王晓红，何玉腊，赵俊，刘聪聪，杨华

高血压是引发心脑血管疾病的重要危险因素，近年来其发病率居高不下，多发于中老年人，需引起高度重视[1]。既往评估肥胖严重程度常选用人体测量学指标，其有方便、快速的评估优势[2]；目前存在诸多关于人体测量学指标与高血压相关性的研究，常见指标包括体质指数（BMI）、腰围（WC）及腰高比（WHtR）等[3,4]。现又出现了以内脏脂肪指数（VAI）、身体形态指数（ABSI）及身体圆度指数（BRI）等为代表的新版人体测量学指标[5,6]，尚缺乏关于新版人体测量学指标与高血压相关性的临床指南。本研究以国内老年人群为研究对象，研究新版人体测量学指标与高血压发生的相关性，构建高血压发病风险的预测模型，取得较好效果，现汇报如下。

1 资料与方法

1.1 研究对象于2014年起建立一个前瞻性的动态序列，基线人群包括西安市新城区的老年人群22 508例，于2019年1月开始首次随访，至同年12月完成随访21 765例（96.70%）。纳入标准：年龄≥60岁；随访期间病例资料完整；患者均经详细沟通并签署知情同意书。排除标准：基线存在高血压、冠状动脉粥样硬化性心脏病（冠心病）等心脑血管疾病或合并恶性肿瘤；拒绝或中途主动退出或失访者。经纳入以及排除标准后最终纳入研究对象5398例。本研究经我院伦理委员会备案通过。

1.2 方法影响因素的调查：患者体检并填写自行设计的调查问卷，调查内容包括年龄、性别、家族史、吸烟、饮酒、运动习惯、学历、基线收缩压、基线舒张压、血脂、空腹血糖等基线指标及BMI、WC、WHtR、VAI、ABSI、BRI等6种人体测量学指标。高血脂胆固醇＞5.72 mmol/L、三酰甘油＞1.70 mmol/L；人体测量学指标的计算方法见文献[3-6]。随访：对患者进行高血压结局随访，以收缩压/舒张压不低于140/90 mmHg（1 mmHg=0.133 kPa）为高血压[7]。质量控制：本研究调查影响因素采用统一的设计方案，由培训后的调查员进行问卷调查，调查时采用统一的讲解和引导语句。录入并处理数据时采用双人双录法，出现误差时由专人核验以确定数据准确。

1.3 观察指标①基线及人体测量学指标与高血压相关性的单因素分析：依据高血压的诊断标准，将患者分为高血压组及非高血压组，比较两组基线及人体测量学指标进行统计学分析。②对人体测量学指标与高血压相关性行多因素Logistic回归分析。③高血压发病风险初级模型构建：对基础因素与高血压的相关性行多因素Logistic回归分析，构建高血压发病风险初级模型。④高血压发病风险高级模型的构建及预测效能的比较：在高血压发病初级模型的基础上纳入6项人体测量学指标以构建高级模型，并与初级模型进行预测效能的比较；构建受试者工作特征（ROC）曲线并计算ROC曲线下面积（AUC），评估预测效能[8]。

1.4 统计学方法利用Epidata 3.5软件构建数据库，采用SPSS 26.0软件行统计分析，计数资料采用率（%）表示，两组间比较采用χ2检验；计量资料采用（）表示，两组间比较采用独立样本t检验。多因素分析比较采用logistic回归分析，构建ROC曲线并计算AUC。以P＜0.05为差异具有可比性。

2 结果

2.1 基线及人体测量学指标与高血压相关性的单因素分析比较高血压组与非高血压组的各基线及人体测量学指标，结果表明：高血压组的年龄、性别、学历、基线收缩压、基线舒张压、血脂、空腹血糖等基线指标及BMI、WC、WHtR、VAI、ABSI、BRI等6种人体测量学指标均明显高于非高血压组（P＜0.05）（表1）。

2.2 人体测量学指标与高血压相关性的多因素Logistic回归分析对人体测量学指标与高血压相关性行多因素Logistic回归分析，结果表明：调整各混杂因素后，BMI、WC、WHtR、VAI、BRI等5种人体测量学指标的水平增加可提升高血压的发病风险（P＜0.05），而ABSI与高血压发病风险无相关性（P＞0.05）（表2）。

2.3 高血压发病风险初级模型的构建对基础因素与高血压的相关性行多因素Logistic回归分析，构建高血压发病风险初级模型，结果表明：年龄、基线收缩压、基线舒张压、空腹血糖等因素与高血压的发病风险有相关性（P＜0.05）（表3）。

表1 基线及人体测量学指标与高血压相关性的单因素分析

表2 人体测量学指标与高血压相关性的多因素Logistic回归分析

2.4 高血压发病风险高级模型的构建及预测效能的比较在高血压发病基础模型的基础上各自纳入6项人体测量学指标以构建高级模型，并与初级模型进行预测效能比较，结果表明：男性中纳入BMI和BRI时的预测效能明显优于初级模型，女性中纳入BMI时的预测效能明显优于初级模型（P均＜0.05）（表4）。

3 讨论

在研究高血压的发病因素中，肥胖是其中不可忽视的重要因素，肥胖发生率逐年提升，可能与生活方式的改变存在相关性[1]。传统人体测量学指标可初步对肥胖进行评估，但无法对脂肪归属于皮下还是内脏进行准确评估，因此近年来新版人体测量学指标的概念逐渐被提出及应用[9]。目前尚缺乏关于新版人体测量学指标与高血压相关性的临床指南，对于国内人群的研究较少，且结论缺乏一致性。

目前，临床中关于高血压发病风险的预测模型较多，应用最多的是美国Framingham心脏研究（FHS）提出的预测模型，其不仅重点研究了肥胖因素，还纳入吸烟、饮酒、运动等多项指标[10]。FHS模型已在全球多个国家和地区得到验证，但研究表明其并不适用于中国人群，因此需选用国内人群进行针对性构建。既往研究中已构建了国内高血压的发病风险预测模型，Dalgaard等[11]纳入了年龄、收缩压、舒张压、家族史及BMI，Fujihara等[12]构建了临床模型及检验模型，其中临床模型包括了年龄、性别、收缩压、舒张压及BMI，而检验模型在其基础上又加入了空腹血糖、白细胞及尿酸。本研究依据患者实际选择了适当的影响因素。

表3 高血压发病风险初级模型的构建

本研究比较了高血压组与非高血压组的各基线及人体测量学指标，结果表明：高血压组的年龄、性别、学历、基线收缩压、基线舒张压、血脂、空腹血糖等基线指标及BMI、WC、WHtR、VAI、ABSI、BRI等6种人体测量学指标均明显高于非高血压组（P＜0.05）。对人体测量学指标与高血压相关性行多因素Logistic回归分析，结果表明：调整各混杂因素后，BMI、WC、WHtR、VAI、BRI等5种人体测量学指标的水平增加可提升高血压的发病风险（P＜0.05），而ABSI与高血压发病风险无相关性（P＞0.05）。既往研究表明，相较于BMI，WC及WHtR与高血压存在较强的相关性，而VAI与高血压存在较弱的相关性[13]；有待于后续针对性深入研究。

本次研究对基础因素与高血压的相关性行多因素Logistic回归分析，构建高血压发病风险初级模型，结果表明：年龄、基线收缩压、基线舒张压、空腹血糖等因素与高血压的发病风险有相关性（P＜0.05）。高龄及高基线收缩压、舒张压时，具有较高的高血压发病风险，分析原因在于高龄患者往往存在较高的外周血管阻力，并产生血管硬化性病变。当空腹血糖在正常范围内提高时，高血压的发病风险随之提升，其潜在原因较多，可能与胰岛素抵抗、氧化应激等机制相关。本次研究未纳入家族史，而Donovan等[14]对高血压家族史的相关研究表明，高血压家族史可增加2倍左右的高血压发病风险，分析原因可能在于家族史对于年轻患者的影响较大，而本次研究以老年人群为研究对象，其对发病风险的影响较低。

在高血压发病的基础模型的基础上各自纳入6项人体测量学指标以构建高级模型，并与初级模型进行预测效能的比较，结果表明：男性中纳入BMI和BRI时的预测效能明显优于初级模型，女性中纳入BMI时的预测效能明显优于初级模型（P均＜0.05）。因此，BMI仍是预测高血压发病风险的最佳指标，在新版人体测量学指标中占较大优势。Kearney等[15]多中心Meta分析表明，WC及WHtR在高血压发病风险中的预测效能优于VAI及BRI，但其能否取代BMI成为有效的预测指标仍需进一步研究。

本研究不足之处包括：①本研究随访时间较短，且为单中心研究；②高血压影响因素较多，如高盐饮食可能提升高血压发生率，而本研究并未纳入饮食因素，可能产生一定研究偏移，有待于后续控制混杂因素，修正模型准确性；③本研究仅局限于部分患者，有待于扩展研究，分析其应用于其他国内老年人群的预测效果，更好揭示其预测效果的普遍性。

本次研究基于新版人体测量学指标，优势包括：①既往针对国内老年高血压人群的预测模型较少，纳入新版人体测量学指标有利于为构建效能好的预测模型提供依据；②本研究纳入样本量较多，研究思路为前瞻性研究，且在不同性别间分别研究，具有更好的针对性。近年来国内人口老龄化及心脑血管疾病风险逐渐升高，本研究对于老年高血压的早期防控有重要的公共卫生意义。后续应利用发病风险预测模型可有效对高血压患者的预后生存时间进行针对性、个性化预测，有利于指导临床制合理的治疗手段，针对预后评估较差的患者可有效针对危险因素进行治疗方法的适当调整[16]。

综上所述，老年高血压需要及时对相关因素进行充分检测，旨在对患者进行早期诊断及纠治，尽可能改善患者的预后水平。在老年人群中，BMI、WC、WHtR、VAI、BRI等5种人体测量学指标的水平提升可增加高血压发病风险，其中BMI具有最佳的预测效能。本研究基于新版人体测量学指标构建老年高血压发病风险的预测模型，存在精确、清晰、高效的应用优势，患者接受程度高，有利于更大程度地降低诊治压力、优化医疗资源的配置。因此目前应以BMI为主构建老年高血压发病风险的预测模型，有待于后续研究其他人体测量学指标的综合应用效果。