基于CHARLS的两种eGDR算法的超重人群骨质疏松关联性比较分析

摘要

背景：骨质疏松症常见于老年群体，而一定程度的BMI的升高与骨保护相关。然而，BMI也被用于eGDR（estimated Glucose Disposal Rate, eGDR）计算，提示代谢紊乱可能与骨质疏松隐藏存在关联。目的：本研究旨在比较基于BMI与腰围的两种eGDR算法在超重人群中与骨质疏松风险之间的相关性，并识别其潜在的非线性转折点。方法：基于CHARLS（China Health and Retirement Longitudinal Study） 2011年数据，纳入2859名45岁及以上超重参与者，以既往髋骨骨折作为骨质疏松的代替指标，进行Logistic回归分析，评估eGDR与骨质疏松风险的关联，并采用限制性三次样条（RCS）分析探讨其非线性关系及转折点。结果：在调整多种代谢及炎症指标后，eGDRBMI的第二分位组（OR=3.74）与第三分位组（OR=2.21）与骨质疏松风险呈显著正相关，而eGDRWC仅在第三分位组显示相关性（OR=2.54）。RCS分析提示eGDRBMI与骨质疏松风险之间存在统计学显著的非线性关系（P非线性=0.044），在eGDRBMI约6.2和9.8附近出现风险上升的拐点；而eGDRWC与骨质疏松关系不显著。亚组分析未见显著交互作用。结论：在超重人群中，eGDRBMI较eGDRWC更能反映骨质疏松风险。结果还提示BMI作为eGDR计算因子可能掩盖其骨保护效应，在特定范围内出现“高eGDR高骨折风险”的现象，因此应用时需要分人群进行分析和使用。