有统计学意义（P<0.001），而VAI与LAP、BAI、WHR、BMI差异均有统计学意义（P<0.001）。LAP筛检MetS的最佳切点（男性:35.58,女性:31.51），VAI筛检MetS的最佳切点（男性:1.67,女性:2.04）。5 华中科技大学博士学位论文真实性评价结果显示：灵敏度最高的指标是腰围（男性88.65%,女性85.10%）；特异度最高的指标男性是LAP(82.00%），女性是VAI（80.32%）；约登指数最大的是LAP（男性0.55，女性0.48），其次是VAI（男性0.51，女性0.43）。可靠性评价结果显示男性符合率和Kappa值最高的是LAP（79.25%,0.54），女性是VAI（74.93%,0.42）。收益评价阳性预测值最高的是腰围（男性71.36%,女性63.12%）。男性VAI和WHR联合试验灵敏度为95.20%，特异度为91.53%，约登指数为0.87，阳性预测值为84.00%；女性VAI和腰围联合试验灵敏度最高为94.32%，特异度为91.35%，约登指数为0.86，阳性预测值为85.76%。（3）研究对象中MetS患者CVD发病密度为20.89/1000人年，高于非MetS组的13.28/1000人年，MetS患者相对于非患者发病风险比为1.53(95%CI:1.17-1.99)，按照性别分层，男性风险比为1.75(95%CI:1.11-2.76)，女性为1.43(95%CI:1.04-1.98)，随着MetS组分数䟿的增加，与0组分对比，男性发病风险比从1组分的(HR=4.55,95%CI:1.06-19.60)上升到≥4组分(HR=7.27,95%CI:1.63-32.52)；女性从1组分的(HR=1.78,95%CI:0.81-3.89)上升到≥4组分的(HR=2.76,95%CI:1.20-6.36)；与男性CVD发病相关最强的组分依次是肥胖（HR=2.17,95%CI:1.31-3.60）和血压偏高(HR=2.03,95%CI:1.22-3.38)，女性依次是血压偏高(HR=2.38,95%CI:1.71-3.31)和肥胖（HR=1.68,95%CI:1.18-2.38）。MetS因子分析结果显示，无论男女均提取5个主因子：肥胖因子（贡献率:男性32.10%,女性30.39%）、肥胖血脂因子（贡献率:男性13.70%,女性14.90%）、胆固醇因子（男性10.44%,女性12.86%）、血压因子（男性8.76%,女性8.75%）、肝酶因子（男性8.04%,女性7.24%）。男性CVD预测模型包含肥胖因子、胆固醇因子、年龄、冠心病家᯿史和蔬菜摄入䟿；女性预测模型包含胆固醇因子、血压因子、年龄、脑卒中家᯿史、吸烟和水果摄入䟿。模型的预测效能评价显示男性AUC=0.751(95％CI:0.695-0.808)，女性AUC=0.754(95％CI:0.717-0.792)。按照性别分层绘制哈萨克᯿个体CVD风险评估矩阵，将CVD发病风险分为5个等级，蓝色代表正常（0-0.1）、黄色低度危险（0.1-0.2）、橙色中度危险（0.2-0.3）、红色高度危险（0.4-0.5）、深红色极高危（0.5-0.6）。结论（1）哈萨克᯿MetS患病率高于全国平均水平。蔬菜摄入少和红肉摄入䟿大是其MetS的主要危险因素，适䟿摄入鲜奶是MetS的保护因素。肥胖是其MetS的核心组分。（2）LAP和VAI对哈萨克᯿MetS筛检价值高于腰围和BMI，联合筛检试验发现VAI和WHR联合筛检男性MetS价值最高，VAI和腰围联合筛检女性MetS价值最高。（3）哈萨克᯿MetS主因子分别是肥胖因子、肥胖血脂因子、胆固醇因子、血压因6 华中科技大学博士学位论文子、肝酶因子。基于MetS因子分析建立的哈萨克᯿CVD发病风险预测模型预测效果良好，通过CVD发病风险矩阵图可以鉴别高危人群。关键词：哈萨克᯿;代谢综合征;心脑血管疾病;筛检;因子分析;预测模型创新点（1）本研究首次采用了国内外广泛使用的四种诊断标准全面分析哈萨克᯿MetS及其组分的患病率和影响因素，为哈萨克᯿人群中的MetS防治提供了可靠的资料。（2）首次全面评价了多种新型肥胖测䟿指标VAI、LAP、BAI和WHtR筛检哈萨克᯿人群MetS的价值，为今后在该人群中筛检MetS提供了可靠的指标。（3）本研究首次采用队列研究的设计在哈萨克᯿人群中构建MetS主因子预测CVD的模型，综合评价MetS对CVD发病的预测效果，划分人群CVD危险等级，识别高危人群，为在哈萨克᯿人群中开展CVD的防治提供新的思路。局限性（1）第一部分研究的现况调查对象中青壮年比例低，患病率和危险因素分析结果外推时要考虑其产生的偏倚。（2）第二部分研究的肥胖测䟿指标大多与腰围相关，而腰围是MetS中腹型肥胖的诊断指标，这将放大这些指标与MetS的关联强度，但这也是含有腰围的肥胖测䟿指标筛检MetS的优势所在。（3）第三部分队列研究所纳入的常规体检指标尚没有全面覆盖CVD的所有危险因素，研究建立的模型预测能力可能有限。其次，哈萨克᯿生活方式以游牧为主，所调查人群后期的随访困难，未能收集到未去医院就诊的CVD患者信息。因此，本研究可能低估CVD的发病率。后续的研究可强化随访，增加更多的体检指标，从而提高该模型对CVD风险的预测能力。7 华中科技大学博士学位论文ScreeningofthemetabolicsyndromeandpredictionofcardiovasculardiseasesinKazakhofXinjiangPhDCandidate:HengGuoSupervisor:AssociateProf.ShengWeiAbstractObjectives(1)ThisresearchaimstoinvestigatetheprevalenceofandriskfactorsofMetabolicSyndrome(MetS)inKazakhbyfourwidelyusedcriteria(NCEP-ATPⅢCDSIDFJIS)inordertorealizetheprevalencesituation.ItcontributestoexplorethepathogenesisandpreventionmeasuresofMetS.Inaddition.ItalsoprovidesreferencetoselectedappropriateindicatorsforscreeningofMetS.(2)Thelipidaccumulationproduct(LAP),visceraladiposityindex(VAI)，bodyadiposityindex(BAI),waist-to-heightratio(WHtR),wereexploredtoscreenMetS.Comparedwiththetraditionalscreeningindexsuchas:waistline,waist-to-hipratioandBMI,weidentifythemostappropriatescreeningindexofMetSforKazakhs.AndtheseefficientandappropriatescreeningindexescombinationwouldbeexploredtoscreenMetSinKazakh.(3)TheexploratoryfactoranalysiswouldbeusedtoextracttheprimaryfactorsofMetS,whichcouldestablishthepredictionmodelofcardiovascular(CVD)incidence.TheriskofCVDinKazakhwouldbeestimatedbytheabovemodel.ThenwewillclassifytheriskygradesofCVD.Finallythehigh-riskygroupsofCVDwereidentified.TheaboveresultswouldprovidebasicdataforprimarypreventionofCVDinKazakh.Inaddition,ourstudywouldprovideanewideatopredicttheincidenceofCVDinthecommunitypopulation.Methods(1)Multistageclustersamplingwasemployedtochooseparticipants.Fourcriteria(NCEP-ATPⅢIDFCDSJIS)wereemployedtomeasuretheprevalenceofMetSandcomponentsinKazakh.ThedistributioncomponentsofMetSwereanalyzedbypermutationandcombination.Non-conditionallogisticregressionanalysiswasperformedtoidentifythe8 华中科技大学博士学位论文associationbetweenMetSandsocialdemographiccharacteristics,familyhistoryofdisease,dietaryfactors,smokinganddrinking,uricacid,Alaninetransaminase(ALT),Aspartateaminotransferase(AST).(2)Non-conditionallogisticregressionanalysiswasappliedtoanalyzethecorrelationsbetweenMetSandtheobesitymeasurementindexes.Thescreeningtestwasusedtoevaluatethevalidity,reliability,yieldofobesitymeasurementindexesinscreeningMetS.Thereceiveroperatingcharacteristiccurves(ROC)wasusedtocomparethevaluesofobesitymeasurementindexesinscreeningMetS.Double-combined-testwasusedtoexplorethebestcombinationtoscreenMetSinKazakh.Theyieldofdouble-combined-testwascalculatedbasedonBayestheorems.(3)EFAwasemployedtoextracttheprimaryfactorsofMetSstratifiedbygender.BartlettsphericaltestandKMOtestwereusedtoanalyzetheapplicableconditionsofEFA.Weexplainedthemeaningofprimaryfactorsbyfactorloading.TheCoxproportionalriskmodelwasusedtoestablishtheriskpredictionmodelofCVDbasedontheprimaryfactorsofMetS,age,smokingandCVDfamilyhistory.Omnibustestsofmodelcoefficientswereappliedtofittingdegreeofthemodel.TheROCwasusedtoevaluatethepredictionresults.Wedrawtherisk-matrixofCVDbythispredictionmodelofCVD.Results(1)BasedonthefourwidelyusedcriteriaofMetS,theage-standardprevalenceofMetSwere18.90%(NCEP-ATPIII),22.84%(CDS),27.13%(IDF)and32.16%(JIS),respectively.TheprevalencofMetSincreasedalongwiththeage.TheprevalenceofMetScomponentsindescendingorderwereobesity(61.92%),highbloodpressure(48.18%),lowHDL-C(38.21%),highTG(23.04%),highbloodglucose(24.23%).ThemostcommonformofthreecomponentsofMetSwasobesity+lowHDL-C+highbloodpressure(12.69%).MultivariateanalysisshowedthatthemajorinfluentialfactorsofMetSinKazakhweredietaryfactors,lowintakeofvegetables(OR=1.74,95%CI:1.31-2.31),highintakeofredmeat(OR=1.24,95%CI:1.02-1.50),Moderateintakeoffreshmilk(OR=0.60,95%CI:0.47-0.77).Hyperuricemia(OR=1.64,95%CI:1.45-1.87),ALTelevated(OR=1.80,95%CI:1.46-2.21),andASTelevated(OR=1.69,95%CI:1.36-2.10)wereriskfactors.(2)ThelevelsofobesitymeasurementindexesforpatientsofMetSwerehigherthannon–MetSpopulation.ThestrongestassociationwasobservedbetweentheMetSandLAP:9 华中科技大学博士学位论文man(OR=46.60,95%CI:31.98-67.89)，woman(OR=47.74,95%CI:33.62-67.81);VAI：man(OR=23.93,95%CI:17.63-32.49)，woman(OR=19.61,95%CI:14.22-27.06)。thelevelofQ4comparedQ1.TheresultsofscreeningtestshowedthattheareaundertheROCcurve(ROC-area)ofLAPwasthelargestoneinscreeningMetSduringman,ROC-areaofman(AUC=0.843,95%CI:0.828-0.859)andROC-areaofwoman(AUC=0.819,95%CI:0.805-0.833).ThesecondlargestweasVAL,ROC-areaofman(AUC=0.760,95%CI:0.787-0.822)andROC-areaofwoman(AUC=0.780,95%CI:0.764-0.795).TheoptimalcutoffpointsofscreeningMetSbyLAPwas35.58forman,31.51forwoman.TheoptimalcutoffpointsofscreeningMetSbyVAIwas1.67forman,2.04forwoman.TheresultsofvalidityevaluationshowthattheYoudenindexofLAPwasthelargestandthesecondwasVAI.Thesensitivityofwaistlinewasthehighest(man:88.65%,woman:85.10%).ThespecificityofLAPwasthehighestinman(82.00%),andVAIinwoman(80.32%).TheresultsofreliabilityevaluationshowthattheageementrateandKappavalueofLAPwerehighestinman(79.25%,0.54),butVAIinwoman(74.93%,0.42).Youdenindexofcombined-testbetweenVAIandWHRinmanwasthehighest(0.87),andsensitivity(95.20%),specificity(91.53%),positivepredictionvalue(84.00%),Youdenindexofcombined-testbetweenVAIandwaistlinewerethehighestinwomanandsensitivity(94.32%),specificity(91.35%),positivepredictionvalue(85.76%).(3)TheincidencedensityofCVDinpatientsofMetSwas20.89peronethousandpeople,whichwashigherthannon-MetS(13.28peronethousandpeople).ThehazardratioofCVDwas1.53(95%CI:1.17-1.99)fortotalpopulation,forman1.75(95%CI:1.11-2.76)，forwoman1.43(95%CI:1.04-1.98),respectively.ThehazardratioofCVDformanelevatedfrom(HR=4.55,95%CI:1.06-19.60)foronecomponentofMetSto(HR=7.27,95%CI:1.63-32.52)for≥4componentsofMetS(HR=2.76,95%CI:1.20-6.36).ThehazardratioofCVDforwomanelevatedfrom(HR=1.78,95%CI:0.81-3.89)foronecomponentofMetSto(HR=2.76,95%CI:1.20-6.36)for≥4componentsofMetS(HR=2.76,95%CI:1.20-6.36).ThestrongestassociationwasobservedbetweentheCVDandMetScomponentsformanwasobestity(HR=2.17,95%CI:1.31-3.60),andhighbloodpressure(HR=2.38,95%CI:1.71-3.31).Theresultsoffactoranalysisshowthattheprimaryfactorswereobesityfactor(contributionrate:man:32.10%,woman:30.39%),obesityandserumlipidfactor(contributionrate:man:13.70%,woman:14.90%),cholesterolfactor(contributionrate:man:10.44%,woman:12.86%),bloodpressurefactor(contributionrate:man:8.76%,woman:8.75%),andSerumliverenzymefactor(contributionrate:man:8.04%,woman:7.24%).Theprediction10 华中科技大学博士学位论文modelofCVDinmanincludingobesityfactor,cholesterolfactor,ageandcoronaryheartdiseasefamilyhistory.ThepredictionmodelofCVDinwomanincludingcholesterolfactor,bloodpressurefactor,age,andsmoking.TheefficiencyevaluationofpredictionmodeshowtheAUCwas0.751(95％CI:0.695-0.808)forman,AUC=0.754(95％CI:0.717-0.792)forwoman.Wedrawtherisk-matrixofCVDinthepatientsofMetSinmanandwoman.ThehazardratioofCVDcanbedividedintofivegrades,bluefornormal(0-0.1),yellowforlightriskdanger(0.1-0.2),orangeformoderatedanger(0.2-0.3),redforhighdanger(0.4-0.5),deepred,extremelyhighdanger(0.5-0.6).Conclusions(1)TheprevalenceofMetSinKazakhwashigherthanthatofnationalaveragelevelofChina.LessconsumptionofvegetablesandmuchintakeofredmeatwerethemainriskfactorsofMetS,whilemoderateintakeoffreshmilkwasaprotectivefactorofMetSinthem.TheMetSistypicallycharacterizedbytheabdominalobestiyinKazakh.(2)ThescreeningvalueofLAPandVAIwerehigherthanwaistlineandBMI.Thedouble-screening-testofVAIandWHRwasthebestinvalidity,reliability,yieldforman,andVAIandwaistlineforwoman.(3)TheprimaryfactorsofMetSinKasakhswereobesityfactor,obesityandserumlipidfactor,bloodpressurefactor,cholesterolfactor,Serumliverenzymefactor.Thepredictionpowerofpredictionmodelofcardiovascular(CVD)incidencewaseffective,whichcouldidentifyhigh-riskgroupsofCVD.Keyword:Kazakh;metabolicsyndrome;cardiovasculardiseases;screening;explorefactoranalysis;predictionmodel.11 华中科技大学博士学位论文前言代谢综合征(metabolicsyndrome，MetS)是以肥胖、血压高、血脂异常、血糖水平升高等多种代谢性疾病集结出现为临床特点的一组严重影响人类健康的临床症[1]候群，是引发心脑血管疾病（Cardiovasculardiseases,CVD）众多高危风险因素的集合。调查显示国内外MetS患病率均很高，世界糖尿病联盟估计全球成人中有四[2]分之一的人口患有MetS，2009年全国营养调查显示我国MetS患病率达到21.3%，[3-4]与1992年的患病率13.3%相比增加了38%。随着我国城市化进程加快，静坐的生活方式流行，饮食结构不合理，MetS患病率必将持续增长，严重影响人们的健康和生活质䟿。MetS的直接后果是导致严重心脑血管疾病的发生，并造成死亡，提出“代谢综合征”这一概念的目的在于辨别处于CVD远期高危状态的个体，因此如何防治MetS[5]患者的CVD发生已成为一个新的公共卫生问题。实现MetS的规范化管理和治疗首先要求是如何从人群中及早的筛检出MetS患者，通过MetS的二级预防促进CVD的一级预防。其次是科学预测MetS患者的心脑血管疾病的发生风险，以此评估患[6-8]者疾病严重程度，进而正确为患者制定合理的防治方案。科学预测MetS患者心脑血管疾病发生风险的实用工具主要是风险预测模型，而基于MetS评估CVD风险[9]是目前认为最有效的预测心脑血管疾病风险的方式之一。《中国心脑血管病报告2016》显示，目前我国有2.9亿人患有心脑血管疾病，其中，现患脑卒中患者1300万，冠心病1100万，心力衰竭患者450万，预计今后CVD的发生还将迅猛上升，到2030年CVD所占比重在所有慢性病负担中将超过[10]50%。通过MetS的二级预防促进CVD的一级预防是解决目前心脑血管疾病高发的有效措施，早期筛检代谢综合征患者并及时采取干预措施，对心脑血管疾病一[11-13]级预防有重要意义。开展MetS二级预防的关键是寻找适宜的人群筛检指标。在MetS的组分中肥胖一直作为核心组分，而且和其它组分之间密切相关。许多研[13-15]究证实肥胖测䟿指标可以作为MetS的有效人群筛检指标。传统的MetS筛检指标有腰围（Waistline,WL）、体质指数（Bodymassindex，BMI）、腰臀比（Waist-to-hipratio,WHR），新提出的肥胖测䟿指标有脂质蓄积指数（Lipidaccumulationproduct，LAP）、内脏肥胖指数（Visceraladiposityindex，VAI）、腰围身高比（Waist-to-heightratio，WHtR）、和人体脂肪指数（Bodyadiposityindex，BAI）。腰围作为MetS诊12 华中科技大学博士学位论文断最常用的肥胖测䟿指标，一直被认为是评价MetS的最佳指标，NCEP-ATPⅢ、IDF和JIS标准均把腰围作为诊断MetS中肥胖组分的指标。但近年研究发现腰围身高比（WHtR）对MetS筛检价值要优于腰围。Rodea调查墨西哥人群发现与腰[16]围、BMI比较，WHtR更适合诊断MetS。我国广州人群调查同样发现腰围和[17]WHtR均是筛检MetS的优秀指标，一项新疆维吾尔᯿人群MetS调查也发现[18]WHtR是诊断男性MetS的最佳指标。脂质蓄积指数（LAP）是2005年kahn等根据美国国家营养调查数据提出的新型肥胖指标，该指标结合了腰围和血清甘油三[19]酯，研究证明LAP可以预测和诊断MetS，且优于腰围和BMI等指标。向守奎[20]等提出LAP是诊断MetS的最佳肥胖测䟿指标。段凤仪等研究也发现LAP与[21]MetS及各组分密切相关，认为LAP对MetS筛检价值高。伊朗的一项人群研究[22]也证实了LAP在预测和诊断MetS上的价值。内脏脂肪指数（VAI）是2010年Amato等运用腰围、BMI、TG和HDL-C建立的评估人体脂肪分布的模型，VAI[23]增加可以很好的预测代谢性疾病的发生风险。Elisha研究超重女性数据发现VAI[24]是预测MetS的优秀指标。BAI是2011年Bergman等综合臀围和身高，提出了一个新的肥胖测䟿指标，可以有效区分人体内脂肪和肌肉组织，因此推荐其作为评[25]价肥胖的新指标。以上肥胖测䟿指标是否适合新疆哈萨克᯿MetS的筛检，诊断的切点是否有差别值得探讨。已有诸多研究表明，MetS与CVD之间关系密切，MetS患者发生CVD的风险[26-28]比一般人群高很多，所以基于MetS进行CVD风险预测有重要意义。据美国Framingham心脏病队列研究分析3000余名Framingham子代男女资料显示：单有MetS预测新发生冠心病总数约25％，无糖尿病者具有MetS的人群10年冠心病危[29]险≤20％。Najarian报道MetS患者发生脑卒中的危险几乎是无MetS者的2倍，与无MetS者相比，MetS男性的脑卒中发生危险增加78%，女性增加1倍以上。美国第三次全国营养调查发现，在有心肌梗死或脑卒中病史的人群中，代谢综合征的[30]患病率超过40%，并且随着MetS异常组分数目的增加，CVD的风险也呈现明显[26,31]上升趋势。一项为期5年的研究发现，有≥4项代谢异常的人群比只有1项代[31]谢异常的人群其CVD发病率增加5倍。Scandinavia辛伐他汀干预动脉粥样硬化研究显示，随访安慰剂组人群5年，排除糖尿病患者后，MetS患者心血管事件的[32]发生率是非MetS人群的1.5倍。在MetS对CVD的风险预测领域，目前只有美[33]国心脏病学会建议使用Framingham模型来预测MetS的10年CVD绝对危险，还未见有其他关于MetS的CVD危险预测模型的报道。但是中国人群的MetS特点[34-35]与西方人群有着较大的差别，因此，研究中国人群MetS的CVD危险性预测模13 华中科技大学博士学位论文型对于中国CVD的防治具有重要现实意义。新疆哈萨克᯿人群大多生活在交通不便的高山牧场，与外界交流少，保留着游牧民᯿的生活习俗，不但有独特的遗传背景，而且地理气候环境、生活行为及饮食习惯与国内其它地区差异较大，㓿济发展及居民健康意识水平低，代谢性疾病和[36-37]CVD分布状况与国内其它地区差异较大。本课题组前期调查显示哈萨克᯿高血压患病率为36%，高甘油三脂血症（TG高）患病率达27.4%，低高密度脂蛋白[38-39]血症（HDL-C低）患病率为38.6%，均高于全国平均水平，预示其MetS患病水平高。然而哈萨克᯿聚居区㓿济落后，交通不便导致其医疗资源匮乏，研究便捷㓿济的MetS人群筛查指标，能够促进该人群MetS的早发现、早诊断和早治疗，对降低其心脑血管疾病的发病率和提高生命质䟿有重要意义。CVD在哈萨克᯿疾[37]病谱中是首要死因，预防和控制其心脑血管疾病能够大幅降低哈萨克᯿人群死亡率，提高该人群期望寿命和生命质䟿，߿轻疾病㓿济负担，促进新疆少数民᯿地区的和谐发展，符合国家“一带一路”新疆发展建设战略。基于以上研究背景，我们认为在新疆哈萨克᯿人群中开展MetS的筛检和CVD预测研究具有十分重要意义。本研究将基于不同诊断标准分析哈萨克᯿MetS及组分患病率和危险因素，全面掌握哈萨克᯿MetS流行现况及在世界范围所处水平。在此基础上采用筛检试验评价肥胖测䟿指标对哈萨克᯿MetS的筛检价值，评价多个肥胖测䟿指标单项和联合筛检MetS的价值，寻找最佳组合作为今后哈萨克᯿MetS筛检的推荐指标。在以上现况研究的基础上进行基于MetS的CVD前瞻性队列研究，构建以MetS主因子为主的哈萨克᯿CVD发病风险预测模型，估计哈萨克᯿MetS个体CVD发病风险，划分危险等级模式，明确CVD高危人群，为哈萨克᯿人群CVD的一级预防提供基础数据，同时为在社区人群中基于MetS预测CVD的发生提供新的思路。14 华中科技大学博士学位论文第一部分新疆哈萨克族代谢综合征流行特征及危险因素分析代谢综合征引起医学界关注始于1988年Reaven将高血压、血脂异常、和胰岛[40]素抵抗相联系，提出“X综合征”。之后Kaplan就类似现象提出了“死亡四重奏”（包[41]含肥胖、高血糖、高甘油三脂血症及高血压）的概念。直到1997年Zimmet等在第16届世界糖尿病大会上对“代谢综合征”进行正式命名并得到认可，MetS这一新[42]型疾病随之成为研究热点。1998年世界卫生组织（WHO）正式推荐使用“代谢综[43]合征”命名这种疾病。随后美国国家胆固醇教育成人治疗组第三次报告[44]（NCEP-ATPⅢ）、中华医学会糖尿病学分会(CDS)等制定了针对本国人群的MetS[45]诊断标准。2005年国际糖尿病联盟（InternationalDiabetesFederation,IDF）发布[2]了MetS全球工作定义，2009年IDF、美国心脏协会（AmericanHeartAssociation,AHA）、美国国家心肺血液研究所(NationalHeart,Lung,andBloodInstitute，NHLBI)、世界心脏病联盟(WorldHeartFederation,WHF)、国际肥胖研究协会（InternationalAssociationfortheStudyofObesity,IASO）等组织为进一步统一MetS诊断标准提出了MetS诊断的联合声明（JointInterimStatement,JIS），被认为[46]是目前MetS最权威的诊断标准。数据显示MetS在世界各国都有不同程度的流行，不同国家、种᯿MetS患病率有差异。美国2009年～2010年全国营养与健康调查显示，按照NCEP-ATPⅢ标准美国成人MetS患病率为22.9%，男性为23.7%，女性为21.8%；不同种᯿患病率不同，墨西哥裔的MetS患病率最高31.9%，其次是白人23.8%，非裔患病率最低为[47]21.6%。欧洲多国慢性病调查，包括英国、意大利等国，按照IDF标准MetS患病[48]率达39%。男性患病率41%，女性39%。在印度，根据NCEP-ATPⅢ标准MetS[49]患病率达24.6%，女性为18.4%，男性26.9%。P.Ranasinghe等报道亚太地区五分之一的成年人口患有MetS，按照IDF标准，澳大利亚MetS患病率最高为35.8%，[49]菲律宾患病率最低为14.5%，印度患病率为19.4%，中国患病率为18.2%。日本[50]一项12万人的人群调查显示MetS总患病率为13.4%（IDF标准）。南非按照三种标准调查社区人群MetS患病率分别为18.5%（NCEP-ATPⅢ标准）、23.3%（IDF[51]标准）和26.5%（JIS标准）。RiLi等综合了我国2005年-2015年的36项MetS患病率调查，按照IDF标准人群的总患病率为24.5%，男性患病率为19.2%，低于女性的27.0%，城市居民高于农村居民（24.9%vs19.2%），北方居民与南方居民相[52]近（24.4%vs24.6%）。2009年全国营养调查显示按照IDF标准我国居民MetS15 华中科技大学博士学位论文患病率为18.2%，按照CDS标准MetS患病率为10.5%。一项陕西汉中农村MetS患病率调查显示，按照NCEP-ATPⅢ标准MetS患病率为7.9%，按照IDF标准患病率[53]为10.8%。MetS已成为我国备受关注的公共卫生问题，成为社会㓿济负担，严重影响人们的健康和生活质䟿。研究者认为MetS的影响因素主要是膳食因素和生活方式。Elisabet等研究MetS与膳食结构发现以白面包为主的膳食结构与血脂紊乱呈正相关，而以纤维面包为主[54]的饮食结构则相反，全脂牛奶的饮食与高胰岛素血症呈负相关。Reaven指出膳食[55]中碳水化合物比例过高产生胰岛素抵抗的可能性越大。多项研究中提出吸烟是MetS的危险因素，Eliasson等研究吸烟与胰岛素抵抗发现，胰岛素抵抗程度与⇿日尼[56]古丁摄入䟿呈正相关，戒烟8周后，胰岛素敏感型可提高11%。饮酒䟿⇿周大于100[57]克可增加胰岛素抵抗及2型糖尿病的发病风险。除了上述传统的危险因素外，血清肝酶、尿酸与MetS的关联近年来被研究者所关注。美国第三次全国健康和营养调查（NHANESⅢ）显示，MetS患者中血清丙氨酸氨基转移酶(Alaninetransaminase,ALT)升高的检出率为7%，明显高于非MetS患者的3.5%，患病风险显著增加，其[58]OR=2.07（95%CI:1.78-2.41）。一个英国人群的研究显示较高ALT水平的受试[59]者与较低者相比MetS患病率更高。Hawn等研究非糖尿病老年人发现较高的ALT[60]活性与MetS风险增加呈现正相关。一项韩国社区人群的现况调查发现随着天门冬氨酸转氨酶(Aspartateaminotransferase,AST)水平升高，WC、FBG和胰岛素水平和[61]HOMA-IR均升高，MetS的组分数䟿以及MetS患病率也增加。日本男性人群[62]中MetS发生风险与AST活性有关。国内天津人群慢性炎症与健康促进队列研究同样发现随着ALT和AST水平增加，MetS患病风险升高，ALT和AST对MetS有预测[63]和诊断价值。尿酸与MetS的相关性也被越来越多的研究所报道，林波等在浙江的大样本人群中发现MetS患者尿酸水平高于非MetS患者，随着尿酸水平增加MetS患病[64]风险增加，并提出高尿酸血症是MetS的独立危险因素。邓楠等调查山东体检人群[65]显示高尿酸血症与MetS各组分均关联密切。NHANESⅢ数据分析结果显示随着尿[66]酸水平增加，MetS患病风险升高。新疆是个多民᯿聚集地区，各民᯿独特的饮食习惯和生活方式，使该地区疾病分布与我国其他省份存在很大差异，哈萨克᯿是新疆第二大少数民᯿，课题组前期调查显示其肥胖、高血压、血脂异常的患病率均高于国内平均水平，调查分析哈萨克᯿MetS患病水平及危险因素将有助于深入了解新疆少数民᯿MetS流行现状。因此本研究将按照国内外使用最广泛的四种诊断标准᧿述哈萨克᯿MetS及组分的患病率，以便与国内外不同地区和种᯿MetS患病率比较，为掌握新疆哈萨克᯿MetS流行现况及在世界范围所处水平16 华中科技大学博士学位论文提供数据支持。本研究还将分析哈萨克᯿MetS危险因素，为哈萨克᯿MetS防治措施的制定提供参考，进而为新疆其他少数民᯿MetS的防治提供借鉴。1.对象与方法1.1.研究对象（1）研究对象来源研究对象来自于国家“十一五”科技支撑计划《新疆维吾尔᯿、哈萨克᯿高发病防治适宜技术研究与应用》子课题—《新疆维吾尔᯿和哈萨克᯿代谢综合征早期综合防治适宜技术研究和应用》（编号：2009BAI82B04）基线调查的哈萨克᯿人群。本研究是由石河子大学医学院开展的一项新疆少数民᯿代谢综合征的人群研究，主要任务之一是调查代谢综合征在哈萨克᯿人群的分布及其影响因素，为制定适宜的防治技术提供参考。本研究于2009年-2010年在新疆哈萨克᯿聚居地伊犁哈萨克自治州新源县的那拉提镇和哈拉布拉乡开展，其中哈萨克᯿研究对象的纳入标准：（1）年龄≥18岁的哈萨克᯿成年人；（2）常住居民（居住时间≥1年）；（3）意识清楚能够有效沟通交流；（4）非妊娠期妇女（5）知情同意。该研究㓿石河子大学医学院第一附属医院伦理委员会批准（批准号：SHZ2010LL01），所有研究对象均被告知研究详细信息，并签署知情同意书。(2)抽样方案和样本䟿计算采取多级整群抽样方法，首先确定新疆最大的哈萨克᯿聚居地伊犁哈萨克自治州作为一级抽样单元，然后从伊犁哈萨克自治州中随机抽取了新源县作为二级抽样单元，接着在新源县中抽取了那拉提镇和哈拉布拉乡作为三级抽样单元，最后采用整群抽样在那拉提镇和哈拉布拉乡各随机抽取6个村进行调查。采用现况调查样本䟿公式计算本次调[3]查需要的样本䟿，以全国MetS患病率最低水平13.3%(NCEP-ATPⅢ)为预期患病率，允许误差取10%，计算需要的样本䟿为2504人。22PQt×PQ.196×.0133×.0867n===≈2504人222dd(.010×.0133)t1.2资料收集内容1.2.1问卷调查问卷内容包括：社会人口学资料（性别、年龄、民᯿、文化程度、婚姻状况等）、个17 华中科技大学博士学位论文人健康状况（疾病史、手术史、家᯿史）、生活行为方式（吸烟、饮酒、饮茶、运动的种类及频次）、饮食（蔬菜、水果、鲜奶、肉、食盐等），以上变䟿的定义和分类如下：（1）民᯿：哈萨克᯿、维吾尔᯿、汉᯿、回᯿。（2）文化程度：文盲、小学、初中、高中或中专、大专及以上。（3）婚姻状况：已婚、未婚、离婚、丧偶。（4）疾病家᯿史：父母或直系亲属患有某病，包括:高血压、冠心病、脑卒中。[67]（5）吸烟：吸烟总数超过100支或连续吸烟累计6个月。[68]（6）饮酒：饮用酒精性饮料(啤酒、红酒、白酒等)⇿月≥2次。（7）饮食的调查采用半定䟿的食物频次法，蔬菜摄入䟿以直径16cm的盘子为测䟿单位（便于调查对象对摄入䟿的估算），水果的摄入䟿以份数为单位（1份相当于1个苹果或梨子）肉的摄入䟿以千克为单位，牛奶的摄入䟿以升为单位，食盐的摄入按照家庭摄入总䟿估算，以克为单位。（8）运动情况：锻炼种类（散步、慢跑、球类、跳舞）、时间（30分钟、1小时、>1小时）。（9）饮奶茶：饮用奶茶的䟿（碗/天）、奶茶盐味轻重（味淡、适度、盐重）。问卷具体内容见附录1《新疆维吾尔自治区居民家庭健康调查表》。1.2.2体格检查（1）血压测䟿：采用水银柱式血压计（鱼跃GB3053-93型）测䟿坐位右臂血压，测䟿时听到Korotkoff第一音为收缩压、第五音为舒张压，血压值单位取mmHg(1mmHg=0.133KPa)。测血压前要求待测者在平静状态下休息5min，测䟿座位右上臂血压3次，⇿次测䟿间隔2min再测下一次，取三次测䟿的平均值。（2）身高、体重、腰围和臀围的测䟿身高和体重：体检者脱去鞋帽，仅着轻薄衣服进行测䟿，采用固定式身高体重计（RGZ-120机械身高体重秤，上海力衡）测䟿身高体重，重复测䟿两次取平均值，体重以千克(kg)为单位，身高以厘米(cm)为单位，计小数点后2位数。使用标准皮尺测䟿腰围和臀围：以厘米(cm)为单位，腰围㓿身体左右两侧面骼骨和肋弓最低点的中心，臀围后方㓿臀部肌肉最突出点，前方㓿耻骨联合。1.2.3血生化指标的检测（1）血样标本采集和处理：采集空腹8-10小时肘静脉血3-5ml，放置于5ml肝素钠抗凝管中，摇匀，3000r/min离心10min，分离血清置于-20℃冰箱内冷冻保存，低温运至18 华中科技大学博士学位论文石河子大学医学院第一附属医院检验科检测。（2）血液标本检测：所采集的血液样本，在石河子大学医学院第一附属医院检验科使用OLYMPUS2007全自动生化仪，采用免疫比浊法检测总胆固醇（TC）、甘油三酯（TG）、高密度脂蛋白胆固醇（highdensityHDL-C）、低密度脂蛋白胆固醇（LDL-C），采用分光比色法检测空腹血糖（FPG）、丙氨酸转移酶、门冬氨酸转移酶、尿酸等生化指标，血脂血糖以mmol/L为单位，尿酸和肝功指标以UI/L为单位。1.2.4MetS诊断标准考虑到国内外研究在不同地区和种᯿使用的MetS诊断标准不同，因此在本研究中，拟采用多个MetS标准进行分析，以便于与国内外不同地区和种᯿进行对比，具体诊断标准分述如下：（1）美国国家胆固醇教育成人治疗组工作定义（NCEP-ATPⅢ标准）：存在下列三项或三项以上异常者为MetS：①腰围：男性>102cm，女性>88cm；②TG≥1.70mmol/L；③HDL-C男性<1.04mmol/L，女性<1.29mmol/L；④SBP≥130mmHg和（或）DBP≥85[44]mmHg；⑤FPG≥6.1mmol/L。（2）中华医学会糖尿病学分会推荐标准（CDS标准）：存在下列三项或三项以上异常者为MetS：①超重和（或）肥胖（BMI≥25）；②高血糖（FPG≥6.1mmol/L）；③血压升高（SBP≥140mmHg或DBP≥90mmHg）；④血脂紊乱（TG≥1.7mmol/L或HDL-C[45]男性<0.9mmol/L，女性<1.0mmol/L）或已接受血脂异常的治疗。（3）国际糖尿病联盟全球工作定义（IDF标准）：个体必须具备中心性肥胖(男性腰围≥90cm；女性腰围≥80cm)，加上以下标准的两项或两项以上即为MetS:①TG≥1.7mmol/L(150mg/dl)或者在服用降低TG的药物；②HDL-C男性<1.03mmol/L，女性<1.30mmol/L，或者在使用调脂药物；③血压≥130/85mmHg和/或服用降压药；④FPG[2]水平≥5.6mmol/L(100mg/dl)或者已㓿确诊为2型糖尿病。（4）国际多机构关于MetS定义的联合声明（JIS标准）：个体必须具备腹型肥胖(男性腰围≥85cm；女性腰围≥80cm)，加上以下标准的两项或两项以上即为MetS:①TG≥1.7mmol/L(150mg/dl)或者在服用降低TG的药物；②HDL-C男性<1.03mmol/L，女性<1.30mmol/L，或者在使用调脂药物；③血压≥130/85mmHg和/或服[46]用降压药；④FPG水平≥5.6mmol/L(100mg/dl)或者已㓿确诊为Ⅱ型糖尿病。1.2.5质䟿控制（1）培训调查员统一的培训及考核现场调查的人员，培训内容包含：掌握调查目的19 华中科技大学博士学位论文和意义、调查方法、测䟿血压方法、身高、体重、腰围、臀围测䟿方法、标准，血样采集、分装、冷㯿方法。培训内容按照《中国慢性病及其危险因素监测手册》进行。以上培训内容考核合格后才能参加正式调查，߿少来自调查员的选择偏倚和信息偏倚。（2）调查问卷的质控统一问卷填写说明，调查过程中严格按照填写说明填写，调查结束后及时核查问卷，对缺失项和不符合逻辑项及时纠错，调查完成后签名并注明日期，便于问卷的二次核查。在问卷录入前对问卷进行二次检查，检查无误后方可进行数据录入，控制调查员偏倚。（3）血压、体格指标的测䟿统一测䟿仪器和标准，所有仪器在测䟿使用前统一校准，测䟿误差控制在上下5%范围之内，控制测䟿导致的信息偏倚。（4）血生化指标检测质控：血标本采集、运送、处理、保存全程严格冷链操作。血脂、血糖、尿酸、肝功指标的检测均按照国家三级甲等医院检验科质控标准进行检测。（5）数据检查⇿次调查结束后，由专人对调查问卷进行逐项核实检查，及时发现填写错误、遗漏等，并重新核实纠正。采用统一的统计软件建立数据库，所有问卷信息采用两次录入法，然后进行核对，并进行逻辑检错，有问题的数据，核查原始问卷进行校正，控制数据录入引起的信息偏倚。1.3统计学方法计䟿资料使用均数标准差进行统计᧿述，计数资料使用百分比，总体均数的比较使2用t检验或方差分析；总体率的比较采用χ检验。年龄分6组：18-24岁组、25-34岁组、35-44岁组、45-54岁组、55-64岁组、≥65岁组。采用直接标准化法计算MetS的年龄标准化患[69]病率，标准年龄构成参考中国第六次人口普查数据≥18岁人口的年龄构成。根据JIS诊断标准，采用非条件Logistic回归分析哈萨克᯿MetS的影响因素，包括：人口学特征、疾病家᯿史、吸烟饮酒、膳食因素、肝功指标、尿酸等。先使用单因素分析确定影响MetS患病的社会人口学因素，然后调整有统计学意义的社会人口学因素，采用多元非条件Logistic回归分析确定家᯿史、吸烟饮酒、膳食因素、肝功指标、尿酸对MetS的影响，以上分析检验水准均为α=0.05。采用排列组合分析哈萨克᯿MetS患者三组分聚集特征。应用Epidata3.02建立数据库，采用SPSS(StatisticalProgramforSocialSciences,version13.0,2004)和易侕软件(http://www.empowerstats.com)进行统计分析。20 华中科技大学博士学位论文2.结果2.1调查对象基本特征描述2.1.1调查对象社会人口学特征本次调查对象共6810人，其中男性2877人，女性3933人，平均年龄43.93±14.11岁，男性平均年龄为45.04±14.60岁，高于女性的43.13±3.69岁，差异有统计学意义（P<0.001）。年龄构成中35-44岁者最多占24.60%，≥65岁最少，占4.48%。研究对象男女婚姻状况差异有统计学意义（P<0.001），离婚丧偶比例男性明显低于女性（3.51%vs8.11%）。男性文化程度整体高于女性，文盲率（6.67%vs8.64%），初中以上文化程度（53.88%vs44.57%）。25.52%的调查对象有高血压家᯿史，其中男性为23.04%，低于女性的27.45%，差异有统计学意义（P<0.001）；8.10%调查对象有冠心病家᯿史，6.52%有脑卒中家᯿史，但男女差异无统计学意义。详见表1。表12009年新疆哈萨克᯿MetS横断面调查对象人口学特征总人群性别变䟿（n=6810）男（n=2877）女（n=3933）P年龄组18-241195(17.55%)482(16.75%)713(18.13%)<0.00125-341515(22.25%)611(21.24%)904(22.98%)35-441675(24.60%)654(22.73%)1021(25.96%)45-541458(21.41%)646(22.45%)812(20.65%)55-64662(9.72%)324(11.26%)338(8.59%)≥65305(4.48%)160(5.56%)145(3.69%)婚姻已婚5649(82.95%)2414(83.91%)3235(82.25%)<0.001未婚741(10.88%)362(12.58%)379(9.64%)离婚或丧偶420(6.17%)101(3.51%)319(8.11%)文化程度文盲532(7.81%)192(6.67%)340(8.64%)<0.001小学2975(43.69%)1135(39.45%)1840(46.78%)初中及以上3303(48.50%)1550(53.88%)1753(44.57%)高血压家᯿史否2758(74.48%)1249(76.96%)1509(72.55%)0.002是945(25.52%)374(23.04%)571(27.45%)冠心病家᯿史21 华中科技大学博士学位论文否3381(91.90%)1404(92.19%)1977(91.70%)0.592是298(8.10%)119(7.81%)179(8.30)%脑卒中家᯿史否3440(93.48%)1433(94.09%)2007(93.05%)0.206是240(6.52%)90(5.91%)150(6.95%)注：*卡方检验2.1.2调查对象生活行为方式和饮食调查对象吸烟率为32.16%，饮酒率为20.38%，男性吸烟率和饮酒率分别是58.15%和43.59%，均明显高于女性的13.15%和3.41%（均P<0.001）。12.56%的调查对象⇿周摄入蔬菜＜1盘，女性整体蔬菜摄入䟿高于男性（P<0.001）；22.94%的调查对象⇿周摄入水果＜1份，女性整体水果摄入䟿也高于男性（P<0.001）；有73.02%的调查对象⇿周摄入鲜奶的䟿＜0.5L，男性有76.75%，高于女性的70.09%（P<0.001）；58.11%的调查对象⇿周鲜肉的摄入䟿≥2kg，男性为55.75%，低于女性的59.86%（P<0.001）。表22009年新疆哈萨克᯿MetS横断面调查对象生活行为和饮食总人群性别变䟿（n=6810）男（n=2877）女（n=3933）P吸烟否4620(67.84%)1204(41.85%)3416(86.85%)<0.001是2190(32.16%)1673(58.15%)517(13.15%)饮酒否5422(79.62%)1623(56.41%)3799(96.59%)<0.001是1388(20.38%)1254(43.59%)134(3.41%)蔬菜⇿周≥4盘1314(48.26%)533(43.16%)781(52.49%)<0.001⇿周1–3盘1067(39.18%)529(42.83%)538(36.16%)⇿周<1盘342(12.56%)173(14.01%)169(11.36%)水果⇿周≥4份2539(39.68%)1042(38.62%)1497(40.45%)0.324⇿周1–3份2392(37.38%)1022(37.88%)1370(37.02%)⇿周<1份1468(22.94%)634(23.50%)834(22.53%)鲜奶⇿周<0.5L2687(73.02%)1241(76.75%)1446(70.09%)<0.001⇿周0.5-1.5L534(14.51%)214(13.23%)320(15.51%)⇿周≥1.5L459(12.47%)162(10.02%)297(14.40%)鲜肉⇿周<1kg683(12.56%)333(14.40%)350(11.20%)<0.00122 华中科技大学博士学位论文⇿周1-2kg1594(29.32%)690(29.84%)904(28.94%)⇿周≥2kg3159(58.11%)1289(55.75%)1870(59.86%)食盐⇿月<500g1712(52.16%)673(52.05%)1039(52.24%)0.916⇿月≥500g1570(47.84%)620(47.95%)950(47.76%)注：*卡方检验2.1.3调查对象MetS各组分检测指标调查对象平均腰围为86.22±11.96cm，其中男性为88.30±11.60cm，高于女性的84.702±11.99cm，差异有统计学意义（P<0.001）；BMI平均值为24.30±4.24kg/m，男性高于女性（24.44±4.06vs24.20±4.37）,差异有统计学意义（P=0.005）。男性收缩压、舒张压、TG、LDL-C、空腹血糖、尿酸均高于女性，差异有统计学意义（均P<0.001）；而LDL-C水平女性高于男性，差异有统计学意义（P<0.001）。肝功指标丙氨酸转移酶和门冬氨酸转移酶，男女之间差异无统计学意义（P>0.05）。表22009年新疆哈萨克᯿MetS横断面调查对象MetS各组分检测指标᧿述(x±s)总人群性别变䟿（n=6810）男（n=2877）女（n=3933）P腰围(cm)86.22±11.9688.30±11.6084.70±11.99<0.001身高(cm)162.09±8.70168.34±7.16157.52±6.64<0.001体重（kg）64.00±12.8869.32±12.5560.11±11.67<0.001臀围（cm）97.35±8.9097.71±8.2897.10±9.320.0052体质指数（kg/m）24.30±4.2424.44±4.0624.20±4.370.018收缩压(Hgmm)127.82±23.24130.85±21.93125.61±23.92<0.001舒张压(Hgmm)81.42±14.4282.81±13.8280.41±14.76<0.001TG(mmol/L)1.43±1.291.57±1.401.33±1.20<0.001HDL-C(mmol/L)1.33±0.521.26±0.471.38±0.55<0.001LDL-C(mmol/L)2.32±0.802.37±0.812.29±0.79<0.001TC(mmol/L)4.42±1.154.42±1.114.42±1.180.874空腹血糖(mmol/L)5.00±1.455.14±1.694.91±1.23<0.001＃ALT(IU/L)18.96±16.2919.22±16.6318.75±16.010.189＃AST(IU/L)28.61±19.5628.94±23.1028.36±16.290.898＃尿酸(IU/L)232.72±82.56268.32±81.02206.00±73.08<0.001＃注：KruskalWallis秩和检验，其余均采用t检验。23 华中科技大学博士学位论文2.2哈萨克族MetS流行特征2.2.1不同诊断标准的MetS的患病率按照NCEP-ATPⅢ标准哈萨克᯿MetS患病率为18.25%，男性患病率为15.02%，远低于女性的20.62%，差异有统计学意义（P＜0.001）；而按照CDS标准哈萨克᯿MetS患病率为22.41%，男性为27.08%，高于女性的18.99%，差异有统计学意义（P＜0.001）；按照IDF标准哈萨克᯿MetS患病率为26.28%，男性患病率为23.18%，明显低于女性的28.55%，差异有统计学意义（P＜0.001）；按照JIS标准哈萨克᯿MetS患病率为31.29%，男性患病率为31.84%，女性为30.89%，差异无统计学意义（P=0.405）。三种标准诊断的结果中，JIS标准患病率最高，其次是IDF和CDS标准，NCEP-ATPⅢ标准最低。以第六次全国人口普查年龄结构为依据，年龄标化后的结果同上，由高到低依次是：32.16%（JIS标准）、27.13%（IDF标准）、22.84%（CDS标准）、18.90%（NCEP-ATPⅢ标准）（见表3）。表32009年新疆哈萨克᯿MetS横断面调查对象基于不同诊断标准的MetS患病率总人群（n=6810）男（n=2877）女（n=3933）诊断标准患者粗患病标化患患者患病率标化患患者患病率标化患人数率(%)病率(%)人数(%)病率(%)人数(%)病率(%)*NCEP-ATPⅢ124318.2518.9043215.0215.1581120.6222.34*CDS152622.4122.8477927.0826.7774718.9920.35*IDF179026.2827.1366723.1823.28112328.5530.79＃JIS213131.2932.1691631.8432.02121530.8933.03＃*注：男女比较P＜0.05，P＜0.001，年龄标准化患病率，标准人口参考2010年全国人口普查男女年龄别构成。2.2.2哈萨克᯿人群MetS的年龄别患病率2根据四种诊断标准MetS患病率均随年龄增加而升高（趋势χ卡方检验均P＜0.001），男性患病率在55～64岁达到顶峰，65岁以后有所下降；而女性患病率持续升高在65岁以后达到顶点。按照NCEP-ATPⅢ、IDF标准，各年龄段男性患病率均低于女性，尤其在45岁年龄段后患病率差异增大；而按照CDS标准，55岁前男性高于女性，55岁后男女患病率逐渐接近。按照JIS标准，男女患病率在65岁以前接近，65岁以后差距增大。四种诊断标准不同性别各年龄段患病率。详见图1。24 华中科技大学博士学位论文图12009年新疆哈萨克᯿MetS横断面调查对象基于四种MetS诊断标准的不同性别年龄别患病率2.2.3哈萨克᯿人群MetS组分的患病率按照JIS标准，哈萨克᯿腹型肥胖检出率最高为61.92%，男性为59.12%，低于女性的63.97%；其次是血压偏高总检出率为48.18%，男性为54.74%，高于女性的43.38%；第三位是高甘油三脂血症（TG高）总检出率为23.04%，男性高于女性（27.29%vs19.93%）；低高密度脂蛋白胆固醇血症（HDL-C低）总检出率为38.21%，男性低于女性（25.93%vs47.19%）；血糖高总检出率为24.23%，男性高于女性（27.95%vs21.51%）；以上差异均有统计学意义（均P＜0.001）。表42009年新疆哈萨克᯿MetS横断面调查对象按照JIS标准不同性别MetS组分的患病率比较总人群（n=6810）男（n=2877）女（n=3933）组分P聚集人数%聚集人数%聚集人数%腹型肥胖421761.92170159.12251663.97<0.001血压偏高328148.18157554.74170643.38<0.001TG高156923.0478527.2978419.93<0.001HDL-C低260238.2174625.93185647.19<0.001血糖高165024.2380427.9584621.51<0.001注：卡方检验2.2.4哈萨克᯿人群MetS患者组分聚集模式分析按照JIS标准，哈萨克᯿MetS患者三组分聚集模式共有10种，其中腹型肥胖25 华中科技大学博士学位论文+HDL-C低+血压高，聚集率最高为12.69%；其次是腹型肥胖+血压高+血糖高，聚集率为11.50%；第三位是腹型肥胖+TG高+血压高，聚集率10.62%，最低的是TG高+HDL-C低+血糖高，聚集率3.23%。男性排在前三位的是：腹型肥胖+TG高+血压偏高，聚集率13.83%，腹型肥胖+血压高+血糖高，聚集率12.90%、腹型肥胖+HDL-C低+血压高，聚集率10.01%。女性排在前三位的是：腹型肥胖+HDL-C低+血压高，聚集率14.65%；腹型肥胖+血压高+血糖高，聚集率为10.48%；腹型肥胖+TG高+HDL-C低，聚集率为8.34%。10种聚集模式中除6、9、10模式外，其余男女差异均有统计学意义。（模式5：P=0.002，模式8：P=0.008，其余均P＜0.001）。表52009年新疆哈萨克᯿MetS横断面调查对象按照JIS标准MetS患者组分聚集分析总人群（n=6810）男（n=2877）女（n=3933）编MetS组分聚集聚集聚集P号聚集模式%%%人数人数人数1肥胖+TG高+血压高72310.6239813.833258.26<0.0012肥胖+TG高+血糖高4106.022237.751874.75<0.0013肥胖+HDL-C低+血压高86412.6928810.0157614.65<0.0014肥胖+HDL-C低+血糖高4586.731485.143107.88<0.0015肥胖+血压高+血糖高78311.5037112.9041210.480.0026TG高+HDL-C低+血压高3665.371515.252155.470.6937TG高+血压高+血糖高3344.901866.471483.76<0.0018HDL-C低+血压高+血糖高3765.521324.592446.200.0049肥胖+TG高+HDL-C低5317.802037.063288.340.05110TG高+HDL-C低+血糖高2203.23852.951353.430.270注：卡方检验2.3哈萨克族人群MetS的危险因素分析2.3.1哈萨克᯿MetS患者与非患者社会人口学特征比较MetS患者与非患者对比：性别构成差异无统计学意义（P=0.405），年龄结构、婚姻状况、文化程度差异均有统计学意义（P<0.001），MetS患者的年龄结构老年化程度明显高于非患者，MetS患者中离婚和丧偶的比例明显高于非患者，而患者的文化程度总体低于非患者；高血压、脑卒中、及冠心病家᯿史差异均无统计学意义（P>0.05）。表62009年新疆哈萨克᯿MetS横断面调查对象MetS患者和非患者社会人口学特征比较变䟿MetS患者非MetS患者P值性别男916(42.98%)1961(41.91%)0.405女1215(57.02%)2718(58.09%)26 华中科技大学博士学位论文年龄组18-24157(7.37%)1038(22.18%)<0.00125-34355(16.66%)1160(24.79%)35-44558(26.18%)1117(23.87%)45-54637(29.89%)821(17.55%)55-64291(13.66%)371(7.93%)≥65133(6.24%)172(3.68%)婚姻已婚1722(80.81%)3927(83.93%)<0.001未婚209(9.81%)532(11.37%)离婚或丧偶200(9.39%)220(4.70%)文化程度文盲246(11.54%)286(6.11%)<0.001小学960(45.05%)2015(43.06%)初中及以上925(43.41%)2378(50.82%)高血压家᯿史无771(76.56%)1987(73.70%)0.075有236(23.44%)709(26.30%)脑卒中家᯿史无1084（93.05%）2356（93.68%）0.471有81（6.95%）159（6.32%）冠心病家᯿史无1081（92.79）2300（91.48）0.178有84（7.21）214（8.51）注：卡方检验2.3.2哈萨克᯿MetS患者与非患者生活行为和饮食比较MetS患者饮酒率为33.46%，高于非患者31.57%，差异无统计学意义（P=0.121）；MetS患者吸烟率为22.15%，高于非患者的19.58%，差异有统计学意义（P=0.015）。饮食因素中蔬菜、水果、鲜奶、鲜肉的摄入在MetS患者与非患者之间差异均有统计学意义（P<0.001），MetS患者蔬菜、水果、鲜奶的摄入䟿均低于非患者，而鲜肉的摄入䟿大于非患者。表72009年新疆哈萨克᯿MetS横断面调查对象MetS患者和非患者生活行为和饮食比较变䟿MetS患者非MetS患者P值饮酒否1418(66.54%)3202(68.43%)0.121是713(33.46%)1477(31.57%)吸烟否1659(77.85%)3763(80.42%)0.01527 华中科技大学博士学位论文是472(22.15%)916(19.58%)蔬菜⇿周≥4盘248(38.27%)1066(51.37%)<0.001⇿周1–3盘297(45.83%)770(37.11%)⇿周<1盘103(15.90%)239(11.52%)水果⇿周≥4份700(36.34%)1839(41.11%)<0.001⇿周1–3份686(35.62%)1706(38.14%)⇿周<1份540(28.04%)928(20.75%)鲜奶⇿周<0.5L797(77.60%)1890(71.24%)<0.001⇿周0.5-1.5L136(13.24%)398(15.00%)⇿周≥1.5L94(9.15%)365(13.76%)新鲜肉⇿周<1kg178(11.51%)505(12.99%)<0.001⇿周1-2kg387(25.02%)1207(31.04%)⇿周≥2kg982(63.48%)2177(55.98%)食盐⇿月<500g475(50.26%)1237(52.93%)0.166⇿月≥500g470(49.74%)1100(47.07%)注：卡方检验2.3.3哈萨克᯿MetS危险因素的单因素分析单因素分析结果显示，哈萨克᯿MetS患病风险随年龄的增加而升高，与18-24年龄组比较，男性OR值从25-34岁组的2.02(95%CI:1.65-2.49)上升到≥65组的5.11(95%CI:3.86-6.78)。与已婚者比较，离婚丧偶者MetS患病风险高(OR=2.07,95%CI:1.70-2.53)。文化程度高者MetS患病风险低，初中以上文化程度与文盲比较OR值为0.45(95%CI:0.38-0.55)。高血压、冠心病和脑卒中家᯿史与MetS患病风险均无关联。不良生活习惯中饮酒会使MetS患病风险升高(OR=1.17,95%CI:1.03-1.32)。饮食因素中⇿周摄入蔬菜＜1盘者患病风险高（OR=1.85,95%CI:1.42-2.42)、⇿周摄入水果＜1份者患病风险高（OR=1.53,95%CI:1.33-1.75)、⇿周摄入鲜奶≥1.5L者与＜0.5L者比较患病风险低(OR=0.61,95%CI:0.48-0.78)；而鲜肉摄入䟿⇿周≥2kg患病风险升高(OR=1.28,95%CI:1.06-1.54)。高尿酸血症（OR=1.64,95%CI:1.45-1.86）、丙氨酸转移酶高（OR=1.75,95%CI:1.43-2.15）、门冬氨酸转移酶高者（OR=1.72,95%CI:1.31-2.01）MetS患病风险升高。见表8。28 华中科技大学博士学位论文表82009年新疆哈萨克᯿MetS横断面调查对象MetS相关因素logistic回归单因素分析（JIS标准）2变䟿n(%)βWaldχOR(95%CI)P性别男2877(42.25%)--1.00-女3933(57.75%)-0.0440.6920.96(0.86-1.06)0.405年龄组18-241195(17.55%)--1.00-25-341515(22.25%)0.70545.1032.02(1.65-2.49)<0.00135-441675(24.60%)1.195142.4583.30(2.71-4.02)<0.00145-541458(21.41%)1.635264.1515.13(4.21-6.25)<0.00155-64662(9.72%)1.646201.1995.19(4.13-6.51)<0.001≥65305(4.48%)1.632128.8285.11(3.86-6.78)<0.001婚姻已婚5649(82.95%)--1.00-未婚741(10.88%)-0.1101.6110.90(0.76-1.06)0.204离婚或丧偶420(6.17%)0.72951.2062.07(1.70-2.53)<0.001文化程度文盲552(8.10%)--1.00-小学2955(43.39%)-0.1051.1900.55(0.46-0.67)<0.001初中及以上3303(48.50%)-0.38716.0380.45(0.38-0.55)<0.001高血压家᯿史无2758(74.48%)--1.00-有945(25.52%)-0.1533.1570.86(0.72-1.02)0.076脑卒中家᯿史无3630(98.03%)--1.00-有73(1.97%)-0.7760.5191.11(0.84-1.46)0.471冠心病家᯿史无3381(91.90)--1.00-有298(8.10)-0.7551.8090.84(0.64-1.09)0.179饮酒否5422(79.62%)--1.00-是1388(20.38%)0.1565.9641.17(1.03-1.32)0.015吸烟否4620(67.84%)--1.00-是2190(32.16%)0.0862.4011.09(0.98-1.22)0.121蔬菜⇿周≥4盘1314(48.26%)--1.00-⇿周1–3盘1067(39.18%)-0.1110.6631.66(1.37,2.01)<0.001⇿周<1盘342(12.56%)-0.61720.1491.85(1.42,2.42)<0.001水果29 华中科技大学博士学位论文⇿周≥4份2539(39.68%)--1.00-⇿周1–3份2392(37.38%)-0.37027.4621.06(0.93,1.20)0.387⇿周<1份1468(22.94%)-0.42436.7511.53(1.33,1.75)<0.001鲜奶⇿周<0.5L2687(73.02%)--1.00-⇿周0.5-1.5L534(14.51%)-0.2103.7970.81(0.66-1.00)0.051⇿周≥1.5L459(12.47%)-0.49316.0380.61(0.48-0.78)0.001新鲜肉⇿周<1kg683(12.56%)--1.00-⇿周1-2kg1594(29.32%)-0.0950.8140.91(0.74-1.12)0.367⇿周≥2kg3159(58.11%)0.2476.7041.28(1.06-1.54)0.010食盐⇿月<500g1712(52.16%)--1.00-⇿月≥500g1570(47.84%)0.1071.9171.11(0.96-1.29)0.166尿酸低4846（97.09%）--1.00-高145（2.91%）0.49561.4421.64(1.45-1.86)<0.001丙氨酸转移酶低2042（93.50%）--1.00-高142（6.50%）0.56228.8301.75(1.43-2.15)<0.001门冬氨酸转移酶低1872（90.35%）--1.00-高200（9.65%）0.48419.4491.62(1.31-2.01)<0.0012.3.4哈萨克族MetS危险因素的多因素分析调整年龄、婚姻和教育程度后，蔬菜摄入少是MetS的危险因素、鲜奶摄入多是MetS的保护因素；⇿周摄入蔬菜<1盘与≥4盘相比患病风险升高74%(OR=1.74,95%CI:1.31-2.31)，⇿周摄入鲜奶≥1.5L与⇿周<0.5L对比，患病风险下降40%(OR=0.60,95%CI:0.47-0.77)；而鲜肉摄入过多是MetS的危险因素，⇿周摄入新鲜肉≥2kg与⇿周<1kg对比，患病风险上升24%。高尿酸血症MetS患病风险是尿酸正常者的1.64倍(OR=1.64，95%CI:1.45-1.87)。2项肝功指标均与MetS患病相关，丙氨酸转移酶高者MetS患病风险是正常者的1.8倍(OR=1.80,95%CI:1.46-2.21)，门冬氨酸转移酶高者MetS患病风险是正常者的1.69倍(OR=1.69,95%CI:1.36-2.10)。有脑卒中家᯿史者患病风险高(OR=1.42,95%CI:1.07,1.90)。见表9。30 华中科技大学博士学位论文表92009年新疆哈萨克᯿MetS横断面调查对象MetS相关因素logistic回归多因素分析（JIS标准）2a变䟿n(%)βWaldχOR(95%CI)P饮酒否5422(79.62%)--1.00-是1388(20.38%)0.0050.0051.00(0.88,1.15)0.944吸烟否4620(67.84%)--1.00-是2190(32.16%)-0.0330.3180.97(0.86,1.08)0.573蔬菜⇿周≥4盘1314(48.26%)--1.00-⇿周1–3盘1067(39.18%)-0.0870.3761.53(1.25,1.87)<0.001⇿周<1盘342(12.56%)-0.49011.7891.74(1.31,2.31)0.001水果⇿周≥4份2539(39.68%)--1.00-⇿周1–3份2392(37.38%)-0.25211.6870.95(0.83,1.08)0.390⇿周<1份1468(22.94%)-0.2178.7251.16(1.00,1.35)0.049鲜奶⇿周<0.5L2687(73.02%)--1.00-⇿周0.5-1.5L534(14.51%)-0.1642.1580.85(0.68,1.06)0.142⇿周≥1.5L459(12.47%)-0.47414.1150.60(0.47,0.77)<0.001新鲜肉⇿周<1kg683(12.56%)--1.00-⇿周1-2kg1594(29.32%)-0.0730.4530.93(0.75,1.15)0.501⇿周≥2kg3159(58.11%)0.2134.5971.24(1.02,1.50)0.032食盐⇿月<500g1712(52.16%)--1.00-⇿月≥500g1570(47.84%)0.1383.0091.15(0.98,1.34)0.083高尿酸血症低4846（97.09%）--1.00-高145（2.91%）0.49758.2761.64(1.45,1.87)<0.001ALT低2042（93.50%）--1.00-高142（6.50%）0.58730.7931.80(1.46,2.21)<0.001AST低1872（90.35%）--1.00-高200（9.65%）0.52522.1331.69(1.36,2.10)<0.001高血压家᯿史无2758(74.48%)--1.00-有945(25.52%)0.0200.0501.02(0.86,1.22)0.823脑卒中家᯿史无3630(98.03%)--1.00-有73(1.97%)0.3555.9241.42(1.07,1.90)0.015冠心病家᯿史无3381(91.90)--1.00-有298(8.10)-0.1310.9150.88(0.67-1.15)0.339a注：调整年龄、婚姻、文化程度31 华中科技大学博士学位论文3、讨论尽管目前对代谢综合征的人群调查很多，但在我国㓿济落后的牧区人群中调查报道很少。本研究在新疆一个典型的哈萨克᯿牧区中开展，95%以上的居民都是哈萨克᯿牧民。哈萨克᯿有非常特殊的生活方式和遗传特征，他们继承了游牧民᯿的生活方式，⇿年要从冬季牧场和夏季牧场往返转场2次，保持着游牧民᯿的饮食习惯，与中国汉᯿和[70-71]欧美人群有很大差异。按照国内外使用最广泛的四种诊断标准，哈萨克᯿年龄标化患病率分别为18.90%(NCEP-ATPIII标准)、22.84%（CDS标准）、27.13%(IDF标准)和[4]32.16%(JIS标准)，患病率水平高于我国全国调查水平18.2%（IDF标准），日本全国[50][51]水平13.3%（IDF标准），也高于非洲农村地区水平22.1%（JIS标准）,但低于西[72][73]班牙调查水平33.2%(JIS标准)和美国的患病率34.3%(JIS标准)。许多研究发现MetS患病率随着年龄一直增加没有拐点，虽然哈萨克᯿MetS患病率也随着年龄增加，但是在65岁后出现下降。可能的原因是大多数哈萨克᯿居民在65岁前死于心脑血管疾[74-75]病，调查显示哈萨克᯿老年人群中心脑血管疾病死亡率很高。本次调查显示哈萨克᯿65岁以后老年人MetS患病风险并没有下降。以往的大规模的人群调查发现中国男性MetS患病率低于女性，我们的研究同样发现哈萨克᯿MetS患病率男性明显低于女性。我们发现一个有趣的现象，从NCEP-ATPIII标准到IDF标准再到JIS标准，男女患病率差异逐渐缩小。这种高患病率可能与哈萨克᯿的膳食模式、遗传特征和医疗条件有关。哈萨克᯿牧民仍然保持游牧民᯿的膳食模式，从饮食的种类看他们摄入大䟿的奶制品、红肉和面食，而蔬菜、水果、豆类、水产品摄入很少；从饮食的习惯看一日三餐中早餐和午餐仅喝茶，吃少䟿的面食，晚餐摄入大䟿的肉和面食，热䟿摄入高但又缺乏体育锻炼，因此很容易导致肥胖。由于医疗资源匮乏，缺乏医疗保健意识，哈萨克牧民接受医疗服务很少，这些因素使他们MetS患病风险高。遗传研究发现哈萨克具有蒙古利亚人种和高加索人种（白种人）混合遗传基因，这可能解释了哈萨克᯿MetS患病率水平为什么介于亚洲人（中国汉᯿和日本人）和欧美人（美国白人和西班牙人）水平之间。我们发现膳食因素与哈萨克᯿MetS患病存在强相关，蔬菜摄入䟿少，鲜肉摄入多与哈萨克᯿MetS患病率高相关，而鲜奶的摄入䟿高可以降低MetS患病风险。Martini等[76]发现个人报告不㓿常摄入蔬菜者MetS患病风险是摄入充足蔬菜的2倍多。一项来自32 华中科技大学博士学位论文韩国的调查同样发现蔬菜摄入䟿越多，MetS患病风险越低(OR=0.47,95%CI:0.29-0.75)[77]。可能机制是蔬菜摄入䟿与血压和血糖水平有关，一项系统综述报道蔬菜摄入䟿大可以降低舒张压，另外一项前瞻性研究同样发现素食的膳食模式患高血压和糖尿病的患病[78]风险均较低。哈萨克᯿饮食种类仍然保持着游牧民᯿的特征，由于寒冷的气候和繁重的体力劳动他们摄入高热䟿的饮食，他们摄入大䟿的牛羊肉、油炸面食（包尔扎克）、[79]奶制品（奶酪和奶茶），与我国其他地区和民᯿相比蔬菜摄入䟿很少。我们的研究显示哈萨克᯿⇿周摄入≥4盘蔬菜的研究对象仅占48.26%，而根据WHO标准，蔬菜和水[80]果摄入≤400g/天，即定义为疏菜水果摄入不足。蔬菜的摄入䟿低可能是导致其MetS患病率高的关键原因之一。哈萨克᯿蔬菜摄入少与新疆特殊的地理和气候条件有关，在新疆冬季长达6个月以上，在这里很难种植和储存新鲜蔬菜，而从外地运进新疆的蔬菜由于价格昂贵居民购买很少。由于交通不便和㓿济困难哈萨克᯿牧民获得新鲜蔬菜更少，冬天主要吃少䟿土豆和胡萝卜，蔬菜摄入䟿很低。虽然哈萨克᯿牧民很难获得蔬菜，但是鲜奶很容易获得，本研究显示⇿天饮用牛奶≥1.5L者MetS患病风险下降32%，但是他们直接饮用鲜奶少而摄入奶制品多，因此提高哈萨克᯿牧民鲜奶的摄入䟿是切实可行，且行之有效的预防MetS的措施。多因素分析发现鲜肉的摄入䟿与哈萨克᯿MetS发病风险呈正相关，这可能是由于哈萨克᯿居民摄入的鲜肉主要是红肉（牛羊肉），红肉中饱和脂肪酸、胆固醇、铁含䟿高，而饱和脂肪酸的摄入和MetS组分中的血压和血脂密切联系，研究发现摄入过多的[81-82]饱和脂肪酸可导致血压升高和血脂紊乱。红肉摄入多容易产生铁沉积效应，当机体[83]铁过䟿与胰岛素抵抗呈正相关，这是红肉摄入过多导致MetS的另一个机制。而且红[84]肉摄入过多与机体的慢性炎症状态相关，慢性炎症是导致MetS的重要机制之一。人[85]群研究表明红肉摄入过多与MetS患病风险增加有直接联系。我们的研究同样证实了摄入过䟿红肉会增加MetS风险。哈萨克᯿牧民饮食结构以动物性食物为主，红肉摄入[86]䟿高于全国平均水平，我们调查发现哈萨克᯿⇿周新鲜肉摄入䟿≥1kg的比例达到87.43%，而根据世界癌症研究基金会推荐标准，红肉（牛肉和羊肉）摄入䟿累计≥100g/[87]天即定义为摄入过多。本研究显示尿酸升高是哈萨克᯿MetS危险因素，高尿酸血症患者MetS患病风险是正常者的1.64倍，与国内外其他研究结果一致。临床发现高尿酸血症是代谢综合征患者的常见症状，血清尿酸水平与代谢综合征发生风险呈正相关。别志欣等发现随着MetS组分增加，血尿酸水平有升高的趋势，反过来也成立，高尿酸血症患者MetS发生风险[88]是正常者的3-5倍。美国第三次营养调查同样发现，随着尿酸水平从6mg/dl上升到[89]10mg/dl，代谢综合征患病率增加了7倍。研究者认为高尿酸血症导致代谢综合征的33 华中科技大学博士学位论文机制是胰岛素抵抗，因为胰岛素抵抗可以增加肾脏尿酸重吸收使血清尿酸排泄䟿降低。[90-91]同时胰岛素抵抗可以引起氧化磷酸化机制受损，腺苷浓度增加，增强肾脏尿酸潴留。本研究还发现ALT和AST升高是哈萨克᯿MetS的危险因素。ALT、AST与MetS的关联可以用MetS发生的炎症机制解释，IL-6、TNF-a等炎症因子启动氧化应激反应，引起肝细胞损伤，进而引起ALT和AST水平的升高。研究显示异常高的ALT水平将[92]会导致肝脏炎症，AST是氧化应激早期标志物，而炎症就是机体氧化应激的一个表现，其代谢产生的粘附分子和白介素均是氧化应激过程中产生的，肝酶可能通过参与氧化应[93]激的相关途径与MetS的发生关联。本研究发现哈萨克᯿MetS组分中腹型肥胖患病率为61.92%，血压偏高的患病率为48.18%，高甘油三脂血症常患病率为23.04%，低高密度脂蛋白血症38.21%，明显高于[94-95]全国平均水平。我国内地汉᯿MetS流行特征的综合分析显示，MetS各组分患病率[52]为：HDL-C低（31.7%）、TG高（21.9%）、血压偏高（35.8%）、肥胖（36.6%）。2010年-2011年浙江省居民营养与健康监测数据显示：高甘油三脂血症患病率为24.33%，低[96]高密度脂蛋白血症病率为12.95%。美国的调查发现最常见的组分是肥胖患病率为[47]56.07%，其次是低HDL-C为30.05%，TG高为24.25%，最低的是血糖高19.92%，这与哈萨克᯿MetS组分患病率接近。哈萨克᯿MetS各组分患病率排序为肥胖、血压偏高、HDL-C低、血糖高、TG高。与国内外研究结果存在差异。李东慧等调查兰州居[97]民MetS流行特征发现，肥胖患病率最高，其次是HDL-C低，最低的血糖高。新疆[98]喀什地区报道维吾尔᯿最常见的是HDL-C低，广东地区报道TG高是MetS最常见的[99][100]组分，江㣿省调查发现血压偏高是最常见组分。我国内地汉᯿MetS流行特征的综合分析显示，男性MetS组分患病率的排序是TG高、血糖高、血压偏高、HDL-C低、[52]肥胖；而女性是肥胖、血压偏高、HDL-C低、TG高、血糖高。上海市利用2010年全国居民营养与健康状况监测资料分析MetS组分患病率的顺序是血压偏高、高血糖、[101]TG高、腹型肥胖、HDL-C低。美国的调查发现最常见的组分是肥胖患病率为56.07%，[47]其次是HDL-C低为30.05%，TG高为24.25%，最低的是血糖高19.92%。国外研究报道MetS最常见的3项代谢异常组合为肥胖+高血压+高血糖，其次为高[102]血压+血脂异常+高血糖；国内调查研究发现MetS最常见的组合中均有血脂异常[103-104]。刘玲等分析新疆乌鲁木齐市居民MetS组分聚集特征发现，最常见的组合是腹[105]型肥胖+高血糖+TG高（4.2%），其次是腹型肥胖+高血糖+血压偏高（2.3%）。李东慧等调查兰州居民MetS流行特征显示3个组分聚集时不论男女均以高甘油三酯血症+[97]肥胖+HDL-C低最常见。本研究显示哈萨克᯿MetS患者3组分聚集最常见的形式是肥胖+HDL-C低+血压偏高模式（12.69%）和肥胖+TG高+血压偏高（10.62%）。我们发34 华中科技大学博士学位论文现无论是MetS单组分患病率还是多组分聚集检出率，肥胖均是最常见的组分。单组分患病率分析显示，哈萨克᯿肥胖总患病率达61.92%，其中男性患病率为59.12%，女性[106]为63.97%，远高于其他组分。高于国内外报道的腹型肥胖患病率水平。在患者三组分聚集分析中发现，无论男女排在前5位的组分聚集模式中均包含有肥胖组分，说明肥胖是哈萨克᯿MetS发生的核心组分，关联组分最多，因此我们认为肥胖可以作为哈萨克᯿MetS筛检的核心组分，肥胖测䟿指标可以作为哈萨克᯿MetS筛检的有效指标。本研究是对哈萨克᯿人群进行的一次样本䟿最大的MetS患病率和危险因素的现况调查。但是本研究也存在以下不足：首先本研究发现的哈萨克᯿MetS危险因素是基于现况调查数据获得，还需要前瞻性队列研究进一步验证，其次本研究调查人群中青壮年比例低，在结果外推的时候要考虑其产生的偏倚。4.小结按照国内外使用最广泛的四种诊断标准，哈萨克᯿MetS年龄标化患病率分别为18.90%(ATPIII标准)、22.84%（CDS标准）、27.13%(IDF标准)和32.16%(JIS标准)，高于我国平均水平，介于亚洲人和欧美人之间。哈萨克᯿MetS组分患病率最高的依次是腹型肥胖、血压偏高、HDL-C低、TG高、血糖高，MetS患者组分最常见的聚集形式是：肥胖+HDL-C低+血压偏高。肥胖是哈萨克᯿MetS发生的核心组分，肥胖测䟿指标可以作为哈萨克᯿MetS筛检的有效指标。哈萨克᯿MetS的影响因素主要是饮食因素，蔬菜水果摄入䟿低、红肉摄入䟿大是危险因素，而适䟿摄入鲜奶是保护因素。血清肝酶（ALT和AST）升高、高尿酸血症也是MetS的危险因素。增加鲜奶的摄入对于降低其MetS风险是一项理想的措施。35 华中科技大学博士学位论文第二部分肥胖测量指标对新疆哈萨克族MetS筛检价值的研究早期筛检代谢综合征患者并及时采取干预措施，可以有效降低心脑血管疾病发生风险。通过MetS的二级预防进而促进CVD的一级预防是防治心脑血管疾病发生的有效措施[107-108]。而实现MetS二级预防的关键是寻找适宜的人群筛检指标，以便实现MetS的早发现，早干预。肥胖在MetS的组分中一直是核心组分不仅会直接增加MetS的发病风险，而且和其它组分之间密切相关。相关的机制研究表明，肥胖是MetS最重要的始发因素，在MetS的发病机制中扮演重要角色，它诱发胰岛素抵抗，同时促进脂肪细胞因子的产生包括瘦素、脂联素、C反应蛋白、肿瘤坏死因子、白介素-6等，这些因子与炎症反应和[109]氧化应激密切相关，互相影响，共同导致MetS。动物实验发现遗传性肥胖小鼠均会[110]发生严重的高血压、高血糖和高甘油三脂血症。大规模的人群调查同样发现肥胖者[111]高血压、高血糖和血脂异常发生风险均显著增加。许多研究证实肥胖测䟿指标可以作为MetS的人群筛检指标，具有良好的筛检价值。传统的肥胖测䟿有腰围（Waistline,WL）、体质指数（Bodymassindex，BMI）、腰臀比（Waist-to-hipratio,WHR），近几年新的肥胖测䟿指标有脂质蓄积指数（Lipidaccumulationproduct，LAP）、和内脏肥胖指数（Visceraladiposityindex，VAI）、腰围身高比（Waist-to-heightratio，WHtR）、人体脂肪指数（Bodyadiposityindex，BAI）。腰围作为诊断MetS最常用的肥胖测䟿指标，一直被认为是评价MetS的最佳指标，但是近年研究发现腰围身高比（WHtR）对MetS筛检价值要优于腰围。Rajput等研究印度人[112]群MetS筛检指标发现WHtR是筛检MetS的有效指标。Rodea调查墨西哥人群发现与[16]腰围、BMI比较，WHtR更适合诊断MetS。我国广州人群调查同样发现WHtR是筛检[17]MetS的优秀指标，一项新疆维吾尔᯿人群MetS调查也发现WHtR是诊断男性MetS的最[18]佳指标。但是也有相反的结果，于建星等研究东北人群MetS筛检指标发现，无论男女，[113]腰围筛检MetS的价值优于WHtR.LAP是2005年kahn等根据美国国家营养调查数据提出的肥胖指标，该指标结合了腰[19]围和TG。国内外研究均证明LAP可以预测和诊断MetS，且优于腰围和BMI等指标。向守奎等报道无论男女MetS患病率均随LAP水平增高而增加，且提出了LAP诊断MetS[20]的最佳诊断切点男性是44.5，女性是37.7。。段凤仪研究也发现LAP与MetS及各组分[22]密切相关，同样提出了LAP诊断MetS的最佳切点值男性39.2，女性37.9。Motamed等在伊朗调查一个大样本人群提出了男性和女性LAP诊断MetS的最佳诊断切点分别是39.9和49.7。这些研究均说明LAP在预测和诊断MetS上的价值，但这些研究中LAP预测的最佳诊断切点值存在差异，这可能与种᯿差异有关。内脏脂肪指数（VAI）是201036 华中科技大学博士学位论文年Amato等运用腰围、BMI、TG和HDL-C建立的脂肪分布模型，并通过核磁共振证实VAI[23]与内脏脂肪含䟿密切关联，VAI增加可以很好的预测MetS发生风险。Amato等在白种人群中研究发现，不同年龄层VAI均与MetS密切相关，VAI是评估内脏脂肪含䟿的简单[24]工具，可以作为代谢性疾病风险评估指标，研究还提出了筛检MetS的最佳判断切点值。[114]Elisha研究超重女性数据发现VAI是预测MetS的优秀指标。VAI在MetS上的预测价值[115-116]在其它研究中也被肯定。BAI是2011年Bergman等综合臀围和身高，提出了一个新的肥胖测䟿指标，BAI与双能X线吸收测䟿法（测䟿体内脂肪含䟿金标准）测䟿的体脂结果高度一致，可以有效区分人体内脂肪和肌肉组织，因此推荐其作为评价肥胖的新[25]指标，但其对MetS筛检价值的研究未见报道。虽然以上研究表明肥胖测䟿指标对代谢综合征有很好的筛检价值，但由于不同地区的环境因素、种᯿遗传因素以及饮食习惯导致体脂分布存在差异，因此肥胖测䟿指标及切点的选择因地区、种᯿而异。通过第一部分的研究发现，哈萨克᯿MetS的五个组分患病率比较，肥胖患病率最高，也是MetS组分聚集的核心，和MetS患病关联最强，因此本研究将探讨新型肥胖测䟿指标VAI、LAP、BAI、WHtR对哈萨克᯿MetS筛检的价值，同时与传统的筛检指标腰围、腰臀比、BMI对比，寻找哈萨克᯿MetS筛检的最佳指标，并采用联合试验探讨筛检指标的最佳组合，为哈萨克᯿人群MetS的筛检寻找高效适宜的检测指标组合。上述指标可以通过体格测䟿和血脂检测即可完成，对于医疗资源匮乏的哈萨克᯿人群，可以提供更加简便易行MetS筛检方法，提高MetS早发现率，更好的在哈萨克᯿聚居的牧区开展MetS的二级预防，同时也为MetS筛查和诊断指标的完善提供数据参考。1.对象与方法1.1研究对象同第一部分。1.2研究方法1.2.1资料收集同第一部分。1.2.2肥胖测䟿指标的定义和公式（1）人体肥胖指数（bodyadiposityindex,BAI）：臀围比身高的1.5次方，评价肥胖的[25]新指标，直接反映人体体脂含䟿，克服了体质指数无法区分脂肪和肌肉的缺点。37 华中科技大学博士学位论文BAI=−18 .（2）脂质蓄积指数（Lipidaccumulationproduct，LAP）：美国国家营养调查报告提出的一个衡䟿体脂的新指标，通过对受试者腰围与甘油三脂的测定来显示体内脂肪蓄积程度，[19]LAP与MetS及其组分均相关，并且与传统指标存在差异。LAP男=WL−65 ×TGLAP女=WL−58 ×TG（3）内脏肥胖指数（Visceraladiposityindex，VAI）：综合了腰围、甘油三酯、高密度[23]脂蛋白胆固醇三个指标的体脂评价指标，反应人体内脏脂肪聚集程度的指标。WLTG1.31VAI男=!$×!$×!$39.68+"1.88×BMI#1.03HDLCWLTG1.52VAI女=!$×!$×!$39.58+"1.89×BMI#0.81HDLC（4）腰围（waistline，WL）:传统的腹型肥胖评价指标。（5）体质指数（Bodymassindex，BMI）：身高除以体重的平方，最常用的肥胖检测指标，反映全身胖瘦程度。& BMI= '（6）腰臀比（Waist-to-hipratio，WHR）：腰围和臀围的比值，能准确反映脂肪的堆积部位，比值偏高提示脂肪多分布于上半身或腹部。&*WHR=（7）腰围身高比（Waist-to-heightratio，WHtR）：腰围和身高的比值，WHtR的优点在于评价腹型肥胖时在腰围的基础上平衡了身高的影响，同时也克服了腰臀比对于性别取[18]值不同的缺点。&*WHtR= 38 华中科技大学博士学位论文1.2.3MetS诊断标准（筛检试验金标准）采用2009年IDF、AHA等国际权威学术组织对MetS定义的联合声明（JIS标准）[46]作为MetS诊断的金标准：个体必须具备腹型肥胖(男性WL≥85cm；女性WL≥80cm)，加上以下标准的两项或两项以上即为MetS:①TG≥1.7mmol/L(150mg/dl)或者在服用降低TG的药物；②HDL-C男性<1.03mmol/L，女性<1.30mmol/L，或者在使用调脂药物；③血压≥130/85mmHg和/或服用降压药；④FPG水平≥5.6mmol/L(100mg/dl)或者已㓿确诊为Ⅱ型糖尿病。1.2.4筛检试验评价方法（1）各肥胖测䟿指标的单项筛检试验评价以JIS标准为金标准，评价上述肥胖测䟿指标的真实性、可靠性及收益。真实性评价使用灵敏度、特异度、Youden指数；可靠性指标使用变异系数、符合率、kappa值；效益指标使用阳性预测值和阴性预测值。使用ROC曲线综合评价肥胖测䟿指标筛检MetS的价值，使用ROC曲线下面积(areaunderthecurve，AUC)评价各肥胖测䟿指标筛检MetS的价值，AUC=0.5代表无诊断价值、0.6≤AUC<0.7代表较差、0.7≤AUC<0.8代表有效、0.8≤AUC代表优秀。采用ROC曲线最短距离法确定各肥胖测䟿指标筛检MetS的最佳判断切点。（2）肥胖测䟿指标的联合筛检试验评价根据单项肥胖测䟿指标的筛检试验结果，按照性别分层，在男性和女性中分别选择灵敏度和特异度最高的指标进行联合筛检试验，分析肥胖测䟿指标联合筛检MetS的最佳组合。联合试验灵敏度计算使用并联试验方法，特异度计算采用串联试验方法，阳性预测值、阴性预测值根据Bayes定理计算。1.2.5质䟿控制同第一部分1.3统计分析方法1.3.1基础统计方法计䟿资料统计᧿述使用x-±S，总体均数的比较采用t检验或方差分析；计数资料2统计᧿述使用n（%），总体率的比较采用χ检验。按照性别分层᧿述各肥胖测䟿指标在MetS患者组和非患者组的分布。运用二分类非条件logistic回归分析评估各肥胖测䟿指标与MetS风险的关联性。首先将各肥胖测䟿指标按照四分位数间距水平四等分，以39 华中科技大学博士学位论文第一等分组（肥胖测䟿指标水平最低组）作为对照组，以MetS为结局变䟿，分析第二、三、四等分组的OR（95%CI）值。以MetS组分数䟿为横坐标，各肥胖测䟿指标水平为纵坐标，绘制线性趋势图，分析组分数䟿与各肥胖测䟿指标水平的线性趋势。1.3.2筛检试验评价方法单项筛检试验采用交叉表计算各肥胖测䟿指标筛检MetS的灵敏度、特异度、符合率、kappa值、阳性预测值、阴性预测值，再根据灵敏度和特异度计算Youden指数。以灵敏度为纵坐标，1-特异度为横坐标绘制受试者工作特征曲线（receiveroperatingcharacteristic，ROC）。联合筛检试验分别采用串联试验和并联试验的原理构建交叉表，然后根据交叉表计算灵敏度和特异度，再根据灵敏度和特异度计算Youden指数。预测值使用MetS患病率、联合试验的灵敏度、特异度，根据Bayes定理计算。灵敏度×患病率阳性预测值=灵敏度×患病率+1(−患病率)(1−特异度)特异度×1(−患病率)阴性预测值=特异度×1(−患病率)+1(−灵敏度)×患病率采用SPSS13.0统计软件绘制ROC曲线图，使用易侕软件(http://www.empowerstats.com)计算各肥胖测䟿指标的最佳切点值及其所对应的灵敏度和特异度。2.结果2.1研究对象肥胖测量指标描述2.1.1不同性别比较按性别分层后，男性平均WL、BMI、WHR、LAP水平高于女性，且差异有统计学意义（除BMI：P=0.018，其余P均<0.001），而WHtR、BAI及VAI水平低于女性(除BMI：P=0.02，其余P均<0.001)，见表10。表10.研究对象肥胖测䟿指标᧿述总人群男性女性肥胖指标P(n=6810)(n=2877)(n=3933)BAI29.36±5.1926.82±4.1231.22±5.11<0.001LAP25.40(13.86-46.61)24.78（13.44-50.25）25.65(14.09-45.24)0.020VAI1.41(0.88-2.37)1.29(0.80-2.19)1.49(0.97-2.46)<0.00140 华中科技大学博士学位论文WHtR0.53±0.080.53±0.070.54±0.08<0.001WL(cm)86.22±11.9688.30±11.6084.70±11.99<0.0012BMI(kg/m)24.30±4.2424.44±4.0624.20±4.370.018WHR0.88±0.080.90±0.070.87±0.08<0.001注：BAI：人体肥胖指数、LAP：脂质蓄积指数、VAI：内脏肥胖指数、WHtR：腰围身高比、WL：腰围、BMI：体质指数、WHR：腰臀比。LAP、VAI使用中位数（Q1-Q3）᧿述，其余均采用均数±标准差。2.1.2MetS患者与非MetS人群各肥胖测䟿指标的比较按性别分层后，无论男女，MetS患者BAI、LAP、VAI、WHtR、BMI、WL、WHR及水平均高于非MetS者，且差异有统计学意义（P<0.001）。详见表11。表11MetS患者与非患者肥胖测䟿指标比较男性(n=2877)女性(n=3933)肥胖指标MetS患者非MetS患者PMetS患者非MetS患者P(n=916))(n=1961)(n=1215)(n=2718)BAI28.78±3.9125.91±3.88<0.00133.95±5.1729.99±4.59<0.00157.2749.50LAP(32.39-91.97)2.39(1.55-3.73)<0.001(30.41-81.13)19.65(11.29-31.97)<0.001VAI2.39(1.55-3.73)1.03(0.70-1.55)<0.0012.51(1.59-4.21)1.22(0.83-1.84)<0.001WHtR0.57±0.060.50±0.06<0.0010.59±0.070.52±0.07<0.001WL(cm)96.29±10.6784.57±10.03<0.00192.48±10.9081.22±10.77<0.0012BMI(kg/m)26.83±4.1423.32±3.50<0.00126.56±4.6423.14±3.79<0.001WHR0.94±0.070.88±0.07<0.0010.91±0.070.86±0.08<0.001注：BAI：人体肥胖指数、LAP：脂质蓄积指数、VAI：内脏肥胖指数、WHtR：腰围身高比、WL：腰围、BMI：体质指数、WHR：腰臀比。LAP、VAI使用中位数（Q1-Q3）᧿述，其余均采用均数±标准差。2.2各类肥胖测量指标与哈萨克族MetS风险的关联分析2.2.1各类肥胖测䟿指标不同水平与MetS风险的关联按照四分位数间距分别将男性和女性BAI、LAP、VAI、WHtR、WL、BMI、WHR分为四组。调整年龄、婚姻、文化程度后，男性MetS患病风险均随着各肥胖测䟿指标数值增大而上升（均P＜0.001），其中LAP指标上升幅度最大，与第一四分位数水平相比，从第二四分位数的3.33倍上升到第四分位数的46.60倍；其次是WL，从第二四分位数的4.15倍上升到第四分位数的28.22倍；第三位是WHtR从第二四分位数的3.91倍上升到第四分位数的27.14倍。女性MetS患病风险也随着各肥胖测䟿指标数值增大而上升（均P＜0.001），其中LAP指标上升幅度最大，与第一四分位数相比，从第二四分位数的3.72倍上升到第四分位数的47.74倍；其次是VAI，从第二四分位数的1.83倍41 华中科技大学博士学位论文上升到第四分位数的19.61倍；第三位是WHtR从第二四分位数的3.54倍上升到第四分位数的16.72倍。见表12。表12肥胖测䟿指标与哈萨克᯿MetS关联的多元logistic回归分析按照肥胖指标水平四等分组OR(95%CI)2测䟿指标趋势χPQ1Q2Q3Q4男性BAI1.002.11(1.58,2.81)3.92(2.97,5.19)6.58(4.96,8.72)300.324<0.001LAP1.003.21(2.17,4.75)8.31(5.74,12.04)46.60(31.98,67.89)818.264<0.001VAI1.001.59(1.14,2.21)4.70(3.49,6.34)23.93(17.63,32.49)647.841<0.001WHtR1.003.91(2.64,5.78)14.95(10.27,21.76)27.14(18.56,39.68)619.500<0.001WL1.004.15(2.85,6.05)15.28(10.67,21.89)28.22(19.56,40.71)641.789<0.001BMI1.002.01(1.47,2.74)4.87(3.63,6.53)12.82(9.53,17.23)487.498<0.001WHR1.002.38(1.73,3.29)6.76(4.99,9.16)11.83(8.73,16.02)456.011<0.001女性BAI1.001.58(0.84,2.96)2.72(1.53,4.85)6.60(3.78,11.51)284.124<0.001LAP1.003.72(2.61,5.30)8.13(5.81,11.37)47.74(33.62,67.81)970.100<0.001VAI1.001.83(1.30,2.59)4.26(3.08,5.90)19.61(14.22,27.06)703.987<0.001WHtR1.003.54(2.53,4.96)7.58(5.49,10.46)16.72(12.18,22.95)698.983<0.001WL1.004.42(3.51,5.55)7.59(6.06,9.51)11.82(9.26,15.08)729.490<0.001BMI1.001.85(1.46,2.35)3.56(2.83,4.47)6.31(5.08,7.84)478.281<0.001WHR1.002.50(2.06,3.04)3.30(2.69,4.05)4.84(3.88,6.05)363.104<0.001注：OR(95%CI)调整年龄、文化程度、婚姻。BAI：人体肥胖指数、LAP：脂质蓄积指数、VAI：内脏肥胖指数、WHtR：腰围身高比、WL：腰围、BMI：体质指数、WHR：腰臀比。2.2.2BAI、LAP、VAI、WL、BMI、WHR、WHtR水平与MetS组分数䟿的相关分析随着MetS组分数目的增加，男女各肥胖测䟿指标水平均呈上升趋势。男性从0组分到5组分，BAI水平从23.82±3.02上升到30.43±4.43；LAP水平从11.49±6.37上升到133.99±56.66；VAI水平从0.85±0.35上升到6.59±4.70；WHtR水平从0.46±0.03上升到20.61±0.06；WL水平从77.16±4.75cm上升到102.98±9.45cm，BMI从21.40±2.01kg/m2上升到29.56±4.64kg/m；上述指标1-5组分组与0组分组比较差异均有统计学意义（P均＜0.001）。女性BAI水平从27.25±3.02上升到36.83±6.50；LAP水平从12.22±6.75上升到114.15±60.48；VAI水平从0.92±0.40上升到6.24±3.67；WHtR水平从0.46±0.03上升到0.64±0.08；腰围水平从72.49±4.70cm上升到98.68±12.05cm，BMI从20.8122±2.26kg/m上升到29.29±5.35kg/m；WHR从0.81±0.05上升到0.93±0.08；上述指标1-5组分组与0组分组比较差异均有统计学意义（P均＜0.001）。见表13。42 华中科技大学博士学位论文表13LAP、BAI、VAI、WL水平与哈萨克᯿MetS组分数䟿的关系BAILAPVAIWHtRMetSn中位中位均数组分数Mean±SD均数差M(Q1-Q3)M(Q1-Q3)Mean±SD数差数差差男性035723.82±3.02Ref10.88(6.71-15.84)Ref0.80(0.59-1.09)Ref0.46±0.03Ref172025.30±3.501.55*14.84(9.30-24.52)3.96*0.96(0.67-1.45)0.16*0.49±0.050.03*288427.18±4.023.36*27.28(17.00-41.71)16.40*1.26(0.81-1.91)0.46*0.53±0.060.07*358928.21±3.794.39*44.62(26.52-69.00)33.74*1.97(1.23-2.89)1.17*0.56±0.060.10*427929.70±3.835.87*80.03(54.78-121.09)69.15*2.95(2.17-4.81)2.15*0.59±0.060.13*54830.43±4.436.61*124.59(91.86-170.96)113.71*4.52(3.69-7.43)3.72*0.61±0.060.15*F128.571295.612187.704305.340P<0.001<0.001<0.001＜0.001<0.001女性038727.25±3.02Ref11.05(7.06-15.42)Ref0.85(0.62-1.15)Ref0.46±0.03Ref※※1107329.09±4.101.83*15.98(9.84-25.40)4.931.12(0.77-1.64)0.270.50±0.060.03*2125831.61±4.774.35*27.86(17.38-41.03)16.81*1.52(1.07-2.28)0.67*0.55±0.070.08*382233.22±4.775.97*40.55(25.91-64.44)29.50*2.08(1.35-3.27)1.23*0.58±0.070.11*431235.11±5.367.86*68.16(44.77-97.76)57.11*3.40(2.43-5.11)2.55*0.61±0.070.14*58136.83±6.509.57*104.10(73.50-137.20)93.05*5.09(3.94-7.46)4.24*0.64±0.080.17*F210.44297.02596.268363.581P<0.001<0.001<0.001<0.001※注：*与参照组比较P<0.001,与参照组比较P<0.01。BAI：人体肥胖指数、LAP：脂质蓄积指数、VAI：内脏肥胖指数、WHtR：腰围身高比。LAP、VAI使用中位数（Q1-Q3）᧿述，其余均采用均数±标准差。表13续BMI、WHR、WL水平与哈萨克᯿MetS组分数䟿的关系2MetSWL(cm)WHRBMI(Kg/m)n组分数Mean±SD均数差Mean±SD均数差Mean±SD均数差男性035777.16±4.75Ref0.85±0.06Ref21.40±2.01Ref172082.08±8.644.92*0.87±0.060.02*22.62±3.181.22*288489.58±10.0512.41*0.91±0.070.06*24.67±3.683.27*358994.40±10.4417.23*0.94±0.070.08*26.11±3.794.71*427999.11±10.2921.94*0.95±0.060.10*27.89±4.346.48*548102.98±9.4525.81*0.98±0.060.12*29.56±4.648.15*F319.865165.154193.942P<0.001<0.001<0.001女性038772.49±4.70Ref0.81±0.05Ref20.81±2.26Ref43 华中科技大学博士学位论文1107378.66±9.336.17*0.84±0.080.03*22.31±3.251.50*2125886.08±10.8113.59*0.88±0.080.06*24.57±4.023.75*382290.62±10.3018.12*0.90±0.080.08*25.74±4.224.93*431295.78±10.7623.29*0.92±0.070.10*28.00±4.897.18*58198.68±12.0526.19*0.93±0.080.11*29.29±5.358.48*F373.043142.248230.846P<0.001<0.001<0.001※注：*与参照组比较P<0.001,与参照组比较P<0.01。WL：腰围、WHR：腰臀比、BMI：体质指数。2.0性别性别男（a）男（b）1.5女2.0女IPAA1.0BL::erer1.0oocs0.5csZZnnaae0.0eMM0.0-0.5-1.0-1.0012345012345MetS组分数量MetS组分数量2.01.5性别性别男（c）男（d）女女1.51.0ItRAHV:Wer1.0:0.5oercoscZsnZ0.0a0.5neaMeM-0.50.0-1.0-0.5012345012345MetS组分数量MetS组份数量44 华中科技大学博士学位论文1.51.5性别性别男男（e）（f）1.0女女1.0LRHW0.5W:e:0.5roerc0.0ocssZnZ0.0ane-0.5aeMM-0.5-1.0-1.5-1.0012345012345MetS组分数量MetS组分数量1.5性别男（g）女1.0IMB:0.5erocsZn0.0aeM-0.5-1.0012345MetS组分数量图27种肥胖测䟿指标水平与哈萨克᯿MetS组分异常数目的关联（a）BAI,（b）LAP,（c）VAI,（d）WHtR,（e）WL,（f）WHR,（g）BMI将各肥胖测䟿指标变䟿值标准化后，各指标水平与MetS组分数䟿的线图显示，各指标水平均随着MetS组分数目增加而上升，LAP和VAL在≥3组分节点上均存在一个拐点，曲线上升趋势由平滑变的陡峭，当MetS组分数≥3时，曲线上升的斜率增大。而WL、WHR、WHtR的曲线没有拐点，在MetS组分数≥3后曲线变得更加平滑。BMI曲线随着MetS数目增加呈直线上升趋势，男性和女性曲线几乎重合。见图2。2.3各肥胖测量指标单独筛检哈萨克族MetS的效果评价2.3.1各肥胖测䟿指标筛检MetS的ROC曲线分析男性LAP筛检MetS的ROC曲线面积最大（AUC=0.843,95%CI:0.828-0.859）、其45 华中科技大学博士学位论文次是VAI（AUC=0.804,95%CI:95%CI:0.787-0.822）、腰围（AUC=0.801，95%CI:95%CI:0.784-0.817）、及WHtR（AUC=0.796,95%CI:95%CI:0.779-0.812）。女性筛检MetS的ROC曲线面积最大的也是LAP（AUC=0.819，95%CI:0%CI:0.805-0.833），其次是VAI（AUC=0.780，95%CI:95%CI:0.764-0.795）、腰围（AUC=0.777,95%CI:0.7%CI:0.763-0.792）及WHtR（AUC=0.773,95%CI:%CI:0.758-0.788）。上述指标ROC曲线下面积与参考值相比差异均有统计学意义（P<0.001<.001）。LAP曲线下面积与其他肥胖测䟿指标比较差异均有统计学意义（均P<0.001），而VAI与BAI、WHR、BMI差异均有统计学意义（均P<0.001），与WL、WHtR差异无统计学意义（均P>0.05）。见图3、表14。（a）（b）图3各肥胖测䟿指标对哈萨克᯿男女性MetS筛检的ROC曲线注：（a）男，（b）女；AUC：曲线下面积、BAI：人体肥胖指数、LAP：脂质蓄积指数、VAI：内脏肥胖指数、WHtR：腰围身高比、WL：腰围、BMI：体质指数、WHR：腰臀比表14肥胖测䟿指标对哈萨克᯿MetS筛检的ROC曲线分析男性女性肥胖指标AUC95%CIPAUC95%CI5%CIPBAI0.7110.692-0.731<0.0010.7250.709-0.70.742<0.001LAP0.8430.828-0.859<0.0010.8190.805-0.80.833<0.001VAI0.8040.787-0.822<0.0010.7800.764-0.70.795<0.001WHtR0.7960.779-0.812<0.0010.7730.758-0.70.788<0.001WL0.8010.784-0.817<0.0010.7770.763-0.70.792<0.001BMI0.7620.744-0.781<0.0010.7260.709-0.70.743<0.001WHR0.7520.733-0.770<0.0010.7030.687-0.70.720<0.001注：BAI：人体肥胖指数、LAP：脂质蓄积指数、VAI：内脏肥胖指数、WHtR：腰围身高比、WL：腰围、BMI：体质指数、WHR：腰臀比。46 华中科技大学博士学位论文2.3.2肥胖测䟿指标筛检MetS的真实性评价真实性评价结果显示无论男女，Youden指数最大的肥胖测䟿指标均是LAP（男性0.55，女性0.48），最佳筛检切点男性为35.58，女性为31.51；其次是VAI（男性0.51，女性0.43），最佳筛检切点男性为1.67，女性为2.04；腰围（男性0.49，女性0.42）最佳筛检切点男性为85.10cm，女性为81.70cm；WHtR（男性0.49，女性0.42），最佳筛检切点男性为0.53，女性为0.54。灵敏度最高的指标均是腰围（男性88.65%，女性85.10%），其次是男性的WHR（83.08%），女性的WHtR（75.23%）。男性特异度最高的指标是LAP(82.00%），其次是VAI（79.19%）、BMI（74.60%）；女性特异度最高的指标是VAI（80.32%），其次是LAP（74.36%）、WHtR（66.48%）。其它指标评价结果详见表15。2.3.3肥胖测䟿指标筛检MetS的可靠性评价可靠性评价发现男性符合率最高的指标是LAP（79.25%），Kappa值是0.54，其次是VAI（76.89%），Kappa值是0.49；排在第3位的是WHtR（72.33%），Kappa值是0.43。女性符合率最高的指标是VAI（74.93%），Kappa值是0.42；其次是LAP（74.07%），Kappa值是0.44；排在第3位的是WHtR（69.18%），Kappa值是0.36。其它指标评价结果详见表15。2.3.4肥胖测䟿指标筛检MetS的收益评价收益评价中男性阳性预测值最高的肥胖测䟿指标是腰围（71.36%），其次是WHR（61.59%）、WHtR（61.42%）。阴性预测值从高到低依次是LAP（89.72%）、VAI（88.10%）、BMI（84.98%）。女性阳性预测值最高是腰围（63.12%），其次是LAP（55.56%）、WHtR（54.54%）。阴性预测值从高到低依次是VAI（87.73%）、LAP（86.50%）、WHtR（83.39%）。其它指标评价结果详见表15。47 华中科技大学博士学位论文表15肥胖测䟿指标对哈萨克᯿MetS的筛检试验评价真实性可靠性收益最佳肥胖指标约登阳性预阴性预切点特异度灵敏度符合率Kappa值指数测值测值男性BAI26.1055.84%76.64%0.3262.46%0.2752.76%78.79%LAP35.5882.00%73.36%0.5579.25%0.5458.98%89.72%VAI1.6779.19%71.94%0.5176.89%0.4956.87%88.10%WHtR0.5368.84%79.80%0.4972.33%0.4361.42%84.57%WL85.1060.53%88.65%0.4969.48%0.4171.36%82.78%BMI24.8474.60%67.14%0.4272.23%0.3951.47%84.98%WHR0.8958.08%83.08%0.4166.04%0.3461.59%80.93%女性BAI30.8462.21%71.85%0.3465.19%0.2949.69%80.97%LAP31.5174.36%73.42%0.4874.07%0.4455.56%86.50%VAI2.0480.32%62.88%0.4374.93%0.4249.16%87.73%WHtR0.5466.48%75.23%0.4269.18%0.3654.54%83.39%WL81.7057.06%85.10%0.4265.73%0.3463.12%81.60%BMI23.8964.75%70.21%0.3566.44%0.3149.28%81.67%WHR0.8760.74%71.44%0.3264.05%0.2848.73%80.28%注:粗体为约登指数最大；BAI：人体肥胖指数、LAP：脂质蓄积指数、VAI：内脏肥胖指数、WHtR：腰围身高比、WL：腰围、BMI：体质指数、WHR：腰臀比。2.4各肥胖测量指标联合筛检哈萨克族MetS的效果评价单项筛检试验发现各肥胖测䟿指标在筛检MetS时，特异度最高的指标灵敏度低，而灵敏度最高的指标特异度低，为了相互弥补，使筛检的灵敏度和特异度都达到较高水平，提高阳性预测值，获得更好的收益，因此分别在男性和女性研究对象中采用双项指标联合筛检试验。在男性和女性中各选择灵敏度和特异度处在前两位的指标进行联合筛检试验。男性选择特异度最高的两项指标：LAP和VAI，灵敏度最高的指标：腰围和WHR进行联合试验，其中男性VAI和WHR联合试验灵敏度为95.20%(95%CI:94.42%-95.98%)，特异度为91.53%（95%CI:91.05%-92.01%），约登指数最高为0.87（95%CI:0.85-0.88）；VAI和WL灵敏度为97.93%（97.41%-98.45%），特异度为82.23%（81.64%-82.82%），约登指数为0.80（95%CI:0.79-0.81）。女性选择特异度最高的两项指标：LAP和VAI，灵敏度最高的指标：WHtR和腰围48 华中科技大学博士学位论文进行联合试验，其中VAI和腰围联合试验灵敏度最高为94.32%（95%CI:93.60%-95.04%），特异度为91.35%（95%CI:90.94%-91.76%），约登指数为0.86（95%CI:0.85-0.88）；其次是VAI和WHtR联合试验灵敏度为88.23%（95%CI:87.22%-89.24%），特异度为93.45%（95%CI:93.08%-93.82），约登指数为0.82（95%CI:0.80-0.83）。根据上述计算结果结合哈萨克᯿男性和女性MetS患病率计算联合试验预测值，男性VAI和WHR联合试验阳性预测值最高为84.00%（95%CI:82.66%-85.34%），其次是LAP和腰围为67.82%(95%CI:66.11%-69.53%)；女性VAI和WHtR联合试验阳性预测值最高为85.76%（95%CI:84.67%-86.85%），其次是VAI和腰围为82.98%（95%CI:81.81%-84.15%）。详见表16。表16肥胖测䟿指标对哈萨克᯿MetS的联合筛检试验评价并联试验串联试验联合试验%(95%CI)指标组合灵敏度%特异度%约登指数阳性预测值阴性预测值(95%CI)(95%CI)男性LAP和WL96.6278.580.7567.8298.03(95.96-97.28)(77.98-79.18)(0.74-0.76)(66.11-69.53)(97.78-98.28)LAP和WHR94.2180.210.7468.9896.74（93.36-95.06）（79.61-80.81）（0.73-0.76）（67.29-70.67）（96.42-97.06）VAI和WL97.9382.230.8072.0298.84（97.41-98.45）（81.64-82.82）（0.79-0.81）（70.38-73.66）（98.64-99.04）VAI和WHR95.2091.530.8784.0097.61（94.42-95.98）（91.05-92.01）（0.85-0.88）（82.66-85.34）（97.33-97.89）女性LAP和WL92.9279.100.7266.5296.15（92.12-93.72）（78.59-79.61）（0.71-0.73）（65.05-67.99）（95.86-96.44）LAP和WHtR87.1682.490.7068.9993.50（86.11-88.21）（81.99-82.99）（0.68-0.71）（67.54-70.44）（93.13-93.87）VAI和WL94.3291.350.8682.9897.30（93.60-95.04）（90.94-91.76）（0.85-0.87）（81.81-84.15）（97.05-97.55）VAI和WHtR88.2393.450.8285.7694.67（87.22-89.24）（93.08-93.82）（0.80-0.83）（84.67-86.85）（94.33-95.01）注:LAP：脂质蓄积指数、VAI：内脏肥胖指数、WL：腰围、WHR：腰臀比、WHtR：腰围身高比。49 华中科技大学博士学位论文3、讨论本研究发现，新型肥胖测䟿指标中LAP、VAI与传统的肥胖测䟿指标（WL、BMI、WHR）相比，与哈萨克᯿MetS患病风险关联更密切，LAP和VAI的上四分位数水平（Q4）与下四分位数（Q1）比较，MetS患病风险明显高于同水平的WL、BMI、WHR。这可能是由于LAP和VAI能够更准确的反映内脏脂肪蓄积状况，因此和MetS的关联更[117]强。在MetS的5个组分中，腹型肥胖一直被公认为是诊断MetS核心的组分。因为腹型肥胖代表的内脏脂肪组织，具有更高的脂解率并产生更多的IL-6、PAI-1等脂肪[118]细胞因子，越来越多的研究也证实内脏脂肪组织与MetS的关联最密切，且认为内[119-120]脏脂肪组织过多是诊断MetS的关键，因此反映内脏脂肪含䟿的指标对MetS筛检有更重要的价值。本研究显示随着哈萨克᯿MetS异常组分数䟿增加，所有肥胖的指标水平均呈上升趋势，卡方趋势检验证明有线性趋势。通过线性趋势图可以看出LAP和VAL诊断MetS的价值更好，因为这2个指标在≥3组分节点上均存在一个拐点，曲线由平滑变的陡峭，当MetS组分数≥3时，曲线上升的斜率更大，而且随着组分的增加呈直线上升。而WL、WHR、WHtR三个指标的曲线虽然也随着MetS组分数增加平缓上升，但没有拐点，而且在MetS组分数≥3后曲线变得更加平滑，说明当MetS组分数≥3后这三个测䟿指标敏感度降低。根据Hosmer和Lemeshow评价标准，本研究对LAP和VAI筛检MetS的评级均是“优秀”级别(AUC>0.8)，WL和WHtR是“有效”级别的指标（AUC>0.7）。LAP包含WL和TG两个指标，研究证明TG与内脏脂肪显著相关，在排除了腹部皮下脂肪影响[121][122]后，这种相关性依然存在，WL结合TG使用可以最大限度的评价内脏脂肪含䟿，因此LAP与MetS发生风险关联更强，对MetS筛检价值更高。本研究中，VAI同样是筛检MetS的“优秀”指标（男性AUC=0.804、女性AUC=0.780），Knowles研究发现[123]VAI与MetS各组分都有很强的相关性，且其计算公式包含了WL、TG和HDL-C三个MetS组分，但是VAI筛检MetS的ROC曲线下面积却小于LAP，与Tingting[124]Du等研究结果相反，说明VAI在不同人群中对MetS筛检价值有差异。另外，研究表明，VAI主要反映人体MetS发生前的代谢紊乱，也就是各种代谢异常前的临界状[125]态。BAI在本研究7个肥胖指标中，对MetS的筛检价值最低。目前为止，LAP筛检MetS尚无统一的适宜切点，本研究结果显示LAP对MetS的筛检能力最强，使用LAP在哈萨克᯿男性和女性中筛检MetS的适宜切点分别为50 华中科技大学博士学位论文35.58和31.51，该切点低于Motamed等对伊朗人群的研究结果(男性：39.89，女性：[22][20-21]49.71)，也低于国内向守奎和段凤仪的研究结果。高于台湾人群的研究结果(男[126]性：31.6，女性：31.6)，提示在不同的民᯿和地区中应采用不同的LAP诊断切点筛检MetS。VAI是近年来新发现的反映内脏脂肪含䟿的指标，Amato等将VAI=1作[23]为判定个体TG和HDL-C水平以及脂肪分布是否正常的标准。本研究发现VAI筛检男性和女性MetS的适宜切点分别为1.67和2.04，均明显高于上述标准，原因可能是哈萨克᯿MetS患者具有较高的TG水平和较低的HDL-C水平所致。一项meta分[127]析结果推荐将WHtR>0.5作为世界范围内筛检MetS的适宜切点，基于这项研究[128]WHO曾发布过“保持腰围小于身高的一半”健康指导建议。于建星等研究评价四种传2统的肥胖指标对MetS筛检价值发现，BMI（24kg/m）、WL（男性：85cm；女性：80cm）、[113]WHR（男性：0.88；女性：0.85）和WHtR（0.50）为最优切点。然而本研究中，WHtR筛检MetS的切点却高于上述标准（男性0.53,女性0.54）。这可能是由于哈萨克᯿人群腰围平均水平高所致，本次调查哈萨克᯿男性平均腰围为88cm，女性为86cm，[129]明显高于中国成人的平均水平，也高于本地区维吾尔᯿、回᯿和蒙古᯿的水平，与[47,130]欧美人平均腰围水平接近，但其身高水平却和亚洲人相当，因此腰围身高比值较大。7项肥胖测䟿指标筛检MetS的真实性评价结果对比发现，无论男女LAP的约登指数均最大，是整体正确性最好的指标。但具体到单个指标，灵敏度最高的指标男女性都是WL，男性中特异度最高的指标是LAP，而女性最高的VAI。可靠性分析显示，男性LAP符合率和Kappa值均最高，分别为79.25%和0.54；女性VAI符合率最高为74.93%，LAP的Kappa值最高为0.44。从收益看单项指标的阳性预测值均较低，最高的是腰围，男性为71.36%，女性仅为63.12%。本研究中LAP和VAI筛检MetS的AUC面积虽然最大，且约登指数最高，但它们的灵敏度低，不利于在人群中做MetS的筛检。为弥补灵敏度的不足，需要加入灵敏度高的指标以提高筛检的收益。男性中WL和WHR灵敏度最高，分别为88.65%和83.08%，女性中WL和WHtR灵敏度最高，因此这些指标适合与LAP、VAI进行双项联合试验以弥补单项指标灵敏度和特异度低的不足，在不增加检测指标的前提下提高筛检的真实性和收益，增加筛检的价值。通过双项联合筛检试验发现，男性中VAI和WHR联合试验约登指数最高为0.87，阳性预测值也最高为84%，女性中VAI和WL联合试验约登指数最高为0.86，阳性预测值也同样达到最高为85.76%。这两组指标的联合试验灵敏度和特异度均大于90%，阳性预测值在85%左右，克服了单项筛检试验灵敏度和特异度低的不足，大幅度的提高了阳性预测值，可以获得很高的筛检收益。51 华中科技大学博士学位论文本研究是在哈萨克᯿人群中开展的最大规模的人群筛检试验研究，而且研究人群是通过抽样设计确定的，数据收集、整理和录入过程中执行了严格的质䟿控制，因此本研究结果对新疆哈萨克᯿具有较好的代表性。然而本研究也存在一些不足之处，本次选择的肥胖测䟿指标大多与腰围相关，而腰围是MetS腹型肥胖的诊断指标，这将放大这些指标与MetS的关联强度，但这也是含有腰围的肥胖测䟿指标筛检MetS的优势所在。在MetS最佳筛检指标的判断上主要依靠是指标整体的真实性和可靠性，其灵敏度和特异度不一定是最高的，在实际应用中应根据具体的情况选择高灵敏度或高特异度的指标。4小结本部分研究发现肥胖测䟿指标与新疆哈萨克᯿MetS患病风险存在较强的关联，与传统肥胖测䟿指标（WL、BMI、WHR）对比，新型肥胖测䟿指标LAP、VAI与MetS的关联更强。LAP和VAI对哈萨克᯿MetS筛检的评级均为“优秀”（AUC面积>0.8），且筛检价值高于传统肥胖测䟿指标。男性VAI和WHR联合试验，女性VAI与WL联合试验筛检MetS的价值最高。52 华中科技大学博士学位论文第三部分基于MetS因子分析的哈萨克族CVD预测模型研究心脑血管疾病（Cardiovasculardiseases,CVD）也称循环系统疾病，主要包括冠心病、[131-132]脑卒中、冠心病、心力衰竭等。据2017年世界卫生组织报道全球有1750万人死于CVD，占全球死亡总数的31%；其中，740万人死于冠心病，670万人死于脑卒中；[133]而75%以上的CVD发生在低收入和中等收入的国家。《中国心脑血管病报告2016》显示，目前中国有2.9亿人患有CVD，其死亡率高于肿瘤和其他疾病，占居民疾病死亡构成的40%以上，且农村CVD死亡率水平持续高于城市。预计到2030年，CVD患者人数将增加2103万人，而且死亡人数也会增加770万人，所造成的直接医疗费用⇿年[10]高达1300亿元。CVD的发生发展过程中，分布在CVD病因链上的危险因素伴随着病程的发展，不断累积，并损伤血管系统，从而导致CVD发生、发展直至死亡。相对于吸烟、饮酒、缺少身体锻炼等远端危险因素，肥胖、高血压、高血糖、血脂异常距离疾病的结局更近，是更直接的病因。因此，采用中间指标构建预测CVD发病风险模型，效能会更高。早期对CVD进行风险评估，发现CVD的高危个体，及时的进行危险因素的识别与干预，预防并阻止病情的发展，是降低CVD的发生、促使其向良好的结局转归、߿少疾病负担的关键。关于CVD预测的国内外研究众多，但大多数都是根据特定的人群，特定的研究目的构建特定的预测模型。其中最有代表的就是Framingham模型，在国内外得到[33,134-135]广泛应用。国内也有研究机构仿照Framingham模型，建立了适合我国汉᯿人[136]群的CVD危险度评估模型。但这些模型，存在人群᯿群的限制，使其在应用于其他人群时面临巨大挑战。因此，对不同人群应建立其人群特异性的模型，将有利于提高预测目标人群CVD发生的能力。MetS的主要组分肥胖、血糖、血压以及血脂异常等也是CVD危险因素，影响CVD病程发展与转归。MetS患者发生CVD的风险也远高于非MetS人群。虽然不同机构对MetS的定义有差异，但是均明确包含了血压偏高、TG高、HDL-C低、肥胖以及血糖高5个组分。这五个组分相互影响形成了一个复杂的MetS代谢网络。而识别出MetS代谢网络中既与MetS有关，又与CVD有关的因子，可充分认识MetS组分，并以此为基础建立CVD预测模型，预测和评估CVD的发病过程，其具有重要公共卫生意义。由于涉及MetS的各项指标（危险因子）之间不可避免的存在高度相关。如果直接对MetS患病情况进行多元回归分析，指标间的高度相关会影响到预测模型的建立。因此，需要通过统计方法将高度相关变䟿进行综合简化。探索性因子分析（ExploratoryFactor53 华中科技大学博士学位论文Analysis，EFA)是一种从研究变䟿内部相关的依赖关系出发，把一些具有错综复杂关[137]系的变䟿归结为少数几个综合因子的一种多变䟿统计分析方法。即因子分析可以将上述存在错综复杂关系的指标用有限的因子综合为若干因子。然后，可以利用这些因子来预测CVD发病，借以提高预测能力。这样不仅能准确解释MetS组分的聚集模式，又避免了多重共线性，可以提高基于MetS预测CVD风险的精度。因子分析用来探究MetS组分已有许多研究。Edwards等首次采用EFA方法研究了MetS的聚集模式，发现了3个独立因子。随后国内外学者针对不同国家、人群和种᯿[138]进行了因子分析研究，但所得的因子个数不尽相同。国内吴庆生等调查中国60岁以上老年人群，分析8个变䟿提取了4个MetS因子分别是肥胖因子、血压因子、血糖因[139]子、血脂紊乱因子（按贡献率由大到小排序），男性和女性有差异。严翠芳等利用职业人群健康体检数据，分析了22个指标，提取8个MetS因子，主要包含肥胖因子、肝[140]酶因子、炎症因子、血脂因子、血压因子、肾功能因子等，男性和女性有差异。意大利Graziano等调查18岁以上农村居民，分析7个变䟿，提取了3个MetS因子，分[141]别是肥胖因子、血糖因子、血压因子，男女一致。John等研究非洲成年人MetS，从[142]6个检测变䟿中提取了3个因子，分别是血脂因子、肥胖因子和血压因子。上述研究结果表明不同种᯿MetS的因子模式不同，这将影响MetS各主因子与CVD之间的关联。因此，有针对性的因子分析，才能基于MetS更有效的预测CVD的发生。哈萨克᯿是新疆第二大少数民᯿，是一个CVD高发的人群，CVD在该民᯿疾病谱中是首要死因，其MetS特点与西方人群有较大差别，因此，构建基于MetS的CVD发病风险预测模型对在该人群开展CVD防治具有重要的显示意义。综上所述，本研究以新疆哈萨克᯿人群为研究对象，运用EFA方法对基线数据进行分析整理，从哈萨克᯿人群中提取MetS主因子，并基于MetS主因子建立适用于哈萨克᯿的CVD发病风险预测模型，估计哈萨克᯿人群的CVD发病风险，划分危险等级模式，明确CVD高危人群。为哈萨克᯿人群确定CVD一级预防的实施对象提供依据，为制定有针对性的哈萨克᯿CVD干预措施，开展社区综合防治提供参考，同时也为基于MetS预测CVD的发生提供新的思路。1对象和方法1.1研究对象研究对象来自于石河子大学哈萨克᯿代谢综合征研究队列（ShiheziUniversityKazakhMetSCorhot），SUKMC研究是一项仍在开展的牧区人群前瞻性队列研究，其主54 华中科技大学博士学位论文要研究目的是分析代谢综合征对新疆哈萨克᯿心脑血管疾病发生和死亡的影响。SUKMC研究于2009年在新疆伊犁哈萨克自治州新源县那拉提镇开展基线调查和随访工作，研究对象的纳入和排除标准如下：（1）纳入标准：①年龄为25～65岁的哈萨克᯿；②常住居民（居住时间≥1年）；③愿意参加定期随访；④意识清楚能够有效沟通交流。⑤2009年基线调查确诊无CVD者。（2）排除标准：①血样抽取的1个月内服用降血糖、降血压、降血脂药物者；②外源性胰岛素治疗的IDDM病人；③患有严重疾病，不能配合检查者；④妊娠期妇女。本研究㓿石河子大学医学院伦理委员会批准，所有研究对象均被告知研究详细信息，并签署知情同意书。1.2研究方法1.2.1基线调查采用2009年现况调查的数据作为基线调查资料，问卷调查、体格检查、血标本采集和检测同第一部分方法。1.2.2样本䟿估算采用队列研究样本䟿计算公式估计样本含䟿，㓿查阅文献，以哈萨克᯿MetS组CVD预期发病率为30%（P1），非MetS组CVD预期发病率为20%（P0），α=0.05，β=0.10计算，计算所需样本䟿⇿组至少为485例，共970例，考虑到哈萨克᯿牧民夏、冬季转场的特殊性，其流动性大和可能出现的无应答等情况，为了保证足够的随访人群，拟扩大样本到1500例，同时也满足了因子分析时所需样本䟿。⇿个组需要样本䟿：2(Z×2P(1−P)+Z×P(1−P)+P(1−P))αβ1100N=2=399485人人(P−P)101.2.3随访（1）随访内容：问卷调查、体格检查及血标本采集和检测均与基线调查相同，并重点收集CVD结局事件资料。（2）CVD发生资料的收集方法：先询问随访对象是否因CVD就医，或询问家属，随访对象是否因CVD死亡，然后根据其提供的医院就诊证明，记录发生CVD的具体名称、发病时间、就诊医院等与CVD发病相关的指标。随访结束后统一去就诊医院进一步核实，并补充随访信息。（3）随访时间：考虑到哈萨克᯿牧民夏季转场，随访时间一般确定在⇿年的3-4月份，55 华中科技大学博士学位论文这时牧民都居住在集中的定居点，便于寻找随访对象。⇿次随访前通过手机和定居点广播室提前预约研究对象，并根据其住址入户调查，从而最大限度的随访到研究对象。本课题组于2010年、2012年、2013年、2016年和2017年对研究对象进行了5次随访。（4）为了补充和验证随访信息，尤其是CVD发生的信息，课题组于2017年在新源县农村合作医疗管理办公室、人民医院、新源县中医院以及那拉提镇中心卫生院收集了2010-2017年调查区域哈萨克᯿CVD患者的住院信息，并与基线数据库中的研究对象信息匹配，验证和补充发生CVD结局的研究对象的随访信息。1.2.4诊断标准（1）MetS诊断标准:按照JIS标准诊断。（2）CVD诊断标准：符合下列条件者诊断为CVD：①基线调查后因CVD住院；②曾行冠状动脉介入治疗（心脏导管术或冠状动脉搭桥术）；③有心绞痛（队列研究开展后应用硝酸甘油）和CVD死亡（ICD9：编码390-495）；④根据出院病历，因下述原因住院：不稳定型心绞痛、心肌梗死、充血性心力衰竭、脑卒中、一过性脑缺血以及周围血管病（腹主动脉瘤、周围血管手术或颈动脉内、周围血管手术或颈动脉内膜切除术）。1.2.5队列研究质䟿控制调查员由石河子大学医学院预防医学系教师、研究生、预防医学系本科生以及新源县医院哈萨克᯿护士组成。调查人员均㓿过技术培训，考核合格后参加调查工作。采用现场入户面访的方式对研究对象进行问卷调查和体检。调查前由调查员向被调查对象解释调查意义、目的、内容等，调查员询问并填写问卷，以߿少语言问题造成的信息偏倚。（1）调查问卷的质控：包括调查员培训考核（统一培训，考核合格后方可参加调查）、预调查考评、问卷完整性质控、问卷逻辑检查和复核调查等，控制调查员偏倚。（2）体检质控：全部受检者在清晨空腹安静状态下进行体格测䟿，由统一的仪器和检查者来完成，内容包括身高、体重、腰围、臀围、血压等，控制测䟿可能引起的信息偏倚。（3）血生化指标检测质控：血标本采集、运送、处理、保存全程严格冷链操作。血脂、血糖、尿酸、肝功指标的检测均按照国家三级甲等医院检验科质控标准进行检测。（4）数据质控：包括数据双重录入、逻辑检错、补漏校正及异常数据处理等，控制数据库建立中可能产生的信息偏倚。56 华中科技大学博士学位论文1.3统计学分析1.3.1MetS因子分析运用探索性因子分析（EFA）在哈萨克᯿人群中提取MetS主因子，首先筛选适合因子分析的变䟿，然后按照性别分层从筛选出的变䟿中提取主因子，来识别哈萨克᯿不同性别MetS的因子模式。对所提取的MetS主因子，根据分析变䟿的因子载荷解释因子的含义并命名（如：肥胖因子、血压因子、血脂因子、血糖因子等），具体方法如下：（1）计算相关系数矩阵R：判断原始研究变䟿是否相关。（2）确定提取因子个数k:计算相关系数矩阵R的特征根以及排序：λ1≥λ2≥λ3..≥λ4，综合考虑因子特征根>1和因子的实际临床意义两个原则，确定提取k个潜在因子。（3）构建EFA模型：其数学模型为：5=a1F1+a2F2+⋯a:F:+ℰ,i=1,2,….,@其中51，52，...54代表n个原始研究原始变䟿，F1，F2，...F4为提取的k个潜在预测因子，aA是待估计的系数，又称因子载荷；ℰ是误差项，称为度䟿误差。（4）采用最大方差旋转法对因子进行旋转，用主成份分析提取k个潜在因子，采用最大方差旋转法对因子进行旋转，使潜在因子对⇿一个指标的因子载荷的绝对值靠近0或1，以便清晰的看出潜在因子与指标的关联情况。（5）对各因子进行命名解释：当指标5在因子F上的因子载荷绝对值大于0.4时，认为指标5受因子F支配。依据旋转后因子载荷的大小，结合检测指标的实际临床意义，对⇿个潜在因子的实际意义加以解释，并赋予合理的因子名称。（6）计算各因子得分：根据观察变䟿间的相关系数和因子载荷估计值，用线性回归分析法估计因子得分系数，用因子得分函数计算⇿个样本的各因子得分，通过研究人群的因子得分情况探讨MetS的结构模式。（7）因子分析模型检验：采用Bartlett球形检验用于检查原始变䟿间的偏相关性，因子分析的前提条件是各变䟿间具有偏相关性。当Bartlett球形检验拒绝各变䟿独立的假设，证明各变䟿间具有相关性偏(P＜0.05)才可以做因子分析。KMO检验检查变䟿间的偏相关性的强弱，取值在0-1之间。KMO统计䟿越接近l，变䟿间偏相关性越强，因子分析的效果越好，KMO统计䟿在0.7以上，适合因子分析；而在0.5以下时，不适合做因子分析。1.3.2基于MetS因子分析的CVD发病预测模型构建和评价方法（1）建立Cox回归模型：以哈萨克᯿CVD发病危险因素和MetS因子得分为自变57 华中科技大学博士学位论文䟿，研究对象在观察时间内CVD结局的发生情况（发生CVD取值为1，未发生CVD取值为0）为应变䟿，发生时间t（以年为单位），构建Cox比例风险回归模型：ℎEB@CG=β151+β252+⋯+β454ℎ0其中，ht为研究对象随访到t时刻的发病密度。（2）模型的检验：采用模型全局检验评价模型的拟合程度，无效假设为β=0，备择2假设β≠0，检验水准α=0.05，检验统计䟿为Waldχ和最大似然比。当检验结果拒绝H0，则认为模型拟合优良。（3）绘制ROC曲线确定预测准则：依据上述Cox模型，根据⇿个研究对象的基线数据，估计⇿位对象CVD的发病概率，结合其实际的CVD发病结局，运用ROC曲线分析预计发病概率在各个截断点相应的灵敏度和特异度（若某体检者的CVD预测概率高于临界点，则判定其会发生CVD；反之，低于临界点则判定其不会发生CVD），确定灵敏度和特异度均较优的截断点作为发病风险预测临界值。（4）模型评价：以ROC曲线下面积（AUC）、灵敏度、特异度作为评价模型预测效能的指标。根据模型ROC曲线下面积（AUC）分别以AUC=0.5、0.6≤AUC＜0.7、0.7≤AUC＜0.8、0.8≤AUC＜0.9、AUC＞0.9代表无、较差、有效、优秀及出色的预测价值。1.3.3CVD发病风险矩阵绘制方法使用已构建的CVD发病模型预测研究对象个体CVD发病风险，预测风险计算公式为：ℎEB@CG=β151+β252+⋯+β454ℎ0将预测因素分解为2部分，包括：年龄和MetS预测因子（MetSfactorsprediction,MFP）：ℎEB@CG=I1age+β:MFPℎ0MFP=L1F1+L2F2+⋯LMF:按照方程计算研究对象个体MFP，以年龄为横坐标，MPF为纵坐标，背景颜色代表CVD发病风险，绘制哈萨克᯿人群个体CVD发病风险评估矩阵。然后计算⇿个年龄层的平均MFP，以2岁为间隔对年龄进行分层，则第i层的平均MFP，记做MFP------，以年龄为横坐标，MFP------为纵坐标绘制平均风险曲线。队列研究基线调查和随访资料应用Epidata3.02建立数据库，采用SPSS(StatisticalProgramforSocialSciences,version13.0,2004)和易侕软件http://www.Empowerstats.com)进行探索性因子分析（EFA）、Cox回归分析、ROC曲线分析。使用R软件3.2.2版本绘制CVD风险矩阵图。58 华中科技大学博士学位论文2结果2.1随访情况SUKMC队列邀请3193名参与基线调查的研究对象（国家科技支撑计划那拉提现场）参加随访研究，其中2457人接受邀请参加随访，排除基线CVD患者96名，妊娠妇女54名，剔除结局关键变䟿缺失者28人，最终共有2279人纳入统计分析。见图4。SUKMC队列邀请3193名参与基线调查的研究对象进行随访736人拒绝参加2457人愿意参加本次研究剔除基线CVD患者96人，妊娠妇女54名对符合纳入排除标准2307人进行随访随访结束后，剔除结局变䟿缺失者28人2279人纳入统计分析图4：新疆哈萨克᯿MetS研究队列排除纳入流程图2.2新疆哈萨克族MetS研究队列基线基本特征2.2.1新疆哈萨克᯿MetS研究队列基线一般情况2279名基线无CVD研究对象平均年龄42.54±13.26岁，其中男性908人，平均年龄为43.72±13.85岁，女性1371人，平均年龄为41.76±12.81岁，男性高于女性，差异有统计学意义（P<0.001）。按照JIS标准，基线人群中新发现MetS患者658人，患病率为28.87%。其中男性MetS患病率为30.07%，高于女性的28.08%，但差异无统计学意义（P=0.306）。文化程度男性整体高于女性，差异有统计学意义（P=0.013）。而婚姻状况差异无统计学意义（P=0.725）。高血压、冠心病及脑卒中遗传家᯿史因素在男女之间均无差异。男性吸烟率为49.45%，高于女性的17.72%，差异有统计学意义（P<0.001）；男性饮酒率为17.62%，明显高于女性的0.88%（P<0.001）。表17。59 华中科技大学博士学位论文表17新疆哈萨克᯿MetS研究队列不同性别基线基本特征比较总人群男性女性基线特征P(n=2279)(n=908)(n=1371)年龄42.54±13.2643.72±13.8541.76±12.81<0.001性别是658(71.13%)635(69.93%)986(71.92%)0.306否1621(28.87%)273(30.07%)385(28.08%)年龄组18-24169(7.42%)65(7.16%)104(7.59%)0.01325-34561(24.62%)214(23.57%)347(25.31%)35-44619(27.16%)226(24.89%)393(28.67%)45-54501(21.98%)203(22.36%)298(21.74%)55-64278(12.20%)122(13.44%)156(11.38%)≥65151(6.63%)78(8.59%)73(5.32%)婚姻已婚1974(86.66%)778(85.87%)1189(87.04%)0.725未婚172(5.84%)72(7.95%)100(7.32%)离婚或丧偶133(7.50%)56(6.18%)77(5.64%)文化程度文盲65(2.85%)25(2.75%)40(2.92%)0.012小学1043(45.77%)382(42.07%)661(48.21%)初中及以上1171(51.38%)501(55.18%)670(48.87%)高血压家᯿史无1450(63.62%)571(62.89%)879(64.11%)0.551有829(36.38%)337(37.11%)492(35.89%)冠心病家᯿史无2110(92.58%)831(91.52%)1279(93.29%)0.114有169(7.42%)77(8.48%)92(6.71%)脑卒中家᯿史无2174(95.39%)864(95.15%)1310(95.55%)0.658有105(4.61%)44(4.85%)61(4.45%)吸烟否1587(69.64%)459(50.55%)1128(82.28%)<0.001是692(30.36%)449(49.45%)243(17.72%)饮酒否2107(92.45%)748(82.38%)1359(99.12%)<0.001是172(7.55%)160(17.62%)12(0.88%)蔬菜⇿周≥4盘945(41.47%)379(41.74%)566(41.28%)0.66360 华中科技大学博士学位论文⇿周1–3盘1289(56.56%)514(56.61%)775(56.53%)⇿周<1盘45(1.97%)15(1.65%)30(2.19%)水果⇿周≥4份1425(62.53%)580(63.88%)845(61.63%)0.265⇿周1–3份816(35.81%)317(34.91%)499(36.40%)⇿周<1份38(1.67%)11(1.21%)27(1.97%)鲜奶⇿周<0.5L1308(57.39%)521(57.38%)787(57.40%)0.997⇿周0.5-1.5L899(39.45%)358(39.43%)541(39.46%)⇿周≥1.5L72(3.16%)29(3.19%)43(3.14%)鲜肉⇿周<1kg626(27.47%)241(26.54%)385(28.08%)0.548⇿周1-2kg722(31.68%)284(31.28%)438(31.95%)⇿周≥2kg931(40.85%)383(42.18%)548(39.97%)2.2.2新疆哈萨克᯿MetS研究队列基线检测指标比较新疆哈萨克᯿MetS研究队列肥胖测䟿指标中男性腰围平均为88.60±11.54cm，高于女性的84.61±11.67cm，腰围身高比男性低于女性（0.52±0.07vs0.54±0.08），内脏脂肪指数男性低于女性（1.89±2.45vs2.21±2.59），脂质蓄积指数男性高于女性（40.11±51.23vs37.77±42.51），以上差异均有统计学意义（均P<0.001）。而男女体重指数差异无统计学意义（P=0.151）。男性收缩压和舒张压均高于女性，且差异有统计学意义（均P<0.001）。男性血脂指标TG水平高于女性（P<0.001），男性HDL-C水平低于女性（P<0.001），LDL-C水平男性高于女性（P=0.006），男性总胆固醇水平高于女性（P=0.047），以上差异均有统计学意义。男性空腹血糖高于女性（P<0.001），男性丙氨酸转移酶和门冬氨酸转移酶均高于女性（P=0.003和P<0.001），男性尿酸水平同样高于女性（P<0.001）。见表18。表18新疆哈萨克᯿MetS研究队列不同性别基线检测指标比较总人群男性女性检测变䟿P（n=2279）(n=908)(n=1371)腰围（cm）86.20±11.7888.60±11.5484.61±11.67<0.001腰围身高比0.53±0.070.52±0.070.54±0.08<0.0012体重指数（kg/m）23.79±4.0523.94±3.8623.70±4.170.151人体肥胖指数28.14±4.7125.67±3.6429.77±4.63<0.001＃内脏脂肪指数1.33(0.89-2.14)1.16(0.78-1.94)1.47(0.99-2.25)0.003＃脂质蓄积指数25.15(14.59-44.18)23.91(14.00-43.99)26.00(15.03-44.34)0.236收缩压(mmHg)130.49±23.54133.90±23.12128.24±23.56<0.001舒张压(mmHg)83.13±14.5985.13±14.3681.80±14.60<0.00161 华中科技大学博士学位论文甘油三酯(mmol/l)1.43±1.361.56±1.521.35±1.23<0.001高密度脂蛋白胆固醇1.36±0.501.31±0.621.38±0.40<0.001(mmol/l)低密度脂蛋白胆固醇2.11±0.722.16±0.732.08±0.710.006(mmol/l)总胆固醇(mmol/l)4.10±1.104.16±1.014.06±1.160.047葡萄糖(mmol/l)5.02±1.475.16±1.744.92±1.24<0.001＃丙氨酸转移酶(IU/L)16.42±13.3430.41±19.9026.64±19.610.003＃门冬氨酸转移酶(IU/L)28.14±19.81271.99±86.33201.94±74.44<0.001＃尿酸(umol/l)229.81±86.4688.60±11.5484.61±11.67<0.001＃KruskalWallis秩和检验，其他指标使用t检验。2.3MetS及其组分对CVD发病风险的影响2.3.1MetS组和非MetS组CVD发病密度比较MetS患者组CVD发病密度为20.89/1000人年，高于非MetS组的13.28/1000人年，差异有统计学意义（P<0.001），MetS患者组与非MetS组比较发病风险比为1.53(95%CI:1.17-1.99)。男性MetS组CVD发病密度为18.30/1000人年，高于非MetS组的16.15/1000人年，差异有统计学意义（P=0.006），发病风险比为1.75（95%CI:1.11-2.76）。女性MetS组CVD发病密度为20.15/1000人年，高于非MetS组的15.25/1000人年，差异有统计学意义（P=0.011），发病风险比为1.43(95%CI:1.04-1.98)。见表19。表19新疆哈萨克᯿MetS研究队列不同性别MetS患者与非患者CVD发病密度比较合计男女分组发病发病密度发病发病密度发病发病密度HRHRHR（/1000人（/1000人（/1000人人数(95%CI)人数(95%CI)人数(95%CI)年）年）年）MetS1.531.751.439220.893318.305920.15患者(1.17-1.99)(1.11-2.76)(1.04-1.98)非MetS13713.28-4216.15-9515.25-患者P<0.0010.0060.0032.3.2MetS组分的CVD发病密度无论男女肥胖和血压偏高者CVD发病密度均高于正常者，其中男性腹型肥胖CVD发病密度为16.71/1000人年，高于正常者的7.91/1000人年，差异有统计学意义（P=0.002），发病风险比为2.17（95%CI:1.31-3.60）。女性腹型肥胖CVD发病密度20.55/1000人年，62 华中科技大学博士学位论文高于正常者的12.54/1000人年，差异有统计学意义（P=0.004），发病风险比为1.68（95%CI:1.18-2.38）。男性血压偏高CVD发病密度15.97/1000人年，高于正常者的8.18/1000人年，差异有统计学意义（P=0.01），发病风险比为1.99(95%CI:1.17-3.38)。女性血压偏高CVD发病密度为25.13/1000人年，高于正常者的11.13/1000人年，差异有统计学意义（P<0.001），发病风险比为2.41(95%CI:1.70-3.42)。见表20。表20新疆哈萨克᯿MetS研究队列不同性别MetS组分的CVD发病密度男性（n=908）女性（n=1371）MetS组分发病发病密度HR发病发病密度HRPP人数（/1000人年）(95%CI)人数（/1000人年）(95%CI)肥胖否217.911.004312.541.00是5416.712.17（1.31-3.60）0.00211120.551.68（1.18-2.38）0.004TG高否5512.271.0011716.511.00是2014.251.13(0.68-1.89)0.4483721.221.22(0.84-1.77)0.051血压偏高否208.181.005411.131.00是5515.972.03(1.22-3.38)0.01010025.132.38(1.71-3.31)<0.001血糖偏高否4911.151.0011416.341.00是2617.401.58(0.98-2.54)0.0664021.611.31(0.92-1.88)0.092HDL-C低否5512.581.009820.331.00是2013.210.98(0.58-1.64)0.5095613.970.63(0.45-0.88)0.1222.3.3MetS组分数䟿与CVD发病密度无论男女CVD发病密度均随着MetS组分数䟿的增加而上升，男性CVD发病密度从单个组分的11.17/1000人年上升到18.38/1000人年，发病风险比从单个组分的4.55(95%CI:1.06-19.60)上升到≥4组分的7.27(95%CI:1.63-32.52)，男性MetS发病风险随着组分2数䟿的增加而上升（趋势χ=11.710，P=0.001）。女性CVD发病密度从单个组分的13.48/1000人年上升到22.33/1000人年，发病风险比从单个组分的1.78(95%CI:0.81-3.89)上升到≥4组分2.76(95%CI:1.20-6.36)，女性MetS发病风险比随着组分数䟿的增加而上2升（趋势χ=15.658，P<0.001）。见表21。63 华中科技大学博士学位论文表21新疆哈萨克᯿MetS研究队列不同MetS组分数䟿的CVD发病密度比较男性（n=908）女性（n=1371）MetS组分数发病发病密度HR(95%CI)发病发病密度HR(95%CI)人数（/1000人年）人数（/1000人年）022.501.0087.841.0011811.174.55(1.06-19.60)3013.481.78(0.81-3.89)22213.155.42(1.27-23.05)5719.102.50(1.19-5.24)32118.267.60(1.78-32.41)4122.852.97(1.39-6.34)≥41218.387.27(1.63-32.52)1822.332.76(1.20-6.36)2.4MetS因子分析2.4.1因子分析变䟿᧿述采用诊断MetS的各个组分和目前研究发现与MetS关联的危险因子进行因子分析，包括：腰围（WL）、腰围身高比（WHtR）、体重指数（BMI）、人体肥胖指数（BAI）、内脏脂肪指数（VAI）、脂质蓄积指数（LAP）、收缩压（SBP）、舒张压（DBP）、甘油三酯（TG）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、总胆固醇（TC）、葡萄糖（FPG）、丙氨酸转移酶（ALT）、门冬氨酸转移酶（AST）、尿酸（UA）。各变䟿的均值见表18。2.4.2MetS因子分析变䟿的相关矩阵WL、WHtR、BMI、TG之间存在高度相关，SBP和DBP高度相关，LDL-C和TC之间高度相关；而ALT和AST中度相关，UA和TC中度相关，各指标按性别分层后相关程度一致。男性因子分析变䟿相关矩阵详见表22，女性见表23(r值≥0.70代表高度相关、0.30≤r值＜0.70代表中度相关，r>0表示正相关、r<0表示负相关)。64 华中科技大学博士学位论文表22新疆哈萨克᯿MetS研究队列男性因子分析变䟿相关矩阵（r值）变䟿WLWHtRBMIBAIVAILAPSBPDBPTGHDL-CLDL-CTCFPGALTASTUAWL1.00WHtR0.961.00BMI0.810.821.00BAI0.640.770.701.00VAI0.270.250.220.151.00LAP0.580.560.510.380.831.00SBP0.270.300.250.290.060.141.00DBP0.300.320.270.290.080.180.781.00TG0.280.270.260.180.920.900.060.101.00HDL-C-0.04-0.06-0.06-0.06-0.25-0.120.070.08-0.131.00LDL-C0.350.350.340.280.150.310.160.210.250.031.00TC0.320.320.300.250.080.320.180.230.250.240.811.00FPG0.190.200.140.160.070.110.140.110.08-0.010.160.141.00ALT0.170.150.160.090.140.190.050.090.160.010.130.140.071.00AST0.090.080.030.010.090.150.050.110.150.08-0.020.110.080.371.00UA0.220.200.200.140.070.220.130.140.160.140.190.310.020.170.241.00注：WL：腰围、WHtR：腰围身高比、BMI：体质指数、BAI：人体肥胖指数、VAI:内脏肥胖指数、LAP:脂质蓄积指数、SBP:收缩压、DBP:舒张压、TG:甘油三酯、HDL-C:高密度脂蛋白胆固醇、LDL-C:低密度脂蛋白胆固醇、TC:总胆固醇、FPG:空腹血糖、ALT:丙氨酸转移酶、AST:门冬氨酸转移酶、UA:尿酸。表23新疆哈萨克᯿MetS研究队列女性因子分析变䟿相关矩阵（r值）变䟿WLWHtRBMIBAIVAILAPSBPDBPTGHDL-CLDL-CTCFPGALTASTUAWL1.00WHtR0.961.00BMI0.780.781.00BAI0.670.780.731.00VAI0.220.200.170.111.00LAP0.610.590.520.410.771.00SBP0.300.320.290.310.050.191.00DBP0.320.340.310.300.060.200.811.00TG0.190.180.190.120.900.820.070.081.00HDL-C-0.08-0.06-0.11-0.06-0.41-0.160.000.01-0.161.00LDL-C0.240.250.200.190.200.350.210.210.320.181.00TC0.190.200.150.15-0.100.160.170.180.050.480.761.00FPG0.190.190.170.130.160.270.160.130.180.040.220.231.00ALT0.120.120.130.060.070.130.060.110.120.160.210.220.141.00AST0.030.030.040.00-0.020.060.020.040.080.210.120.220.050.411.00UA0.160.150.180.120.020.120.080.090.020.000.180.270.140.140.091.00注：WL：腰围、WHtR：腰围身高比、BMI：体质指数、BAI：人体肥胖指数、VAI:内脏肥胖指数、LAP:脂质蓄积指数、SBP:收缩压、DBP:舒张压、TG:甘油三酯、HDL-C:高密度脂蛋白胆固醇、LDL-C:低密度脂蛋白胆固醇、TC:总胆固醇、FPG:空腹血糖、ALT:丙氨酸转移酶、AST:门冬氨酸转移酶、UA:尿酸。2.4.3因子分析适用条件分析Bartlett球形检验结果显示男性和女性均拒绝零假设（P<0.001），说明总体相关矩阵间有公共因子存在，适合做因子分析。KMO检验显示，男性MetS检测变䟿的KMO值65 华中科技大学博士学位论文为0.721，女性KMO值为0.691，符合因子分析条件。2.4.4不同性别MetS主因子提取使用探索性因子分析在不同性别研究对象中提取MetS主因子，无论男女均提取了5个MetS主因子（特征根均大于1）；男性MetS主因子累积贡献率达73.06％；女性MetS主因子累积贡献率达74.14％。见表24。表24哈萨克᯿MetS研究队列不同性别MetS因子特征根和贡献率男性女性因子特征根贡献率(%)累计贡献率(%)特征根贡献率(%)累计贡献率(%)15.1432.1032.104.8630.3930.3922.1913.7045.812.3814.9045.3031.6710.4456.252.0612.8658.1541.408.7665.011.408.7566.9051.298.0473.061.167.2474.142.4.5不同性别MetS主因子的因子载荷将因子载荷大于等于0.4的变䟿，即对主因子起主要作用的变䟿纳入主因子，㓿过方差最大旋转后的因子载荷系数男性见表25，女性见表26。男性5个MetS主因子，因子1（肥胖因子）包括：腰围、体重指数、腰围身高比、肥胖指数，贡献率32.10%；因子2（肥胖血脂因子）包括：内脏脂肪指数、脂质蓄积指数和甘油三酯，贡献率为13.70%；因子3（胆固醇因子）包括：高密度脂蛋白胆固醇、低密度脂蛋白胆固醇和总胆固醇，贡献率为10.44%；因子4（血压因子）包括：收缩压和舒张压，贡献率为8.76%；因子5（肝酶因子）包括：门冬氨酸转移酶、丙氨酸转移酶，贡献率8.04%。女性5个MetS主因子贡献率分别为：肥胖因子30.39%；肥胖血脂因子为14.90%；胆固醇因子献率为12.86%；血压因子贡献率为8.75%、肝酶因子贡献率7.24%；包含指标同男性。见表24。表25哈萨克᯿MetS研究队列男性MetS主因子载荷矩阵（方差最大旋转法）分析变䟿因子1因子2因子3因子4因子5*腰围（cm）0.8910.1870.1300.1110.111*腰围身高比0.9360.1630.1100.1380.0782*体重指数（kg/m）0.8800.1480.1210.0800.060*肥胖指数0.8310.0550.0670.157-0.009*内脏脂肪指数0.0920.963-0.0280.0370.053*脂质蓄积指数0.3960.8510.1570.0570.14466 华中科技大学博士学位论文*收缩压均值(mmHg)0.1800.0100.0580.9250.013*舒张压均值(mmHg)0.1860.0380.1020.9090.071*甘油三酯(mmol/l)0.0900.9530.1430.0350.127*高密度脂蛋白(mmol/l)-0.134-0.3290.4000.1130.229*低密度脂蛋白(mmol/l)0.2540.1640.8430.060-0.070*总胆固醇(mmol/l)0.1940.1050.9090.0880.100葡萄糖(mmol/l)0.1880.0400.1170.1520.061*丙氨酸转移酶(IU/L)0.1140.1000.023-0.0120.717*门冬氨酸转移酶(IU/L)-0.0170.062-0.0400.0700.826尿酸(umol/l)0.1330.0390.3440.0680.487*注：变䟿因子载荷最大且因子载荷≥0.4的变䟿，被认为是因子的主要成分。表26哈萨克᯿MetS研究队列女性MetS主因子载荷矩阵（方差最大旋转法）分析变䟿因子1因子2因子3因子4因子5*腰围（cm）0.9050.1640.1270.1200.028*腰围身高比0.9310.1360.1310.1380.0272*体重指数（kg/m）0.8760.1250.0730.1260.053*肥胖指数0.8430.0350.0790.148-0.020*内脏脂肪指数0.0730.966-0.0650.0120.000*脂质蓄积指数0.4740.7990.1750.0530.054*收缩压均值(mmHg)0.1910.0310.0930.926-0.002*舒张压均值(mmHg)0.2070.0340.0950.9180.050*甘油三酯(mmol/l)0.0430.9420.1230.0130.079*高密度脂蛋白(mmol/l)-0.118-0.4000.565-0.0380.224*低密度脂蛋白(mmol/l)0.0910.2680.8220.1250.000*总胆固醇(mmol/l)0.080-0.0640.9260.0780.105葡萄糖(mmol/l)0.1070.2370.3540.1280.033*丙氨酸转移酶(IU/L)0.0720.0810.1540.0470.799*门冬氨酸转移酶(IU/L)-0.009-0.0070.109-0.0010.840尿酸(umol/l)0.1850.0050.330-0.0210.109*注：变䟿因子载荷最大，因子载荷≥0.4的变䟿，被认为是因子的主要成分。2.4.6不同性别MetS主因子得分哈萨克᯿男性MetS主因子各分析变䟿的因子得分见表27；女性MetS主因子各分析变䟿的因子得分见表28。67 华中科技大学博士学位论文表27哈萨克᯿MetS研究队列男性原始变䟿的MetS主因子得分分析变䟿因子1因子2因子3因子4因子5腰围（cm）0.287-0.042-0.047-0.0600.025腰围身高比0.306-0.054-0.062-0.0460.0032体重指数（kg/m）0.294-0.054-0.043-0.076-0.005肥胖指数0.284-0.078-0.067-0.015-0.044内脏脂肪指数-0.0880.390-0.0620.033-0.035脂质蓄积指数0.0170.2940.009-0.0160.011收缩压均值(mmHg)-0.0640.001-0.0550.561-0.048舒张压均值(mmHg)-0.0690.007-0.0330.545-0.013甘油三酯(mmol/l)-0.1090.3760.0360.0160.002高密度脂蛋白(mmol/l)-0.077-0.1460.2390.0410.144低密度脂蛋白(mmol/l)-0.0260.0200.480-0.050-0.145总胆固醇(mmol/l)-0.057-0.0110.512-0.039-0.029葡萄糖(mmol/l)0.032-0.0110.0320.0610.016丙氨酸转移酶(IU/L)0.014-0.026-0.065-0.0590.483门冬氨酸转移酶(IU/L)-0.039-0.029-0.1030.0090.566尿酸(umol/l)-0.014-0.0440.144-0.0240.296表28哈萨克᯿MetS研究队列女性原始变䟿的MetS主因子得分分析变䟿因子1因子2因子3因子4因子5腰围（cm）0.284-0.037-0.011-0.067-0.004腰围身高比0.294-0.050-0.012-0.059-0.0052体重指数（kg/m）0.281-0.048-0.042-0.0540.025肥胖指数0.275-0.080-0.024-0.036-0.031内脏脂肪指数-0.0770.375-0.0540.0040.002脂质蓄积指数0.0650.2610.035-0.0490.002收缩压均值(mmHg)-0.077-0.009-0.0400.560-0.014舒张压均值(mmHg)-0.071-0.010-0.0480.5520.024甘油三酯(mmol/l)-0.0980.3650.033-0.0060.029高密度脂蛋白(mmol/l)-0.032-0.1560.275-0.0530.075低密度脂蛋白(mmol/l)-0.0710.0850.4130.001-0.147总胆固醇(mmol/l)-0.038-0.0480.459-0.037-0.082葡萄糖(mmol/l)-0.0300.0770.1600.038-0.039丙氨酸转移酶(IU/L)-0.0020.014-0.0690.0100.580门冬氨酸转移酶(IU/L)-0.011-0.012-0.089-0.0050.620尿酸(umol/l)0.047-0.0240.144-0.0670.02468 华中科技大学博士学位论文2.5基于MetS因子分析的CVD预测模型构建和评价2.5.1不同性别基于MetS因子分析的CVD预测模型构建采用Cox逐步回归后退法对哈萨克᯿男性5个MetS主因子、年龄、吸烟、饮酒、饮食因素、高血压、冠心病及脑卒中家᯿史进行分析，结果显示，进入预测模型的因子是肥胖因子（HR=1.42,95%CI:1.17-1.72）和胆固醇因子(HR=1.29,95%CI:1.03-1.62）；进入模型的危险因素是年龄（HR=1.06,95%CI:1.04-1.08）、冠心病家᯿史（HR=2.33,95%CI:1.09-4.97）和蔬菜摄入䟿少（HR=1.46,95%CI:0.95-2.24）。详见表29。预测方程为：ln=0.348S1+0.257S3+0.80753+0.3765U+0.057VWX（X3:冠心病，X6:蔬菜） P模型的全局检验结果显示变䟿总体回归系数有统计学意义（β≠0）。为了使预测模型在实际应用中能够更加方便，根据因子分析中原始变䟿的标准化得分系数（见表27），将因子还原为原始变䟿，我们将因子转化为原始测䟿指标的加权求和形式：htInCG=0.088waistline+0.091WHtR−0.091BMI+0.082BAI−0.047VAI+0.008LAPh0−0.036SBP−0.032DBP−0.029TG+0.035HDLC+0.114LDLC+0.112TC+0.019FPG−0.012AAT−0.040AST+0.032UA+0.80753+0.3765U+0.057age哈萨克᯿女性的cox逐步回归分析结果显示，进入女性预测模型的MetS主因子是胆固醇因子(HR=1.32,95%CI:1.14-1.53）和血压因子(HR=1.14,95%CI:1.00-1.33）；进入女性预测模型的危险因素有年龄(HR=1.04,95%CI:1.03-1.06)、脑卒中家᯿史（HR=2.86,95%CI:1.76-4.64）、吸烟(HR=1.61,95%CI:1.14-2.29)、水果摄入䟿少（HR=1.37,95%CI:1.01-1.85）。详见表30。预测方程为：In="0.278F3+0.148Fa+0.042age+1.0551+0.4755a+0.3145b#（X1:脑卒中， PX,3:吸烟，X8:水果）模型的全局检验结果显示各变䟿总体回归系数有统计学意义（β≠0），见表31。因子还原为原始变䟿后的方程为：htInCG=−0.013waistline−0.012WHtR−0.002BMI±0.012BAI±0.014VAI+0.002LAPh0+0.072SBP+0.068DBP+0.008TG+0.069HDLC+0.115LDLC+0.122TC+0.050FPG±0.018ALT−0.025AST+0.030UA+1.0551+0.47553+0.3145b+0.043age69 华中科技大学博士学位论文表29新疆哈萨克᯿MetS研究队列男性MetS因子预测CVD的Cox逐步回归分析（后退法）HR95%CI2筛选步骤因子偏回归系数β标准误WaldχPHR下限上限Step1FAC1_10.3740.10213.369<0.0011.451.191.78FAC2_1-0.0330.1320.0620.8040.970.751.25FAC3_10.2370.1184.0460.0441.271.011.60FAC4_10.0370.1230.0910.7631.040.821.32FAC5_10.1080.1051.0530.3051.110.911.37age0.0590.01130.9810.0001.061.041.08X10.4610.4221.1930.2751.590.693.62X20.1580.2620.3660.5451.170.701.96X30.7320.4003.3540.0672.080.954.55X40.3030.2561.3990.2371.350.822.23X5-0.0430.3360.0170.8980.960.501.85X60.3360.2272.1900.1391.400.902.18X70.0660.2520.0680.7941.070.651.75X80.0250.2260.0130.9101.030.661.60X90.1650.1531.1660.2801.180.871.59Step2FAC1_10.3750.10213.4390.0001.451.191.78FAC2_1-0.0340.1320.0640.8000.970.751.25FAC3_10.2380.1164.1930.0411.271.011.59FAC4_10.0380.1230.0930.7601.040.821.32FAC5_10.1070.1051.0450.3071.110.911.37age0.0590.01131.0350.0001.061.041.08X10.4560.4201.1810.2771.580.693.59X20.1600.2610.3740.5411.170.701.96X30.7340.3993.3730.0662.080.954.56X40.3020.2561.3950.2381.350.822.23X5-0.0460.3340.0190.8900.950.501.84X60.3380.2262.2380.1351.400.902.19X70.0680.2510.0740.7861.070.651.75X90.1680.1521.2230.2691.180.881.59Step3FAC1_130.3750.10213.4930.0001.461.191.78FAC2_13-0.0320.1320.0600.8060.970.751.25FAC3_130.2370.1164.1750.0411.271.011.59FAC4_130.0360.1230.0860.7701.040.821.32FAC5_130.1060.1051.0240.3121.110.911.37age0.0600.01131.8300.0001.061.041.08X10.4520.4191.1660.2801.570.693.57X20.1620.2610.3880.5331.180.711.96X30.7340.4003.3730.0662.080.954.5670 华中科技大学博士学位论文HR95%CI筛选步骤因子偏回归系数β标准误Waldχ2PHR下限上限X40.2950.2511.3810.2401.340.822.20X60.3400.2262.2580.1331.400.902.19X70.0680.2510.0730.7871.070.651.75X90.1660.1511.2050.2721.180.881.59Step4FAC1_10.3740.10213.4560.0001.451.191.78FAC3_10.2340.1154.1240.0421.261.011.58FAC4_10.0350.1230.0800.7781.040.811.32FAC5_10.1040.1050.9950.3191.110.901.36age0.0600.01132.1840.0001.061.041.08X10.4530.4191.1670.2801.570.693.57X20.1710.2590.4360.5091.190.711.97X30.7350.3993.3890.0662.090.954.56X40.2890.2501.3340.2481.330.822.18X60.3420.2262.2940.1301.410.902.19X70.0730.2500.0860.7691.080.661.76X90.1710.1501.3040.2541.190.881.59Step5FAC1_1,0.3740.10213.3320.0001.451.191.78FAC3_10.2300.1154.0330.0451.261.011.58FAC5_10.1060.1051.0240.3121.110.911.36age0.0610.00941.5210.0001.061.041.08X10.4510.4191.1570.2821.570.693.57X20.1750.2580.4620.4971.190.721.98X30.7350.4003.3850.0662.090.954.56X40.2870.2501.3240.2501.330.822.18X60.3390.2262.2570.1331.400.902.18X70.0750.2500.0900.7641.080.661.76X90.1760.1491.3920.2381.190.891.60Step6FAC1_10.3740.10213.3310.0001.451.191.78FAC3_10.2320.1144.1300.0421.261.011.58FAC5_10.1080.1041.0890.2971.110.911.37age0.0610.00941.4370.0001.061.041.08X10.4400.4181.1090.2921.550.683.52X20.1760.2580.4670.4941.190.721.98X30.7240.3983.3150.0692.060.954.50X40.2890.2501.3350.2481.330.822.18X60.3530.2212.5490.1101.420.922.19X90.1730.1491.3500.2451.190.891.59Step7FAC1_10.3670.10212.9740.0001.441.181.76FAC3_10.2310.1144.1190.0421.261.011.5871 华中科技大学博士学位论文偏回归2HR95%CI筛选步骤因子标准误WaldχPHR系数β下限上限FAC5_10.1130.1031.2080.2721.120.921.37age0.0600.00940.9450.0001.061.041.08X10.4590.4161.2180.2701.580.703.58X20.7620.3933.7500.0532.140.994.63X30.3090.2481.5500.2131.360.842.21X60.3420.2212.4080.1211.410.912.17X90.1680.1481.2810.2581.180.881.58Step8FAC1_10.3670.10212.9110.0001.441.181.76FAC3_10.2290.1144.0020.0451.261.001.57age0.0590.00940.3890.0001.061.041.08X10.5260.4091.6540.1981.690.763.77X20.7690.3923.8560.0502.161.004.65X30.3010.2481.4760.2241.350.832.20X60.3450.2202.4600.1171.410.922.17X90.1640.1481.2230.2691.180.881.57Step9FAC1_10.3680.10312.8420.0001.451.181.77FAC3_10.2270.1143.9610.0471.261.001.57age0.0580.00939.9790.0001.061.041.08X10.5320.4081.6980.1931.700.763.78X30.7800.3904.0010.0452.181.024.69X60.2850.2471.3300.2491.330.822.16X90.3750.2212.8740.0901.460.942.25Step10FAC1_10.3430.10011.7870.0011.411.161.71FAC3_10.2400.1144.3960.0361.271.021.59age0.0570.00940.2310.0001.061.041.08X10.5460.4061.8080.1791.730.783.83X30.7920.3894.1560.0412.211.034.73X60.3690.2222.7690.0961.450.942.23Step11FAC1_10.3480.09912.3530.0001.421.171.72FAC3_10.2570.1145.0920.0241.291.031.62age0.0570.00940.2910.0001.061.041.08X30.8460.3864.8110.0282.331.094.97X60.3760.2202.9100.0881.460.952.24注：进入方程P<0.05，剔除P>0.1。X1：脑卒中家᯿史，X2：高血压家᯿史，X3：冠心病家᯿史，X4：吸烟，X5：饮酒，X6：蔬菜，X7：水果，X8：鲜奶，，X9：鲜肉。72 华中科技大学博士学位论文表30新疆哈萨克᯿MetS研究队列女性MetS因子预测CVD的Cox逐步回归分析（后退法）筛选偏回归2HR95%CI因子标准误WaldχP风险比HR步骤系数β下限上限Step1FAC1_20.0580.0800.5300.4671.060.911.24FAC2_2-0.0650.0840.5980.4390.940.791.11FAC3_20.3060.08213.8430.0001.361.161.60FAC4_20.1560.0764.1810.0411.171.011.36FAC5_20.0590.0720.6840.4081.060.921.22age0.0410.00733.0860.0001.041.031.06X11.0930.25718.0410.0002.981.804.94X20.0030.1780.0000.9861.000.711.42X30.4780.3022.5030.1141.610.892.92X40.5020.1837.5030.0061.651.152.36X5-0.8150.8031.0290.3100.440.092.14X6-0.0520.1610.1050.7460.950.691.30X70.3340.1604.3550.0371.401.021.91X8-0.2360.1622.1210.1450.790.571.09X90.0060.0970.0040.9521.010.831.22Step2FAC1_20.0580.0790.5360.4641.060.911.24FAC2_24-0.0650.0840.5980.4390.940.791.10FAC3_20.3060.08213.8410.0001.361.161.60FAC4_20.1560.0754.3750.0361.171.011.35FAC5_20.0590.0720.6860.4081.060.921.22age0.0410.00733.9140.0001.041.031.06X11.0930.25718.0420.0002.981.804.94X30.4790.2992.5670.1091.610.902.90X40.5010.1837.5060.0061.651.152.36X5-0.8140.8001.0340.3090.440.092.13X6-0.0520.1610.1050.7460.950.691.30X70.3340.1604.3550.0371.401.021.91X8-0.2360.1622.1220.1450.790.571.08X90.0060.0970.0040.9531.010.831.22Step3FAC1_20.0580.0790.5350.4641.060.911.24FAC2_2-0.0650.0840.6040.4370.940.791.10FAC3_20.3060.08213.8420.0001.361.161.60FAC4_20.1560.0744.4250.0351.171.011.35FAC5_20.0590.0720.6910.4061.060.921.22age0.0410.00733.9650.0001.041.031.06X11.0930.25718.0390.0002.981.804.94X3f0.4780.2992.5640.1091.610.902.90X40.5010.1837.5030.0061.651.152.3673 华中科技大学博士学位论文筛选2HR95%CI因子偏回归系数β标准误WaldχP风险比HR步骤下限上限X5-0.8120.8001.0300.3100.440.092.13X6-0.0510.1600.1020.7490.950.691.30X70.3340.1604.3510.0371.401.021.91X8-0.2350.1622.1200.1450.790.581.08Step4FAC1_20.0560.0790.5090.4761.060.911.24FAC2_2-0.0640.0840.5930.4410.940.801.10FAC3_20.3050.08213.8060.0001.361.151.59FAC4_20.1560.0744.3750.0361.171.011.35FAC5_20.0580.0720.6490.4201.060.921.22age0.0410.00734.0870.0001.041.031.06X11.0920.25718.0030.0002.981.804.93X30.4810.2982.5990.1071.620.902.90X40.5010.1837.4890.0061.651.152.36X5-0.7900.7960.9850.3210.450.102.16X60.3200.1544.3120.0381.381.021.86X8-0.2330.1612.0900.1480.790.581.09Step5FAC2_2-0.0600.0830.5290.4670.940.801.11FAC3_20.2930.08013.4870.0001.341.151.57FAC4_20.1480.0744.0110.0451.161.001.34FAC5_20.0550.0700.6040.4371.060.921.21age0.0420.00642.7890.0001.041.031.06X11.0780.25617.6960.0002.941.784.86X30.4730.2982.5220.1121.600.902.88X40.4730.1796.9930.0081.611.132.28X5-0.6930.7800.7890.3740.500.112.31X60.3230.1544.4040.0361.381.021.87X8-0.2390.1612.2030.1380.790.571.08Step6FAC2_2-0.0630.0830.5790.4470.940.801.11FAC3_20.2920.08013.3500.0001.341.141.57FAC4_20.1460.0743.9100.0481.161.001.34age0.0420.00643.0360.0001.041.031.06X11.0710.25617.4690.0002.921.774.82X30.4690.2982.4770.1161.600.892.87X40.4690.1796.8610.0091.601.132.27X5-0.6890.7830.7760.3780.500.112.33X60.3180.1544.2920.0381.371.021.86X8-0.2360.1612.1490.1430.790.581.08Step7FAC3_20.2870.07913.1770.0001.331.141.56FAC4_20.1470.0743.9820.0461.161.001.3474 华中科技大学博士学位论文筛选偏回归2HR95%CI因子标准误WaldχPHR步骤系数β下限上限FAC4_20.1470.0743.9820.0461.161.001.34age0.0420.00642.5610.0001.041.031.06X11.0610.25617.2100.0002.891.754.77X30.4690.2982.4710.1161.600.892.87X40.4610.1786.6830.0101.591.122.25X5-0.7490.7790.9240.3360.470.102.18X60.3220.1544.4000.0361.381.021.86X8-0.2350.1612.1230.1450.790.581.08Step8FAC3_20.2780.07912.5280.0001.321.131.54FAC4_20.1560.0734.5270.0331.171.011.35age0.0420.00642.2900.0001.041.031.06X10.9850.25015.5440.0002.681.644.37X30.3580.2861.5620.2111.430.822.51X40.4530.1786.4660.0111.571.112.23X60.3310.1544.6420.0311.391.031.88X8-0.2250.1611.9610.1610.800.581.09Step9FAC3_20.2800.07912.6510.0001.321.131.54FAC4_20.1530.0734.3290.0371.171.011.35age0.0420.00642.4170.0001.041.031.06X11.0200.24816.9560.0002.771.714.51X40.4730.1777.1400.0081.611.132.27X60.3250.1544.4570.0351.381.021.87X8-0.2180.1601.8540.1730.800.591.10Step10FAC3_20.2780.07713.0110.0001.321.141.54FAC4_20.1480.0743.9920.0461.161.001.34age0.0420.00644.8550.0001.041.031.06X11.0500.24718.0960.0002.861.764.64X40.4750.1777.1830.0071.611.142.28X80.3140.1544.1370.0421.371.011.85注：进入方程P<0.05，剔除P>0.1。X1：脑卒中家᯿史，X2：高血压家᯿史，X3：冠心病家᯿史，X4：吸烟，X5：饮酒，X6：蔬菜，X7：水果，X8：鲜奶，，X9：鲜肉。75 华中科技大学博士学位论文表31新疆哈萨克᯿MetS研究队列男性和女性CVD预测模型的全局检验筛选男性女性22步骤-2LogLikelihoodχP-2LogLikelihoodχP1858.51377.522<0.0011,965.255153.528<0.0012858.52577.401<0.0011,965.255153.508<0.0013858.54577.016<0.0011,965.259153.483<0.0014858.60876.925<0.0011,965.361153.353<0.0015858.68776.570<0.0011,965.865153.188<0.0016858.77676.569<0.0011,966.408152.976<0.0017859.23776.388<0.0011,967.019152.756<0.0018860.27175.875<0.0011,968.112152.385<0.0019861.50975.041<0.0011,969.540150.357<0.00110862.85275.038<0.0011,971.475149.269<0.00111864.43173.159<0.0012.5.2模型预测效果检验使用ROC曲线检验模型预测效果发现：男性CVD预测模型曲线下面积（AUC）为0.751(95％CI:0.695-0.808，P<0.001)。男性CVD预测模型的最佳判断切点为0.068，灵敏度为77.78%，特异度为64.24%。女性CVD预测模型的AUC为0.754(95％CI:0.717-0.792，P<0.001)。女性CVD预测模型的最佳判断切点为0.123，灵敏度为65.79%，特异度为75.83%。见图5。（b）（a）AUC=0AUC=0.751AUC=0.754cutoffpit=cutoffpoint=0.068cutoffpoint=ctffpoint=0.123Se=77.77.78%Se=65.795.79%Sp=64.64.24%Sp=75.83%图5新疆哈萨克᯿MetS研究队列不同性别CVD预测模型预测效能ROC曲线分析，（a）男，（b）女76 华中科技大学博士学位论文2.5.3应用模型预测个体CVD发病风险按照性别分层绘制哈萨克᯿个体CVD风险评估矩阵，将CVD发病风险分为5个等级，蓝色代表正常（0-0.1）、黄色低度危险（0.1-0.2）、橙色中度危险（0.2-0.3）、红色高度危险（0.4-0.5）、深红色极高危（0.5-0.6）。根据研究对象的年龄和MetS因子预测指数即可确定其在矩阵中的位置，根据位置的颜色可以判断CVD发生风险。男性风险矩阵图显示从20岁到68岁年龄段，随着年龄增加MFP平均值逐渐上升，在68岁达到顶点后出现下降趋势。女性从20岁到72岁年龄段，随着年龄增加MFP平均值呈现缓慢上升趋势，72岁后出现快速下降。见图6。（a）（b）图6新疆哈萨克᯿MetS研究队列不同性别个体CVD风险评估矩阵，（a）男，（b）女77 华中科技大学博士学位论文3.讨论本研究中，哈萨克᯿CVD的发病密度15.56/1000人年，MetS组和非MetS组的发病密度分别为20.89/1000人年和13.28/1000人年，哈萨克᯿MetS患者CVD发生风险是非MetS者的1.53倍(HR=1.53,95%CI:1.17-1.99)，其中男性是1.75倍（95%CI:1.11-2.76），女性为1.43倍(95%CI:1.03-1.98)。低于美国Framingham队列研究[29]得出的MetS患者CVD发生风险是非MetS者的1.90倍(HR=1.90,95%CI:1.60-2.26)。[27]也低于中国多省市队列研究（HR=2.01,95%C:1.73-2.33），这可能与本次队列研究相对于上述研究随访时间短，有些患者还未发生结局事件有关。哈萨克᯿CVD发病风险随着MetS组分异常数䟿增加显著增加，有明显的剂䟿反应关系。这与美国NHANESⅢ的研究结果一致，在有心肌梗死或脑卒中病史的人群中，随着MetS组分异常数䟿增加，[143]CVD风险呈现明显上升趋势。一项为期5年的MetS队列研究发现，有≥4项MetS[31]组分异常的人群比只有1项的人群CVD发病密度增加5倍。从各MetS组分与CVD发病的关联看，仅腹型肥胖和血压偏高与CVD发生有关联，哈萨克᯿男性腹型肥胖与CVD发病风险关联最强（HR=2.19,95%CI:1.31-3.60），而女性关联最强的血压偏高（HR=2.38,95%CI:1.71-3.31），这说明腹型肥胖是哈萨克᯿男性引发MetS与CVD关联的最重要组分，而女性是血压偏高。中国11省市队列研究结果显[144]示，血压在我国人群中是CVD的最重要危险因素。康国栋等调查江㣿人群发现MetS[145]组分中仅血压偏高与CVD发生有关(HR=2.55,95%CI:2.00～3.27)。Lawlor报道英国女性心脏与健康研究中调整冠心病一般危险因素后，只有血压（RR=1.16,95%CI:1.00-[146]1.35）和HDL-C（RR=0.76,95%CI:0.61-0.96）与冠心病的发生有关；Girman在美国得克萨斯冠状动脉粥样硬化干预研究中发现，接受安慰剂治疗的人群中MetS组分中[32]仅高血压与CVD有关联（RR=1.71,95％CI:1.16-2.53）。但本研究发现腹型肥胖与哈[13]萨克᯿CVD发生有关联，尤其与男性CVD发生有密切关联，说明腹型肥胖在哈萨克᯿心血管疾病发生中起着关键作用，是独立于高血压的一个重要危险因素，在今后的心血管疾病的防治中要注重肥胖的控制。[147-149]本研究以MetS多病因假说为基础，运用探索性因子分析对与MetS关联的16个危险因子按照性别分层提取主因子，男性和女性均提取了5个MetS主因子，其中肥胖因子的贡献率无论男女均最高，说明肥胖是哈萨克᯿MetS发生的核心组分，本研究除了将常用的体质指数和腰围作为分析变䟿，还将近年提出的新型肥胖指标，如：LAP、VAI、WHtR和BAI纳入到因子分析当中，比YoonJH研究的以BMI、WC为肥胖因子78 华中科技大学博士学位论文[150]解释MetS更加全面。而这些新的指标与传统的腰围和BMI对比，能够更加精确的[24,116]反映人体内脏脂肪含䟿，与MetS发生的相关性更强。本次因子分析发现哈萨克᯿3个血清胆固醇指标与甘油三酯分别属于两个不同的因子，HDL-C、LDL-C和TC组成胆固醇因子，而甘油三酯、内脏脂肪指数和脂质蓄积指数构成了血脂肥胖因子，该因子无论男性和女性贡献率均排在第2位，是仅次于肥胖的第二重要的因子。内脏肥胖指标与甘油三酯在一个因子中提示肥胖参与了血脂代谢紊乱，潜在机制是肥胖者大䟿脂肪在大网膜和腹腔内蓄积，形成腹型肥胖。当肥胖继续发展，机体为了容纳不断膨胀的脂肪细胞，通过自身稳态调节使增多的脂肪趋于重新分布并促进其分解代谢。以血浆TG升高为标志，大䟿的游离脂肪酸向肝脏和肌肉转移并沉积于[151-152]细胞内，通过酯化合成过多的TG，造成高甘油三酯血症。本研究提取的胆固醇因子包含了胆固醇三个指标，男性和女性贡献率均排在第3位，女性贡献率略高于男性。其中总胆固醇的因子载荷最高，这可能是由于总胆固醇综合了HDL-C和LDL-C，能够更全面反映血清胆固醇整体对MetS的影响。这与Meigs等的MetS因子分析结果一致，[153]总胆固醇对胆固醇因子影响最大。在哈萨克᯿MetS患者中无论男女均提取了肝酶因[36]子，与严翠芳所研究汉᯿人群结果一致，肝酶因子是MetS的一个重要因子。ALT和AST是反映非酒精性脂肪肝诊断的敏感指标，哈萨克᯿非酒精性脂肪肝患病率高于当地[154][155]其他民᯿，非酒精性脂肪肝已被证明可增加MetS发病风险。本研究中血压纳入于男性和女性的第4因子中，其贡献率均低于10%，与AGhosh的研究结果一致，血压[156]与血糖因子贡献率都排于末尾。若研究对象为糖尿病患者，血压、血糖因子则为第[157-158]一因子和第二因子，提示由于研究人群不同，各因子对MetS的贡献率也会不同。这表明虽然哈萨克᯿是高血压的高发民᯿，但其MetS发生主要与肥胖相关，而与血压[159]不直接相关。本研究未提取出尿酸因子，与张文超研究结果一致。这可能与哈萨克᯿群体尿酸水平低相关，本研究发现哈萨克᯿高尿酸血症患病率仅为2.9%。本研究以哈萨克᯿MetS主因子、年龄、CVD家᯿史、吸烟、饮酒、饮食因素为预测因子构建CVD预测模型，其预测效能男性的AUC为0.751(95％CI:0.695-0.808)；女性的AUC为0.754(95％CI:0.717-0.792)，AUC均大于等于0.70。说明所构建的CVD模型可以适用于当地哈萨克᯿人群。与Framingham模型在欧洲人群中的预测效能相当[160]（AUC在0.70左右）。高于国内张梅等使用PAR模型和PCEs模型对我国40-79岁人群CVD发病风险的预测效能，PAR模型（顾东风提出适宜国人的CVD10年风险预测模型）AUC为0.703（95%CI:0.633-0.773），PCEs模型（美国心脏学会）为0.701[161]（95%CI:0.637-0.766）。与中国缺血性心血管疾病10年发病危险评估方案（国人评[136]估法）的最优模型（AUC男为0.796，AUC女为0.791）接近。79 华中科技大学博士学位论文通过预测模型建立CVD等慢性病的简易预测工具是疾病预测研究的重要方面之一，国内外研究者都试图建立一个简易的心血管疾病风险预测工具，以便于在实际工作中应[162]用。WHO/国际高血压联盟2008年发布的心脑血管疾病风险预测图，用于包括中国在内的世界各地区识别CVD高危人群，开展CVD一级预防。该预测图按糖尿病、性别、吸烟、年龄、收缩压和胆固醇状况依次选择不同的彩图，最终获得个体危险等级。国内有国人ICVD10年发病危险评估表，被《中国心血管病预防指南》推荐用于心血管疾病的防治工作，纳入危险分层的危险因素包括：性别、年龄、LDL-C、TC、HDL-C、吸烟，[136]以及高血压和糖尿病患病状况。顾东风团队提出的CVD10年发病风险模型，该模[163]型包括药物、地域（南方和北方）、城镇化（城市和农村）、以及CVD家᯿史。风险预测图的优势是风险可视化，个体可以可根据自身预测因子找出风险评估矩阵上对应的风险位置，不同位置的颜色不同，代表不同的风险范围，可以让体检者直观的感受到自己患病风险，有助于对患者的健康教育，重视自身疾病风险，积极采取有效的预防措施。本研究根据哈萨克᯿男性和女性的预测模型绘制了CVD发病风险矩阵图，将风险分为5个等级，用5种颜色代表，以便于实际应用中根据颜色判断CVD发病风险，使哈萨克᯿牧民能够更加形象的理解自己的CVD发病风险，对于文化程度低、汉语水平低的哈萨克᯿牧民，可以使他们能够快速的认识到自己的疾病状况，及早的采取干预措施，使CVD高危人群能得到及时的控制，对降低CVD发病率有重要意义。目前，我们的研究有以下几个优势。第一，本研究根据新疆哈萨克᯿疾病特点（MetS、高血压、肥胖患病率明显高于同地区其他民᯿），以MetS作为预测因子构建哈萨克᯿人群的CVD预测模型，而相关研究未见报道。第二，本次研究的结果是基于常规的体检指标，指标均来自中国政府所支持的全民健康体检项目之中，检测方便、成本低、便于获取。第三，本研究运用探索性因子分析从16个常规体检指标中分别提取了5个潜在因子构成CVD的预测因子，并结合年龄、心血管疾病家᯿史、吸烟饮酒、饮食因素，更大程度的加强了模型的预测能力。不仅是简单总结因子数䟿，还考虑了CVD预测结果和潜在因子的关联。最后，通过模型的预测效能检验说明所建模型的适用性。因此，本研究模型可以直接适用于新疆哈萨克᯿人群，可以用于哈萨克᯿CVD高危人群的筛查，促进CVD的一级预防。本研究也有一定的局限性。首先，所纳入常规体检指标不能全面覆盖CVD的所有危险因素，导致模型的预测能力有限。其次哈萨克᯿生活方式以游牧为主，所调查人群不能全部完成后期的随访，也收集不到未去医院就诊的CVD患者以及未能提供住院信息者。因此，本研究可能低估了CVD的发病率。后续的研究可补充随访信息，增加常规体检指标的数䟿，提取能覆盖更全面信息的潜在因子，从而提高该模型的预测能力。80 华中科技大学博士学位论文4小结本部分研究通过前瞻性队列研究设计，观察了MetS对哈萨克᯿CVD发病的影响，同时基于MetS因子分析建立了哈萨克᯿CVD发病风险预测模型。我们发现哈萨克᯿MetS患者相对于非MetS患者发病风险比为1.53(95%CI:1.17-1.99)，随着MetS组分数䟿的增加，无论男女CVD发病风险明显升高，其中肥胖和血压高与CVD发病关联最强。通过MetS因子分析发现，哈萨克᯿MetS主因子分别是肥胖因子、肥胖血脂因子、胆固醇因子、血压因子、肝酶因子。基于因子分析结合CVD发病危险因素我们使用Cox回归模型建立了哈萨克᯿CVD发病风险预测模型，男性预测模型包含肥胖因子、胆固醇因子、年龄、冠心病家᯿史、蔬菜摄入䟿，而女性预测模型包括胆固醇因子、血压因子、吸烟、脑卒中家᯿史、水果摄入䟿。模型的预测效能评价显示男性AUC=0.751(95%CI:0.695-0.808)，女性AUC=0.754(95％CI:0.717-0.792)，预测效果良好。最后根据模型绘制了哈萨克᯿个体CVD发病风险预测矩阵图，以便于模型的实际应用。81 华中科技大学博士学位论文研究结论（1）本研究全面分析了新疆哈萨克᯿MetS流行现况，为哈萨克᯿MetS防治措施制定提供了线索。按照国内外使用最广泛的四种诊断标准，哈萨克᯿MetS年龄标化患病率分别为18.90%(ATPIII标准)、22.84%（CDS标准）、27.13%(IDF标准)和32.16%(JIS标准)，高于我国平均水平，介于亚洲人和欧美人之间。哈萨克᯿MetS组分患病率最高的依次是腹型肥胖、血压偏高、HDL-C低、TG高、血糖高，MetS患者组分最常见的聚集形式是肥胖+HDL-C低+血压高，肥胖是哈萨克᯿MetS的核心组分。哈萨克᯿MetS的影响因素主要是饮食因素：蔬菜水果摄入䟿低、红肉摄入䟿大是危险因素，而适䟿摄入鲜奶是保护因素。血清肝酶（ALT和AST）升高、高尿酸血症也是MetS的危险因素。哈萨克᯿MetS患病率高于全国平均水平，而在欧美和亚洲的患病水平之间。蔬菜摄入少和红肉摄入䟿大可能是其MetS的主要危险因素。适䟿摄入鲜奶是MetS的保护因素。（2）我们发现了LAP、VAI对哈萨克᯿MetS的筛检价值要高于腰围、BMI等指标，男性VAI和WHR，女性VAI与WL双项联合试验筛检MetS价值最高。本部分研究发现新型肥胖测䟿指标LAP、VAI与新疆哈萨克᯿MetS患病风险关联显著高于WL、BMI等传统肥胖测䟿指标。LAP及VAI对哈萨克᯿MetS的筛检价值评级为“优秀”（AUC面积>0.8）；MetS的双项联合筛检试验中男性VAI和WHR，女性VAI与WL双项联合试验筛检MetS价值最高。（3）我们发现哈萨克᯿人群MetS主因子包括5个因子：肥胖因子、肥胖血脂因子、胆固醇因子、血压因子、肝酶因子。男性CVD发病风险预测模型包括：肥胖因子、胆固醇因子、年龄、冠心病家᯿史、蔬菜摄入䟿，而女性预测模型包括：胆固醇因子、血压因子、吸烟、脑卒中家᯿史、水果摄入䟿。我们发现哈萨克᯿MetS患者相对于非MetS患者发病风险比为1.53(95%CI:1.17-1.99)，随着MetS组分数䟿的增加，无论男女CVD发病风险明显升高，其中腹型肥胖和血压高与CVD发病关联最强。通过MetS因子分析发现，哈萨克᯿MetS主因子分别是肥胖因子、肥胖血脂因子、胆固醇因子、血压因子、肝酶因子。基于因子分析结合CVD发病危险因素我们建立了CVD发病风险预测模型，男性预测模型包含肥胖因子、82 华中科技大学博士学位论文胆固醇因子、年龄、冠心病家᯿史、蔬菜摄入䟿；女性预测模型包含胆固醇因子、血压因子、年龄、吸烟、脑卒中家᯿史、水果摄入䟿。模型的预测效能评价显示男性AUC=0.751(95％CI:0.695-0.808)，女性AUC=0.754(95％CI:0.717-0.792)，预测效果良好。哈萨克᯿个体CVD发病风险预测矩阵图包含5个等级，蓝色代表正常（0-0.1）、黄色低度危险（0.1-0.2）、橙色中度危险（0.2-0.3）、红色高度危险（0.4-0.5）、深红色极高危（0.5-0.6）。83 华中科技大学博士学位论文创新点与局限性创新点（1）本研究首次采用了国内外广泛使用的四种诊断标准全面分析哈萨克᯿MetS及其组分的患病率和影响因素，为哈萨克᯿人群中的MetS防治提供了可靠的资料。（2）首次全面评价了多种新型肥胖测䟿指标VAI、LAP、BAI和WHtR筛检哈萨克᯿人群MetS的价值，为今后在该人群中筛检MetS提供了可靠的指标。。（3）本研究首次采用队列研究的设计在哈萨克᯿人群中构建MetS主因子预测CVD的模型，综合评价MetS对CVD发病的预测效果，划分人群CVD危险等级，识别高危人群，为在哈萨克᯿人群中开展CVD的防治提供新的思路。局限性（1）第一部分研究的现况调查对象中青壮年比例低，患病率和危险因素分析结果外推时要考虑其产生的偏倚。（2）第二部分研究的肥胖测䟿指标大多与腰围相关，而腰围是MetS中腹型肥胖的诊断指标，这将放大这些指标与MetS的关联强度，但这也是含有腰围的肥胖测䟿指标筛检MetS的优势所在。（3）第三部分队列研究所纳入的常规体检指标尚没有全面覆盖CVD的所有危险因素，研究建立的模型预测能力可能有限。其次，哈萨克᯿生活方式以游牧为主，所调查人群后期的随访困难，未能收集到未去医院就诊的CVD患者信息。因此，本研究可能低估CVD的发病率。后续的研究可强化随访，增加更多的体检指标，，从而提高该模型对CVD风险的预测能力。84 华中科技大学博士学位论文参考文献[1]ReavenGM.Themetabolicsyndrome:isthisdiagnosisnecessary?[J].AmJClinNutr,2006,83(6):1237-1247.[2]AlbertiKG,ZimmetP,ShawJ.Metabolicsyndrome--anewworld-widedefinition.AConsensusStatementfromtheInternationalDiabetesFederation[J].DiabetMed,2006,23(5):469-480.[3][Theprevalenceofmetabolicsyndromeina11provincescohortinChina][J].ZhonghuaYuFangYiXueZaZhi,2002,36(5):298-300.[4]XiB,HeD,HuY,etal.PrevalenceofmetabolicsyndromeanditsinfluencingfactorsamongtheChineseadults:theChinaHealthandNutritionSurveyin2009[J].PrevMed,2013,57(6):867-871.[5]GrundySM,CleemanJI,DanielsSR,etal.Diagnosisandmanagementofthemetabolicsyndrome:anAmericanHeartAssociation/NationalHeart,Lung,andBloodInstitutescientificstatement[J].CurrOpinCardiol,2006,21(1):1-6.[6]潘长玉，程莹.代谢综合征:值得关注的心血管疾病高危因素[J].中华内科杂志,2004,43:801-808.[7]钱荣立.进一步加强代谢综合征的防治研究.[J].中华糖尿病杂志,2004,12:155.[8]祝之明，徐成斌.应加强代谢综合征的研究和防治.[J].中华心血管病杂志,2005,33:105-106.[9]MaX,ZhuS.Metabolicsyndromeinthepreventionofcardiovasculardiseasesanddiabetes--stillamatterofdebate?[J].EurJClinNutr,2013,67(5):518-521.[10]陈伟伟，高润霖，刘力生，等.《中国心血管病报告2016》概要[J].中国循环杂志,2017,32(6):521-529.[11]DeFilippZ,DuarteRF,SnowdenJA,etal.Metabolicsyndromeandcardiovasculardiseasefollowinghematopoieticcelltransplantation:screeningandpreventivepracticerecommendationsfromCIBMTRandEBMT[J].EpidemiolHealth,2017,52(2):173-182.[12]WongND.Intensifiedscreeningandtreatmentofthemetabolicsyndromeforcardiovascularriskreduction[J].PrevCardiol,2005,8(1):47-52;quiz53-44.[13]YamagishiK,IsoH.ThecriteriaformetabolicsyndromeandthenationalhealthscreeningandeducationsysteminJapan[J].2017,39:e2017003.[14][Metabolicsyndrome--definition,diagnosticcriteriaandscreening][J].OrvHetil,2002,143(15):785-788.[15]BoulogneA,VantyghemMC.[Epidemiologicaldataandscreeningcriteriaofthemetabolicsyndrome][J].PresseMed,2004,33(10):662-665,681.[16]Rodea-MonteroER,Evia-ViscarraML,Apolinar-JimenezE.Waist-to-HeightRatioIsaBetterAnthropometricIndexthanWaistCircumferenceandBMIinPredictingMetabolicSyndromeamongObeseMexicanAdolescents[J].IntJEndocrinol,2014,2014:195407.[17]杨少玲，朱旅云，胡丽叶，等.腰围/身高比值与代谢综合征关系的7年随访研究[J].临床荟萃,,2010,25(3):192-195.[18]ChenBD,YangYN,MaYT,etal.Waist-to-HeightRatioandTriglycerides/High-DensityLipoproteinCholesterolWeretheOptimalPredictorsofMetabolicSyndromeinUighurMenandWomeninXinjiang,China[J].MetabSyndrRelatDisord,2015,13(5):214-220.[19]KahnHS.The"lipidaccumulationproduct"performsbetterthanthebodymassindexforrecognizingcardiovascularrisk:apopulation-basedcomparison[J].BMCCardiovascDisord,2005,5:26.[20]项守奎，华飞，任建如.脂质蓄积指数在成人代谢综合征中诊断价值的研究[J].新医学,2012,11:772-775.[21]段凤仪，李蓉，张素华.脂质蓄积指数对代谢综合征的评估价值研究[J].中国实用内科杂志,2013,11:552-555.[22]MotamedN,RazmjouS,HemmasiG,etal.Lipidaccumulationproductandmetabolicsyndrome:apopulation-basedstudyinnorthernIran,Amol[J].JEndocrinolInvest,2016,39(4):375-382.[23]AmatoMC,GiordanoC,GaliaM,etal.VisceralAdiposityIndex:areliableindicatorofvisceralfatfunctionassociatedwithcardiometabolicrisk[J].DiabetesCare,2010,33(4):920-922.[24]AmatoMC,GiordanoC,PitroneM,etal.Cut-offpointsofthevisceraladiposityindex(VAI)85 华中科技大学博士学位论文identifyingavisceraladiposedysfunctionassociatedwithcardiometabolicriskinaCaucasianSicilianpopulation[J].LipidsHealthDis,2011,10:183.[25]BergmanRN,StefanovskiD,BuchananTA,etal.Abetterindexofbodyadiposity[J].Obesity(SilverSpring),2011,19(5):1083-1089.[26]KleinBE,KleinR,LeeKE.ComponentsofthemetabolicsyndromeandriskofcardiovasculardiseaseanddiabetesinBeaverDam[J].DiabetesCare,2002,25(10):1790-1794.[27]ZhengY,SteinR,KwanT,etal.Evolvingcardiovasculardiseaseprevalence,mortality,riskfactors,andthemetabolicsyndromeinChina[J].ClinCardiol,2009,32(9):491-497.[28]KanauchiM,KanauchiK.PrevalenceanddistributionofidealcardiovascularhealthmetricsandassociationwithmetabolicsyndromeinJapanesemaleworkers[J].IntJCardiol,2016,221:428-429.[29]NajarianRM,SullivanLM,KannelWB,etal.Metabolicsyndromecomparedwithtype2diabetesmellitusasariskfactorforstroke:theFraminghamOffspringStudy[J].ArchInternMed,2006,166(1):106-111.[30]BeddhuS,KimmelPL,RamkumarN,etal.AssociationsofmetabolicsyndromewithinflammationinCKD:resultsFromtheThirdNationalHealthandNutritionExaminationSurvey(NHANESIII)[J].AmJKidneyDis,2005,46(4):577-586.[31]DeedwaniaPC.Metabolicsyndromeandvasculardisease:isnatureornurtureleadingthenewepidemicofcardiovasculardisease?[J].Circulation,2004,109(1):2-4.[32]GirmanCJRT,MercuriM,etal..ThemetabolicsyndromeandriskofmajorcoronaryeventsintheScandinavianSimvastatinSurvivalStudy(4S)andtheAirForce/TexasCoronaryAtherosclerosisPreventionStudy(AFCAPS/TexCAPS).[J].AmericanJournalofCardiology,2004,93:136-141.[33]SeshadriS,WolfPA.Lifetimeriskofstrokeanddementia:currentconcepts,andestimatesfromtheFraminghamStudy[J].LancetNeurol,2007,6(12):1106-1114.[34]吴兆㣿，姚崇华，赵冬.我国多省市心血管病趋势及决定因素的人群监测(中国MONICA方案).发病率和死亡率的监测结果[J].中华心血管病杂志,1997,25:255-259.[35]SiJH,MengRR,YuCQ,etal.[Familyhistoryandriskofcoronaryheartdisease][J].ZhonghuaLiuXingBingXueZaZhi,2018,39(2):173-178.[36]KulkayevaG,Harun-Or-RashidM,YoshidaY,etal.CardiovasculardiseaseriskfactorsamongruralKazakhpopulation[J].NagoyaJMedSci,2012,74(1-2):51-61.[37]TaoJ,MaYT,XiangY,etal.PrevalenceofmajorcardiovascularriskfactorsandadverseriskprofilesamongthreeethnicgroupsintheXinjiangUygurAutonomousRegion,China[J].LipidsHealthDis,2013,12:185.[38]ChenC,YuanZ.PrevalenceandriskfactorsforprehypertensionandhypertensionamongadultsinCentralChinafrom2000-2011[J].ClinExpHypertens,2018:1-10.[39]DaiJ,MinJQ,YangYJ.[AstudyontheepidemiccharacteristicsofdyslipidemiainadultsofnineprovincesofChina][J].ZhonghuaXinXueGuanBingZaZhi,2018,46(2):114-118.[40]ReavenGM.Roleofinsulinresistanceinhumandisease(syndromeX):anexpandeddefinition[J].AnnuRevMed,1993,44:121-131.[41]KaplanSA.Re:ChangesinWeightandMetabolicSyndromeareAssociatedwithProstateGrowthRateovera5-YearPeriod[J].JUrol,2017,198(6):1184-1185.[42]CameronAJ,BoykoEJ,SicreeRA,etal.CentralobesityasaprecursortothemetabolicsyndromeintheAusDiabstudyandMauritius[J].Obesity(SilverSpring),2008,16(12):2707-2716.[43]BalkauB,CharlesMA,DrivsholmT,etal.FrequencyoftheWHOmetabolicsyndromeinEuropeancohorts,andanalternativedefinitionofaninsulinresistancesyndrome[J].DiabetesMetab,2002,28(5):364-376.[44]ExpertPanelonDetectionE,TreatmentofHighBloodCholesterolinA.ExecutiveSummaryofTheThirdReportofTheNationalCholesterolEducationProgram(NCEP)ExpertPanelonDetection,Evaluation,AndTreatmentofHighBloodCholesterolInAdults(AdultTreatmentPanelIII)[J].JAMA,2001,285(19):2486-2497.[45]SocietyCD.ChineseDiabetesSocietysuggestionsfordefinitionofmetabolicsyndrome[J].ChineseJournalofDiabetes,2004,12(3):156-161.[46]AlbertiKG,EckelRH,GrundySM,etal.Harmonizingthemetabolicsyndrome:ajointinterimstatementoftheInternationalDiabetesFederationTaskForceonEpidemiologyandPrevention;86 华中科技大学博士学位论文NationalHeart,Lung,andBloodInstitute;AmericanHeartAssociation;WorldHeartFederation;InternationalAtherosclerosisSociety;andInternationalAssociationfortheStudyofObesity[J].Circulation,2009,120(16):1640-1645.[47]Beltran-SanchezH,HarhayMO,HarhayMM,etal.PrevalenceandtrendsofmetabolicsyndromeintheadultU.S.population,1999-2010[J].JAmCollCardiol,2013,62(8):697-703.[48]GaoW.Doestheconstellationofriskfactorswithandwithoutabdominaladiposityassociatewithdifferentcardiovascularmortalityrisk?[J].IntJObes(Lond),2008,32(5):757-762.[49]RanasingheP,MathangasingheY,JayawardenaR,etal.Prevalenceandtrendsofmetabolicsyndromeamongadultsintheasia-pacificregion:asystematicreview[J].BMCPublicHealth,2017,17(1):101.[50]HidakaT,HayakawaT,KakamuT,etal.PrevalenceofMetabolicSyndromeandItsComponentsamongJapaneseWorkersbyClusteredBusinessCategory[J].PLoSOne,2016,11(4):e0153368.[51]MotalaAA,EsterhuizenT,PirieFJ,etal.TheprevalenceofmetabolicsyndromeanddeterminationoftheoptimalwaistcircumferencecutoffpointsinaruralSouthafricancommunity[J].DiabetesCare,2011,34(4):1032-1037.[52]LiR,LiW,LunZ,etal.PrevalenceofmetabolicsyndromeinMainlandChina:ameta-analysisofpublishedstudies[J].BMCPublicHealth,2016,16:296.[53]ZhaoY,YanH,YangR,etal.PrevalenceanddeterminantsofmetabolicsyndromeamongadultsinaruralareaofNorthwestChina[J].PLoSOne,2014,9(3):e91578.[54]WirfaltE,HedbladB,GullbergB,etal.Foodpatternsandcomponentsofthemetabolicsyndromeinmenandwomen:across-sectionalstudywithintheMalmoDietandCancercohort[J].AmJEpidemiol,2001,154(12):1150-1159.[55]ReavenGM.Dohighcarbohydratedietspreventthedevelopmentorattenuatethemanifestations(orboth)ofsyndromeX?Aviewpointstronglyagainst[J].CurrOpinLipidol,1997,8(1):23-27.[56]EliassonB,AttvallS,TaskinenMR,etal.Theinsulinresistancesyndromeinsmokersisrelatedtosmokinghabits[J].ArteriosclerThromb,1994,14(12):1946-1950.[57]DixonJB,DixonME,O'BrienPE.Alcoholconsumptionintheseverelyobese:relationshipwiththemetabolicsyndrome[J].ObesRes,2002,10(4):245-252.[58]LiangpunsakulS,ChalasaniN.Unexplainedelevationsinalanineaminotransferaseinindividualswiththemetabolicsyndrome:resultsfromthethirdNationalHealthandNutritionSurvey(NHANESIII)[J].AmJMedSci,2005,329(3):111-116.[59]KainK,CarterAM,GrantPJ,etal.AlanineaminotransferaseisassociatedwithatherothromboticriskfactorsinaBritishSouthAsianpopulation[J].JThrombHaemost,2008,6(5):737-741.[60]SchindhelmRK,DekkerJM,NijpelsG,etal.Alanineaminotransferaseandthe6-yearriskofthemetabolicsyndromeinCaucasianmenandwomen:theHoornStudy[J].DiabetMed,2007,24(4):430-435.[61]KimDJ,NohJH,ChoNH,etal.Serumgamma-glutamyltransferasewithinitsnormalconcentrationrangeisrelatedtothepresenceofdiabetesandcardiovascularriskfactors[J].DiabetMed,2005,22(9):1134-1140.[62]NakanishiN,SuzukiK,TataraK.Serumgamma-glutamyltransferaseandriskofmetabolicsyndromeandtype2diabetesinmiddle-agedJapanesemen[J].DiabetesCare,2004,27(6):1427-1432.[63]杜焕民.成年人群血清肝酶与代谢综合征的相关性研究[J].中国博硕士学位论文库,2016.[64]林波.人群中尿酸水平与代谢综合征及慢性肾脏病的关系[J].中国博硕士学位论文库,2014.[65]邓楠.血尿酸水平与代谢综合征及各组分的相关性研究[J].中国博硕士学位论文库,2012.[66]FordES.Risksforall-causemortality,cardiovasculardisease,anddiabetesassociatedwiththemetabolicsyndrome:asummaryoftheevidence[J].DiabetesCare,2005,28(7):1769-1778.[67]FromtheCentersforDiseaseControlandPrevention.Cigarettesmokingamongadults--UnitedStates,1992,andchangesindefinitionofsmoking[J].JAMA,1994,272(1):14-16.[68]SunK,RenM,LiuD,etal.Alcoholconsumptionandriskofmetabolicsyndrome:ameta-analysisofprospectivestudies[J].ClinNutr,2014,33(4):596-602.[69]ChinaNBoSoTabulationonthe2010populationcensusofPeople’sRepublicofChina.http://www.stats.gov.cn/tjsj/pcsj/rkpc/5rp/index.htm.[70]WangYT,TaoJ,MaimaitiA,etal.PrevalenceofvalvularheartdiseasesandassociatedriskfactorsinHan,UygurandKazakpopulationinXinjiang,China[J].PLoSOne,2017,12(3):e0174490.87 华中科技大学博士学位论文[71]ZohraR,SongMS,IlihamN,etal.[AcomparativestudyoncharacterizationsofgeneticrecombinationhotspotsinPPARGgenebetweenKirgizandUyghurethnicgroupsinXinjiang][J].ZhonghuaYiXueZaZhi,2016,96(31):2487-2492.[72]MarcuelloC,Calle-PascualAL,FuentesM,etal.PrevalenceofthemetabolicsyndromeinSpainusingregionalcutoffpointsforwaistcircumference:thedi@bet.esstudy[J].ActaDiabetol,2013,50(4):615-623.[73]FordES,LiC,ZhaoG.PrevalenceandcorrelatesofmetabolicsyndromebasedonaharmoniousdefinitionamongadultsintheUS[J].JDiabetes,2010,2(3):180-193.[74]YanWL,LiXS,WangQ,etal.Overweight,highbloodpressureandimpairedfastingglucoseinUyghur,Han,andKazakhChinesechildrenandadolescents[J].EthnHealth,2015,20(4):365-375.[75]JiangJ,ZhangB,ZhangM,etal.PrevalenceofconventionalcardiovasculardiseaseriskfactorsamongChineseKazakhindividualsofdiverseoccupationalbackgroundsinXinjiangChina[J].IntJCardiol,2015,179:558-560.[76]MartiniFA,BorgesMB,GuedesDP.[EatinghabitandmetabolicsyndromeinasampleofBrazilianadults][J].ArchLatinoamNutr,2014,64(3):161-173.[77]HongSA,KimMK.RelationshipbetweenfruitandvegetableintakeandtheriskofmetabolicsyndromeanditsdisordersinKoreanwomenaccordingtomenopausalstatus[J].AsiaPacJClinNutr,2017,26(3):514-523.[78]SabateJ,WienM.Aperspectiveonvegetariandietarypatternsandriskofmetabolicsyndrome[J].BrJNutr,2015,113Suppl2:S136-143.[79]XiaY,GuY,YuF,etal.AssociationbetweendietarypatternsandmetabolicsyndromeinChineseadults:apropensityscore-matchedcase-controlstudy[J].SciRep,2016,6:34748.[80]WHO.globalactionplanfortheprevalenceandcontrolofNCDs2013-2010.[J].Geneva:WorldHealthOrganization,2013.[81]MagerDR,MazurakV,Rodriguez-DimitrescuC,etal.Amealhighinsaturatedfatevokespostprandialdyslipemia,hyperinsulinemia,andalteredlipoproteinexpressioninobesechildrenwithandwithoutnonalcoholicfattyliverdisease[J].JPENJParenterEnteralNutr,2013,37(4):517-528.[82]SchulerR,OsterhoffMA,FrahnowT,etal.High-Saturated-FatDietIncreasesCirculatingAngiotensin-ConvertingEnzyme,WhichIsEnhancedbythers4343PolymorphismDefiningPersonsatRiskofNutrient-DependentIncreasesofBloodPressure[J].JAmHeartAssoc,2017,6(1).[83]TangvarasittichaiS,PimanpromA,ChoowetA,etal.Associationofironoverloadandoxidativestresswithinsulinresistanceintransfusion-dependentbeta-thalassemiamajorandbeta-thalassemia/HbEpatients[J].ClinLab,2013,59(7-8):861-868.[84]AzadbakhtL,EsmaillzadehA.RedmeatintakeisassociatedwithmetabolicsyndromeandtheplasmaC-reactiveproteinconcentrationinwomen[J].JNutr,2009,139(2):335-339.[85]deOliveiraOttoMC,AlonsoA,LeeDH,etal.Dietaryintakesofzincandhemeironfromredmeat,butnotfromothersources,areassociatedwithgreaterriskofmetabolicsyndromeandcardiovasculardisease[J].JNutr,2012,142(3):526-533.[86]GuoQ,YuD,YuD,etal.monitoringandcomparativeanalysisofthenutritionandhealthsurveyfrom1959to2013inChina.[J].JournalofHygieneResearch,2016,(04):542-547.[87]MarmotM.食物、营养、身体活动和癌症预防[J].中国协和医科大学出版社,2008.[88]别志欣.北京地区某体检人群高尿酸血症与代谢综合征的关系分析[J].中国博硕士学位论文库,2005.[89]ChoiHK,FordES.Prevalenceofthemetabolicsyndromeinindividualswithhyperuricemia[J].AmJMed,2007,120(5):442-447.[90]ChoiHK,MountDB,ReginatoAM.Pathogenesisofgout[J].AnnInternMed,2005,143(7):499-516.[91]BakkerSJ,GansRO,terMaatenJC,etal.Thepotentialroleofadenosineinthepathophysiologyoftheinsulinresistancesyndrome[J].Atherosclerosis,2001,155(2):283-290.[92]KernerA,AvizoharO,SellaR,etal.AssociationbetweenelevatedliverenzymesandC-reactiveprotein:possiblehepaticcontributiontosystemicinflammationinthemetabolicsyndrome[J].ArteriosclerThrombVascBiol,2005,25(1):193-197.[93]LeeYJ,KimJK,LeeJH,etal.Associationofserumgamma-glutamyltransferasewithC-reactiveproteinlevelsandwhitebloodcellcountinKoreanadults[J].ClinChemLabMed,2008,46(10):88 华中科技大学博士学位论文1410-1415.[94]YangL,YanJ,TangX,etal.Prevalence,Awareness,Treatment,ControlandRiskFactorsAssociatedwithHypertensionamongAdultsinSouthernChina,2013[J].PLoSOne,2016,11(1):e0146181.[95]PanL,YangZ,WuY,etal.Theprevalence,awareness,treatmentandcontrolofdyslipidemiaamongadultsinChina[J].Atherosclerosis,2016,248:2-9.[96]黄恩善.浙江省4个城市成人血脂异常现状及影响因素的横断面研究[J].中国博硕士学位论文库,2014.[97]李东慧.甘肃兰州地区代谢综合征流行病学调查及不同诊断标准的对比研究[J].中国博硕士学位论文库,2016.[98]李春晖，郭淑霞，马儒林，等.2010年新疆喀什地区维吾尔᯿人群代谢综合征流行现状[J].中华预防医学杂志,2012,46(5):419-423.[99]廖志红，余秋琼，邵虹，等.广东佛山地区代谢综合征患病率现况调查[J].中国糖尿病杂志,2006,14(1):47-48.[100]ZuoH,ShiZ,HuX,etal.PrevalenceofmetabolicsyndromeandfactorsassociatedwithitscomponentsinChineseadults[J].Metabolism,2009,58(8):1102-1108.[101]吴金贵.上海市长宁区社区居民代谢综合征患病率调查[J].中国预防医学杂志,2013,14(3):213-216.[102]FordES,GilesWH,DietzWH.PrevalenceofthemetabolicsyndromeamongUSadults:findingsfromthethirdNationalHealthandNutritionExaminationSurvey[J].JAMA,2002,287(3):356-359.[103]张刚，祝之明，赵志钢.代谢综合征诊断标准临床应用的比较[J].中华医学杂志,2005,85(7):490-491.[104]陈蕾，贾伟平，陆俊茜.上海市成人代谢综合征流行调查[J].中华心血管病杂志,2003,31(12):909-912.[105]刘玲.新疆乌鲁木齐地区人群代谢综合征流行病学特点分析[J].贵州医学,2017,41(3):306-307.[106]LiuB,LehmlerHJ,SunY,etal.BisphenolAsubstitutesandobesityinUSadults:analysisofapopulation-based,cross-sectionalstudy[J].LancetPlanetHealth,2017,1(3):e114-e122.[107]WaterreusAJ,LaugharneJD.Screeningforthemetabolicsyndromeinpatientsreceivingantipsychotictreatment:aproposedalgorithm[J].MedJAust,2009,190(4):185-189.[108]TehraniDM,MalikS,WongND.Coronaryarterycalciumscreeninginpersonswithmetabolicsyndromeanddiabetes:implicationsforprevention[J].MetabSyndrRelatDisord,2013,11(3):143-148.[109]GenserL,CasellaMarioloJR,Castagneto-GisseyL,etal.Obesity,Type2Diabetes,andtheMetabolicSyndrome:PathophysiologicRelationshipsandGuidelinesforSurgicalIntervention[J].SurgClinNorthAm,2016,96(4):681-701.[110]SaidS,MukherjeeD,WhayneTF.InterrelationshipswithMetabolicSyndrome,ObesityandCardiovascularRisk[J].CurrVascPharmacol,2016,14(5):415-425.[111]EnginA.TheDefinitionandPrevalenceofObesityandMetabolicSyndrome[J].AdvExpMedBiol,2017,960:1-17.[112]RajputR,RajputM,BairwaM,etal.Waistheightratio:AuniversalscreeningtoolforpredictionofmetabolicsyndromeinurbanandruralpopulationofHaryana[J].IndianJEndocrinolMetab,2014,18(3):394-399.[113]于建星.四种肥胖指标对代谢综合征筛查效果分析[J].中国博硕士学位论文库,2017.[114]ElishaB,MessierV,KarelisA,etal.TheVisceralAdiposityIndex:Relationshipwithcardiometabolicriskfactorsinobeseandoverweightpostmenopausalwomen--aMONETgroupstudy[J].ApplPhysiolNutrMetab,2013,38(8):892-899.[115]Bronczyk-PuzonA,JagielskiP,Kulik-KupkaK,etal.Usefulnessofanewanthropometricindicator-VAI(VisceralAdiposityIndex)intheevaluationofmetabolicandhormonaldisordersinwomenwithpolycysticovarysyndrome[J].AdvClinExpMed,2017,26(5):825-828.[116]HiremathR,IbrahimJ,PrasanthiK,etal.ComparativeStudyofUltrasonographicandAnthropometricMeasurementsofRegionalAdiposityinMetabolicSyndrome[J].JClinDiagnRes,2017,11(8):Tc01-tc05.[117]DespresJP,LemieuxI.Abdominalobesityandmetabolicsyndrome[J].Nature,2006,444(7121):881-887.89 华中科技大学博士学位论文[118]BergmanRN,KimSP,HsuIR,etal.Abdominalobesity:roleinthepathophysiologyofmetabolicdiseaseandcardiovascularrisk[J].AmJMed,2007,120(2Suppl1):S3-8;discussionS29-32.[119]PhillipsLK,PrinsJB.Thelinkbetweenabdominalobesityandthemetabolicsyndrome[J].CurrHypertensRep,2008,10(2):156-164.[120]MathieuP.Abdominalobesityandthemetabolicsyndrome:asurgeon'sperspective[J].CanJCardiol,2008,24SupplD:19d-23d.[121]FranssenR,MonajemiH,StroesES,etal.Obesityanddyslipidemia[J].MedClinNorthAm,2011,95(5):893-902.[122]BjornsonE,AdielsM,TaskinenMR,etal.Kineticsofplasmatriglyceridesinabdominalobesity[J].CurrOpinLipidol,2017,28(1):11-18.[123]KnowlesKM,PaivaLL,SanchezSE,etal.WaistCircumference,BodyMassIndex,andOtherMeasuresofAdiposityinPredictingCardiovascularDiseaseRiskFactorsamongPeruvianAdults[J].IntJHypertens,2011,2011:931402.[124]DuT,YuanG,ZhangM,etal.Clinicalusefulnessoflipidratios,visceraladiposityindicators,andthetriglyceridesandglucoseindexasriskmarkersofinsulinresistance[J].CardiovascDiabetol,2014,13:146.[125]AmatoMC,GiordanoC.Visceraladiposityindex:anindicatorofadiposetissuedysfunction[J].2014,2014:730827.[126]ChiangJK,KooM.Lipidaccumulationproduct:asimpleandaccurateindexforpredictingmetabolicsyndromeinTaiwanesepeopleaged50andover[J].BMCCardiovascDisord,2012,12:78.[127]BrowningLM,HsiehSD,AshwellM.Asystematicreviewofwaist-to-heightratioasascreeningtoolforthepredictionofcardiovasculardiseaseanddiabetes:0.5couldbeasuitableglobalboundaryvalue[J].NutrResRev,2010,23(2):247-269.[128]AshwellM,HsiehSD.Sixreasonswhythewaist-to-heightratioisarapidandeffectiveglobalindicatorforhealthrisksofobesityandhowitsusecouldsimplifytheinternationalpublichealthmessageonobesity[J].IntJFoodSciNutr,2005,56(5):303-307.[129]WuY,LiuF,AdiD,etal.Associationbetweencarotidatherosclerosisanddifferentsubtypesofhypertensioninadultpopulations:AmultiethnicstudyinXinjiang,China[J].PLoSOne,2017,12(2):e0171791.[130]BorglykkeA,AndreasenAH,KuulasmaaK,etal.StrokeriskestimationacrossnineEuropeancountriesintheMORGAMproject[J].Heart,2010,96(24):1997-2004.[131]GiampaoliS,PalmieriL,MattielloA,etal.Definitionofhighriskindividualstooptimisestrategiesforprimarypreventionofcardiovasculardiseases[J].NutrMetabCardiovascDis,2005,15(1):79-85.[132]KwasnyC,ManuwaldU,KuglerJ,etal.SystematicReviewoftheEpidemiologyandNaturalHistoryoftheMetabolicVascularSyndromeanditsCoincidencewithType2DiabetesMellitusandCardiovascularDiseasesinDifferentEuropeanCountries[J].HormMetabRes,2018,50(3):201-208.[133]KishoreSP,BlankE,HellerDJ,etal.ModernizingtheWorldHealthOrganizationListofEssentialMedicinesforPreventingandControllingCardiovascularDiseases[J].JAmCollCardiol,2018,71(5):564-574.[134]AppiahD,CapistrantBD.CardiovascularDiseaseRiskAssessmentintheUnitedStatesandLow-andMiddle-IncomeCountriesUsingPredictedHeart/VascularAge[J].SciRep,2017,7(1):16673.[135]MaasR,XanthakisV,GoenT,etal.PlasmaNitrateandIncidenceofCardiovascularDiseaseandAll-CauseMortalityintheCommunity:TheFraminghamOffspringStudy[J].JAmHeartAssoc,2017,6(11).[136]WuY,LiuX,LiX,etal.Estimationof10-yearriskoffatalandnonfatalischemiccardiovasculardiseasesinChineseadults[J].Circulation,2006,114(21):2217-2225.[137]LiC,FordES.Isthereasingleunderlyingfactorforthemetabolicsyndromeinadolescents?Aconfirmatoryfactoranalysis[J].DiabetesCare,2007,30(6):1556-1561.[138]EdwardsKL,AustinMA,NewmanB,etal.Multivariateanalysisoftheinsulinresistancesyndromeinwomen[J].ArteriosclerThromb,1994,14(12):1940-1945.[139]吴庆生，刘志荣，陈叶纪，等.安徽省2415名老年人群代谢综合征患病特征及因子分析[J].安徽预防医学杂志,2017,3:168-180.[140]严翠芳.基于常规体检生物标志物应用探索因子分析法构建代谢综合征风险预测模型的队列研究90 华中科技大学博士学位论文[J].中国博硕士学位论文库,2017.[141]GrazianoF,GrassiM,SaccoS,etal.ProbingthefactorstructureofmetabolicsyndromeinSardiniangeneticisolates[J].NutrMetabCardiovascDis,2015,25(6):548-555.[142]NasilaSungwachaJ,TylerJ,Longo-MbenzaB,etal.AssessingclusteringofmetabolicsyndromecomponentsavailableatprimarycareforBantuAfricansusingfactoranalysisinthegeneralpopulation[J].BMCResNotes,2013,6:228.[143]WilsonPW,D'AgostinoRB,PariseH,etal.Metabolicsyndromeasaprecursorofcardiovasculardiseaseandtype2diabetesmellitus[J].Circulation,2005,112(20):3066-3072.[144]王薇，赵冬，刘静等.中国35-64岁人群心血管病危险因素与发病危险预测模型的前瞻性研究[J].中华心血管病杂志,2003,32:902-908.[145]康国栋.代谢综合征组分间交互作用的探讨及MS和Framingham风险评分预测2型糖尿病、心血管疾病能力比较的队列研究[J].中国博硕士学位论文库,2007.[146]LawlorDA,SmithGD,EbrahimS.DoesthenewInternationalDiabetesFederationdefinitionofthemetabolicsyndromepredictCHDanymorestronglythanolderdefinitions?FindingsfromtheBritishWomen'sHeartandHealthStudy[J].Diabetologia,2006,49(1):41-48.[147]LombardL,AugustynMN,Ascott-EvansBH.Themetabolicsyndrome--pathogenesis,clinicalfeaturesandmanagement[J].CardiovascJSAfr,2002,13(4):181-186.[148]FriedlanderAH,WeinrebJ,FriedlanderI,etal.Metabolicsyndrome:pathogenesis,medicalcareanddentalimplications[J].JAmDentAssoc,2007,138(2):179-187;quiz248.[149]BarbaroG.Highlyactiveantiretroviraltherapy-associatedmetabolicsyndrome:pathogenesisandcardiovascularrisk[J].AmJTher,2006,13(3):248-260.[150]YoonJH,ParkJK,OhSS,etal.Theclusteringpatternsofmetabolicriskfactorsanditsassociationwithsub-clinicalatherosclerosisinKoreanpopulation[J].AnnHumBiol,2011,38(5):640-646.[151]WangS,Moustaid-MoussaN,ChenL,etal.Novelinsightsofdietarypolyphenolsandobesity[J].JNutrBiochem,2014,25(1):1-18.[152]WangH,PengDQ.Newinsightsintothemechanismoflowhigh-densitylipoproteincholesterolinobesity[J].LipidsHealthDis,2011,10:176.[153]MeigsJB.Invitedcommentary:insulinresistancesyndrome?SyndromeX?Multiplemetabolicsyndrome?Asyndromeatall?Factoranalysisrevealspatternsinthefabricofcorrelatedmetabolicriskfactors[J].AmJEpidemiol,2000,152(10):908-911;discussion912.[154]何佳，郭恒，丁玉松，等.新疆哈萨克᯿、维吾尔᯿和汉᯿农村居民超重、肥胖流行病学调查[J].中华流行病学杂志,2013,8(12):184-204.[155]TheWorldHealthOrganizationMONICAProject(monitoringtrendsanddeterminantsincardiovasculardisease):amajorinternationalcollaboration.WHOMONICAProjectPrincipalInvestigators[J].JClinEpidemiol,1988,41(2):105-114.[156]GhoshA.Factoranalysisofmetabolicsyndromeamongthemiddle-agedBengaleeHindumenofCalcutta,India[J].DiabetesMetabResRev,2005,21(1):58-64.[157]孙凤，陶秋山，詹思延.糖尿病患者代谢综合征组分的因子分析[J].中国糖尿病杂志,2010,18(11):818-820.[158]龚敏.代谢综合征组分的因子分析[J].中国医药指南,2011,9(2):14-17.[159]张文超.基于纵向监测健康管理队列的代谢综合征预测模型及其工具的研究[J].中国博硕学位论文库,2016.[160]delaIglesiaB,PotterJF,PoulterNR,etal.PerformanceoftheASSIGNcardiovasculardiseaseriskscoreonaUKcohortofpatientsfromgeneralpractice[J].Heart,2011,97(6):491-499.[161]张梅.中国成人心脑血管疾病发病风险研究[J].中国博硕士学位论文库,2017.[162]WHO.Preventionofcardiovaculardisease:guidelineforassessmentandmanagementoftotalcardiovacularrisk.[J].Geneva:WorldHealthOrganization,2007,2007.[163]YangX,LiJ,HuD,etal.Predictingthe10-YearRisksofAtheroscleroticCardiovascularDiseaseinChinesePopulation:TheChina-PARProject(PredictionforASCVDRiskinChina)[J].Circulation,2016,134(19):1430-1440.91 华中科技大学博士学位论文综述代谢综合征对心脑血管疾病影响的研究进展郭恒综述魏晟审校1代谢综合征流行现状1988年，Reaven首先将腹型肥胖、血糖代谢异常、血压高、血脂紊乱等心脑血管疾病危险因子趋向于发生在同一患者的状态称为“X综合征(Palindrome)”，并认为胰岛[1]素抵抗是导致上述症状的主要原因。1998年，世界卫生组织（WHO）将这种多个CVD[2]危险因素并存的状态定义为“代谢综合征(metabolicsyndrome，MetS)”。之后国内外多个权威学术组织相继发布了代谢综合征的诊断标准，2001年美国成人胆固醇教育计划治[3]疗小组第三次报告中发布了MetS的定义(简称“NCEP-ATPⅢ标准”)。2004年我国中华[4]医学会糖尿病学分会（ChineseDiabetesSociety,CDS）制定了中国人MetS诊断标准。2005年国际糖尿病联盟(InternationalDiabetesFederation，IDF)发布了MetS的全球工作[5]定义，以便于在人群中开展MetS的防治。2009年IDF、美国心脏协会（AmericanHeartAssociation,AHA）、美国国家心肺血液研究所(NationalHeart,Lung,andBloodInstitute，NHLBI)、世界心脏病联盟(WorldHeartFederation,WHF)、国际肥胖研究协会（InternationalSociationfortheStudyofObesity），国际血管动脉粥样硬化协会（ASIO）等组织为进一步统一代谢综合征诊断标准提出了诊断的联合声明（JointInterim[6]Statement,JIS），被认为是目前代谢综合征最权威的诊断标准。数据研究显示国内外不同地区、种᯿代谢综合征患病率均很高。美国2003年-2006年全国营养与健康调査数据显示，按照目前最新的代谢综合征诊断标准（JIS标准），20岁以上的成年人代谢综合征总患病率为34.3%，男性为36.1%，女性为32.4%；20-29岁人群代谢综合征的患病率为15%，30-39岁人群为27.8%，40-49岁人群为39.5%，50-59岁人群为44.6%，60-69岁的患病率为59.3%，≥70岁人群的患病率下降到44.9%。白种人患病率为31.3%，非裔美国人为38.2%，墨西哥裔美国人为41.9%，无论男女墨西哥[7]裔美国人患病率均最高。MetS在欧洲的患病率同样很高，欧洲多国慢性病调查，包括[8]英国、意大利等国家，按照IDF标准患病率达39%。男性患病率41%，女性39%。西92 华中科技大学博士学位论文班牙按NCEP-ATPIII标准对35～64岁2929人进行调查，MetS患病率为22.4％，女性[9]27.1％，男性7.5％。俄罗斯对18岁以上人群的现况调查结果显示，男性MetS的患病[10]率为9.5%，女性MetS的患病率为23.5%。芬兰按照三种MetS诊断标准调查成人患病率显示：按照IDF标准患病率为37.2%，按照NCEP-ATPIII标准患病率为24.7%，按[11]照JIS标准患病率为35.2%。在亚太地区，MetS流行现状也不容乐观。P.Ranasinghe等报道亚太地区五分之一的成年人口患有MetS，按照IDF标准，澳大利亚MetS患病率最高为35.8%，菲律宾患[12]病率最低为14.5%，印度患病率为19.4%，中国患病率为18.2%。TomooHidaka等利[13]用2012年日本16万人健康体检数据统计MetS总患病率为13.4%（IDF标准）。2003年菲律宾进行的一项全国性调查显示,根据NCEP-ATPIII标准,报告的患病率最低，MetS患病率为11.9%。韩国全国范围调查显示，按照ATPIII标准，MetS的患病率为[14]15.7%。RiLi等综合了我国2005年-2015年的36项MetS患病率调查，总患病率为24.5%（IDF标准），男性患病率为19.2%，低于女性的27.0%，城市居民高于农村居民[15]（24.9%vs19.2%），北方居民与南方居民相近（24.4%vs24.6%）。2009年全国营养调查显示按照NCEP-ATPⅢ标准我国居民MetS患病率为21.3%，按照IDF标准患病率[16]为18.2%，而按照CDS标准患病率为10.5%。北京的一项16442人的调查显示18岁以上成年人MetS患病率按照IDF标准为23.2%，男性患病率为24.5%，女性为22.7%；[17]而按照NCEP-ATPⅢ标准患病率为16.2%，男性为16.1%，而女性为16.6%。上海市调查了年龄在20岁以上成人5584名，结果显示按照IDF标准，男性MetS患病率为15.9%，[18]女性患病率为26.7%。我国西北地区宁夏调查成人MetS患病率为11.8%（IDF标准），[19]其中汉᯿患病率为10.3%，低于回᯿的患病率13.7%。内蒙古地区通辽市对20岁以上的成人现况调查显示，按照IDF标准，MetS患病率为17.1%，其中男性11.4%，明显低[20]于女性的21.6%。一项陕西汉中农村MetS患病率调查显示，按照NCEP-ATPⅢ标准[21]MetS患病率为7.9%，按照IDF标准患病率为10.8%。2007年台湾学者抽取有代表性的城市居民2359例，调查MetS患病率显示，40-64岁和65岁以上男性患病率分别为[22]35.32%和43.23%；女性分别为24.19%和51.28%。MetS在我国已㓿成为备受瞩目的公共卫生问题，由其导致的心脑血管疾病和糖尿病，已㓿严重影响国人的健康和生活质䟿，并造成巨大的医疗㓿济负担。93 华中科技大学博士学位论文2.心脑血管疾病流行现状2.1国际心脑血管疾病流行现状心脑血管疾病（Cardiovasculardiease，CVD）是指人体大脑、心脏及全身组织发生[23]缺血性或出血性病变，主要包括脑卒中、冠心病、风湿性心脏病及肺源性心脏病等。[24-25]CVD在全球疾病死因谱中已成为大多数国家前两位死亡原因。据世界卫生组织最新报道，2015年全球有1750万人死于心脑血管疾病，占全球死亡总人数的31%；其中，740万人死于冠心病，670万人死于中风；83%的发生在中、低收入国家（约1031[26]万人）。目前，我国心脑血管疾病患者人数高达2.9亿，其中脑卒中、冠心病、心力衰竭、肺源性心脏病患者的数䟿分别达到1300万、1100万、450万和500万，心脑血管疾病引起的死亡病例总数已㓿占总死亡人数的41%，⇿年新增心脑血管疾病死亡例数达到350万，成为我国居民疾病谱中的头号杀手。心脑血管疾病在农村居民中死亡率高达298.42/10万，显著高于我国城市的死亡率（264.84/10万），心脑血管疾病⇿年造[27]成的直接医疗费用高达1300亿元。CVD在发达国家的流行一般分为四个阶段，第一阶段是在20世纪50年代之前，为CVD的低发病期，人群的主要健康问题是传染性疾病、营养缺乏性疾病，CVD造成的死亡仅占总死亡率的5%~10%，而且其主要构成是肺源性心脏病和风湿性心脏病。第二个阶段是发病率上升期，随着㓿济的发展，人们的生活方式和膳食结构改变，食物充足，高热䟿食物在饮食中的比例增大，食盐摄入增加，导致高血压、高血压性心脏病和脑卒中发病率和死亡率增加，CVD发病率逐渐上升，其引起的死亡病例数占人群总死亡数的比例达到10%~30%。第三个阶段为CVD发病高峰期，时间在上世界的80-90年代，发达国家居民摄入食物中的脂肪和热䟿大幅增加，同时发达的交通体系及体力劳动的߿少，使人群摄入的食物热能过剩，肥胖、血脂异常等CVD的危险因素盛行，冠心病和脑卒中的发病率大幅度上升，并且发病和死亡出现了年轻化趋势，CVD的死亡构成比达到了35%~65%；第四个阶段是下降期，由于各国加强了健康教育和社区管理干预等公共卫生的措施，CVD发病率和死亡率逐年下降，CVD总死亡构成比降至50%[28]以下。发展中国家社会㓿济快速发展，㓿济发展使人们能够获取充足的食物，但人们对平衡膳食，适䟿运动等CVD的防治知识认识不足，过多食用高脂肪和高热䟿的食物，而体力活动大幅߿少，静坐的生活方式在人群中越来越多普遍，工作压力加大，以及吸烟、过䟿饮酒等危险因素水平上升，再加上人口老龄化速度加快，心脑血管高危人群规模不断增加，导致CVD成为以中国为代表的发展中国家疾病谱中的首要死因。20世纪初期全球CVD死亡数仅占总死亡数的比例不足10%，而21世纪初期CVD[24]死亡数已㓿占发达国家死亡总数的近50%、发展中国家死亡总数的25%。调查显示，在美国、欧盟等发达国家CVD死亡占总死亡的比例为45%；而在中国、巴西、印度等[29]发展中国家为23%。CVD死亡率不但在不同的国家、地区、种᯿之间存在明显的差94 华中科技大学博士学位论文异，而且即使在同一个国家内不同地区之间都存在着很大差别。美国心脏协会发布的美国2008年冠心病、脑卒中及相关危险因素的统计年报显示：美国黑人男性CVD死亡率为454.0/10万、女性为333.6/10万；均高于美国白人男性的335.1/10万和女性的238.0/10[30][31]万。希腊ATTICA队列人群研究发现CVD的发病率达到15.7%。冠心病死亡率的长期变化各国有所不同。美国、加拿大以及欧盟等发达国家，自20世纪60年以来，通[32]过三级预防的防治策略使CVD的发病率和死亡率大幅降低。发展中国家则随着工业化的进程，冠心病死亡率逐渐升高。如中北美洲国家与60年代相比CVD的发病率和[26]死亡率无论男女均有不同程度的增加，增加最高者达153.1/10万，最低9.2/10万。2.2中国CVD流行现状当前冠心病和脑卒中是我国居民发病率和死亡率最高的心脑血管疾病，对居民的健康威胁极大。数据显示我国CVD的发病率和死亡率近30年呈现直线上升趋势。与上世纪90年代比较，我国城市和农村冠心病死亡率大幅增加，城市冠心病死亡率增加53.4%，[33]农村死亡率增加40.4%，男性发病率增加67%，女性增加58%。我国CVD监测系统数据显示，我国CVD总死亡率从2004年的240.0/10万上升至2010年的268.9/10万，同时CVD占总死亡的比例也从37.5%上升至40.7%。在各种类型的CVD中，冠心病死亡率上升迅速，从2004年的71.2/10万上升到2010年的92.0/10万，年均上升幅度[34]达到5.05%，同时在总死亡中缺血性心脏病的死因构成比显著上升。据2007年多国CVD监测数据报道：我国冠心病发病率最高的地区是山东达到108.7/10万，最低的是安徽为3.3/10万，两者相差33倍。多国CVD监测研究在我国12个监测点数据显示，CVD发病率在50/10万以上省市有：北京、河北、内蒙古、黑龙江和新疆；25~50/10万的省市有：沈阳和吉林；10/10万以下的省市包括：上海、江㣿、安徽等南方地区和[33]四川。我国CVD分布不但有地域的差异而且具有显著的城乡差异，死亡率城市高于[35]农村，大城市高于中小城市。2013年中国卫生统计报告显示城市居民死因谱中前3位的是：第一位是CVD（41.06%）、恶性肿瘤占总死亡比例为26.81%、第三位呼吸系统疾病（12.32%）；在农村居民中死亡构成比在前3位的是：第一位是CVD（38.72%）、[36]第二位是恶性肿瘤（22.96%）、第三位呼吸系统病（15.75%）。以上数据说明我国CVD危险因素水平上升迅速，导致了CVD的发病人数增加，总体上看，我国CVD发病率及死亡率仍处于上升阶段，CVD死亡率在死因谱中居首位，高于恶心肿瘤和其他疾病，是居民疾疾病死亡构成的首要原因，特别是农村地区，当前CVD死亡率持续高于城市水平，再加上农村医疗条件落后，医疗资源匮乏，导致CVD对居民健康的危害持续加剧。我国心脑血管病造成的直接医疗费用也在快速增加，从2004年至今，其年均增速95 华中科技大学博士学位论文已㓿超过国民生产总值的增长速度，我国CVD㓿济负担越来越严重，亟需采取积极的预防措施降低CVD发病率。3.MetS对CVD的影响CVD的发生从健康到低危、高危状态，再到CVD前期病变，直至出现临床症状。这一过程中，分布在CVD的病因链上危险因素伴随着病程的发展，不断累积，并损伤血管系统，从而导致CVD发生、发展直至死亡。相对于吸烟、饮酒、锻炼身体等远端危险因素，肥胖、高血糖、血脂异常及高血压距离CVD的结局更近，而这些危险因素恰恰是MetS的主要组分。已有诸多研究表明，MetS与CVD之间关系密切，MetS患者[37-39]发生CVD的风险比是一般人群的数倍，据美国Framingham心脏病队列研究分析3323名Framingham子代男女的8年资料显示：单有MetS预测冠心病新发总数约25％，[40]血糖正常的MetS患者10年冠心病危险≤20％。Najarian报告，MetS患者发生脑卒中的危险几乎是无MetS者的2倍，与无MetS者相比，MetS男性的脑卒中危险增加78%，[41]女性增加1倍以上。美国第三次全国健康营养调查的结果显示，在有心肌梗死或脑卒中病史的人群中，MetS的患病率超过40%，并且随着MetS异常组分数目的增加，CVD[42-43]发生和死亡风险也呈现明显上升趋势。一项为期5年的研究发现，有≥4项MetS[44]异常组分人群比只有1项代谢异常的人群其CVD发病率增加5倍。美国的一项队列辛伐他丁干预研究显示，对安慰剂组人群随访5年，排除糖尿病患者后，在这两个研究[45]中MetS患者心血管事件的发生率分别是非MetS人群的1.5和1.4倍。一项包含了87项研究的系统综述表明，MetS患者更容易发生CVD(HR=2.35,95％CI:2.02-2.73)，其中发生心肌梗死的风险比为1.99(95％CI:1.61-2.46)，发生脑卒中的风险比为2.27(95％CI:1.80-2.85)。该综述还发现具有MetS但无2型糖尿病的患者CVD的发病风险同样升[46]高。一项包含了37项欧美前瞻性队列研究的meta分析表明，MetS患者CVD死亡风险为(HR=1.78,95%CI:1.58-2.00)，女性MetS者较男性有更高的CVD死亡风险（HR：[47]2.63vs1.98,P=0.09）。来自亚洲的多项前瞻性队列研究也证明MetS患者发生CVD的风险明显高于非MetS患者。韩国的一项队列研究发现，MetS患者发生CVD事件的风险是非MetS患者的1.43倍(95％CI:1.12-1.82)，MetS患者冠心病发生风险是非MetS[48]患者的1.5倍(95％CI:1.09-2.29)。日本的研究发现，在调整各种混杂因素后，MetS者的CVD发病风险显著增加(男性:RR=1.86,95%CI:1.32-2.62，女性:RR=1.70,95%CI:[49]1.22-2.36)。国内的研究同样发现MetS可以增加CVD发生和死亡风险。中国缺血性脑卒中预测模型研究表明在不同的地区和民᯿之中，MetS均显著增加脑卒中发病风险，96 华中科技大学博士学位论文[50]风险比从1.51至2.14。中国11省市的队列研究显示：我国人群中MetS患者发生CVD事件的风险是非MetS者的2.01倍(95%CI:1.73-2.33)，MetS患者发生冠心病风险是非[39]MetS者的1.80倍(95%CI:1.36-2.37)。另一项国内的研究也发现MetS是CVD发病最重要的预测因素，在调整混杂因素后，MetS导致CVD发病风险显著增加(RR:2.49,95％[51]CI:1.59-3.90)。4.MetS组分对CVD的影响4.1肥胖与CVD肥胖作为MetS的核心组分，与MetS其它组分密切相关，肥胖者容易引起高血压、高血糖、血脂紊乱等，这些因素聚集在一起，导致MetS，进而增加CVD的发生风险，因此肥胖是导致CVD发生的启动因子。肥胖人群的CVD发病风险高，肥胖患者患冠心[52]病的风险是正常者的2～3倍，心脏猝死的风险为正常人2倍。近年随着㓿济的不断发展，城市化进程加快，人们的生活方式发生巨大转变，静坐生活方式和不合理的膳食结构，造成越来越多的人摄入能䟿过剩，导致肥胖发病率居高不下，肥胖患者群体不断增大，肥胖已成为全世界关注的流行性疾病，成为严重危害人类键康的慢性非传染性病。在世界不同地区、国家、种᯿中肥胖的患病率都很高，而且在不断升高。Bhupathiraju等综合了全球200个国家和地区肥胖发展趋势发现，从1975年到2014年男性肥胖患病率从3.2%上升到10.8%，女性从6.4%上升到14.9%。按照这个增长速度计算，到2025[53]年全世界男性肥胖率将达到18%，女性肥胖率会达到21%。我国从1993年到2009年，男性超重率从8%增长到17.1%，女性从10.7%增长到14.4%。2010年全国居民营养健康调查显示，按照世界卫生组织制定的亚洲人肥胖诊断标准我国成人超重率达到[54]24.8%，肥胖患病率增至11%。世界卫生组织推荐体质指数和腰围作为简便、有效的肥胖测䟿指标。体质指数己被[55-56]广泛用于评价全身性肥胖，国内外研究表明体质指数与各种代谢性疾病密切相关，但体质指数不能反映内脏脂肪的分布情况，而肥胖导致CVD主要是内脏脂肪含䟿过多[52]引起的。学者们提出腰围可以作为评价内脏脂肪的肥胖测䟿指标。但近年研究发现腰围不能有效区分皮下脂肪和内脏脂肪，也就是不能准确的反映内脏脂肪蓄积的情况，因此有学者提出了“内脏肥胖”的概念，认为内脏脂肪蓄积过䟿是引起CVD诸多危险因素的主要原因。目前主要提出的指标有脂质蓄积指数（Lipidaccumulationproduct，LAP）、内脏肥胖指数（Visceraladiposityindex，VAI）、腰围身高比（Waist-to-heightratio，WHtR）、[57-60]和人体脂肪指数（Bodyadiposityindex，BAI）。研究表明这些指标与传统的指标相97 华中科技大学博士学位论文比，能够更加精确的反映内脏脂肪含䟿，与CVD及其危险因素的关联更紧密，对CVD风险的评价价值更高。研究发现LAP和VAI是CVD的独立危险因素，随着VAI水平[61-62]升高，CVD发生风险增加，预测价值高于传统的肥胖测䟿指标腰围和体质指数。国内研究者观察了肾病患者VAI水平与CVD发生关联，发现VAI对患者的CVD的预[62]测效能要高于腰围。在冠心病和脑卒中的预测上，LAP和VAI的预测价值更高。如：LAP与人体血压存在明显线性正相关关系，与高血压的发病关联比传统指标更强。张文超等研究中国内脏肥胖的低体重者发现，VAI和冠心病风险升高密切相关，可作为冠心[63]病发病和死亡风险评价的有效指标，同时该指标容易测䟿，因此具有潜在的实用价值。国内研究者还发现VAI可以体现冠心病的严重程度，与冠心病的Gensini评分显著相关[64]。4.2高血压与CVD高血压一直被认为是CVD发生的直接原因，直接增加CVD发生和死亡风险。数据统计发现高血压患者发生心脑血管事件的风险是血压正常者的2～5倍，长期不服药的高血压患者中50%死于CVD，且与血压升高的程度呈正相关，随着年龄的增加，CVD[65]的发病率呈上升趋势。潜在机制是高血压既引起大血管的损害，也同样损害微血管，微血管变异导致组织缺氧，使肾小管分泌尿酸被抑制，尿酸底物增加，这些底物引起高[66]血压患者代谢障碍，促进CVD的发生。屈志萍等研究结果显示，年龄对于高血压患[67]者心血脑管事件的发生率具有显著影响，发生心脑血管事件者年龄普遍高于未发生者。高血压患者往往伴有血脂异常，血脂异常对高血压引起CVD的发生起促进作用，研究者发现甘油三脂及低密度脂蛋白胆固醇升高和高密度脂蛋白胆固醇降低都能够加剧高[68]血压患者CVD的发生的进程。一项大型随机对照临床试验显示，降低低密度脂蛋白[69]胆固醇水平能明显降低高血压患者CVD的发生和死亡风险。本课题组研究结果也发现，CVD患者与非患者相比，低密度脂蛋白胆固醇水平存在明显差异。低密度脂蛋白胆固醇是高血压患者发生心血管事件的重要促进因素。高血压与CVD之间有相互促进作用，冠心病患者的动脉粥样硬化过程可由于存在高血压而明显加速，而高血压造成的微血管病理改变又导致心脏冠状动脉血容䟿容䟿߿低，从而加重了心脏冠状动脉血管狭[70]窄，进而引起严重的心肌缺血反应。不同的高血压型别对CVD发生和死亡的影响是不同的，研究发现伴有高同型半胱氨酸血症（hyperhomocysteine，tHcy）的高血压患者CVD发生风险更高，被称为H型高血压，H型高血压也成为目前高血压与CVD相关性研究的热点。H型高血压在高血压[71]患者中比例约为75%。也就是说大多数高血压患者都伴有高同型半胱氨酸血症，这些98 华中科技大学博士学位论文患者脑卒中和冠心病的发病风险比不伴有高同型半胱氨酸血症的患者高数倍。其潜在机制是同型半胱氨酸可以通过细胞神㓿毒性机制、血管内皮损伤机制、血管平滑肌细胞增殖机制导致机体动脉粥样硬化和血栓形成。许多人群调查显示H型高血压患者脑卒中发生风险高，而且患者的同型半胱氨酸水平对脑卒中尤其是缺血性脑卒中的发生及预后有预测作用。国内有研究者设计了多中心的前瞻性队列研究，结果显示同型半胱氨酸水平能够预测脑卒中的预后情况，该研究共募集了3309例缺血性脑卒中患者，随访3个月，[72]结果发现同型半胱氨酸水平的高低与急性缺血性脑卒中预后显著相关。国内另一研究团队长期随访观察了130名高血压并且具有脑卒中发生病史的患者，分为H型高血压组和一般高血压组，记录⇿名高血压患者脑卒中发作72小时之内的同型半胱氨酸水平，随访时间为18个月，结果显示H型高血压组脑卒中发生率为21.0%，明显高于一般高血压组的6.8%，H型高血压组的Gensini评分显著低于一般高血压组，而且发现脑卒中[73]患者急性期病情严重程度与同型半胱氨酸水密切相关。国外Forti等研究显示急性缺血性脑卒中患者入院时同型半胱氨酸水平高是患者存活率的独立预测因子，这种预测作-1[74]用在同型半胱氨酸≥30µmol/L有统计学意义（P=0.035,OR=2.05,95%CI:1.05-4.01）。-1Petersen等发现了类似的结果，提出同型半胱氨酸≥10.8µmol/L水平时，同型半胱氨酸[75]水平与脑卒中死亡风险增加相关，但不包括静脉血栓引发的脑卒中。有研究者采用血生化检测和影ۿ学检查，探索了同型半胱氨酸水平对高血压患者机体的损伤作用，结果发现H型高血压患者与一般高血压患者比较，心脏功能显著降低、[76]心肌明显肥厚、肾功能降低，全身动脉血管损伤方面都明显增加。这说明同型半胱氨酸对H型高血压患者的器官损害作用非常严重，同型半胱氨酸水平高是H型高血压患者CVD发生的独立危险因子。Zhang等开展的一项高血压和脑卒中的现况调查，募集[77]了987名脑卒中患者，观察发现脑卒中发生与同型半胱氨酸水平之间具有显著关联。国内学者在另一项2258例高血压患者的现况调查中，探讨脑卒中发病的危险因素，同样发现同型半胱氨酸水平是脑卒中发病风险的独立预测因子，随着高血压患者同型半胱[78-79]氨酸水平升高，脑卒中的发生风险上升，存在明显的剂䟿反应关系。4.3低高密度脂蛋白血症与CVD低高密度脂蛋白血症主要指机体在内外因素共同作用下由脂代谢紊乱而引起的血液中高密度脂蛋白胆固醇(High-densitylipoproteincholesterol，HDL-C)下降为主要表现[80]的代谢性疾病。不同国家、地区、种᯿的人群由于遗传背景和生活环境等因素的不同造成高密度脂蛋白胆固醇水平差异很大，但从整体看低高密度脂蛋白胆固醇血症患病率在各人群中都很高。墨西哥最新的血脂异常患病率调查显示低高密度脂蛋白胆固醇血症99 华中科技大学博士学位论文[81]患病率高达60.5%。约旦对1121名≥25岁成年居民的现况调查结果显示低高密度脂蛋[82]白胆固醇血症的患病率为40.1%。李剑虹等调查我国成年人低高密度脂蛋白胆固醇血[83]症患病率是44.8%。本课题组调查新疆哈萨克᯿成年人低高密度脂蛋白胆固醇血症患病率达到41.4%，显著高于本地区的汉᯿人群的28.9%。李亚鹏等调查新疆南疆维吾尔[84]᯿成年人低高密度脂蛋白胆固醇血症患病率也很高（34.86%）。上述低高密度脂蛋白胆固醇血症流行病学调查表明，目前世界人群血脂紊乱状态主要以低高密度脂蛋白胆固醇血症为主要表现，低高密度脂蛋白胆固醇血症是血脂异常的核心表现，而且研究发现低高密度脂蛋白胆固醇血症对机体的损害主要集中在心脑血管系统，低高密度脂蛋白胆[83]固醇血症和冠心病、脑卒中等CVD的发生和死亡存在显著的关联。原因可能是高密度脂蛋白胆固醇是人体血液循环系统维持正常运转的重要因子。高密度脂蛋白胆固醇可以通过清除人体外周血管壁过多的胆固醇，从而预防血管动脉粥样硬化的发生，同时血管动脉粥样硬化也是冠心病最常见的病理基础，人群调查发现约有50%冠心病患者中有低高密度脂蛋白胆固醇血症，血液中高密度脂蛋白胆固醇水平与血管动脉粥样硬化发生有明显的负相关关系，由于高密度脂蛋白胆固醇、血管动脉粥样硬化之间的密切联系，低高密度脂蛋白胆固醇血症及其危险因素成为国内外学者的研究热点。尤其是高密度脂蛋白胆固醇清除外周血管壁过多的胆固醇的机制成为大家研究的重点。这种清除的机制目前认为主要是巨噬细胞通过低密度胆固醇脂蛋白受体的途径获取间质液和血浆中氧化型低密度脂蛋白中的胆固醇组分，从而调节人体胆固醇水平，而且巨噬细胞本身不能够清除血清胆固醇，必需由高密度脂蛋白胆固醇把外周血管血液中过多的游离胆固醇转运至肝脏，使胆固醇转化成胆汁酸，并分泌胆汁到肝肠循环中，就是我们熟知的人体胆固醇逆向转运机制。高密度脂蛋白胆固醇降低是冠心病发生的一个重要危险因素，低水平的高密度脂蛋白胆固醇是冠心病的独立预测因子。高密度脂蛋白胆固醇在CVD患者人群中不同的亚组分水平和功能也被观察到，周毅等研究发现，CVD患者各项血脂指标均与正常人[85]群有很大的差别，主要表现在高密度脂蛋白胆固醇水平明显下降。Khan等报道血清中的高密度脂蛋白胆固醇水平降低，会引起hsCRP值增加，导致患者急性心肌梗死发生的风险明显上升。高密度脂蛋白胆固醇低对CVD的影响还体现在它与人体载脂蛋白[86]水平的联系。Fernandez等报道高密度脂蛋白胆固醇浓度低增加患冠心病的风险，因[87]为高密度脂蛋白胆固醇水平低会引起载脂蛋白的水平降低。动物实验发现，高密度脂[86]蛋白胆固醇水平低的亚组，载脂蛋白A1水平明显低于高密度脂蛋白胆固醇正常组。100 华中科技大学博士学位论文4.4高甘油三酯血症与CVD低高密度脂蛋白胆固醇血症早已确认为CVD的独立危险因子，但是甘油三脂血症与CVD之间是否存在关联存在争议。随着对脂蛋白代谢的深入研究，研究者发现高甘油三酯血症可通过脂质交换改变低密度脂蛋白胆固醇、高密度脂蛋白胆固醇的组成、代谢。高甘油三酯血症可引起高而密脂蛋白胆固醇降低、小而密脂蛋白胆固醇升高，三者在代谢上关联紧密，被看做导致动脉粥样硬化的脂蛋白表型，也称“脂质三联征”，是一[88]种导致机体动脉粥样硬化的脂质紊乱状态。临床随机对照试验结果也证实血清甘油三酯水平下降可以降低CVD事件的发生和死亡风险。Hopkins等通过病例对照研究发现冠心病病例组血浆TG水平显著高于对照组，高甘油三脂血症患者的冠心病发生风险显著高于正常组，而且还发现极低密度脂蛋白胆固醇与甘油三酯的比值对冠心病风险的预测[89]更加准确。调脂治疗的临床随机对照试验发现随着患者TG水平下降，冠心病发生风[90]险降低，存在明显的线性正相关关系。由于人体在饭后TG的水平与血液中载脂蛋白浓度之间密切关联，饭后TG水平对冠心病风险预测的效力比空腹时的甘油三酯水平更[91]精确。OoiEM等在临床试验中观察到，与甘油三酯水平高的冠心病患者对比，在治[92]疗期间的TG水平低的患者冠心病复发率降低。在人群队列研究中对甘油三酯水平是否能够预测冠心病发生还存在争议。一项系统综述综合分析了68项研究发现，校正年龄、性别后，高甘油三酯血症与CVD有明显的正相关，但对高密度脂蛋白胆固醇和低密度脂蛋白胆固醇水平校正后，TG与CVD的[93]联系强度明显߿弱，所以研究者认为高甘油三酯血症不是CVD的独立危险因子。但是一些最新前瞻性队列究报告高甘油三酯血症是CVD的独立危险因素。美国心脏病队列研究在上世纪70年代募集了10000多名研究对象进行观察，到2004年分析结局指标发现，校正CVD所有㓿典的危险因素（吸烟、年龄、肥胖等），TG水平对冠心病发生[94]和死亡风险预测有明显的效果。美国的另一项前瞻性队列研究，对2万多名参加健康体检的中年妇女进行11的随访观察，结果发现高甘油三酯血症与CVD发生和死亡的风险关联密切，而且调整总胆固醇水平、高密度脂蛋白胆固醇水平、高血糖、肥胖等传统[95]CVD危险因素后关联仍然存在。4.5糖代谢异常与CVD以2型糖尿病与糖耐䟿߿低（impairedglucosetolerance,IGT）为主要表现的糖代谢[96]异常是当前公认的CVD最严重的危险因子之一。据报道2型糖尿病患者最终死于CVD的比例超过70%，调整了CVD的其它危险因素，如：肥胖、年龄、吸烟等，2型[97]糖尿病患者CVD发生和死亡风险仍然是正常人群2～3倍。不仅2型糖尿病是CVD发生的独立危险因素，而且糖耐䟿߿低也是CVD的独立危险因子，对于CVD而言，从101 华中科技大学博士学位论文糖耐䟿߿低到2型糖尿病是一个发病风险逐渐升高的过程。有学者研究发现，糖耐䟿߿低者和2型糖尿病患者一样也容易发生外周血管动脉粥样硬化，进而引起CVD发病风[98]险增加。潜在机制可能是糖耐䟿߿低患者血浆葡萄糖的浓度高，会导致冠状动脉平滑肌细胞增殖速度加快，数䟿增加，进而导致血管壁增厚、管腔进行性狭窄，使血液在血管中流通受阻，损伤血管壁，造成内皮依赖性舒张功能失调,启动动脉粥样硬化病理过程。另外一种学说是糖耐䟿߿低会产生一种化合物，糖基化产物（AGE），由糖酮基、蛋白质、脂肪和氨基酸组成，糖基化产物可以沉积在血管壁，引发血管壁胶原蛋白交联,使其溶解性降低,不能被酶消化，造成血管平滑肌细胞外基质的分子结构变化,使其基质功能发生改变,造成血管舒张功能障碍。氧化应激学说也是2型糖尿病导致CVD的最新理论之一，该学说认为血浆血糖水平升高可以促进氧化，产生大䟿的氧自由基，能够限制人体内皮细胞DNA合成，破坏内皮屏障功能，造成血管壁的损伤。内皮细胞功能损伤是2型糖尿病患者CVD发生的启动因子和共同特征，也是冠状动脉血管硬化发[99-101]生的关键环节。[102-103]在我国的脑卒中患者中，2型糖尿病和糖耐䟿߿低患者比例很高。刘国荣等研究缺血性脑卒中并发2型糖尿病患者发现，这些患者颈动脉硬化程度高，血栓斑块多[104]。徐鹏杰等在临床上观察552例脑卒中患者的颈动脉粥样硬化程度、动脉斑块形成及管腔狭窄程度发现，血糖代谢异常的脑卒中的患者具有上述病理改变的比例是血糖正[105]常组的2-3倍，这与国外研究结果一致。当前对于糖耐䟿߿低是一个危险因素还是列为一种疾病仍然存在争议。虽然对糖耐䟿߿低的治疗策略没有定论，但是2型糖尿病预防试验表明，߿慢糖耐䟿߿低者转变为2型糖尿病的速度，可以明显߿少CVD发生和[106]死亡风险。综上所述，国内外对于MetS及其组分对CVD影响的研究越来越深入，使人们认识到MetS与CVD发生及死亡风险密切相关，引起了越来越多的研究者的关注。对于MetS与CVD关联研究还有以下问题需要探索，首先MetS组分间是相互关联的，这些组分之间的交互作用对CVD发病风险是否有增效作用；其次对MetS作为CVD的独立预测指标，与各单个的异常组分相比，对CVD风险预测效能是否更高，这些问题在今后的研究中需要探明。102 华中科技大学博士学位论文参考文献[1]ReavenGM.Roleofinsulinresistanceinhumandisease(syndromeX):anexpandeddefinition[J].AnnuRevMed,1993,44:121-131.[2]BalkauB,CharlesMA,DrivsholmT,etal.FrequencyoftheWHOmetabolicsyndromeinEuropeancohorts,andanalternativedefinitionofaninsulinresistancesyndrome[J].DiabetesMetab,2002,28(5):364-376.[3]ExpertPanelonDetectionE,TreatmentofHighBloodCholesterolinA.ExecutiveSummaryofTheThirdReportofTheNationalCholesterolEducationProgram(NCEP)ExpertPanelonDetection,Evaluation,AndTreatmentofHighBloodCholesterolInAdults(AdultTreatmentPanelIII)[J].JAMA,2001,285(19):2486-2497.[4]SocietyCD.ChineseDiabetesSocietysuggestionsfordefinitionofmetabolicsyndrome[J].ChineseJournalofDiabetes,2004,12(3):156-161.[5]AlbertiKG,ZimmetP,ShawJ.Metabolicsyndrome--anewworld-widedefinition.AConsensusStatementfromtheInternationalDiabetesFederation[J].DiabetMed,2006,23(5):469-480.[6]AlbertiKG,EckelRH,GrundySM,etal.Harmonizingthemetabolicsyndrome:ajointinterimstatementoftheInternationalDiabetesFederationTaskForceonEpidemiologyandPrevention;NationalHeart,Lung,andBloodInstitute;AmericanHeartAssociation;WorldHeartFederation;InternationalAtherosclerosisSociety;andInternationalAssociationfortheStudyofObesity[J].Circulation,2009,120(16):1640-1645.[7]FordES,LiC,ZhaoG.PrevalenceandcorrelatesofmetabolicsyndromebasedonaharmoniousdefinitionamongadultsintheUS[J].JDiabetes,2010,2(3):180-193.[8]GaoW.Doestheconstellationofriskfactorswithandwithoutabdominaladiposityassociatewithdifferentcardiovascularmortalityrisk?[J].IntJObes(Lond),2008,32(5):757-762.[9]HeissG,SnyderML,TengY,etal.PrevalenceofmetabolicsyndromeamongHispanics/Latinosofdiversebackground:theHispanicCommunityHealthStudy/StudyofLatinos[J].DiabetesCare,2014,37(8):2391-2399.[10]SidorenkovO,NilssenO,BrennT,etal.PrevalenceofthemetabolicsyndromeanditscomponentsinNorthwestRussia:theArkhangelskstudy[J].BMCPublicHealth,2010,10:23.[11]SaukkonenT,JokelainenJ,TimonenM,etal.Prevalenceofmetabolicsyndromecomponentsamongtheelderlyusingthreedifferentdefinitions:acohortstudyinFinland[J].ScandJPrimHealthCare,2012,30(1):29-34.[12]RanasingheP,MathangasingheY,JayawardenaR,etal.Prevalenceandtrendsofmetabolicsyndromeamongadultsintheasia-pacificregion:asystematicreview[J].BMCPublicHealth,2017,17(1):101.[13]HidakaT,HayakawaT,KakamuT,etal.PrevalenceofMetabolicSyndromeandItsComponentsamongJapaneseWorkersbyClusteredBusinessCategory[J].PLoSOne,2016,11(4):e0153368.[14]ParkHS,KimSM,LeeJS,etal.PrevalenceandtrendsofmetabolicsyndromeinKorea:KoreanNationalHealthandNutritionSurvey1998-2001[J].DiabetesObesMetab,2007,9(1):50-58.[15]LiR,LiW,LunZ,etal.PrevalenceofmetabolicsyndromeinMainlandChina:ameta-analysisofpublishedstudies[J].BMCPublicHealth,2016,16:296.[16]XiB,HeD,HuY,etal.PrevalenceofmetabolicsyndromeanditsinfluencingfactorsamongtheChineseadults:theChinaHealthandNutritionSurveyin2009[J].PrevMed,2013,57(6):867-871.[17]LiG,deCourtenM,JiaoS,etal.PrevalenceandcharacteristicsofthemetabolicsyndromeamongadultsinBeijing,China[J].AsiaPacJClinNutr,2010,19(1):98-102.[18]XuWH,RuanXN,FuXJ,etal.PrevalenceofthemetabolicsyndromeinPudongNewAreaofShanghaiusingthreeproposeddefinitionsamongChineseadults[J].BMCPublicHealth,2010,10:246.[19]YiZ,JingJ,Xiu-yingL,etal.PrevalenceofthemetabolicsyndromeamongruraloriginaladultsinNingXia,China[J].BMCPublicHealth,2010,10:140.[20]XuT,ZhangY,YuL,etal.PrevalenceofthemetabolicsyndromeanditsriskfactorsinInnerMongolia,103 华中科技大学博士学位论文China[J].ActaCardiol,2009,64(3):397-404.[21]ZhaoY,YanH,YangR,etal.PrevalenceanddeterminantsofmetabolicsyndromeamongadultsinaruralareaofNorthwestChina[J].PLoSOne,2014,9(3):e91578.[22]TsaiCH,LiTC,LinCC,etal.FactoranalysisofmodifiablecardiovascularriskfactorsandprevalenceofmetabolicsyndromeinadultTaiwanese[J].Endocrine,2011,40(2):256-264.[23]KwasnyC,ManuwaldU,KuglerJ,etal.SystematicReviewoftheEpidemiologyandNaturalHistoryoftheMetabolicVascularSyndromeanditsCoincidencewithType2DiabetesMellitusandCardiovascularDiseasesinDifferentEuropeanCountries[J].HormMetabRes,2018,50(3):201-208.[24]G.H.Deathsfromcoronaryheartdiseaseintheamericans[J].JournalofEpidemiology&CommunityHealth,2006,60(8):736.[25]NowbarANHJP,FinegoldJA.2014globalgeographicanalysisofmortalityfromischaemicheartdiseasebycountry,ageandincome:statisticsfromWorldHealthOrganisationandUnitedNations[J].IntJCardiol,2014,174(2):293-298.[26]GreenlundKJ,KeenanNL,ClaytonPF,etal.PublichealthoptionsforimprovingcardiovascularhealthamongolderAmericans[J].AmJPublicHealth,2012,102(8):1498-1507.[27]陈伟伟，高润霖，刘力生，等.《中国心血管病报告2016》概要[J].中国循环杂志,2017,32(6):521-529.[28]李立明.流行病学(第5版).人民卫生出版社,2003.[29]刘小清.冠心病流行病学研究进展及疾病负担[J].中华心血管病杂志,2008,36(6):573-576.[30]高玖鸣，王文.高血压及心脑血管疾病流行病学的最新数据:美国心脏病和卒中年报[J].6,2009:494-495.[31]KouliGM,PanagiotakosDB,KyrouI,etal.Visceraladiposityindexand10-yearcardiovasculardiseaseincidence:TheATTICAstudy[J].NutrMetabCardiovascDis,2017,27(10):881-889.[32]胡先明，白丽霞，王丽燕.亚健康与心脑血管疾病[J].中西医结合心脑血管病杂志,2007,1:65-66.[33]吴兆㣿，姚崇华，赵冬，等.我国多省市心血管病趋势及决定因素的人群监测(中国MONICA方案)发病率和死亡率监测结果[J].中华心血管病杂志,1997,36(6):573-576.[34]刘静.我国心血管病流行趋势的新特点[J].浙江医学,2015,9:717-731.[35]王文，朱曼璐，王拥军，等.《中国心血管病报告2012》概要[J].中国循环杂志,2013,6:408-412.[36]国家卫生计生委统计信息中心.中国卫生统计提要[J].2014.[37]SaitoI.Epidemiologicalevidenceoftype2diabetesmellitus,metabolicsyndrome,andcardiovasculardiseaseinJapan[J].CircJ,2012,76(5):1066-1073.[38]KleinBE,KleinR,LeeKE.ComponentsofthemetabolicsyndromeandriskofcardiovasculardiseaseanddiabetesinBeaverDam[J].DiabetesCare,2002,25(10):1790-1794.[39]ZhengY,SteinR,KwanT,etal.Evolvingcardiovasculardiseaseprevalence,mortality,riskfactors,andthemetabolicsyndromeinChina[J].ClinCardiol,2009,32(9):491-497.[40]WilsonPW,D'AgostinoRB,PariseH,etal.Metabolicsyndromeasaprecursorofcardiovasculardiseaseandtype2diabetesmellitus[J].Circulation,2005,112(20):3066-3072.[41]NajarianRM,SullivanLM,KannelWB,etal.Metabolicsyndromecomparedwithtype2diabetesmellitusasariskfactorforstroke:theFraminghamOffspringStudy[J].ArchInternMed,2006,166(1):106-111.[42]FordES.Risksforall-causemortality,cardiovasculardisease,anddiabetesassociatedwiththemetabolicsyndrome:asummaryoftheevidence[J].DiabetesCare,2005,28(7):1769-1778.[43]BeddhuS,KimmelPL,RamkumarN,etal.AssociationsofmetabolicsyndromewithinflammationinCKD:resultsFromtheThirdNationalHealthandNutritionExaminationSurvey(NHANESIII)[J].AmJKidneyDis,2005,46(4):577-586.[44]SeshadriS,WolfPA.Lifetimeriskofstrokeanddementia:currentconcepts,andestimatesfromtheFraminghamStudy[J].LancetNeurol,2007,6(12):1106-1114.[45]GirmanCJRT,MercuriM,etal..ThemetabolicsyndromeandriskofmajorcoronaryeventsintheScandinavianSimvastatinSurvivalStudy(4S)andtheAirForce/TexasCoronaryAtherosclerosisPreventionStudy(AFCAPS/TexCAPS).[J].AmericanJournalofCardiology,2004,93:136-141.[46]MottilloS,FilionKB,GenestJ,etal.Themetabolicsyndromeandcardiovascularriskasystematicreviewandmeta-analysis[J].JAmCollCardiol,2010,56(14):1113-1132.[47]GamiAS,WittBJ,HowardDE,etal.Metabolicsyndromeandriskofincidentcardiovascularevents104 华中科技大学博士学位论文anddeath:asystematicreviewandmeta-analysisoflongitudinalstudies[J].JAmCollCardiol,2007,49(4):403-414.[48]TranBT,JeongBY,OhJK.TheprevalencetrendofmetabolicsyndromeanditscomponentsandriskfactorsinKoreanadults:resultsfromtheKoreanNationalHealthandNutritionExaminationSurvey2008-2013[J].BMCPublicHealth,2017,17(1):71.[49]YamagishiK,IsoH.ThecriteriaformetabolicsyndromeandthenationalhealthscreeningandeducationsysteminJapan[J].2017,39:e2017003.[50]WuY,LiuX,LiX,etal.Estimationof10-yearriskoffatalandnonfatalischemiccardiovasculardiseasesinChineseadults[J].Circulation,2006,114(21):2217-2225.[51]KhangYH,ChoSI,KimHR.Risksforcardiovasculardisease,stroke,ischaemicheartdisease,anddiabetesmellitusassociatedwiththemetabolicsyndromeusingthenewharmoniseddefinition:findingsfromnationallyrepresentativelongitudinaldatafromanAsianpopulation[J].Atherosclerosis,2010,213(2):579-585.[52]OrtegaFB,LavieCJ,BlairSN.ObesityandCardiovascularDisease[J].CircRes,2016,118(11):1752-1770.[53]BhupathirajuSN,HuFB.EpidemiologyofObesityandDiabetesandTheirCardiovascularComplications[J].CircRes,2016,118(11):1723-1735.[54]ChenCM.OverviewofobesityinMainlandChina[J].ObesRev,2008,9Suppl1:14-21.[55]SaidS,MukherjeeD,WhayneTF.InterrelationshipswithMetabolicSyndrome,ObesityandCardiovascularRisk[J].CurrVascPharmacol,2016,14(5):415-425.[56]StosioM,WitkowiczA,KowalskaA,etal.Geneticbackgroundofaberrantthermogeninexpression(UCP1)inobesityleadingtometabolicsyndrome[J].PostepyHigMedDosw(Online),2016,70(0):1389-1403.[57]ChenBD,YangYN,MaYT,etal.Waist-to-HeightRatioandTriglycerides/High-DensityLipoproteinCholesterolWeretheOptimalPredictorsofMetabolicSyndromeinUighurMenandWomeninXinjiang,China[J].MetabSyndrRelatDisord,2015,13(5):214-220.[58]AmatoMC,GiordanoC,GaliaM,etal.VisceralAdiposityIndex:areliableindicatorofvisceralfatfunctionassociatedwithcardiometabolicrisk[J].DiabetesCare,2010,33(4):920-922.[59]KahnHS.The"lipidaccumulationproduct"performsbetterthanthebodymassindexforrecognizingcardiovascularrisk:apopulation-basedcomparison[J].BMCCardiovascDisord,2005,5:26.[60]BergmanRN,StefanovskiD,BuchananTA,etal.Abetterindexofbodyadiposity[J].Obesity(SilverSpring),2011,19(5):1083-1089.[61]AmatoMC,GiordanoC,PitroneM,etal.Cut-offpointsofthevisceraladiposityindex(VAI)identifyingavisceraladiposedysfunctionassociatedwithcardiometabolicriskinaCaucasianSicilianpopulation[J].LipidsHealthDis,2011,10:183.[62]XieX,LiQ,ZhangL,etal.LIPIDACCUMULATIONPRODUCT,VISCERALADIPOSITYINDEX,ANDCHINESEVISCERALADIPOSITYINDEXASMARKERSOFCARDIOMETABOLICRISKINADULTGROWTHHORMONEDEFICIENCYPATIENTS:ACROSS-SECTIONALSTUDY[J].EndocrPract,2018,24(1):33-39.[63]张文超.基于纵向监测健康管理队列的代谢综合征预测模型及其工具的研究[J].中国博硕学位论文库,2016.[64]张梅.中国成人心脑血管疾病发病风险研究[J].中国博硕士学位论文库,2017.[65]HeJ,GuD,ChenJ,etal.PrematuredeathsattributabletobloodpressureinChina:aprospectivecohortstudy[J].Lancet,2009,374(9703):1765-1772.[66]钟文玲，林曙光，薛常镐，等.福建省成人高血压危险因素研究[J].中国慢性病预防与控制,2007,15(4):344-346.[67]屈志萍，刘新民，张燕杰等.高血压患者发生心血管事件的危险因素分析[J].天津医药,2011,1:24-26.[68]IwashimaY,HorioT,KamideK,etal.Additiveinteractionofmetabolicsyndromeandchronickidneydiseaseoncardiachypertrophy,andriskofcardiovasculardiseaseinhypertension[J].AmJHypertens,2010,23(3):290-298.[69]刘岩，蔡久英.冠心病危险因素的研究进展[J].28,2007,2:223-225.[70]张江丽，韩清华.高血压合并冠心病患者血压特点及与心血管事件的相关性研究[J].中西医结合105 华中科技大学博士学位论文心脑血管病杂志,2009,7(2):141-143.[71]TyagiSC.Homocysteineredoxreceptorandregulationofextracellularmatrixcomponentsinvascularcells[J].AmJPhysiol,1998,274(2Pt1):C396-405.[72]SainaniGS,SainaniR.Homocysteineanditsroleinthepathogenesisofatheroscleroticvasculardisease[J].JAssocPhysiciansIndia,2002,50Suppl:16-23.[73]MazzaA,CiceroAF,RamazzinaE,etal.Nutraceuticalapproachestohomocysteineloweringinhypertensivesubjectsatlowcardiovascularrisk:amulticenter,randomizedclinicaltrial[J].JBiolRegulHomeostAgents,2016,30(3):921-927.[74]FortiP,MaioliF,ArnoneG,etal.Homocysteinemiaandearlyoutcomeofacuteischemicstrokeinelderlypatients[J].BrainBehav,2016,6(5):e00460.[75]PetersenJF,LarsenBS,SabbahM,etal.Long-termprognosticsignificanceofhomocysteineinmiddle-agedandelderly[J].Biomarkers,2016,21(6):490-496.[76]安可英，赵洁，石斗飞，等.高龄老年H型高血压患者靶器官损害的研究分析[J].中华流行病学杂志,2013,34(8):852-853.[77]ZhangQ,QiuDX,FuRL,etal.H-TypeHypertensionandCReactiveProteininRecurrenceofIschemicStroke[J].IntJEnvironResPublicHealth,2016,13(5).[78]李琬.H型高血压与缺血性脑卒中的临床相关性研究[J].中国医药指南,2016,14(7):85-86.[79]郑重.H型高血压与急性脑梗死的相关性分析[J].中华全科医学,2013,11(4):536-538.[80]诸俊仁.中国成人血脂异常防治指南[J].中华心血管病杂志,2007,35(5):390-419.[81]Aguilar-SalinasCA,Gomez-PerezFJ,RullJ,etal.PrevalenceofdyslipidemiasintheMexicanNationalHealthandNutritionSurvey2006[J].SaludPublicaMex,2010,52Suppl1:S44-53.[82]KhaderYS,BatiehaA,El-KhateebM,etal.PrevalenceofdyslipidemiaanditsassociatedfactorsamongJordanianadults[J].JClinLipidol,2010,4(1):53-58.[83]李剑虹，王丽敏，李镒冲.2010年我国成年人血脂异常流行特点[J].中华预防医学杂志,2012,46(5):414-418.[84]WangS,XuL,JonasJB,etal.PrevalenceandassociatedfactorsofdyslipidemiaintheadultChinesepopulation[J].PLoSOne,2011,6(3):e17326.[85]周毅，任国敏，杨聪慧，等.高密度脂蛋白胆固醇低水平对心血管疾病的影响[J].中国医学工程,2015,2:9-11.[86]KhanHA,AlhomidaAS,SobkiSH.Lipidprofileofpatientswithacutemyocardialinfarctionanditscorrelationwithsystemicinflammation[J].BiomarkInsights,2013,8:1-7.[87]FernandezML,JonesJJ,AckermanD,etal.LowHDLcholesterolisassociatedwithincreasedatherogeniclipoproteinsandinsulinresistanceinwomenclassifiedwithmetabolicsyndrome[J].NutrResPract,2010,4(6):492-498.[88]SuX,PengDQ.NewinsightsintoANGPLT3incontrollinglipoproteinmetabolismandriskofcardiovasculardiseases[J].LipidsHealthDis,2018,17(1):12.[89]HopkinsPN,NanjeeMN,WuLL,etal.Alteredcompositionoftriglyceride-richlipoproteinsandcoronaryarterydiseaseinalargecase-controlstudy[J].Atherosclerosis,2009,207(2):559-566.[90]KasteleinJJ,vanderSteegWA,HolmeI,etal.Lipids,apolipoproteins,andtheirratiosinrelationtocardiovasculareventswithstatintreatment[J].Circulation,2008,117(23):3002-3009.[91]Izquierdo-PalomaresJM,Fernandez-TaberaJM,PlanaMN,etal.Chronotherapyversusconventionalstatinstherapyforthetreatmentofhyperlipidaemia[J].CochraneDatabaseSystRev,2016,11:Cd009462.[92]MillerM,CannonCP,MurphySA,etal.Impactoftriglyceridelevelsbeyondlow-densitylipoproteincholesterolafteracutecoronarysyndromeinthePROVEIT-TIMI22trial[J].JAmCollCardiol,2008,51(7):724-730.[93]DiAngelantonioE,SarwarN,PerryP,etal.Majorlipids,apolipoproteins,andriskofvasculardisease[J].JAMA,2009,302(18):1993-2000.[94]NordestgaardBG,BennM,SchnohrP,etal.Nonfastingtriglyceridesandriskofmyocardialinfarction,ischemicheartdisease,anddeathinmenandwomen[J].JAMA,2007,298(3):299-308.[95]BansalS,BuringJE,RifaiN,etal.Fastingcomparedwithnonfastingtriglyceridesandriskofcardiovasculareventsinwomen[J].JAMA,2007,298(3):309-316.[96]WatanabeK,ThandavarayanRA,GurusamyN,etal.Roleof14-3-3proteinandoxidativestressin106 华中科技大学博士学位论文diabeticcardiomyopathy[J].ActaPhysiolHung,2009,96(3):277-287.[97]McAlpineCS,BowesAJ,WerstuckGH.Diabetes,hyperglycemiaandacceleratedatherosclerosis:evidencesupportingaroleforendoplasmicreticulum(ER)stresssignaling[J].CardiovascHematolDisordDrugTargets,2010,10(2):151-157.[98]FordES,ZhaoG,LiC.Pre-diabetesandtheriskforcardiovasculardisease:asystematicreviewoftheevidence[J].JAmCollCardiol,2010,55(13):1310-1317.[99]ZhangXL,ZhuQQ,ChenYH,etal.CardiovascularSafety,Long-TermNoncardiovascularSafety,andEfficacyofSodium-GlucoseCotransporter2InhibitorsinPatientsWithType2DiabetesMellitus:ASystemicReviewandMeta-AnalysisWithTrialSequentialAnalysis[J].JAmHeartAssoc,2018,7(2).[100]SharmaA,TateM,MathewG,etal.OxidativeStressandNLRP3-InflammasomeActivityasSignificantDriversofDiabeticCardiovascularComplications:TherapeuticImplications[J].FrontPhysiol,2018,9:114.[101]DongXL,GuanF,XuSJ,etal.Influenceofbloodglucoselevelontheprognosisofpatientswithdiabetesmellituscomplicatedwithischemicstroke[J].JResMedSci,2018,23:10.[102]JiaQ,ZhengH,ZhaoX,etal.AbnormalglucoseregulationinpatientswithacutestrokeacrossChina:prevalenceandbaselinepatientcharacteristics[J].Stroke,2012,43(3):650-657.[103]JiaQ,LiuG,ZhengH,etal.Impairedglucoseregulationpredicted1-yearmortalityofChinesepatientswithischemicstroke:datafromabnormalglucoseregulationinpatientswithacutestrokeacrossChina[J].Stroke,2014,45(5):1498-1500.[104]刘国荣，高素玲，张江，等.老年高血压缺血性脑卒中合并２型糖尿病患者颈动脉粥样硬化程度的分析[J].中华老年心脑血管病杂志,2013,15(6):607-610.[105]许鹏杰，罗成宏，㣿斌儒，等.糖尿病与缺血性脑卒中患者颈动脉硬化程度的相关性[J].中华老年心脑血管病杂志,2017,19(4):419-421.[106]JingJ,PanY,ZhaoX,etal.InsulinResistanceandPrognosisofNondiabeticPatientsWithIschemicStroke:TheACROSS-ChinaStudy(AbnormalGlucoseRegulationinPatientsWithAcuteStrokeAcrossChina)[J].Stroke,2017,48(4):887-893.107 华中科技大学博士学位论文附录1研究生期间工作小结发表论文[1]HengGuo,XiangGao,RulinMa,JiamingLiu,YusongDing,MeiZhang,Jingyu**Zhang,LatiMu,JiaHe,YizhongYan,JiaolongMa,ShuxiaGuo,ShengWei.PrevalenceofMetabolicSyndromeanditsAssociatedFactorsamongMulti-ethnicAdultsinRuralAreasinXinjiang,China.ScientificReports.,2017,7(1):17643.[2]HengGuo,JiamingLiu,JingyuZhang,RulinMa,YusongDing,MeiZhang,JiaHe,*ShangzhiXu,ShugangLi,YizhongYan,LatiMu,DongshengRui,QiangNiu,ShuxiaGuo,ThePrevalenceofMetabolicSyndromeusingThreeDifferentDiagnosticCriteriaamongLowEarningNomadicKazakhsintheFarNorthwestofChina:NewCut-offPointsofWaistCircumferencetoDiagnoseMetabolicSyndromeanditsImplications,PloSONE,2016,11(2):1-13.*[3]郭恒,刘佳铭,唐景霞,李述刚,张眉,张景玉,芮东升,郭淑霞,石河子市社区居民糖尿病知识、态度、行为调查研究,石河子大学学报(自然科学版)，2014,32(2):200-206.*[4]郭恒,曾红梅,郭淑霞.石河子市某社区居民高血压两年综合干预效果评价，石河子大学学报,2015,12(6):736-739.[5]王伟业,赵荣仙,郭恒,陈实,张伟华,杨素莲,王可,孟瑜,黄娇,魏晟.空气污染物对胎儿生长发育的影响研究进展[J].中华流行病学杂志,2017,38(1):128-130.参加课题[1]《新疆哈萨克᯿代谢综合征及其各因子对心脑血管病危险性预测的队列研究》（NO.81560551)，2016－2019年，国家自然基金项目。[2]2015年武汉市男同、暗娼、吸毒人群规模估计(武汉市疾病预防控制中心项目)。[3]2014年湖北省娱乐场所100%安全套暗娼干预项目评估(湖北省100%安全套项目办公室项目)。参加学术会议[1]《第七次全国流行病学学术会议暨中华预防医学会流行病学分会、中华医学会中华流行病学杂志编辑委员会第七届换届会议》江㣿南京2014年[2]中华预防医学会第五届学术年会北京2017年108 华中科技大学博士学位论文附录2本研究使用问卷109 华中科技大学博士学位论文110 华中科技大学博士学位论文111 华中科技大学博士学位论文112 华中科技大学博士学位论文113 华中科技大学博士学位论文致谢光阴荏苒，回首四年博士学习生活，无限感慨，感谢所用帮助过我的人们！首先感谢我的导师魏晟老师对我悉心的指导和无私的帮助，我才有机会能够完成我的博士学位论文。魏晟老师渊博的学识和开阔的思维使我受益匪浅，对我今后的学习工作有极大的帮助。在博士论文完成期间不辞辛苦的帮助我反复修改，精益求精，再次表示由衷的感谢！感谢石河子大学医学院郭淑霞老师、李述刚老师、马儒林老师、何佳老师、张向辉老师、胡云华老师、研究生毛磊和杨雯雯在课题数据收集给我的支持。感谢聂绍发老师、刘莉老师在博士学习期间对我的指导和帮助！感谢我的同学王伟业博士、王可博士、黄娇博士对我的支持和鼓励！感谢我的师弟师妹张伟华、赵荣仙、陈实、杨素莲、孟瑜对我课题工作的支持，与你们在一起的日子值得一生珍惜！最后感谢我的爱人李新姣女士、亲人和朋友们对我的支持和帮助！114 ＊华中科技大学学位评定委员会办公室印制
此文档下载收益归作者所有
