三酰甘油-葡萄糖-体质量指数与中国中老年高血压的发病风险

doi:10.12307/2026.688

摘要/Abstract

摘要：

文题释义：
三酰甘油-葡萄糖指数：通过空腹三酰甘油和空腹血糖计算的综合指标，用于评估胰岛素抵抗和代谢异常风险。
三酰甘油-葡萄糖-体质量指数：在三酰甘油-葡萄糖指数基础上加入体质量指数，进一步综合评估代谢健康和胰岛素抵抗的复合指标。

背景：当前高血压防控体系面临知晓率、治疗率及控制率“三低”困境，亟需开发基于代谢综合指标的精准筛查工具。三酰甘油-葡萄糖-体质量指数作为代谢性肥胖的新型标志物，与中国中老年人群高血压发病风险的关联尚未得到充分验证。
目的：基于中国健康与养老追踪调查数据库，验证三酰甘油-葡萄糖-体质量指数与高血压发病风险的关联。
方法：纳入4 743名基线无高血压的≥45岁的成年人。采用四分位数分组法，将基线三酰甘油-葡萄糖-体质量指数按升序排列后，划分为4个数据量相同的等分区间：第一四分位组(Q1，< 170)，第二四分位组(Q2，170.38-191.176)，第三四分位组(Q3，191.179-216.82)和第四四分位组(Q4，216.85-553.39)。采用Cox比例风险模型评估三酰甘油-葡萄糖-体质量指数与高血压的关联，通过限制性立方样条识别非线性关系，并进行多重敏感性分析验证稳健性。
结果与结论：中位随访6.42年期间，新发高血压1 975例，发病率648.80/万人年。三酰甘油-葡萄糖-体质量指数每增加10个单位，高血压风险升高6%(风险比：1.06，95%CI：1.05-1.08)。相较于Q1组，Q2、Q3、Q4组的风险比分别为1.20(95%CI：1.02-1.40)、1.38(95%CI：1.17–1.62)和1.97(95%CI：1.56-2.25)。限制性立方样条分析揭示两者存在非线性关联(P < 0.001)，拐点值为146.1 (拐点前风险比：0.99，P > 0.05；拐点后风险比：1.14，P < 0.001)。结果表明：三酰甘油-葡萄糖-体质量指数与中老年人群高血压风险存在显著正相关及非线性阈值效应。建议将三酰甘油-葡萄糖-体质量指数< 146.1作为代谢相关高血压的预防切点，通过减重及血糖血脂调控实现风险管控。
https://orcid.org/0000-0003-4228-8391(周子贵)；https://orcid.org/0000-0002-3360-7218(刘菁菁)

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

关键词: 三酰甘油, 葡萄糖, 体质量指数, 三酰甘油-葡萄糖-体质量指数(TyG-BMI), 高血压, 非线性关联, 胰岛素抵抗, 心血管疾病

Abstract: BACKGROUND: The current prevention and control system of hypertension is facing the dilemma of "three lows" in awareness, treatment, and control rates; therefore, there is an urgent need to develop precise screening tools based on metabolic comprehensive indicators. The association between triglyceride-glucose-body mass index, as a novel biomarker of metabolic obesity, and the risk of hypertension in middle-aged and elderly Chinese population has not been fully validated.
OBJECTIVE: To validate the association between triglyceride-glucose-body mass index and the risk of hypertension in the middle-aged and elderly Chinese population based on the database of the China Health and Retirement Longitudinal Study (CHARLS).
METHODS: A total of 4 743 adults aged ≥ 45 years without hypertension were included. Using the quartile grouping method, the baseline triglyceride-glucose-body mass index was sorted in ascending order and divided into four equally sized intervals: the first quartile group (Q1, with the index < 170), the second quartile group (Q2, with the index between 170.38 and 191.176), the third quartile group (Q3, with the index between 191.179 and 216.82), and the fourth quartile group (Q4, with the index between 216.85 and 553.39). The Cox proportional hazards model was used to evaluate the association between triglyceride-glucose-body mass index and the risk of hypertension. Nonlinear relationships were identified using restricted cubic spline analysis, and robustness was validated through multiple sensitivity analysis.
RESULTS AND CONCLUSION: During the median follow-up period of 6.42 years, 1 975 hypertension patients were newly diagnosed, with an incidence rate of 648.80 cases per 10 000 person-year. For every 10 units increase in the triglyceride-glucose-body mass index, the risk of hypertension increased by 6% (hazard ratio: 1.06, 95% confidence interval [CI]: 1.05-1.08) in the first quartile group; the hazard ratios for the second quartile group, the third quartile group, and the fourth quartile group were 1.20 (95% CI: 1.02-1.40), 1.38 (95% CI: 1.17-1.62), and 1.97 (95% CI: 1.56-2.25), respectively. Using restricted cubic splines, a nonlinear correlation was identified between the triglyceride-glucose-body mass index and the risk of hypertension (P < 0.001), with an inflection point value of 146.1 (hazard ratio before the inflection point: 0.99, P > 0.05; and hazard ratio after the inflection point: 1.14, P < 0.001). The results showed that there was a significant positive correlation and nonlinear threshold effect between triglyceride-glucose-body mass index and the risk of hypertension in middle-aged and elderly population. It is recommended to use the triglyceride-glucose-body mass index < 146.1 as a cut-off point for preventing metabolic-related hypertension; therefore, the risk management of hypertension can be achieved through the control of weight, blood glucose and lipid.

Key words: triglyceride, glucose, body mass index, triglyceride-glucose-body mass index (TyG-BMI), hypertension, nonlinear correlation, insulin resistance, cardiovascular disease

中图分类号:

周子贵, 刘菁菁. 三酰甘油-葡萄糖-体质量指数与中国中老年高血压的发病风险[J]. 中国组织工程研究, 2026, 30(16): 4137-4145.

Zhou Zigui, Liu Jingjing. Association between triglyceride-glucose-body mass index and the risk of hypertension in middle-aged and elderly Chinese population[J]. Chinese Journal of Tissue Engineering Research, 2026, 30(16): 4137-4145.

图/表（结果） 5

2.1 基线特征此研究纳入4 743名参与者，女性2 494名，男性2 249名，平均年龄(57.49±8.59)岁。TyG-BMI四分位数分层的基线特征见表1。结果显示，随着TyG-BMI值的增加，年龄、男性比例、农村居住、吸烟、饮酒、高密度脂蛋白和胱抑素C等参数呈下降趋势。相反，女性、城市居住、体质量指数、白细胞计数、空腹血糖、总胆固醇、三酰甘油、糖化血红蛋白、尿酸、血红蛋白、三酰甘油-葡萄糖指数和高血压患病率等参数随TyG-BMI值的升高而增加。
2.2 高血压发生率在中位随访6.42年期间，新发高血压1 975例，占总人数的41.64% (表2)。高血压发生率为每10 000人年648.80例。各TyG-BMI四分位数的高血压发生率如下：Q1，每10 000人年537.03例；Q2，每10 000人年584.39例；Q3，每10 000人年642.18例；Q4，每10 000人年848.04例。高血压的发生率在各四分位数之间也存在显著差异：Q1，35.08%；Q2，38.45%；Q3，41.87%；Q4，51.18% (图2)。结果表明，与高TyG-BMI组相比，低TyG-BMI组高血压发生率明显更低(P for trend < 0.001)。

2.3 TyG-BMI与高血压风险的关联为了探究TyG-BMI与高血压风险之间的关联，此研究建立了3项Cox比例风险回归模型(表3)。在模型1中，TyG-BMI每增加10个单位，高血压发病风险增加5% (HR：1.05，95%CI：1.04-1.07)；模型2中，TyG-BMI每增加10个单位，高血压发病风险增加6% (HR：1.06，95%CI：1.05-1.07)；模型3中，TyG-BMI每增加10个单位，高血压发病风险增加6% (HR：1.06，95%CI：1.05-1.08)。结果表明，TyG-BMI与高血压发病风险呈显著正相关。
此外，研究将TyG-BMI从连续变量转换为基于四分位的分类变量进行分析。结果显示，与Q1组相比，Q2组患高血压的HR为1.20 (95%CI：1.02-1.40)，Q3组为1.38 (95%CI：1.17-1.62)，Q4组为1.97 (95%CI：1.56-2.25)。与Q1组相比，Q2组患高血压的风险增加20%，Q3组增加38%，Q4组增加97%。
2.4 Cox比例风险回归模型与平滑曲线拟合限制性立方样条揭示TyG-BMI与高血压风险之间存在非线性关系(P < 0.001 for overall，P < 0.05 for nonlinear)，拐点为146.1(图3)。在确定拐点后，采用了二段式Cox回归模型，进一步探索了拐点两侧的关系。结果显示，拐点前的HR为0.99 (95%CI：0.98-1.01，P > 0.05)，拐点后的HR为1.14 (95%CI：1.10-1.19，P < 0.001)。

2.5 三酰甘油、空腹血糖、三酰甘油-葡萄糖指数和体质量指数与高血压风险的关联在完全调整协变量后，三酰甘油(HR：1.002，95%CI：0.999-1.002，P > 0.05)、空腹血糖(HR：1.002，95%CI：0.999-1.004，P > 0.05)与高血压风险之间无关联。相反，体质量指数(HR：1.05，95%CI：1.04-1.07，P < 0.001)、三酰甘油-葡萄糖指数(HR：1.50，95%CI：1.18-1.92，P < 0.001)与高血压风险之间存在显著正相关。

2.6 敏感性分析为了确保结果的稳健性，研究进行了敏感性分析。首先，将TyG-BMI按四分位数分组，并将其作为分类变量重新纳入回归模型。各组间的效应量一致，且该结果与将TyG-BMI作为连续变量处理时的结果相似(表3)。其次，进行了多项敏感性分析，以评估TyG-BMI与高血压风险在特定人群中的关联，并调整了多项健康因素(表4)。在敏感性分析模型1中，在协变量中增加了慢性疾病

的干扰，结果显示，TyG-BMI与高血压风险之间仍存在显著的正相关(每增加10个单位，HR：1.06，95%CI：1.05-1.08)。在排除心血管疾病患者的模型2中，两者的关联仍然显著(HR：1.06，95%CI：1.04-1.08)；在排除2型糖尿病患者的模型3中，结果同样显示TyG-BMI与高血压风险之间存在显著的正相关(HR：1.06，95%CI：1.04-1.08)。

参考文献

[1] CAREY RM, MORAN AE, WHELTON PK. Treatment of hypertension: A review. JAMA. 2022;328(18):1849-1861.
[2] WANG C, YUAN Y, ZHENG M, et al. Association of age of onset of hypertension with cardiovascular diseases and mortality. J Am Coll Cardiol. 2020;75(23):2921-2930.
[3] YUSUF S, JOSEPH P, RANGARAJAN S, et al. Modifiable risk factors, cardiovascular disease, and mortality in 155 722 individuals from 21 high-income, middle-income, and low-income countries (PURE): A prospective cohort study. Lancet. 2020;395(10226):795-808.
[4] LEWINGTON S, CLARKE R, QIZILBASH N, et al. Prospective Studies Collaboration. Age-specific relevance of usual blood pressure to vascular mortality: A meta-analysis of individual data for one million adults in 61 prospective studies. Lancet. 2002;360(9349):1903-1913.
[5] MALIK R, GEORGAKIS MK, VUJKOVIC M, et al. Relationship between blood pressure and incident cardiovascular disease: Linear and nonlinear Mendelian randomization analyses. Hypertension. 2021; 77(6):2004-2013.
[6] ARVANITIS M, QI G, BHATT DL, et al. Linear and nonlinear Mendelian randomization analyses of the association between diastolic blood pressure and cardiovascular events: The J-curve revisited. Circulation. 2021;143(9):895-906.
[7] MCEVOY JW, MCCARTHY CP, BRUNO RM, et al. 2024 ESC Guidelines for the management of elevated blood pressure and hypertension. Eur Heart J. 2024;45(38):3912-4018.
[8] ZHANG M, SHI Y, ZHOU B, et al. Prevalence, awareness, treatment, and control of hypertension in China, 2004-18: Findings from six rounds of a national survey. BMJ. 2023;380:e071952.
[9] WANG Z, CHEN Z, ZHANG L, et al. China Hypertension Survey Investigators. Status of hypertension in China: Results from the China Hypertension Survey, 2012-2015. Circulation. 2018;137(22):2344-2356.
[10] KATSIMARDOU A, IMPRIALOS K, STAVROPOULOS K, et al. Hypertension in metabolic syndrome: Novel insights. Curr Hypertens Rev. 2020; 16(1):12-18.
[11] 中华医学会心血管病学分会高血压学组.肥胖相关性高血压管理的中国专家共识[J].中华心血管病杂志,2016,44(3):212-219.
[12] YAO Y, WANG B, GENG T, et al. The association between TyG and all-cause/non-cardiovascular mortality in general patients with type 2 diabetes mellitus is modified by age: Results from the cohort study of NHANES 1999-2018. Cardiovasc Diabetol. 2024;23(1):43.
[13] LEE SH, PARK SY, CHOI CS. Insulin resistance: From mechanisms to therapeutic strategies. Diabetes Metab J. 2022;46(1):15-37.
[14] DZIĘGIELEWSKA-GĘSIAK S, MUC-WIERZGOŃ M. Inflammation and oxidative stress in frailty and metabolic syndromes-two sides of the same coin. Metabolites. 2023;13(4):475.
[15] QUESADA O, CLAGGETT B, RODRIGUEZ F, et al. Associations of insulin resistance with systolic and diastolic blood pressure: A study from the HCHS/SOL. Hypertension. 2021;78(3):716-725.
[16] 中国高血压防治指南修订委员会.中国高血压防治指南(2024年修订版)[J].中华高血压杂志,2024,32(7):603-700.
[17] LEE EY, YANG HK, LEE J, et al. Triglyceride glucose index, a marker of insulin resistance, is associated with coronary artery stenosis in asymptomatic subjects with type 2 diabetes. Lipids Health Dis. 2016;15(1):155.
[18] ER LK, WU S, CHOU HH, et al. Triglyceride glucose-body mass index is a simple and clinically useful surrogate marker for insulin resistance in nondiabetic individuals. PLoS One. 2016;11(3):e0149731.
[19] WANG X, LIU J, CHENG Z, et al. Triglyceride glucose-body mass index and the risk of diabetes: A general population-based cohort study. Lipids Health Dis. 2021;20(1):99.
[20] YU XR, DU JL, JIANG M, et al. Correlation of TyG-BMI and TyG-WC with severity and short-term outcome in new-onset acute ischemic stroke. Front Endocrinol(Lausanne). 2024;15:1327903.
[21] FAN C, GUO M, CHANG S, et al. Elevated TyG-BMI index predicts incidence of chronic kidney disease. Clin Exp Med. 2024;24(1):203.
[22] WANG R, DAI L, ZHONG Y, et al. Usefulness of the triglyceride glucose-body mass index in evaluating nonalcoholic fatty liver disease: Insights from a general population. Lipids Health Dis. 2021;20(1):77.
[23] ZHAO Y, HU Y, SMITH JP, et al. Cohort profile: The China Health and Retirement Longitudinal Study (CHARLS). Int J Epidemiol. 2014;43(1): 61-68.
[24] HUO RR, ZHAI L, LIAO Q, et al. Changes in the triglyceride glucose-body mass index estimate the risk of stroke in middle-aged and older Chinese adults: A nationwide prospective cohort study. Cardiovasc Diabetol. 2023;22(1):254.
[25] CHEN X, CRIMMINS E, HU PP, et al. Venous blood-based biomarkers in the China Health and Retirement Longitudinal Study: Rationale, design, and results from the 2015 wave. Am J Epidemiol. 2019;188(11):1871-1877.
[26] WILLIAMS B, MANCIA G, SPIERING W, et al. ESC Scientific Document Group. 2018 ESC/ESH Guidelines for the management of arterial hypertension. Eur Heart J. 2018;39(33):3021-3104.
[27] SHAO Y, HU H, LI Q, et al. Link between triglyceride-glucose-body mass index and future stroke risk in middle-aged and elderly Chinese: A nationwide prospective cohort study. Cardiovasc Diabetol. 2024;23(1):81.
[28] VAN OORT S, BEULENS JWJ, VAN BALLEGOOIJEN AJ, et al. Association of cardiovascular risk factors and lifestyle behaviors with hypertension: A Mendelian randomization study. Hypertension. 2020;76(6):1971-1979.
[29] KUANG M, YANG R, HUANG X, et al. Assessing temporal differences in the predictive power of baseline TyG-related parameters for future diabetes: An analysis using time-dependent receiver operating characteristics. J Transl Med. 2023;21(1):299.
[30] SELVARAJ S, STEG PG, ELBEZ Y, et al. REACH Registry Investigators. Pulse pressure and risk for cardiovascular events in patients with atherothrombosis: From the REACH registry. J Am Coll Cardiol. 2016; 67(4):392-403.
[31] ZHANG Z, GU X, TANG Z, et al. Associations of blood pressure components with risk of cardiovascular events and all-cause death in a Chinese population: A prospective study. J Clin Hypertens(Greenwich). 2022;24(7):825-837.
[32] LIU D, QIN P, LIU L, et al. Association of pulse pressure with all-cause and cause-specific mortality. J Hum Hypertens. 2021;35(3):274-279.
[33] WANG Y, YANG W, JIANG X. Association between triglyceride-glucose index and hypertension: A meta-analysis. Front Cardiovasc Med. 2021;8:644035.
[34] ZHU B, WANG J, CHEN K, et al. A high triglyceride glucose index is more closely associated with hypertension than lipid or glycemic parameters in elderly individuals: A cross-sectional survey from the Reaction Study. Cardiovasc Diabetol. 2020;19(1):112.
[35] SHAN S, LI S, LU K, et al. Associations of the triglyceride and glucose index with hypertension stages, phenotypes, and their progressions among middle-aged and older Chinese. Int J Public Health. 2023; 68:1605648.
[36] XIN F, HE S, ZHOU Y, et al. The triglyceride glucose index trajectory is associated with hypertension: A retrospective longitudinal cohort study. Cardiovasc Diabetol. 2023;22(1):347.
[37] YU L, YANG YX, GONG Z, et al. FcRn-dependent IgG accumulation in adipose tissue unmasks obesity pathophysiology. Cell Metab. 2025;37(3):656-672.
[38] JIA G, SOWERS JR, WHALEY-CONNELL AT. Obesity in Hypertension: The Role of the Expanding Waistline Over the Years and Insights Into the Future. Hypertension. 2024;81(4):687-690.
[39] HU L, LI J, TANG Z, et al. How does biological age acceleration mediate the associations of obesity with cardiovascular disease? Evidence from international multi-cohort studies. Cardiovasc Diabetol. 2025;24(1):209.
[40] ZHAO M, BOVET P, XI B. Weight status change from adolescence to young adulthood and the risk of hypertension and diabetes mellitus. Hypertension. 2020;76(2):583-588.
[41] CAI A, LIU L, ZHOU D, et al. Obesity and risk of incident left ventricular hypertrophy in community-dwelling populations with hypertension: An observational study. J Am Heart Assoc. 2024;13(12):e033521.
[42] VALENZUELA PL, CARRERA-BASTOS P, CASTILLO-GARCÍA A, et al. Obesity and the risk of cardiometabolic diseases. Nat Rev Cardiol. 2023;20(7):475-494.
[43] RAIMI TH, DELE-OJO BF, DADA SA, et al. Triglyceride-Glucose Index and Related Parameters Predicted Metabolic Syndrome in Nigerians. Metab Syndr Relat Disord. 2021;19(2):76-82.
[44] ZHOU Z, LIU Q, ZHENG M, et al. Comparative study on the predictive value of TG/HDL-C, TyG and TyG-BMI indices for 5-year mortality in critically ill patients with chronic heart failure: a retrospective study. Cardiovasc Diabetol. 2024;23(1):213.
[45] DANG K, WANG X, HU J, et al. The association between triglyceride-glucose index and its combination with obesity indicators and cardiovascular disease: NHANES 2003-2018. Cardiovasc Diabetol. 2024;23(1):8.
[46] PENG N, KUANG M, PENG Y, et al. Associations between TyG-BMI and normal-high blood pressure values and hypertension: cross-sectional evidence from a non-diabetic population. Front Cardiovasc Med. 2023;10:1129112.
[47] WANG F, HAN L, HU D. Fasting insulin, insulin resistance and risk of hypertension in the general population: A meta-analysis. Clin Chim Acta. 2017;464:57-63.
[48] CHE B, ZHONG C, ZHANG R, et al. Triglyceride-glucose index and triglyceride to high-density lipoprotein cholesterol ratio as potential cardiovascular disease risk factors: an analysis of UK biobank data. Cardiovasc Diabetol. 2023;22(1):34.
[49] LIU Y, ZHU B, ZHOU W, et al. Triglyceride-glucose index as a marker of adverse cardiovascular prognosis in patients with coronary heart disease and hypertension. Cardiovasc Diabetol. 2023;22(1):133.
[50] KOSAMI K, KUWABARA M, OKAYAMA A, et al. Body mass index and weight change as predictors of hypertension development: A sex-specific analysis. Nutrients. 2024;17(1):119.
[51] CHEN Y, YU W, LV J, et al. Early adulthood BMI and cardiovascular disease: a prospective cohort study from the China Kadoorie Biobank. Lancet Public Health. 2024;9(12):e1005-e1013.

引言

高血压不仅是心脑血管事件的首要危险因素，还与慢性肾病、认知功能障碍等密切相关[1-7]。值得警惕的是，2018年全国调查揭示中国高血压防控体系存在三低困境——知晓率(38.3%)、治疗率(34.6%)及控制率(12.0%)均显著低于发达国家水平[8]，而人口老龄化进程进一步凸显了中老年高血压防控的紧迫性[9]。
高血压的发生发展涉及代谢通路的复杂交互，传统危险因素如胰岛素抵抗、肥胖和血脂异常已被广泛证实[10]。另有研究表明，超重或肥胖患者发生高血压的风险是正常体质量者的三到四倍[11]；而胰岛素抵抗不仅通过诱发脂代谢紊乱和慢性炎症反应损害血管功能[12-14]，更能通过激活肾素-血管紧张素-醛固酮系统促进血压升高[15]。值得注意的是，代谢综合征组分常以协同效应出现，同时存在2种代谢异常者的高血压风险较单一异常者更高[16]。然而，当前研究多局限于单一生物标志物的独立效应分析，缺乏对联合代谢指标的动态交互作用及剂量-反应关系的深入探讨，可能导致风险评估模型的预测效能不足。
近年来，基于三酰甘油-葡萄糖指数与体质量指数构建的复合指标三酰甘油-葡萄糖-体质量指数(triglyceride-glucose-body mass index，TyG-BMI)展现出独特的预测价值[17]。三酰甘油-葡萄糖指数通过量化三酰甘油与空腹血糖的乘积关系，可有效反映胰岛素抵抗程度。而体质量指数作为体脂蓄积的经典指标，与胰岛素抵抗存在协同效应[18]，提示整合代谢与肥胖指标的TyG-BMI可能是更优的风险分层工具。尽管现有证据表明TyG-BMI与慢性肾脏病、非酒精性脂肪肝等代谢相关疾病存在关联[19-22]，但它在高血压预测中的价值仍存在局限：第一，缺乏基于全国代表性人群的纵向证据；第二，尚未阐明该指标在中老年高危人群中的预测效能；第三，需验证其在亚洲人群中的适用性。
此研究依托中国健康与养老追踪调查(China Health and Retirement Longitudinal Study，CHARLS)数据库2011-2020年的数据，系统验证TyG-BMI与45岁及以上人群高血压发病风险的关联，以期为建立精准化高血压筛查体系提供循证依据。
中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

材料方法

1 对象和方法 Subjects and methods
1.1 设计数据来源于CHARLS数据库(http://charls.pku.edu.cn)，共包含2011，2013，2015，2018，2020年五轮纵向调查数据。CHARLS为一项全国前瞻性队列研究，采用多阶段分层概率比例抽样法招募45岁及以上中老年人群，基线覆盖全国28个省级行政区的150个区县，样本具备全国代表性(研究设计详见原始文献[23])。CHARLS研究严格遵循伦理规范，其方案已通过北京大学伦理审查委员会的审批(批准文号：IRB00001052-11015)。研究全程遵循《赫尔辛基宣言》原则，确保参与者知情同意(书面签署同意书)、隐私保护(数据匿名化处理)及自愿参与[23]。
1.2 时间及地点此研究于2024年12月至2025年3月在上海体育大学完成。

1.3 对象基线人群(2011年，n=17 708)经以下排除标准筛选：①年龄< 45岁(n=508)；②关键指标缺失(身高/体质量：n=3 942；空腹血糖/三酰甘油：n=3 736；高血压状态：n=36)；③TyG-BMI极端值(n=6)；④基线已确诊高血压(n=4 616)；⑤无随访数据(n=121)。最终纳入4 743名基线无高血压受试者，筛选流程见图1。

1.4 方法
1.4.1 暴露变量主要暴露变量为TyG-BMI，计算公式为[24]：TyG-BMI=TyG×BMI，其中TyG=ln[TG(mg/dL)×FPG(mg/dL)/2]，TyG为三酰甘油-葡萄糖指数，BMI为体质量指数，TG为三酰甘油，FPG为空腹血糖。空腹血样由医护人员采集，样本运输、检测均遵循标准化流程以降低误差。每周进行质量控制分析，评估数据可靠性及分布特征，质控结果显示检测全程稳定性良好[25]。
1.4.2 结局变量结局变量为第2-5轮随访期间新发高血压。
血压测量采用标准化流程：受试者静坐5 min后，测量3次取平均值。高血压诊断依据以下任一标准[26]：①临床确诊高血压；②服用降压药物；③血压≥140/90 mmHg；④自我报告高血压。
1.4.3 协变量基于文献及临床经验选择协变量[27]：①分类变量：性别、居住地、饮酒、吸烟、教育水平、体力活动；②连续变量：年龄、睡眠时长、血小板计数、空腹血糖、胱抑素C、总胆固醇、三酰甘油、高密度脂蛋白、低密度脂蛋白、C-反应蛋白、尿酸、糖化血红蛋白。
1.5 主要观察指标主要观察指标为新发高血压事件，核心预测指标为TyG-BMI。采用Cox比例风险模型计算风险比(hazard ratio，HR)及其95%置信区间(95% confidence interval，95%CI)，并通过限制性立方样条分析来验证非线性关联。在敏感性分析中进一步调整慢性疾病、心血管疾病及糖尿病等混杂因素。
1.6 统计学分析采用R studio软件进行分析。基线数据采用四分位数分组法，将基线TyG-BMI值按升序排列后，划分为4个数据量相同的等分区间：第一四分位组(Quartile 1，Q1)，第二四分位组(Quartile 2，Q2)，第三四分位组(Quartile 3，Q3)和第四四分位组(Quartile4，Q4)。正态分布的连续变量以x±s表示，非正态分布的变量以中位数(四分位距)表示；分类变量以频数(百分比)描述。不同TyG-BMI组之间的差异分别采用χ2 检验(分类变量)、方差分析(正态连续变量)或Kruskal-Wallis H检验(非正态连续变量)进行分析，以双侧P < 0.05定义为差异有显著性意义。
采用Cox回归模型评估TyG-BMI与高血压风险的关联：模型1，调整年龄、性别；模型2，进一步调整居住地、饮酒、吸烟、睡眠时长、教育水平、体力活动；模型3，额外调整血小板计数、空腹血糖、胱抑素C、总胆固醇、三酰甘油、高密度脂蛋白、低密度脂蛋白、C-反应蛋白、尿酸及糖化血红蛋白。
同时，通过Cox回归分析评估三酰甘油、空腹血糖及三酰甘油-葡萄糖指数与高血压发病风险的关联。模型全面调整以下混杂因素：年龄、性别、居住地、饮酒、吸烟、睡眠时长、教育水平、体力活动、血小板计数、空腹血糖、胱抑素C、总胆固醇、三酰甘油、高密度脂蛋白、低密度脂蛋白、C-反应蛋白、尿酸及糖化血红蛋白。
此外，执行3项敏感性分析以验证结果稳健性。模型1中纳入了慢性疾病的混杂效应；模型2和3分别排除了心血管疾病和2型糖尿病患者[28-29]。为进一步探索TyG-BMI与高血压风险之间的潜在非线性关系，研究采用Cox比例风险模型拟合平滑曲线。当检测到非线性关系时，递归算法用于识别拐点，并在拐点两侧建立分段Cox比例风险模型。文章统计学方法已经通过上海体育大学生物统计学专家审核。

讨论

基于全国性队列数据，此研究证实TyG-BMI作为整合胰岛素抵抗与肥胖的双重代谢标志物，可独立预测中国中老年人群高血压发病风险。限制性立方样条揭示了TyG-BMI与高血压风险的非线性剂量-反应关系，拐点为146.1。该拐点可能标志着代谢稳态的临界阈值：当TyG-BMI超过146.1时，高血压风险显著上升，提示内脏脂肪堆积与胰岛素抵抗的协同作用可能触发代谢毒性。TyG-BMI通过整合糖脂代谢紊乱与肥胖负荷，为代谢性高血压的早期识别提供了较为敏感的生物标志物。
大量研究表明，血压升高与心肌梗死、脑卒中及心血管疾病相关死亡率之间存在显著正相关[30-32]。此过程中胰岛素抵抗扮演关键角色，其通过诱发脂代谢紊乱和慢性炎症反应损害血管功能[12-14]，并通过激活肾素-血管紧张素-醛固酮系统促进血压升高[15]。现阶段，胰岛素抵抗的金标准是高胰岛素正葡萄糖钳夹试验，但该方法复杂、昂贵且侵入性强，不适合大规模流行病学研究[11-12]。作为胰岛素抵抗的有效替代指标，三酰甘油-葡萄糖指数为评估代谢健康提供了简便且可靠的工具。多项研究已经证实三酰甘油-葡萄糖指数与高血压之间的正相关性[33-36]。值得注意的是，胰岛素抵抗介导的高血压机制在肥胖个体中呈现协同效应。肥胖不仅是胰岛素抵抗的重要驱动因素[37]，而且通过多重独立通路与高血压的发生发展建立联系[38]。流行病学数据显示，基线体质量越高、体质量增幅越大，高血压发病率越高[39-41]。内脏脂肪组织释放的炎症因子和脂肪因子可直接损害血管功能，并促进交感神经兴奋，加剧高血压调控失衡[42]。因此，胰岛素抵抗和体质量指数均为高血压发病的独立风险因素。
与单一代谢标志物(如三酰甘油、空腹血糖)或传统肥胖指标(如体质量指数、腰围)相比，
TyG-BMI通过整合胰岛素抵抗与体质量指数，能够敏感地捕捉两者的交互效应，具有更强的预测价值。现有研究表明，TyG-BMI在反映胰岛素抵抗方面的敏感性优于传统的脂质参数、脂质比值、葡萄糖参数，甚至优于三酰甘油-葡萄糖指数本身[18，43]，这一发现凸显了TyG-BMI在代谢疾病管理中的应用潜力。尽管现有证据证实了TyG-BMI在多种疾病中的良好预测价值[44-45]，但它在中国中老年人群中对高血压发病风险的预测价值尚未明确。此研究基于全国性队列数据，证实了TyG-BMI与高血压风险呈显著正相关，且拐点值146.1为高血压的早期分层干预提供了可操作切点。通过将TyG-BMI同时作为连续变量和分类变量分析，最大程度保留信息量，精确量化风险梯度。这一结果与亚洲其他队列结果一致[46]，提示TyG-BMI在不同代谢背景人群中的普适性。
通过Cox回归分析，研究发现三酰甘油和空腹血糖与高血压风险无显著关联，而三酰甘油-葡萄糖指数与高血压风险呈正相关，这表明三酰甘油-葡萄糖指数通过整合三酰甘油与空腹血糖的交互效应，更全面地反映胰岛素抵抗的病理作用[47]。这一结果与CHE等[48]和LIU等[49]的研究一致，进一步验证了三酰甘油-葡萄糖指数作为胰岛素抵抗替代标志物的预测优势。值得注意的是，尽管体质量指数作为肥胖的经典指标与高血压的关联已被广泛证实[50-51]，但其与三酰甘油-葡萄糖指数的协同效应在TyG-BMI中得到了凸显：TyG-BMI不仅捕捉了肥胖相关的炎症与内分泌紊乱机制，还反映了胰岛素抵抗与脂肪蓄积的交互作用，从而更敏感地识别代谢失调的高危人群。此研究发现，TyG-BMI每增加10单位，高血压风险升高6%，且Q4组风险较Q1组增加97%。这一发现强调综合代谢指标在高血压风险评估中具有更优的临床价值，其通过量化“代谢毒性肥胖”的整体负荷，为精准防控提供了新思路。
调整协变量后，此研究进一步发现TyG-BMI与高血压之间存在显著的非线性关系，拐点为146.1。这一阈值可能标志着代谢稳态失衡的临界点：当TyG-BMI超过146.1时，内脏脂肪堆积与胰岛素抵抗的协同作用可能通过多重通路加剧高血压风险。作为一种简便易行的胰岛素抵抗标志物，TyG-BMI在高血压的早期检测和预防中具有巨大潜力。拐点的识别表明，TyG-BMI与高血压之间的关系具有非线性特征，提示胰岛素抵抗对血压的影响可能在特定TyG-BMI值范围内更为显著。该发现与PENG等[46]的研究一致，后者发现三酰甘油-葡萄糖指数与正常偏高血压之间存在线性关联，但未能检测到明确的拐点。结果的异同可能源于研究人群或统计方法的差异。
此研究存在一定局限性。首先，横断面设计无法建立因果关系。尽管观察到TyG-BMI与高血压之间的显著关联，但其方向性尚不明确，限制了因果推断的能力；其次，研究样本可能存在选择偏倚。如果样本未能代表更广泛的人群，结果的广泛适用性可能受到影响；此外，样本大小及其特征可能会影响统计效能，进而影响结果的精确性；最后，尽管研究中控制了多种潜在混杂因素，仍可能存在未被识别的其他因素影响TyG-BMI与高血压之间的关系。未来的纵向研究应采用更大、更具代表性的样本，以解决这些问题，并进一步探讨这一关联的因果机制。
综上所述，TyG-BMI作为整合胰岛素抵抗与肥胖的复合标志物，能够预测中老年人群高血压风险，且其关联呈现非线性特征。拐点值146.1为代谢性高血压的早期防控提供了可操作的切点，这一阈值可能标志着代谢稳态失衡的临界点，当TyG-BMI超过146.1时，内脏脂肪堆积与胰岛素抵抗的协同作用可能通过多重通路加剧高血压风险。
中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程