1990—2019年高体质指数对我国肾癌疾病负担的影响及趋势分析

目的分析1990—2019年高体质指数(BMI)对我国居民肾癌疾病负担的影响及其趋势,探讨对相关人群临床干预和肾癌防治的策略。方法收集2019年全球疾病负担研究(GBD2019)对中国居民肾癌疾病负担的估计数据,根据平均年度变化百分比等指标,采用Joinpoint回归模型对1990—2019年高BMI(BMI≥25 kg/㎡)导致的我国肾癌粗死亡率和伤残调整生命年(DALYs)进行趋势分析。结果我国因高BMI导致的肾癌死亡数、死亡率和DALYs由1990年的276人(占肾癌总死亡数的25.72%)、0.02/10万和0.69/10万,上升至2019年的2589人(占肾癌总死亡数的36.71%)、0.18/10万和4.96/10万。趋势分析发现,因高BMI导致的我国肾癌合计粗死亡率逐年上升8.24%,男性逐年上升9.62%,女性逐年上升6.56%(均P<0.001)。Joinpoint回归模型分析发现,因高BMI导致的肾癌合计DALYs存在5个拐点,1990—1996年逐年上升3.07%(Z=38.37,P<0.001),1996—1999年逐年上升9.08%(Z=18.67,P<0.001),1999—2004年逐年上升14.27%(Z=90.63,P<0.001),2004—2011年逐年上升7.69%(Z=94.14,P<0.001),2011—2016年逐年上升3.07%(Z=20.55,P<0.001),2016—2019年逐年上升6.74%(Z=28.02,P<0.001),与合计粗死亡率、全球肾癌疾病负担增长趋势一致。1990—2019年,我国肾癌疾病负担高于低社会人口指数(SDI)国家,低于全球平均、中等和高SDI国家或地区水平,但DALYs年均增速远大于上述地区(中国8.02%vs全球2.00%,高SDI国家1.58%,中等SDI国家5.10%,低SDI国家3.65%)。结论结合全球和我国居民肾癌疾病负担现状及其趋势,对有代谢风险的高危人群开展临床精准干预,有助于控制我国肾癌疾病负担的高速增长。

利拉鲁肽联合二甲双胍对较高体质指数2型糖尿病患者胰岛素抵抗及脂代谢的影响

目的探究利拉鲁肽联合二甲双胍对较高体质指数2型糖尿病患者胰岛素抵抗及脂代谢的影响。方法选取2019年3月~2020年4月我院收治的较高体质指数2型糖尿病(T2DM)患者98例,随机分为治疗组和对照组各49例,对照组给予二甲双胍治疗,治疗组给予利拉鲁肽联合二甲双胍治疗,持续治疗3个月,比较两组体质指数(BMI)、空腹血糖(FBG)、餐后2小时血糖(2hPG)、胰岛素抵抗指数(HOMA-IR)、胰岛β细胞功能指数(HOMA-β)、三酰甘油(TG)、总胆固醇(TC)指标变化及治疗期间不良反应发生情况。结果治疗后治疗组BMI指数及血FBG、2hPG水平均低于对照组(P<0.05);HOMA-IR水平低于对照组,HOMA-β水平高于对照组(P<0.05);血TC、TG含量低于对照组(P<0.05)。两组不良反应发生率比较,无明显差异(P>0.05)。结论利拉鲁肽联合二甲双胍能有效改善较高体质指数2型糖尿病患者的胰岛功能,降低血糖、血脂水平,且安全性较好。

682例成人高体质指数者的运动管理体会

目的:探讨运动管理在高体质指数人群中的应用分析。方法:在本健康体检部的健康体检人群中选取682例高体质指数者作为研究对象,随机分成两组,即对照组和干预组,每组各341例。对照组采取常规的健康教育,干预组在此基础上进行运动管理,持续时间为6个月。6个月评估两组体质指数、血压、血糖、血脂结果。个月评估两组体质指数、血压、血糖、血脂结果。结果:对照组失访率(16.42%)显著高于干预组(9.68)(P<0.05,χ~2=6.84);6个月后,对照组的体质指数显著降低(P<0.05),血压高、血脂异常、血糖高等例数无显著差异(P>0.05),干预组的体质指数显著降低(P<0.05),高体质指数、血压高、血脂异常、血糖高的例数均显著低于研究初(P<0.05)。6个月后两组对比研究发现,干预组的体质指数显著低于对照组(P<0.05),且高体质指数、血压高、血脂异常、血糖高的人数均显著低于对照组(P<0.05)。结论:运动管理可以显著降低高体质指数人群的体质指数,对血压高、血脂异常、血糖高也有干预作用。

宁波市25岁及以上人群高体质指数归因死亡和对期望寿命的影响

目的了解2015年宁波市25岁及以上人群高体质指数(BMI)对死亡和期望寿命的影响,为慢性病干预政策的制定和实施提供依据。方法利用2015年宁波市成人慢性病监测调查身高体重数据、2015年宁波市死因监测数据、人口统计数据和2015年全球疾病负担研究中高BMI相关疾病结局及其相对危险度数据,计算宁波市25岁及以上人群高BMI相关疾病的归因分值,进而得到高BMI造成的归因死亡数和期望寿命损失年。采用SPSS 19.0统计软件进行χ^2检验。结果 2015年宁波市25岁及以上人群归因于高BMI死亡人数约为1 579人,占25岁及以上人群总死亡的4.15%,其中男性752人(3.51%),女性827人(4.97%)。高BMI造成的相关疾病死亡前5位分别是高血压性心脏病(414人)、出血性脑卒中(226人)、缺血性心脏病(213人)、糖尿病(201人)和缺血性脑卒中(131人)。2015年宁波市25岁及以上人群高BMI导致的期望寿命损失为0.400岁,其中男性期望寿命损失为0.353岁,女性为0.455岁。城市期望寿命损失为0.363岁,农村为0.422岁。结论高BMI造成严重的疾病负担,是影响宁波市居民死亡和期望寿命损失的重要因素,应提高人群身体活动,控制体重,提高居民健康水平。

2011年与2017年南京20岁以上人群高BMI导致的糖尿病疾病负担研究

目的估计南京市糖尿病疾病负担及高BMI引起的糖尿病疾病负担。方法采用全球疾病负担研究中心比较风险评估方法,由南京市慢性病及其危险因素监测获得南京市人群体质指数(BMI)数据,结合超重肥胖相关疾病死亡的相对危险度(RR),计算人群超重肥胖归因分值(PAF),通过南京市全死因监测系统,计算南京市高BMI导致的糖尿病疾病负担。结果2011年,与女性相比,男性归因于高BMI的糖尿病死亡率、YLL率和DALY率低,但是2017年较2011年相比,男性归因于高BMI的糖尿病死亡率、YLL率、YLD率和DALY率增幅均高于女性,且2017年时,YLL率、YLD率和DALY率男性均高于女性。2017年高BMI导致糖尿病死亡数占糖尿病总死亡数26.97%,较2011年的24.33%增长了10.85%;2017年高BMI造成的糖尿病DALY占糖尿病总DALY的34.87%,较2011年的30.76%增长了13.33%。结论南京市高BMI导致的糖尿病疾病负担严重,应积极推进和落实全民健康体重,倡导合理膳食,做好糖尿病及相关并发症的预防和控制,减轻糖尿病的疾病负担。

高粘血症相关因素探讨

目的 研究高粘血症与性别、年龄、超重、高血压、高血脂、空腹血糖异常的相关性.方法 对760名健康体检者的性别、年龄、血液流变学指标、体质指数、血压、血脂、空腹血糖资料进行统计分析.结果 （1）高粘血症患病率为30.92%,男多于女,差异具有显著的统计学意义（ P＜0.001）;（2）高粘血症的发病率与年龄无相关性（ P＞0.05）.（3）高粘血症人群中超重、高血压、高血脂、空腹血糖异常发生率均明显高于血液流变学指标正常者,差异具有统计学意义（ P＜0.001）.结论 高粘血症的发生是多种代谢因素共同作用的结果,纠正代谢异常是高粘血症的防治关键.

体质量训练的益处与遗传有关

据美国WebMD医学新闻网（2015-06-03）报道,最新研究指出,如何让阻力训练有效,可能依据女性的肥胖遗传风险。研究发现,力量训练似乎对于那些高体质指数（BMI）遗传风险较低的人最有效。位于土桑的亚利桑那大学医学院助理教授Jennifer Bea认为,这并不代表阻力训练对于肥胖遗传风险较高的女性是没有效果的,只是表明对那些肥胖遗传风险较低的人更有效果。

1990—2019年归因于高BMI的痴呆症疾病负担分析

目的了解1990—2019年中国归因于高BMI的痴呆症疾病负担变化趋势,为制定痴呆症防控策略提供依据。方法利用2019全球疾病负担研究(Global Burden of Disease Study 2019,GBD 2019)中有关数据,采用死亡数、伤残调整寿命年(disability adjusted life years,DALYs)、伤残损失寿命年(years lived with disability,YLDs)、过早死亡损失寿命年(years of life lost,YLLs)及其标化率等指标分析疾病负担变化情况,以及不同性别和年龄段之间的差异。选用Joinpoint回归模型,分析中国归因于高BMI的痴呆症疾病负担变化趋势。结果1990—2019年,中国归因于高BMI的痴呆症疾病负担持续增加,死亡人数增加2.03万例,DALYs增加40.42万人年,死亡率和DALYs率均增加4倍以上。女性疾病负担整体大于男性,但男性疾病负担的增长率高于女性,80岁以上年龄组的疾病负担明显高于其他年龄组。结论关注高BMI的人群,尤其要重视防控肥胖老年群体的痴呆发病风险,采取积极应对措施控制痴呆症的发生。

1990—2019年中国、印度高BMI所致缺血性心脏病的年龄-时期-队列分析

目的:分析1990—2019年中国、印度高体质指数(BMI)的缺血性心脏病死亡情况的长期趋势,为缺血性心脏病的防控提供科学建议。方法:基于全球疾病负担研究项目(GBD2019),运用R软件的年龄-时期-队列(APC)模型分析工具包分析高BMI所致的缺血性心脏病死亡率的年龄、时期、队列效应。结果:1990—2019年中、印两国由高BMI所致的缺血性心脏病的标化死亡率均呈现上升趋势。APC模型显示,1990—2019年两国高BMI所致的缺血性心脏病死亡率的纵向年龄曲线均有随着年龄增长而增加的趋势,中国的死亡率高峰为80~84岁(男女分别为140.84/10万、132.16/10万),印度的死亡率高峰为75~79岁(男女分别为187.29/10万、157.34/10万)。随着时期的推移,中印两国死亡风险增加,中国男性相对危险度(RR)从0.88增至1.93,中国女性RR从0.92增至1.11;印度男性从0.73增至1.47,印度女性从0.76增至1.41。除中国女性外,越晚的出生队列死亡风险越大,中国男性RR从0.27增至4.06;印度男性从0.27增至2.31,印度女性从0.33增至2.12。结论:由于年龄、时期、队列的影响,近30年来,中、印两国由高BMI导致的缺血性心脏病的死亡率不断增加,需要加强缺血性心脏病患者的体重控制和健康教育以期降低该疾病造成的死亡负担。

1990-2016年中国高BMI导致的糖尿病疾病负担研究

目的分析1990-2016年中国高BMI导致的糖尿病疾病负担。方法应用2016年全球疾病负担研究结果,分析1990-2016年中国各省份与高BMI具有病因学联系糖尿病的死亡资料以及疾病负担[包括伤残损失寿命年(YLD)、过早死亡损失寿命年(YLL)、伤残调整寿命年(DALY)],以2010-2035年世界平均人口结构为标准,对死亡率进行标化,比较1990和2016年中国高BMI导致糖尿病死亡的变化情况。结果2016年归因于高BMI的糖尿病死亡数为40310例,较1990年的15008例有大幅攀升。归因于高BMI的糖尿病标化死亡率从1990年的2.01/10万增至2016年的2.60/10万。高BMI导致的男性糖尿病患者标化死亡率的增长高于女性,15~49岁组糖尿病患者归因于高BMI的标化死亡率增幅最大。同期高BMI导致的糖尿病DALY从108.91万人年增长至330.02万人年,YLL和YLD也呈现增长趋势。15~49岁人群高BMI导致的糖尿病YLD的增长速度最快。2016年高BMI导致糖尿病死亡数占糖尿病总死亡数的26.01%,较1990年的18.66%增长了39.39%。与1990年相比,2016年中国几乎所有省份高BMI造成的糖尿病DALY均呈大幅增长,内蒙古自治区、新疆维吾尔自治区、浙江省、澳门地区、四川省和青海省DALY率的增长最为明显。结论20余年间中国高BMI导致的糖尿病死亡病例显著增加,高BMI造成的糖尿病死亡率增幅显著。不同省份高BMI导致的糖尿病疾病负担差异很大。不同年龄段、不同性别归因于高BMI的糖尿病疾病负担的变化情况不同。作为糖尿病防治相对空白的人群,男性和15~49岁糖尿病患者的健康需求应给予足够的重视和卫生资源分配的倾斜。

1990-2019年江苏省归因于代谢因素的慢性肾脏病疾病负担分析

目的分析1990—2019年江苏省归因于代谢因素的慢性肾脏病(CKD)的疾病负担,为干预政策的制定和实施提供依据。方法利用2019年全球疾病负担研究(GBD 2019)中的江苏省数据,选择死亡率和伤残调整寿命年(DALYs)作为分析指标,并采用世界标准人口的年龄结构对其进行标化,分析高收缩压(SBP)、高空腹血糖(FPG)、高体质指数(BMI)这三个代谢因素对CKD的疾病负担影响,并比较不同性别、年龄组的归因疾病负担。结果三个归因风险因素的影响顺位分别是高SBP、高FPG、高BMI。1990—2019年归因于高SBP、高FPG和高BMI的标化死亡率均呈现总体上升趋势,平均年度变化比(AAPC)分别为0.31%、-0.04%、2.75%,归因于高SBP和高BMI的标化DALYs均呈现上升趋势(AAPC分别为0.51%和3.06%,P均<0.05),未见高FPG有统计学意义(P>0.05)。随着年龄的增加,归因于高SBP死亡率和疾病负担均呈上升趋势。归因于高FPG的标化死亡率和标化DALYs分别在45~49岁和50~54岁达到峰值。归因于高BMI的标化死亡率和标化DALYs均在60~64岁达到峰值。结论归因于三个风险因素所呈现死亡率和DALYs变化趋势,能在一定程度反映近30年来江苏省人口结构和生活方式的改变。早期筛查CKD的高危人群,并有针对性的提供健康政策,能够降低CKD的死亡率和疾病负担。

行为是因，健康是果

研究显示，危害中国居民健康的前十大危险因素是：高血压、吸烟、高盐饮食、水果吃得太少、大气颗粒物污染、室内空气污染、高体质指数、高空腹血糖、饮酒、粗粮吃得太少。另一则关于中国人的健康报告指出，吸烟、过量饮酒、不合理饮食、活动不足是威胁健康的四大行为危险因素。