1. 引言
随着社会经济的增长和人们生活质量的提升，由此导致的不良生活习惯的形成，已促使超重与肥胖现象在全球范围内广泛流行[1]。目前，全年龄段超重肥胖患病率的急剧增加是T2DM人口呈指数增长的主要原因之一。T2DM与超重肥胖、衰老、种族和家族史等因素密切相关，占全世界90%以上的糖尿病[2]。据研究，2021年全球确诊糖尿病的人数已经激增至5.37亿。预计在2030年增长至6.43亿，并有迹象表明在2045年继续上升至7.83亿。到2030年，世界人口(超过10亿人)中男性中的14%和女性中的20%患有肥胖症，成年人肥胖症比例为18%、II度肥胖(BMI ≥ 35 kg/m2)为6%、III度肥胖(BMI ≥ 40 kg/m2)为2% [3]。TyG指数体现了葡萄糖和甘油三酯的测量值，可以深入了解患者整体的代谢状态[4]。然而，目前对葡萄糖和脂质紊乱及其对2型糖尿病(T2DM)合并超重肥胖患者具体影响的研究依然甚少。
2. 研究对象与研究方法
2.1. 研究对象
本研究选取22年12月至23年8月，就诊地点为包头医学院第一附属医院，就诊科室为内分泌代谢科的60例T2DM合并超重肥胖患者作为患病组。纳入标准：1) 满足T2DM诊断[5]；2) 满足超重肥胖[6]；3) 满足成年。此外，作为对照选取30名健康个体为健康组。排除标准：1) 患有T1DM、GDM、MODY等其它类型糖尿病患者；2) 心、肝、肾功能严重不全者；3) 消化系统疾病、自身免疫性疾病、恶性占位性病变、精神心理疾病、长期酗酒、除糖尿病以外的其他对血糖有明显影响的内分泌疾病者：4) 哺乳期妇女；5) 数据不全致后期无法分析者。医院伦理审查委员会审核通过且签署知情同意书。
2.2. 资料收集
2.2.1. 一般资料收集
通过问诊的方式获取患病组患者及健康组人群的病例一般资料(包括性别、年龄、身高、体重)。
2.2.2. 实验室指标检测
12小时禁食后，研究参与者(患病组及健康组)抽取2毫升静脉血，检测部分生化指标、空腹C肽水平(FCP)、血常规指标。
2.2.3. 二次计算指标
BMI为体重与身高的平方相除(kg/m2)；TyG指数为ln [甘油三酯浓度(TG)与空腹血糖值(FPG)的乘积除以2] [7] (TG、FPG的单位均为mg/dl)。
2.3. 研究对象分组
根据是否患有T2DM合并超重肥胖将有T2DM合并超重肥胖的患者分为患病组，将无T2DM合并超重肥胖的患者分为健康组。
2.4. 数据统计分析
临床数据的进一步分析使用SPSS 25.0统计软件。计数型数据以n及百分比(%)的形式呈现，使用χ2检验比较患病组和健康组的差异；连续型数据资料进行正态性检验。其中符合正态分布的资料运用t检验(呈现为
)；非正态的采用Mann-Whitney U检验[呈现为M (P25, P75)]；后选择有统计意义的指标建立二元多因素Logistic回归模型分析，绘制受试者工作特征(ROC)曲线，计算曲线下面积(AUC)。以P < 0.05为有统计学意义。
3. 结果
3.1. 差异性分析
本研究患者入组人数共90例(含患病组与健康组)。患病组共60例，男性37例(占33.33%)，女性23例(占66.67%)；健康组有30例，男性20例(占61.67%)，女性10例(占38.33%)。
性别采用χ2检验进行分析；Age：年龄(years)、TyG指数：甘油三酯葡萄糖指数、BMI：体重指数(kg/㎡)、HbA1c：糖化血红蛋白(%)、Hb：血红蛋白(g/L)、RBC：红细胞计数(*1012/L)、MCV：红细胞平均体积(fl)、MCH：红细胞平均血红蛋白含量(pg)、WBC：白细胞计数(*109/L)、PLT：血小板计数(*109/L)、MPV：血小板平均体积(fl)、HCT：红细胞压积采用t检验；TG：甘油三酯(mmol/L)、FPG：空腹血糖(mmol/L)、FCP：空腹C肽(mmol/L)采用Mann-Whitney U检验。
结果(见表1)：两组性别与年龄无显著差异(P值 > 0.05)。而在TG、TyG指数、FPG、BMI、HbA1c、FCP、RBC等指标上，两组存在统计学上的显著差异(P值 < 0.05)。另外，两组间差异无统计学意义的指标还包括PLT、HCT、MCV、Hb、MCH、MPV、WBC (P值 > 0.05)。
3.2. 二元多因素Logistics回归分析
探究影响T2DM合并超重肥胖状况的因素采取多因素Logistics回归分析来进行。设定T2DM合并超重肥胖的有无为因变量(其中无T2DM合并超重肥胖赋值为0、有T2DM合并超重肥胖赋值为1)，同时将上述单因素分析中表现有显著差异的指标，包括TyG指数、BMI、FCP、HbA1c、RBC等5项指标一并纳入多因素Logistic回归模型中，结果(见表2)显示：BMI、HbA1c、TyG指数越高，是T2DM合并超重肥胖的独立影响因素(正相关)；RBC是它负相关的独立因素。
Table 1. Comparison of general data and clinical and calculated indicators between the two groups
表1. 两组一般资料及临床及计算指标的比较
|
合计(N = 90) |
0组(N = 30) |
1组(N = 60) |
χ2/t/z |
P |
性别 |
|
|
|
0.215 |
0.643 |
男 |
57 (63.333%) |
20 (66.67%) |
37 (61.67%) |
|
|
女 |
33 (36.67%) |
10 (33.33%) |
23 (38.33%) |
|
|
Age |
43.11 ± 13.61 |
40.43 ± 13.57 |
44.45 ± 13.55 |
−1.325 |
0.188 |
BMI |
26.17 ± 4.08 |
24.19 ± 3.55 |
27.16 ± 3.98 |
−3.444 |
0.001 |
HbA1c |
8.14 ± 2.62 |
6.18 ± 1.63 |
9.13 ± 2.47 |
−5.935 |
<0.001 |
FPG |
7.50 [5.80; 10.97] |
5.85 [5.10; 7.07] |
9.80 [6.27; 11.67] |
−4.148 |
<0.001 |
FCP |
1.65 [1.26; 2.48] |
1.48 [1.25; 1.67] |
2.11 [1.30; 3.01] |
−2.726 |
0.006 |
Hb |
151.09 ± 19.11 |
149.03 ± 11.18 |
152.12 ± 22.05 |
−0.72 |
0.474 |
RBC |
5.07 ± 0.57 |
5.26 ± 0.42 |
4.97 ± 0.61 |
2.355 |
0.021 |
WBC |
7.09 ± 2.69 |
6.54 ± 1.54 |
7.36 ± 3.09 |
−1.365 |
0.176 |
PLT |
229.77 ± 69.65 |
213.50 ± 43.11 |
237.90 ± 78.75 |
−1.58 |
0.118 |
HCT |
0.44 ± 0.04 |
0.44 ± 0.02 |
0.43 ± 0.05 |
0.85 |
0.398 |
MCV |
87.27 ± 4.24 |
87.51 ± 2.76 |
87.15 ± 4.83 |
0.371 |
0.712 |
MCH |
30.25 ± 2.43 |
30.40 ± 1.79 |
30.17 ± 2.71 |
0.409 |
0.684 |
MPV |
10.41 ± 1.00 |
10.17 ± 0.78 |
10.53 ± 1.08 |
−1.647 |
0.103 |
TG |
1.50 [1.25; 3.04] |
1.28 [1.10; 1.43] |
2.12 [1.35; 4.02] |
−4.657 |
<0.001 |
TyG |
7.86 ± 1.02 |
7.12 ± 0.42 |
8.23 ± 1.03 |
−5.623 |
<0.001 |
注：缩略词及单位同上文。
Table 2. Multivariate logistic regression analysis of the risk factors of overweight and obesity associated with T2DM
表2. 多因素逻辑回归分析T2DM合并超重肥胖的危险因素
|
B |
SE |
Wald |
P |
OR |
95% CI |
BMI |
0.227 |
0.101 |
5.046 |
0.025 |
1.254 |
1.029 |
1.529 |
HbA1c |
0.608 |
0.197 |
9.562 |
0.002 |
1.838 |
1.250 |
2.702 |
FCP |
0.684 |
0.391 |
3.056 |
0.080 |
1.982 |
0.920 |
4.266 |
RBC |
−1.701 |
0.729 |
5.446 |
0.020 |
0.182 |
0.044 |
0.761 |
TyG |
1.552 |
0.757 |
4.207 |
0.040 |
4.723 |
1.071 |
20.820 |
常量 |
−13.572 |
7.029 |
3.728 |
0.053 |
0.001 |
|
|
注：缩略词及单位同上文，B：回归系数；SE：回归系数的标准误；OR：优势比；CI：置信区间。
3.3. TyG指数对于T2DM合并超重肥胖患病风险的预测价值
为了探讨TyG指数是否对T2DM合并超重肥胖患病风险有预测价值，绘制ROC曲线，结果(见图1)：ROCAUC的值为0.841，截断值为7.42时，敏感度 = 78.30%，特异度 = 83.30%，阳性预测值65.80%、阴性预测值78.30%，这表明TyG指数可以作为T2DM合并超重肥胖疾病的预测和诊断指标。
Figure 1. ROC curve of TyG index prediction and diagnosis of T2DM with overweight and obesity
图1. TyG指数预测及诊断T2DM合并超重肥胖的ROC曲线
4. 讨论
目前，T2DM合并超重肥胖的发病率呈增长态势且发病机制多样复杂，这给患者带来沉重的心理和经济负担。TyG指数作为近年来研究的热门指标，在胰岛素抵抗、肾功能和心血管损伤等疾病损伤方面十分重要[8]。同时，甘油三酯–葡萄糖指数、血糖水平、代谢综合征与肥胖症的全因死亡率密切相关[9]。
本研究差异性分析显示，两组BMI、HbA1c、FPG、FCP、RBC、TG、TyG指数等指标相比较，存在有统计学显著差异(P < 0.05)，提示BMI、FPG、FCP、RBC、HbA1c、TG、TyG指数与T2DM合并超重肥胖存在一定联系；多因素逻辑回归分析显示，TyG指数、BMI、HbA1c数值越高，RBC数值越低是出现T2DM合并超重肥胖的独立影响因素(P < 0.05)。ROC曲线：TyG指数能较好地帮助T2DM合并超重肥胖患者预测和诊断。糖尿病患者的血糖控制状况与多项生化指标紧密相关，这些指标包括胰岛素抵抗、血糖水平、C肽浓度、胰岛素含量以及糖化血红蛋白值等[10]。TyG指数可作为胰岛素抵抗的评估指标，通过将TG和FPG两种生化指标乘积结合的方式来衡量检测者胰岛素的敏感性[11] [12]。胰岛素抵抗是2型糖尿病[13]、肥胖[14]、心血管疾病[15]等多种代谢疾病的重要危险因素。
综上所述，T2DM合并超重肥胖与体重指数、糖化血红蛋白、空腹血糖、空腹C肽、红细胞计数、甘油三酯、甘油三酯葡萄糖指数存在一定联系，其中TyG指数是T2DM合并超重肥胖疾病的预测及诊断指标。
本文基于研究人群的纳排标准进行数据指标和样本量的收集，在表1中对健康组和患病组之间所有指标进行差异性分析，表2进行两组上的多因素Logistic回归分析，除TyG指数外，同时还纳入了表1中有意义的指标：BMI、HbA1c、FCP、RBC为混杂因素，表1中其余无统计学意义的指标不纳入回归模型进行分析，最终的结果显示：在考虑混杂因素的影响后，TyG指数依然是该病的独立危险因素。
本研究多因素逻辑回归中BMI、HbA1c、TyG指数越高，RBC越低是T2DM合并超重肥胖的独立影响因素，本文旨在探讨TyG指数对T2DM合并超重肥胖的影响，基于表2多因素Logistic回归的结果，在考虑了混杂因素的影响后，TyG指数仍是该病的独立危险因素。因此，重点针对TyG指数进行ROC曲线的绘制和相关参数的报告。同时，由于本文样本量收集的客观条件限制，最终纳入分析的人群有限，收集汇总的研究指标也存在一定的局限性，对于该病其他相关方面的指标，可以在后续的研究中进一步通过扩大样本量、调整优化纳排标准来进行更深入的探索。
NOTES
*第一作者。
#通讯作者。