35歲以上人群連續代謝綜合征評分及其他肥胖指標與心臟代謝性共病關系：基于安徽省的橫斷面研究

韓正 王為強 潘姚佳 傅方琳 孫夢

【摘要】 背景 隨著中國人口逐步老齡化及慢性病共病人群的增多，心臟代謝性共?。–MM）已成為危害程度較高的共病。目前對于CMM的預測和干預方法的研究多集中于單個心血管疾病和生活方式，而缺乏針對CMM整體的研究。目的 探討代連續代謝綜合征評分（cMetS）及其他肥胖指標與CMM的相關性，并進一步確認是否可作為篩查CMM的簡易指標，以及估計安徽省中老年人群中預測CMM的臨界點。方法 納入2017—2021年安徽省心血管疾病高危人群早期篩查與綜合干預項目人群131 390例為研究對象，分為CMM組（男779例，女866例）和非CMM組（男53 020例，女76 725例）。收集患者一般資料和生化指標，計算腰高比（WHtR）、腰高比0.5（WHT.5R）、身體圓度指數（BRI）、cMetS。采用Bonferroni法比較不同性別不同年齡段人群CMM患病率的差異。采用多因素Logistic逐步回歸分析探究CMM的影響因素。繪制cMetS和肥胖指標預測CMM的受試者工作特征曲線（ROC曲線）并計算ROC曲線下面積（AUC），使用成對樣本檢驗評估不同指標在預測CMM狀態中的價值差異性。結果 男性群體中CMM組年齡、BMI、腰圍（WC）、平均動脈壓（MAP）、空腹血糖（FPG）、三酰甘油（TG）、糖尿病、缺血性心臟病、卒中、WHtR、WHT.5R、BRI、cMetS高于非CMM組，吸煙比例、飲酒比例、總膽固醇（TC）、高密度脂蛋白膽固醇（HDL-C）低于非CMM組（P<0.05）。女性群體中CMM組年齡、BMI、WC、MAP、FPG、糖尿病、缺血性心臟病、卒中、WHtR、WHT.5R、BRI、cMetS高于非CMM組，TC、HDL-C低于非CMM組（P<0.05）。男性、女性患者不同年齡段CMM患病率不同（P<0.05）。多因素Logistic回歸分析結果顯示cMetS、WHtR、WHT.5R、BRI、BMI升高是男性人群及女性人群CMM患病的危險因素（P<0.05）。繪制cMetS、WHtR、WHT.5R、BRI、BMI診斷CMM患病的ROC曲線，結果顯示：男性群體中cMetS的AUC高于WHtR（Z=6.16，P<0.001）、BRI（Z=6.16，P<0.001）、WHT.5R（Z=7.21，P<0.001）、BMI（Z=9.36，P<0.001）；女性群體中cMetS的AUC高于WHtR（Z=5.71，P<0.001）、BRI（Z=5.71，P<0.001）、WHT.5R（Z=6.92，P<0.001）、BMI（Z=9.98，P<0.001）。結論 在不同性別中，cMetS和其他肥胖指標均與CMM密切相關，且在識別CMM方面cMetS優于其余指標。cMetS可作為診斷CMM的一項新型指標，在預防CMM方面具有重要意義。

【關鍵詞】 代謝綜合征；心臟代謝性共??；連續代謝綜合征評分；安徽??；橫斷面研究

【中圖分類號】 R 589 【文獻標識碼】 A DOI：10.12114/j.issn.1007-9572.2024.0018

A Cross-sectional Study of the Association of cMetS and Other Obesity Indicators with Cardiometabolic Co-morbidities in People over 35 Years of Age in Anhui Province

HAN Zheng1，2，WANG Weiqiang1*，PAN Yaojia1，2，FU Fanglin1，2，SUN Meng1，2

1.Department of General Medicine，Suzhou Hospital Affiliated to Anhui Medical University/Suzhou Municipal Hospital of Anhui Province，Suzhou 234000，China

2.Anhui Medical University，Hefei 230000，China

*Corresponding author：WANG Weiqiang，Chief physician；E-mail：wwq007@126.com

【Abstract】 Background With the gradual aging of China's population and the gradual rise of chronic disease co-morbidities，cardiometabolic co-morbidities（CMM）have become one of the most damaging co-morbidities. Current studies on prediction and intervention methods for CMM have focused on individual cardiovascular diseases and lifestyle，while studies on CMM as a whole are lacking. Objective To explore the association of Continuous Metabolic Syndrome Score（cMetS）and other obesity indicators with CMM，and to further confirm whether these indicators can be used as a simple indicator for screening CMM，as well as to estimate the threshold for prediction of CMM in the middle-aged and elderly population in Anhui Province. Methods The study included 131 390 participants from the Anhui Province Cardiovascular Disease High-Risk Population Early Screening and Comprehensive Intervention Project from 2017 to 2021，divided into CMM（779 males，866 females）and non-CMM groups（53 020 males，76 725 females）. General patient information and biochemical markers were collected，and the waist-to-height ratio（WHtR），WHT.5R，body roundness index（BRI），and cMetS were calculated. Differences in CMM prevalence by gender and age group were compared using the Bonferroni method. Multivariate Logistic regression analysis was employed to investigate the factors influencing CMM. Receiver operating characteristic（ROC）curves for predicting CMM using cMetS and obesity indices were plotted，and the area under the ROC curve（AUC）was calculated. The value of different indices in predicting CMM status was assessed using paired sample tests. Results In the male cohort，the CMM group showed higher values for age，BMI，waist circumference（WC），mean arterial pressure（MAP），fasting plasma glucose（FPG），triglycerides（TG），diabetes，ischemic heart disease，stroke，WHtR，WHT.5R，BRI，and cMetS than the non-CMM group. Smoking and alcohol consumption，as well as total cholesterol（TC）and high-density lipoprotein cholesterol（HDL-C），were higher in the non-CMM group（P<0.05）. In females，similar trends were observed，with lower levels of TC and HDL-C in the CMM group（P<0.05）. The prevalence of CMM varied across different age groups in both male and female patients（P<0.05）. Multivariate Logistic regression analysis indicated that increases in cMetS，WHtR，WHT.5R，BRI，and BMI are risk factors for CMM in both genders（P<0.05）. ROC curve analysis showed that in males，the AUC for cMetS was higher than that for WHtR（Z=6.16，P<0.001），BRI（Z=6.16，P<0.001），WHT.5R（Z=7.21，P<0.001），and BMI（Z=9.36，P<0.001）. Similar findings were observed for females，with cMetS outperforming the other indices. Conclusion In both genders，cMetS and other obesity indices are closely associated with CMM，with cMetS being a superior identifier. cMetS serves as a novel marker for diagnosing CMM，highlighting its significance in the prevention of this condition.

【Key words】 Metabolic syndrome；Cardiometabolic multimorbidity；Continuous metabolic syndrome score；Anhui province；Cross-sectional studies

共病通常指為兩種或兩種以上慢性病并存的狀態，是全球日益關注的公共衛生問題［1］。心臟代謝性共?。╟ardiometabolic multimorbidity，CMM）定義為2型糖尿病、卒中和缺血性心臟病中1種以上共存的慢性病共病，其疾病模式穩定、危害程度較高，是常見的嚴重慢性病共病之一［2-3］。

代謝綜合征（metabolic syndrome，MetS）已被證實可以直接促進動脈粥樣硬化性心血管疾病的發生，并增加2型糖尿病的患病風險。連續代謝綜合征評分（Continuous Metabolic Syndrome Score，cMetS）是基于5種代謝功能指標［腰圍（WC）、三酰甘油（TG）、高密度脂蛋白膽固醇（HDL-C）、平均動脈壓（MAP）和空腹血糖（FPG）］進行權重計算而開發出的一個適用于中國人群的評分系統［4］，以便更好地識別心血管疾病風險。與此同時，有研究表明肥胖使人群更容易患上心臟代謝性疾病，甚至會導致CMM的出現［5］。近年來，一些新型的肥胖指標，例如腰高比（waist-to-height ratio，WHtR）、腰高比0.5（waist divided by height 0.5，WHT.5R）、身體圓度指數（body roundness index，BRI）等被相繼提出。但目前尚缺乏cMetS和肥胖指標與CMM的相關性及其對CMM預測價值的研究。本研究旨在于探究cMetS是否可作為早期篩查CMM的有效指標，同時與其他已驗證的體脂評價指標進行比較，以確定不同指標篩查不同性別人群CMM患病的有效性。通過控制相關指標，降低人群CMM患病風險。

1 對象與方法

1.1 研究對象

納入2017—2021年安徽省心血管疾病高危人群早期篩查與綜合干預項目人群為研究對象，該項目對安徽省12個縣市的社區體檢居民進行調研，共選擇了131 390份數據。納入標準：研究對象年齡35～75歲，在篩查前至少在該地區居住了6個月。排除標準：（1）身高（BH）、體質量、WC、吸煙、飲酒、婚姻情況、總膽固醇（TC）、TG和HDL-C資料存在缺失；（2）患有惡性腫瘤。本項目堅持知情同意和自愿參與原則，所有研究對象簽署書面知情同意書。本研究已獲得安徽醫科大學附屬宿州醫院倫理委員會批準（A2022033）。

1.2 研究方法

1.2.1 一般資料：研究對象均由經過培訓的醫護人員進行人口學信息收集、體格檢查以及實驗室生化指標檢查。人口學信息收集包括研究對象的性別、年齡、心血管疾病史、用藥狀況以及吸煙、飲酒史等。體格檢查包括血壓、BH、體質量以及WC的測量。實驗室生化指標檢查包括FPG、TC、TG、HDL-C以及低密度脂蛋白膽固醇（LDL-C）等。在禁食一夜后，研究對象清晨抽取6 mL空腹靜脈血進行血生化檢測，并留取10 mL中段尿液進行尿常規檢測。

1.2.2 相關指標計算方法：WHtR=WC（cm）/BH（cm）；WHT.5R=WC（cm）/BH0.5（cm）；cMetS=-3.143 6+0.025 8×WC+0.361×TG-0.934 8×HDL-C+0.122 4×MAP+0.122 4×FPG；BRI=364.2-365.5×［1-（WC/2π）2/（0.5×BH）2］0.5。

1.2.3 相關定義與分組：CMM定義為2型糖尿病、卒中和缺血性心臟病中的1種以上同時共存［2］。將不同性別的患者按照是否為CMM分為CMM組（男779例，女866例）和非CMM組（男53 020例，女76 725例）。

1.3 統計學方法

采用SPSS 27.0統計學軟件進行數據分析，符合正態分布的計量資料以（x-±s）表示，兩組間比較采用獨立樣本t檢驗；不符合正態分布的計量資料以M（P25，P75）表示，兩組間比較采用秩和檢驗；計數資料采用［例（%）］表示，組間比較采用χ2檢驗。采用Bonferroni法比較不同性別不同年齡段人群CMM患病率的差異。采用多因素Logistic逐步回歸分析探究CMM的影響因素。繪制cMetS和肥胖指標預測CMM的受試者工作特征曲線（ROC曲線）并計算ROC曲線下面積（AUC），使用成對樣本檢驗評估不同指標在預測CMM狀態中的價值差異性。以P<0.05為差異有統計學意義。

2 結果

2.1 基線特征

男性群體中CMM組年齡、BMI、WC、MAP、FPG、TG、糖尿病、缺血性心臟病、卒中、WHtR、WHT.5R、BRI、cMetS高于非CMM組，吸煙比例、飲酒比例、TC、HDL-C低于非CMM組，差異有統計學意義（P<0.05）。女性群體中CMM組年齡、BMI、WC、MAP、FPG、糖尿病、缺血性心臟病、卒中、WHtR、WHT.5R、BRI、cMetS高于非CMM組，TC、HDL-C低于非CMM組，差異有統計學意義（P<0.05）；兩組吸煙比例、飲酒比例、TG比較，差異無統計學意義（P>0.05），見表1。

對不同性別不同年齡段人群CMM患病情況進行比較，男性和女性CMM患者年齡分布比較，差異無統計學意義（χ2=4.255，P=0.373）。分別對不同年齡段患者CMM患病率采用Bonferroni法進行比較，結果顯示男性、女性患者不同年齡段CMM患病率不同（男性：χ2=218.36，P<0.001；女性：χ2=476.07，P<0.001），見表2。

2.2 男性與女性人群CMM患病風險的多因素Logistic逐步回歸分析

以是否患CMM為因變量（否=0，是=1），以不同指標四分位間距分組［男性cMetS：Q1（-2.323～-0.222分，n=13 450），Q2（-0.223～0.298分，n=13 450），Q3（0.299～0.842分，n=13 450），Q4=（0.843～5.028分，n=13 449），女性cMetS：Q1（-2.235～-0.393分，n=19 398），Q2（-0.393～0.105分，n=19 399），Q3（0.106～0.623分，n=19 397），Q4=（0.624～4.569分，n=19 397）；男性WHtR：Q1（0.298～0.479，n=13 454），Q2（0.480～0.515，n=13 478），Q3（0.516～0.551，n=13 485），Q4=（0.552～0.851，n=13 382），女性WHtR：Q1（0.333～0.490，n=19 487），Q2（0.491～0.529，n=19 317），Q3（0.530～0.571，n=19 448），Q4=（0.572～1.000，n=19 339）；男性WHT.5R：Q1（3.937～6.181，n=13 441），Q2（6.182～6.635，n=13 539），Q3（6.654～7.098，n=13 453），Q4=（7.099～10.916，n=13 366），女性WHT.5R：Q1（4.164～6.144，n=19 445），Q2（6.145～6.598，n=19 399），Q3（6.599～7.114，n=19 368），Q4=（7.115～12.166，n=19 379）；男性BRI：Q1（0.846～3.481，n=13 454），Q2（3.482～4.130，n=13 478），Q3（4.131～4.856，n=13 485），Q4=（4.857～12.846，n=13 382），女性BRI：Q1（1.260～3.675，n=19 487），Q2（3.676～4.405，n=19 317），Q3（4.406～5.289，n=19 448），Q4=（5.290～18.185，n=19 339）；男性BMI：Q1（13.888～22.267 kg/m2，n=13 450），Q2（22.268～24.221 kg/m2，n=13 079），Q3（24.222～26.398 kg/m2，n=13 845），Q4=（26.399～45.367 kg/m2，n=13 425），女性BMI：Q1（12.891～22.222 kg/m2，n=19 281），Q2（22.223～24.243 kg/m2，n=19 484），Q3（24.244～26.639 kg/m2，n=19 346），Q4=（26.640～50.599 kg/m2，n=19 480）］為自變量進行多因素Logistic逐步回歸分析，其中模型1并未調整混雜因素，模型2調整了年齡，模型3調整了年齡、吸煙、飲酒、TC、HDL-C、TG。結果顯示模型3中cMetS、WHtR、WHT.5R、BRI、BMI升高是男性人群及女性人群CMM患病的危險因素（P<0.05），見表3～4。

2.3 cMetS、WHtR、WHT.5R、BRI、BMI對CMM患病的診斷價值

繪制cMetS、WHtR、WHT.5R、BRI、BMI診斷CMM患病的ROC曲線，結果顯示：男性群體中cMetS診斷CMM的AUC高于WHtR（Z=6.16，P<0.001）、BRI（Z=6.16，P<0.001）、WHT.5R（Z=7.21，P<0.001）、BMI（Z=9.36，P<0.001）；女性群體中cMetS診斷CMM的AUC高于WHtR（Z=5.71，P<0.001）、BRI（Z=5.71，P<0.001）、WHT.5R（Z=6.92，P<0.001）、BMI（Z=9.98，P<0.001），見表5、圖1。

3 討論

本研究選取了安徽省心血管疾病高危人群項目中年齡35～75歲的131 390例中老年居民作為研究對象，探討了cMetS和WHtR、WHT.5R、BRI、BMI等肥胖指標與CMM之間的關系。研究結果表明，這些指標均與人群CMM患病顯著相關，其中cMetS相關性最為明顯。同時，在診斷CMM價值方面，cMetS較其他肥胖指標更為優秀，且具有顯著差異。

根據一項2019年的流行病學調查顯示，心血管疾病是我國的主要死亡原因［6］。一種代謝疾病的發展會明顯增加患另一種代謝疾病的風險。糖尿病患者患心臟病或腦卒中的風險約為非糖尿病成人的2倍［7］。慢性病共病對人體的損害常存在累計效應，且顯著影響患者的生活質量及預期壽命［8］。CMM與死亡風險的相關性遠高于單獨某一代謝性疾病。60歲以上人群患有1種代謝性疾病時，預期壽命會縮短6～10年，而CMM人群的預期壽命縮短了15年［9］。本研究結果顯示，<40歲人群CMM患病率較低，50～59歲人群CMM患病率顯著增加，60歲以上人群CMM患病率更高，提示臨床醫生需要在50～59歲年齡段人群中重點控制和預防CMM，對不同年齡段人群需要采取針對性的預防和控制措施。本研究CMM患病率為1.2%（1 645/133 178），與另一項針對我國45歲以上居民研究的1.9%相似［10］，低于加拿大50歲以上人群的3.5%［11］。雖然本研究患病率目前較低，但隨著人口老齡化的發展，這一比例可能將持續上升。

患有MetS的人群屬于心腦血管疾病高危人群，同時罹患2型糖尿病的風險也明顯增加［12］。cMetS作為可以連續量化的指標，其在預測心血管疾病和死亡率方面優于傳統的MetS指標［13］。此外，如果所有MetS指標升高接近臨界值且無癥狀，臨床上也難以得到診斷與治療。通過cMetS可以識別患有更高心血管疾病風險的人群，并且能夠進一步干預，降低cMetS，從而降低患病風險。DEBOER等［14］的研究表明，cMetS的變化反映了疾病風險的變化，且cMetS的下降會激勵患者，使其對疾病管理更有信心。相對于傳統MetS指標，cMetS不僅表明患者存在代謝紊亂，還能提示患者的代謝紊亂程度。

研究表明，cMetS能夠有效預測冠心病的風險［15］。此外，與心血管疾病風險評分比較，cMetS與2型糖尿病的相關性更強，能識別出最高合并心臟代謝疾病風險的患者［16］。cMetS還可以預測2型糖尿病的進展風險［17］。關于缺血性卒中，有研究顯示，在無糖尿病的情況下，缺血性卒中的患病風險隨著cMetS的增加而上升［18］。本研究結果顯示，cMetS對CMM的診斷價值較WHtR、WHT.5R、BRI、BMI更好，可能因為cMetS是基于傳統的MetS成分開發，TG、HDL-C和WC的權重更高，而且這些因素的權重更為重要。TG和HDL-C被認為是MetS診斷中胰島素抵抗的代替指標，而WC則可以反映內臟器官中過多脂肪的積聚。這表明在CMM的發展過程中，胰島素抵抗和脂質蓄積可能同時發揮重要作用。

肥胖是心血管疾病的高危風險因素。據研究表明，CMM的風險隨著BMI的增加而增加，與BMI正常人群相比，超重人群和肥胖人群CMM患病風險明顯升高［19］。WHtR、WHT.5R、BRI等作為易于獲得的新型肥胖指標，常更能預測肥胖的風險。本研究證實，這些肥胖指標均與CMM相關。其中，WHtR、WHT.5R和BRI對CMM的診斷能力均優于BMI，與既往研究相符［20］。此外，WHtR和BRI對CMM的診斷價值相同。針對廣東省人群的一項研究中，這兩項指標的預測價值也完全相同（AUC均為0.679）［21］。另外一項針對哥倫比亞老年人的研究中，WHtR和BRI是預測終點事件最準確的指標（AUC為0.77）［22］。這些研究指標的預測價值較本研究更高，可能是因為其終點事件為心臟代謝風險指數>2.00。由于WHtR和BRI均為基于腰圍和BH的比值進行計算，這可能是兩者對CMM預測價值相同的原因。但WHtR僅需要簡單的計算即可獲得，而BRI的計算則稍顯復雜。因此，在預測CMM時，WHtR是更易于獲得且準確的肥胖指標。

然而，本研究存在一定的局限性。首先，本研究采用的橫斷面研究，無法確定cMetS和肥胖指標與CMM之間的因果關系，需要進行更多的前瞻性隊列研究來進一步確定。其次，由于數據收集的限制，本研究未納入飲食模式、睡眠、體育鍛煉等相關指標進行調整，這可能導致混雜因素的存在，從而影響研究結果。最后，本研究樣本僅限于安徽省人群，可能存在選擇性偏倚，因此需要在全國范圍內進行多中心研究進行驗證。

4 小結

綜上所述，cMetS較WHtR、WHT.5R、BRI、BMI等肥胖指標更適合作為診斷CMM的有效預測指標。同時應該重視50～59歲年齡段的高危人群，以避免未來發生CMM。對于60歲以上的人群應采取早期干預措施，進一步減少CMM的發生。cMets有望成為識別CMM高危人群的早期標志，從而促進預防醫學和慢性病共病的預防與管理。

作者貢獻：韓正提出主要研究目標，負責研究的構思與設計，研究的實施，撰寫論文；韓正、傅方琳進行數據的收集與整理，統計學處理，圖、表的繪制與展示；潘姚佳、孫夢進行論文的修訂；王為強負責文章的質量控制與審查，對文章整體負責，監督管理。

本文無利益沖突。

參考文獻

The LANCET. Making more of multimorbidity：an emerging priority［J］. Lancet，2018，391（10131）：1637. DOI：10.1016/S0140-6736（18）30941-3.

HAN Y T，HU Y Z，YU C Q，et al. Lifestyle，cardiometabolic disease，and multimorbidity in a prospective Chinese study［J］. Eur Heart J，2021，42（34）：3374-3384. DOI：10.1093/eurheartj/ehab413.

BUSIJA L，LIM K，SZOEKE C，et al. Do replicable profiles of multimorbidity exist？ Systematic review and synthesis［J］. Eur J Epidemiol，2019，34（11）：1025-1053. DOI：10.1007/s10654-019-00568-5.

YANG S J，YU B，YU W Q，et al. Development and validation of an age-sex-ethnicity-specific metabolic syndrome score in the Chinese adults［J］. Nat Commun，2023，14（1）：6988. DOI：10.1038/s41467-023-42423-y.

XIA X，CHEN S，TIAN X，et al. Association of body mass index with risk of cardiometabolic disease，multimorbidity and mortality：a multi-state analysis based on the Kailuan cohort［EB/OL］.（2023-10-25）［2024-04-17］. https：//zgqkyxeditor.manuscriptcloud.com/editorinfo/manuscript/manuscriptList？groupId=40dafc57938b44809cc8f57da8693d4f&phaseId=cb787eb2dd5c4e3880b482d4220b2b66&phasestatusId=rejecteditfinished&listtype=desktop&version=1713756758550.

ZHAO D，LIU J，WANG M，et al. Epidemiology of cardiovascular disease in China：current features and implications［J］. Nat Rev Cardiol，2019，16（4）：203-212. DOI：10.1038/s41569-018-0119-4.

LEON B M，MADDOX T M. Diabetes and cardiovascular disease：Epidemiology，biological mechanisms，treatment recommendations and future research［J］. World J Diabetes，2015，6（13）：1246-1258. DOI：10.4239/wjd.v6.i13.1246.

FORTIN M，DUBOIS M F，HUDON C，et al. Multimorbidity and quality of life：a closer look［J］. Health Qual Life Outcomes，2007，5：52. DOI：10.1186/1477-7525-5-52.

COLLABORATION E R F，DI ANGELANTONIO E，KAPTOGE S，et al. Association of cardiometabolic multimorbidity with mortality［J］. JAMA，2015，314（1）：52-60. DOI：10.1001/jama.2015.7008.

ZHU X H，DING L L，ZHANG X N，et al. Association of cognitive frailty and abdominal obesity with cardiometabolic multimorbidity among middle-aged and older adults：a longitudinal study［J］. J Affect Disord，2023，340：523-528. DOI：10.1016/j.jad.2023.08.067.

SAKAKIBARA B M，OBEMBE A O，ENG J J. The prevalence of cardiometabolic multimorbidity and its association with physical activity，diet，and stress in Canada：evidence from a population-based cross-sectional study［J］. BMC Public Health，2019，19（1）：1361. DOI：10.1186/s12889-019-7682-4.

HADAEGH F，ABDI A，KOHANSAL K，et al. Gender differences in the impact of 3-year status changes of metabolic syndrome and its components on incident type 2 diabetes mellitus：a decade of follow-up in the Tehran Lipid and Glucose Study［J］. Front Endocrinol，2023，14：1164771. DOI：10.3389/fendo.2023.1164771.

HONARVAR M，MEHRAN L，MASOUMI S，et al. Independent association between age- and sex-specific metabolic syndrome severity score and cardiovascular disease and mortality［J］. Sci Rep，2023，13（1）：14621. DOI：10.1038/s41598-023-41546-y.

DEBOER M D，FILIPP S L，GURKA M J. Use of a metabolic syndrome severity Z score to track risk during treatment of prediabetes：an analysis of the diabetes prevention program［J］. Diabetes Care，2018，41（11）：2421-2430. DOI：10.2337/dc18-1079.

DEBOER M D，GURKA M J，GOLDEN S H，et al. Independent associations between metabolic syndrome severity and future coronary heart disease by sex and race［J］. J Am Coll Cardiol，2017，69（9）：1204-1205. DOI：10.1016/j.jacc.2016.10.088.

GURKA M J，FILIPP S L，PEARSON T A，et al. Assessing baseline and temporal changes in cardiometabolic risk using metabolic syndrome severity and common risk scores［J］. J Am Heart Assoc，2018，7（16）：e009754. DOI：10.1161/JAHA.118.009754.

MEAMAR R，AMINI M，AMINORROAYA A，et al. Severity of the metabolic syndrome as a predictor of prediabetes and type 2 diabetes in first degree relatives of type 2 diabetic patients：a 15-year prospective cohort study［J］. World J Diabetes，2020，11（5）：202-212. DOI：10.4239/wjd.v11.i5.202.

DEBOER M D，FILIPP S L，SIMS M，et al. Risk of ischemic stroke increases over the spectrum of metabolic syndrome severity［J］. Stroke，2020，51（8）：2548-2552. DOI：10.1161/STROKEAHA.120.028944.

KIVIM?KI M，KUOSMA E，FERRIE J E，et al. Overweight，obesity，and risk of cardiometabolic multimorbidity：pooled analysis of individual-level data for 120 813 adults from 16 cohort studies from the USA and Europe［J］. Lancet Public Health，2017，2（6）：e277-285. DOI：10.1016/S2468-2667（17）30074-9.

LU Y Q，LIU S Y，QIAO Y N，et al. Waist-to-height ratio，waist circumference，body mass index，waist divided by height 0.5 and the risk of cardiometabolic multimorbidity：a national longitudinal cohort study［J］. Nutr Metab Cardiovasc Dis，2021，31（9）：2644-2651. DOI：10.1016/j.numecd.2021.05.026.

QIN X R，CHEN C L，WANG J B，et al. Association of adiposity indices with cardiometabolic multimorbidity among 101，973 Chinese adults：a cross-sectional study［J］. BMC Cardiovasc Disord，2023，23（1）：514. DOI：10.1186/s12872-023-03543-x.

RAM?REZ-V?LEZ R，P?REZ-SOUSA M ?，IZQUIERDO M，et al. Validation of surrogate anthropometric indices in older adults：what is the best indicator of high cardiometabolic risk factor clustering？［J］. Nutrients，2019，11（8）：1701. DOI：10.3390/nu11081701.

（本文編輯：鄒琳）

*通信作者：王為強，主任醫師；E-mail：wwq007@126.com

基金項目：安徽省科技創新戰略與軟科學研究專項計劃項目（202106f01050042）

引用本文：韓正，王為強，潘姚佳，等. 35歲以上人群連續代謝綜合征評分及其他肥胖指標與心臟代謝性共病關系：基于安徽省的橫斷面研究［J］. 中國全科醫學，2024，27（27）：3344-3350，3358. DOI：10.12114/j.issn.1007-9572.2024.0018. ［www.chinagp.net］

HAN Z，WANG W Q，PAN Y J，et al. A cross-sectional study of the association of cMetS and other obesity indicators with cardiometabolic co-morbidities in people over 35 years of age in Anhui province［J］. Chinese General Practice，2024，27（27）：3344-3350，3358.

? Editorial Office of Chinese General Practice. This is an open access article under the CC BY-NC-ND 4.0 license.