Diabetes Care
腰围与相对脂肪量指数在82个中低收入国家中优于BMI识别糖尿病风险

小赛推荐：

该研究强调在 糖尿病 筛查中结合腰围相关指标可提升风险识别能力，尤其在BMI正常至超重人群中，为流行病学研究和基层临床策略提供了更精准的筛查工具选择。

 

文献概述

本文《Waist Circumference, Relative Fat Mass Index, and BMI as Classifiers of Diabetes Status: A Comparative, Cross-sectional Analysis in 82 Low- and Middle-Income Countries》，发表于《Diabetes Care》杂志，系统探讨了在82个中低收入国家（LMICs）中，腰围（WC）、相对脂肪量指数（RFM）与体重指数（BMI）在识别糖尿病状态中的判别性能差异。研究基于大规模、具有全国代表性的个体水平数据，聚焦于BMI < 30 kg/m²的成年人群，揭示了传统BMI在代谢风险评估中的局限性。进一步分析表明，中心性肥胖指标如WC和RFM在糖尿病分类中表现更优，提示其在资源有限环境中的潜在应用价值。

背景知识

1. 该研究解决的 糖尿病 痛点在于：在中低收入国家，超过80%的糖尿病患者居住于此，但诊断率极低，早期筛查工具的敏感性不足导致大量病例漏诊。尤其在BMI处于18.5–29.9 kg/m²的个体中，传统BMI难以反映内脏脂肪堆积，而这类人群仍存在显著的糖尿病风险。2. 目前 BMI 的研究瓶颈在于其无法区分脂肪分布，对亚洲、非洲等族群的代谢异质性适应性差，导致高风险个体被误判为“健康体重”。3. 选题切入点在于验证新型身体测量指标如RFM和WC在跨区域、多民族背景下的普适性，尤其是在LMICs中尚未建立统一腰围筛查标准的现状下，提供大规模证据支持。研究通过引入RFM这一基于身高-WC比值的指数，试图克服传统WC的局限性，并与BMI进行直接比较，以评估其在真实世界人群中的分类效能。

 

针对糖尿病及代谢疾病研究，赛业生物提供多种基因编辑小鼠模型，包括肥胖、糖尿病、非酒精性脂肪肝等代谢性疾病模型，支持基因敲除、基因敲入和饮食诱导等多种造模方式。这些模型可用于研究疾病机制、药物筛选及药效评价，助力新药开发。了解更多信息，请访问代谢模型服务。

了解更多

 

研究方法与核心实验

作者采用横断面、多国汇总分析方法，整合了来自82个LMICs的83项具有全国代表性的健康调查数据，共纳入598,883名年龄≥25岁、BMI在18.5–29.9 kg/m²之间的成人个体。数据来源包括WHO STEPS、DHS等标准化调查，确保测量一致性。暴露变量为腰围、RFM和BMI，通过标准化协议测量。糖尿病定义依据WHO标准，包括空腹血糖、随机血糖或HbA1c水平，或自我报告用药。采用多变量Poisson回归计算风险比（RR），并利用加权逻辑回归生成受试者工作特征（ROC）曲线，计算AUC以评估各指标的判别能力。所有分析按性别和地区分层，并采用Benjamini-Hochberg方法校正多重比较。

关键结论与观点

• 在总体人群中，腰围和RFM的AUC分别为0.69，显著高于BMI的0.64（男性）和0.63（女性），表明其在识别糖尿病状态上具有更优判别性能。
• 风险比分析显示，处于腰围最高五分位的个体，糖尿病风险是最低五分位的4.78倍（男性）和4.01倍（女性），高于BMI对应的风险比（3.26和2.63），说明腰围对代谢风险的预测强度更强。
• RFM在多个地区（如拉丁美洲、中东）的表现略优于或等于腰围，提示其可能在不同族群中具有更稳定的校准能力，值得进一步在前瞻性队列中验证其对糖尿病发病的预测价值。
• 最优截断值分析显示，男性腰围为88.1 cm，女性为87.8 cm时最佳区分糖尿病状态，显著低于目前普遍采用的男性≥90 cm、女性≥80 cm的代谢综合征标准，提示在LMICs中可能需要重新评估腰围风险阈值。

研究意义与展望

该研究为在中低收入国家实施更具成本效益的糖尿病筛查策略提供了关键证据。将腰围测量纳入常规体检，尤其在BMI正常或超重个体中，可显著提升高风险人群的识别效率，避免仅依赖BMI导致的漏诊。这一发现对临床监测具有直接转化价值，建议更新现有指南，纳入中心性肥胖指标作为辅助筛查工具。

从药物开发角度看，研究提示未来在招募糖尿病前期或高风险队列时，应综合考虑RFM或腰围作为入组标准之一，以提高人群的代谢异质性代表性。此外，该数据支持开发基于移动健康（mHealth）的腰围自测工具，结合AI算法进行风险评估，推动数字化预防干预。

 

为支持糖尿病及相关并发症的药效评价，赛业生物提供专业的代谢疾病药效平台，涵盖肥胖、糖尿病、高尿酸血症等疾病模型。平台提供体内药效评价服务，如体重、血糖、血脂等指标检测，以及体外代谢靶标药物筛选和MOA研究。该服务适用于药物研发中的药效评估与机制探索，满足IND申报需求。

了解更多

 

结语

本研究通过分析82个中低收入国家的大规模人群数据，证实了腰围和相对脂肪量指数在识别BMI低于30 kg/m²成人中糖尿病状态的优越性能。这一发现挑战了仅依赖BMI作为筛查标准的传统做法，强调了中心性肥胖在代谢风险评估中的核心地位。从实验室到临床转化的视角，该研究为构建更精准的糖尿病风险预测模型提供了流行病学基础，尤其在资源有限的初级卫生保健体系中，推广简单、低成本的腰围测量可显著提升早期诊断率。未来应基于此证据推动政策更新，制定地区特异性的腰围截断值，并结合RFM等新型指数优化筛查流程。这不仅有助于实现联合国全球糖尿病目标中的诊断覆盖率目标，也为开展针对性干预和药物预防试验提供了高风险人群识别工具，是构建高效、公平的糖尿病照护体系的重要基石。

 

Jacqueline A Seiglie, Till Seuring, Felix Teufel, Orison O Woolcott, and Jennifer Manne-Goehler. Waist Circumference, Relative Fat Mass Index, and BMI as Classifiers of Diabetes Status: A Comparative, Cross-sectional Analysis in 82 Low- and Middle-Income Countries. Diabetes Care.