心血管代谢风险预测新突破：腹型肥胖与低HDL-C是主要心血管事件的独立预测因子

第一作者与机构
本研究由意大利巴里大学（University of Bari “Aldo Moro”）跨学科医学系的Carlo De Matteis和Stefano Petruzzelli（共同第一作者）领衔，通讯作者为Lucilla Crudele和Antonio Moschetta。研究于2025年发表在期刊《Cardiovascular Diabetology》（心血管糖尿病学），论文标题为《Improving cardiovascular risk stratification: the role of abdominal obesity in predicting MACEs》（改善心血管风险分层：腹型肥胖在预测主要不良心血管事件中的作用）。

学术背景
心血管疾病（CVD）是全球死亡的主要原因，但现有风险评估工具（如Framingham风险评分和SCORE2模型）对“残余风险”的识别存在局限。腹型肥胖（abdominal obesity）作为内脏脂肪组织（visceral adipose tissue, VAT）的替代指标，与促炎和促动脉粥样硬化状态密切相关，但其独立预测价值尚未明确。本研究旨在评估腹型肥胖（通过腰围[waist circumference, WC]量化）与传统风险评分联合预测主要不良心血管事件（major adverse cardiovascular events, MACEs）的效用。

研究流程与方法
1. 研究设计与人群
- 队列构建：2014年至2022年间，意大利巴里大学附属医院内科门诊纳入1,412名无MACEs病史的代谢性疾病患者，最终筛选736名（男性347人，女性389人）完成随访。排除标准包括既往MACEs、癌症、慢性肝病及数据不全者。
- 基线评估：记录人体测量学指标（WC、BMI）、生化标志物（血脂、血糖等）、血压，并计算Framingham风险评分（FRS）和SCORE2/SCORE2-OP评分。腹型肥胖定义为男性WC≥94 cm、女性≥80 cm（IDF代谢综合征标准）。

1. 随访与终点事件

   • 中位随访84.9个月，记录新发MACEs（包括心肌梗死、卒中、心衰等），通过医院病历核实事件。
     

2. 统计分析

   • 采用t检验、卡方检验、ANOVA比较组间差异；通过多变量逻辑回归分析腹型肥胖与MACEs的关联，调整年龄、代谢综合征组分等混杂因素。
     

主要结果
1. 腹型肥胖的独立预测价值
- 78.1%的队列存在腹型肥胖，其与MACEs显著相关（OR=1.784，95% CI 1.04–3.118，p=0.038），而BMI定义的肥胖无此关联（p=0.394）。
- 多变量分析：调整年龄后，腹型肥胖（OR=2.2，95% CI 1.6–4.2，p=0.001）和低HDL-C（OR=1.9，95% CI 1.4–3.5，p=0.001）仍是MACEs的强预测因子。

1. HDL-C与残余风险

   • 低HDL-C（男性<40 mg/dL，女性<50 mg/dL）患者MACEs风险增加67%（OR=1.672，95% CI 1.115–2.482，p=0.012）。
     
   • 在非腹型肥胖亚组中，MACEs患者基线WC仍显著更高（p<0.0001），HDL-C更低（p=0.0078），提示二者独立于传统肥胖指标的风险预测能力。
     

2. SCORE2评分的局限性

   • 中风险组（SCORE2 moderate-risk）患者基线LDL-C水平最高（111.9±35.5 mg/dL），且贡献了36.4%的MACEs事件，提示现有评分可能低估LDL-C驱动的风险。
     

结论与意义
1. 科学价值
- 首次证实腹型肥胖（WC）是MACEs的独立预测因子，优于BMI，支持将WC纳入心血管风险评估体系。
- 低HDL-C作为“残余风险”标志物，为靶向干预（如提高HDL功能）提供依据。

1. 临床意义
   
   • 建议临床实践中常规测量WC，尤其对SCORE2中风险患者，需结合LDL-C和HDL-C水平优化风险分层。
     
   • 研究呼吁修订现有指南，强调内脏脂肪和脂质代谢在心血管预防中的核心地位。
     

研究亮点
1. 方法学创新：前瞻性设计结合长期随访（>7年），严格校正混杂因素，增强结论可靠性。
2. 颠覆性发现：挑战BMI在风险评估中的主导地位，提出WC和HDL-C的临床优先级。
3. 应用潜力：为开发整合腹型肥胖的新型风险评分（如“CHRONO Med Diet Score”）奠定基础。

补充发现
- 代谢综合征（MetS）患者MACEs风险增加2倍，提示需对MetS组分（如高血压、高血糖）综合管理。
- 研究数据可通过补充材料获取，代码与统计方法公开透明，符合开源科学趋势。

（注：全文基于CC BY-NC-ND 4.0协议开放获取，可自由用于非商业研究。）