一项基于中国健康与养老追踪调查的纵向研究：身体圆形指数与中国中老年人衰弱风险之间的关联

一、 主要作者、机构与发表信息

本研究由来自中国多家机构的科研团队完成。主要作者包括Jingtao Wu（第一作者，深圳市坪山区骨科医院/广州中医药大学附属医院脊柱外科）、Ziming Cai（第一作者，同前单位）、Bo Liu（深圳市坪山区骨科医院/广州中医药大学附属医院老年骨科）、Jinzhu Liang、Chongyang Zhang、Daming Feng（深圳市坪山区骨科医院/广州中医药大学附属医院针灸科）、Gongpeng Xiong（通讯作者，厦门大学附属第一医院肝胆胰血管外科）以及Wenping Lin（通讯作者，深圳市坪山区骨科医院/广州中医药大学附属医院脊柱外科）。该研究于2026年发表在*Scientific Reports*期刊上，目前为“接受稿件”状态，在线发布于2026年5月14日，最终版本将经过进一步编辑。

二、 学术背景与研究目的

本研究属于老年医学、公共卫生及临床流行病学的交叉领域，核心关注点是老年衰弱综合征的早期识别与风险预测。衰弱是一种多系统生理功能储备下降的临床综合征，显著增加老年人发生跌倒、失能、住院和死亡等不良健康结局的风险。随着全球人口老龄化加剧，衰弱已成为一个紧迫的公共卫生问题。在中国，老年人衰弱患病率预计将从2011年的16.87%上升至2030年的32.46%，给医疗体系和社会生产力带来沉重负担。然而，目前缺乏有效的衰弱预测指标。

近年来，肥胖相关指标与衰弱的关系受到学界关注。传统的身体质量指数（Body Mass Index, BMI）虽广泛应用，但无法区分脂肪分布和身体成分构成，尤其在预测与肥胖相关的健康风险方面存在局限。身体圆形指数（Body Roundness Index, BRI）是一种新型人体测量指标，由Thomas等人于2013年提出，它通过整合腰围与身高的几何关系来量化腹部肥胖和总体脂肪，被认为能更准确地反映内脏脂肪堆积，并在预测代谢综合征、胰岛素抵抗和心血管疾病等方面显示出优于BMI的能力。这些疾病恰恰是衰弱的重要风险因素。尽管已有基于美国国家健康与营养检查调查（NHANES）的横断面研究提示BRI与衰弱存在正相关，但来自中国人群的纵向证据非常缺乏。因此，本研究旨在利用中国健康与养老追踪调查（China Health and Retirement Longitudinal Study, CHARLS）这一全国性大型队列数据，通过纵向分析，探究BRI与中国中老年人衰弱风险之间的关联，并评估BRI在衰弱早期识别和风险预测中的潜在应用价值。

三、 详细研究流程

本研究是一项基于CHARLS数据库的纵向队列研究，流程严谨，主要包括以下几个步骤：

1. 数据来源与研究对象筛选：研究数据来源于CHARLS，这是一个覆盖中国28个省份、150个县级单位和450个村级单位的全国性代表性调查，主要收集45岁及以上中老年人的社会经济、健康状况、体检等多维度数据。研究团队从2011年基线调查的17,705名参与者开始，应用了一系列排除标准以构建最终的分析队列。排除标准包括：（1）2011年调查时年龄小于45岁（n=151）；（2）缺少BRI计算所需数据（腰围或身高，n=4,518）；（3）缺少关键的衰弱相关变量或协变量信息（n=6,253）；（4）在2011年基线时已被诊断为衰弱（n=978）；（5）在2018年随访前失访（n=881）。经过上述筛选，最终共有4,924名参与者被纳入纵向分析。流程图清晰地展示了这一筛选过程。

2. 核心变量测量与定义：

   • 身体圆形指数（BRI）：根据Thomas等人提出的公式计算：BRI = 364.2 - 365.5 × √[1 - (腰围 (米) / 2π)² / (0.5 × 身高 (米))²]。所有身高和腰围测量均由经过培训的人员按照标准化程序进行，以确保数据可靠性。研究者根据BRI值将参与者分为四组（Q1-Q4），以便分析其与衰弱风险的剂量反应关系。
   • 衰弱状态：采用衰弱指数（Frailty Index, FI）进行评估。FI基于36个健康缺陷项目构建，涵盖认知功能、日常生活活动能力、慢性病、心理健康和感官损伤等方面。每个项目若存在缺陷则计1分，否则计0分。FI计算为总缺陷分除以36，范围在0到1之间。根据先前文献，将衰弱定义为FI ≥ 0.25。
   • 协变量：为了控制混杂因素，研究在分析中调整了可能同时影响BRI和衰弱风险的一系列变量。这些变量包括：（1）社会人口学特征：年龄、性别、教育水平、婚姻状况、居住地（城乡）；（2）生活方式与健康状况：吸烟状态、饮酒状态、高血压、心血管疾病（CVD）、糖尿病、冠心病（CHD）、卒中、情绪障碍（定义为自我报告有情绪、神经或精神问题）；（3）认知状态：记忆得分、认知得分；（4）实验室指标：甘油三酯-葡萄糖指数（Triglyceride-glucose index, TyG），这是一个经过验证的胰岛素抵抗替代标志物。调整TyG指数是为了分离身体圆形（反映中心性肥胖）与并发代谢失调对衰弱的独立影响。

3. 统计分析方法：研究采用了一系列高级统计模型来检验BRI与衰弱风险之间的关联。

   • 基线特征描述：根据BRI四分位数分组，描述了各组的基线特征，并使用卡方检验、Kruskal-Wallis H检验等方法比较组间差异。
   • 主要关联分析：采用加权多变量逻辑回归模型（考虑到CHARLS的复杂抽样设计）来评估BRI（作为连续变量和分类变量）与7年随访期间发生衰弱风险之间的关联。构建了三个逐步调整的模型：模型1为未调整的粗模型；模型2调整了年龄、性别、教育水平、婚姻状况和居住地；模型3进一步全面调整了所有列出的协变量（社会人口学、生活方式、慢性病、认知状态及TyG指数）。
   • 趋势检验与曲线拟合：使用趋势检验（P for trend）分析BRI四分位数与衰弱风险之间的剂量反应关系。通过限制性立方样条回归和平滑曲线拟合来评估BRI与衰弱风险之间是否存在线性关联。
   • 预测效能评估：使用受试者工作特征曲线（Receiver Operating Characteristic curve, ROC）计算曲线下面积（Area Under the Curve, AUC），比较BRI和BMI对衰弱风险的预测能力。此外，还评估了在包含年龄、性别和合并症的基础临床模型中加入BRI后，模型预测效能的改善情况，计算了净重分类改善指数（Net Reclassification Improvement, NRI）和综合判别改善指数（Integrated Discrimination Improvement, IDI）。
   • 亚组分析与交互作用检验：为了检验BRI与衰弱关联在不同人群中的一致性，研究按年龄、性别、居住地、吸烟、饮酒、多种慢性病状态等进行了亚组分析，并在每个亚组中运行了调整全部协变量的逻辑回归模型。同时，通过交互作用检验（P for interaction）来评估这些因素是否修饰了BRI与衰弱之间的关联。
   • 敏感性分析：为了检验结果的稳健性，研究进行了额外的敏感性分析。主要分析未包含体力活动数据，因为基线数据缺失较多。研究在一个拥有完整体力活动数据的子队列中，进一步调整了根据国际体力活动问卷（IPAQ）分类的体力活动水平（无活动、低活动、高活动），以验证主要关联是否独立于体力活动。

四、 主要研究结果

经过7年的随访，在4924名基线无衰弱的参与者中，共有1242人（25.22%）发展为衰弱。

1. 基线特征：如表1所示，随着BRI四分位数的升高（从Q1到Q4），参与者的平均年龄、TyG指数、以及高血压、心血管疾病、糖尿病、卒中等慢性病的患病率均呈显著上升趋势。更重要的是，衰弱的发生率也呈现明显的梯度增长：Q1组为19.74%，Q2组为21.53%，Q3组为26.42%，Q4组高达33.20%（P < 0.001）。这初步提示BRI越高，衰弱风险可能越大。

2. BRI与衰弱风险的主要关联：加权多变量逻辑回归分析结果（表2）清晰地证实了这种关联。

   • 在未调整的模型1中，BRI（作为连续变量）每增加一个单位，衰弱风险增加38%（OR=1.38, 95% CI: 1.29–1.47, P < 0.0001）。
   • 在调整了基本人口学因素的模型2中，关联性减弱但仍高度显著（OR=1.29, 95% CI: 1.20–1.38, P < 0.0001）。
   • 在全面调整了所有协变量（包括TyG指数、慢性病、认知功能等）的模型3中，BRI与衰弱风险的正向关联依然稳健存在（OR=1.23, 95% CI: 1.15–1.33, P < 0.0001）。这表明，即使考虑了胰岛素抵抗、慢性病等多种可能的混杂因素，较高的BRI仍然是衰弱的独立风险因素。
   • 以BRI四分位数进行分析时，与Q1组（最低BRI组）相比，Q3组和Q4组的衰弱风险在完全调整模型后仍显著升高（Q3组：OR=1.35；Q4组：OR=1.55），且趋势检验P值小于0.0001，证实了显著的剂量反应关系。限制性立方样条回归图（图2）进一步显示，BRI与衰弱风险之间存在线性递增关系。

3. 预测效能评估结果：ROC分析（图3）显示，BRI预测衰弱的AUC为0.585（95% CI: 0.566–0.604），虽然绝对值不高，但显著高于传统BMI的AUC（0.528），两者差异具有统计学意义（P < 0.001）。当将BRI加入包含年龄、性别和合并症的基础临床模型时，模型的C统计量（AUC）从0.684显著提升至0.691（DeLong检验 P=0.002）。此外，BRI的加入带来了显著的净重分类改善（连续NRI=0.115, P<0.001）和综合判别改善（IDI=0.005, P<0.001）。这些结果表明，尽管BRI单独预测衰弱的判别能力有限，但它能为基于常规临床因素的预测模型提供有统计学意义的增量价值。

4. 亚组分析与敏感性分析结果：亚组分析（图4及附表S4）显示，在几乎所有预设的亚组中（如不同年龄、性别、居住地、是否吸烟饮酒、有无各种慢性病等），BRI与衰弱风险的正向关联趋势保持一致。至关重要的是，所有交互作用检验的P值均大于0.05，这意味着BRI与衰弱的关联强度在不同特征的人群中没有显著差异，证明了该关联的普遍性和稳健性。敏感性分析（附表S5）表明，即使在进一步调整了基线体力活动水平后，BRI与衰弱的关联仍然高度显著且几乎不变（OR=1.23, 95% CI: 1.15–1.33, P < 0.0001），排除了体力活动作为主要混杂因素的可能性。

五、 研究结论与价值

本研究得出结论：在中国中老年人群中，较高的身体圆形指数（BRI）与未来7年内发生衰弱的风险增加独立相关。这种关联呈现剂量反应关系，且在考虑了广泛的社会人口学、生活方式、临床及代谢因素后依然稳健。研究结果表明，BRI可以作为评估衰弱风险的一个补充性指标。

其科学价值在于：首先，本研究提供了来自中国大型全国性队列的纵向证据，弥补了该领域缺乏前瞻性研究的空白，强化了BRI与衰弱之间存在因果关联的可能性。其次，研究通过调整TyG指数等关键代谢标志物，部分揭示了BRI影响衰弱的潜在机制——即除了通过胰岛素抵抗等代谢途径外，内脏脂肪堆积可能还通过直接的脂毒性作用、慢性低度炎症或机械性负荷等独立于传统代谢指标的通路，加速肌肉流失和功能衰退。最后，研究系统评估了BRI的预测效能，明确了其作为群体筛查工具的定位。

其应用价值在于：BRI作为一个仅需腰围和身高即可计算的简易、无创、低成本的人体测量指标，可作为基层医疗机构和公共卫生项目中进行大规模衰弱风险初筛的实用工具。它有助于识别出BRI偏高、需要进一步进行综合老年评估（CGA）的高危人群，从而实现衰弱的早期预警和针对性干预。

六、 研究亮点

1. 研究设计优势：采用大规模、全国代表性的CHARLS纵向队列数据，随访时间长达7年，提供了比横断面研究更强的因果推断证据。
2. 分析全面深入：不仅分析了BRI作为连续变量和分类变量的影响，还进行了严格的趋势检验、剂量反应关系验证、全面的亚组分析和交互作用检验，确保了结果的稳健性和普遍性。
3. 机制探索：通过调整TyG指数，对BRI影响衰弱的潜在病理生理机制（代谢与非代谢通路）进行了初步探讨，增加了研究的深度。
4. 预测价值的量化评估：不仅比较了BRI与BMI的预测能力，还通过将BRI纳入临床基础模型，量化了其带来的增量预测价值（NRI和IDI），为BRI的临床应用提供了更精细的证据。
5. 关注中国人群：聚焦于快速老龄化的中国人口，研究结果对制定符合中国国情的衰弱防控策略具有直接参考意义。

七、 其他有价值的内容

研究团队在讨论部分也坦诚地指出了本研究的局限性，包括：BRI作为腰围衍生指标，无法区分皮下脂肪和内脏脂肪，未来需要影像学数据验证；研究样本主要为45岁及以上中国人，结论外推到其他种族或更年轻人群需谨慎；仅使用基线单次BRI测量来预测7年后的衰弱，未能考虑BRI的动态变化；尽管排除了基线衰弱者，仍不能完全排除反向因果关系的可能性；因数据缺失进行了完整病例分析，可能导致一定的选择偏倚。这些对局限性的清晰阐述，体现了研究的科学严谨性，也为未来研究方向提供了指引。此外，作者在讨论中对亚组中一些看似不同的趋势（如在非吸烟、非饮酒者中关联更显著）进行了合理解读，强调因交互作用不显著，这些差异更可能源于统计效能不足或吸烟饮酒本身的强烈效应掩盖了肥胖的影响，而非本质差异，这避免了对亚组结果的过度解读。