?随着社会经济的发展，肥胖已成为全球关注的公共卫生问题。有大量流行病学研究证明，肥胖人群患心血管疾病、高血压、糖尿病等慢性非传染性疾病的概率大大增加。人体质量指数(body mass index，BMI)是国际上公认的判定肥胖的指标，与体内脂肪含量密切相关。BMI与疾病的发病、死亡也存在着紧密的联系^{[1, 2]}。国内外很多学者定性或定量地探讨过BMI与全因死亡率的关系，但结论不尽一致。本研究通过系统地收集亚洲地区有关成人BMI与全因死亡率的前瞻性队列研究文献，采用meta分析方法综合评价亚洲成人BMI与全因死亡率的关系。

英文检索词包括“body mass index”[MeSH Terms]、“body weight”[MeSH Terms]、“risk factors”[MeSH Major Topic]、“mortality”[MeSH Major Topic]、“cause of death”[MeSH Terms]等；中文检索词包括“体质量指数”、“超重”、“肥胖”、“死亡率”和“队列研究”、“前瞻性研究”、“随访研究”等；联合检索PubMed和中国知网(CNKI)至2014年9月有关体质量指数和全因死亡率的前瞻性队列研究，语种限制分别为英文和中文。

文献纳入标准如下：①在亚洲地区展开的研究；②以普通人群为研究对象的前瞻性研究，探讨BMI与人群全因死亡率的关系；③原始研究报告了各BMI组相对于对照组的相对危险度(Relative risk，RR)及95%可信区间(Confidence interval，CI)，或者能提供数据估算RR及95%CI；④研究对象的年龄≥18岁，性别、种族不限；⑤当有两篇及以上文献报道同一队列时，纳入随访年限最长、最新的文献。

文献由2 名研究者严格按照制定的纳入和排除标准进行筛选，独立进行质量评价、数据提取并交叉核对，遇到分歧与第3 名研究者讨论决定。

数据提取采用自制表格，摘录信息包括：第一作者及发表年份、国家或地区、研究对象的来源、随访年限、性别及年龄、身高体质量的获取方式(测量/自报)、调整因素、各BMI组的人数或人年数、死亡数，并利用这些数据计算的RR值及95% CI、校正的RR及95% CI(以校正最多混杂因素的结果为准)。

本研究使用NOS(Newcastle-Ottawa Scale)标准^[3]对纳入的文献进行质量评分。NOS标准已被证明是在系统综述中对观察性研究进行质量评价的最有效的方法。7～9分为研究质量高，5～6分为研究质量中等，4分及以下为研究质量低。

本研究根据亚太地区肥胖诊断标准^[4]将原文献中研究对象分为四组：BMI＜18.5 kg/m²为低BMI组、18.5～22.9 kg/m²为正常BMI组、23.0～29.9 kg/m²为高BMI组、≥30.0 kg/m²为肥胖组。原文献中BMI组中值或均值在上述哪一BMI组内，就将其归分到该组^[5]。如果多个BMI组归分到同一组内，就对几组的数据合并，以合并结果作为归分组的分析数据。

应用Stata 11.2软件进行RR值的合并及异质性检验。如果原始文献的参照组不一致，根据公式利用Stata软件计算变换参照后各BMI组的RR值及95%可信区间(CI)^[6]。采用I²统计量评价原始研究间的异质性^[7]。若I²＜50%且P＞0. 10采用固定效应模型分析；若I²＞50%且P≤0. 10，提示多个同类研究的结果存在异质性，采用随机效应模型分析，并进行分层分析。

此外，通过敏感性分析检验结果的稳定性，用漏斗图、Begg秩相关检验及Egger回归法检验发表偏倚。P＜0. 05表示差异具有统计学意义。

图1显示了文献筛选流程。最终纳入17篇文献^{[8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24]}。

图1 文献筛选流程图 Fig.1 Flow chart of the study selection

图选项

全部文献均为独立的前瞻性队列研究，其基本特征见表1。其中12个队列来自东亚国家，3个来自南亚国家，2个来自东南亚。研究对象共计1 769 369人，死亡104 888人。其中1篇文献的研究对象仅为男性，其余16篇为男性和女性人群。17个队列随访时间为3.8～15.2年，平均随访9.5年。研究质量得分为4～9分，平均7.4分。17篇文献全都校正了可能的混杂因素，其中14篇校正了年龄因素，15篇校正了吸烟因素，12篇校正了饮酒因素。

分别对低BMI组、高BMI组、肥胖组进行异质性检验，均I²＞50%，P＜0.10，故采用随机效应模型合并RR值，森林图结果见图2～图4。低BMI、高BMI和肥胖三组的合并RR分别为1.39(95%CI：1.31～1.47)、0.88(95%CI：0.85～0.92)、1.14(95%CI：1.05～1.23)。分析结果表明，BMI与全因死亡率的关联有统计学意义，BMI过低和BMI过高是人群全因死亡的危险因素，正常BMI有保护作用。

图2 亚洲地区成人低BMI组BMI与全因死亡率的meta分析森林图 Fig.2 Forest plot for the meta-analysis of the association between body mass index and all-cause mortality in Asian adults with a BMI less than 18.5

图选项

图3 亚洲地区成人高BMI组BMI与全因死亡率的meta分析森林图 Fig.3 Forest plot for the meta-analysis of the association between body mass index and all-cause mortality in Asian adults with a BMI of 23 to less than 30

图选项

图4 亚洲地区成人肥胖组BMI与全因死亡率的meta分析森林图 Fig.4 Forest plot for the meta-analysis of the association between body mass index and all-cause mortality in Asian adults with a BMI equal or more than 30

图选项

为了减少异质性的影响和探索异质性的来源，本研究对BMI各组进行了分层分析，结果见表2。结果显示，在男性中，低BMI是全因死亡的危险因素，正常BMI有保护作用，高BMI与全因死亡率的关联无统计学意义；在女性中，合并效应值与总的合并RR值差异不显著。地域间的差异表现为在高BMI组，东亚地区的合并RR增大，南亚和东南亚则无统计学意义。按照研究对象的身高体质量获取方式进行分层分析，在低、高BMI组，采用自报方式的研究合并RR值高于测量方式研究的RR值。2005年以前发表研究的合并效应值大于2006年以后发表者，高质量的研究文献合并效应值也相对较高。这些结果提示，性别、地域、身高体质量的获取方式、发表时间、文献质量是研究异质性的来源。

为了了解每一项纳入研究的敏感性，每次剔除一个研究后将剩余的研究进行合并，以分析单个研究对合并结果的影响，与原始合并效应值相比较是否存在显著的改变。结果显示，在低BMI组，剔除Kuriyama等^[12]的研究对合并结果影响相对于其他研究较大；在高BMI组，剔除Miyazaki等^[11]和Vapattanawong等^[22]的影响相对于其他 研究较大；在肥胖组，剔除Tamakoshi等^[20]和Vapattanawong等^[22]的影响相对于其他研究较大。剔除以上四篇研究后，重新合并RR，效应值结果并没有显著改变，但是异质性有明显的下降，重新计算I²分别为48.5%、77.4%和47.4%。

为了增加结果的可靠性，应用漏斗图，以logRR的标准误SE(logRR)值为横坐标，以logRR为纵坐标绘制漏斗图，再对漏斗图进行Begg检验以及Egger线性回归模型分析，结果Egger和Begg检验均未显示发表偏倚的存在(均P＞0.05)，漏斗图分析结果(图5～图7)显示基本对称。由此可见本次分析结果比较可靠。

图5 亚洲地区成人低BMI组BMI与全因死亡率的meta分析漏斗图 Fig.5 Funnel plot for the meta-analysis of the association between body mass index and all-cause mortality in Asian adults with a BMI less than 18.5

图选项

图6 亚洲地区成人高BMI组BMI与全因死亡率的meta分析漏斗图 Fig.6 Funnel plot for the meta-analysis of the association between body mass index and all-cause mortality in Asian adults with a BMI of 23 to less than 30

图选项

图7 亚洲地区成人肥胖组BMI与全因死亡率的meta分析漏斗图 Fig.7 Funnel plot for the meta-analysis of the association between body mass index and all-cause mortality in Asian adults with a BMI equal or more than 30

图选项

Meta分析是对某一健康问题所做的多个独立研究结果进行结构和系统的定性或定量的综合，它弥补了单个研究出现的统计效能不佳或系统误差的不足，增强了主要结论和分析的说服力^[25]。本文合并亚太地区17篇关于BMI和全因死亡率的前瞻性研究，累计研究对象1 769 369人，死亡104 888人。合并效应值显示，低BMI组和肥胖组的死亡危险性均较高，说明BMI过高或过低均增加死亡危险性，这与多数纳入的文献结果一致^{[8, 9, 10,12, 13, 18, 20, 22]}。

很多学者都认同低BMI者较正常BMI者死亡的危险性增加，Pierce^[19]和Pednekar^[17]认为在孟加拉国和印度，普遍存在人们营养不足的现象，导致体质量严重不足而致死的危险性大大增加。在亚洲发展中国家居多，很多国家或地区经济发展落后，人们营养不足的现象较欧美发达地区普遍。另外，由于基线调查时研究对象可能已存在某些潜在消耗性疾病，是BMI 与死亡的关系中的重要的混杂因素，会加强低BMI与死亡的关系；吸烟者往往体质量减轻，导致死亡率增高，也是重要的混杂因素。然而，本文所纳入的文献中，大部分研究都对潜在混杂因素进行校正，同样得出低BMI组死亡危险性增加的结论，只是校正后RR值降低，与正常BMI组差异减小，说明潜在消耗性疾病和吸烟对低BMI 的超额死亡有很大影响。

本研究对正常BMI 组的合并效应值RR为0.88(95%CI：0.85～0.92)，提示正常BMI为全因死亡的保护因素，与多数研究结果一致^{[21, 22]}。WHO将亚太地区人群BMI 大于23 kg/m²和25kg/m²分别定为高BMI和肥胖，然而这大部分是从横断面研究的观察结果中所得出的结论^[24]。以往的亚太地区前瞻性研究结论显示，BMI与死亡呈“U”型或“J”型关系，当BMI维持在24.0～28.0 kg/m²时，死亡危险性最低^{[16, 26, 27]}，提示我们有必要对界定标准的适应性作进一步的研究。高BMI 组总死亡的相对危险虽未增加，但有关的危险因素如血压、血脂、血糖水平等已明显增加^[28]。本文中肥胖组的合并效应值RR为1.14(95%CI：1.05～1.23)，显示肥胖是全因死亡率的危险因素。肥胖已经被证实是很多慢性疾病特别是心脑血管疾病的危险因素，很多学者都认同高BMI 者较正常BMI 者死亡的危险性增加^{[8, 24]}。随着BMI 水平的上升，冠心病和脑卒中死亡的相对危险增加，人群的死亡风险与BMI呈正相关。

为了寻找异质性来源，本研究对各组进行了分层分析。按照性别分层分析得知，女性严重肥胖的死亡风险(RR=1.20，95%CI：1.02～1.41)升高，而男性严重肥胖的BMI与全因死亡率无统计学关联(RR=1.09，95%CI：0.98～1.22)，男性低BMI的死亡风险(RR=1.42，95%CI：1.32～1.54)略大于女性(RR=1.40，95%CI：1.30～1.51)，但异质性并未降低。按照地域进行分层分析，结果显示东亚地区严重肥胖的死亡风险增高(RR=1.17，95%CI：1.14～1.20)，且异质性降低(I²=38.7%)，南亚和东南亚地区差异则无统计学意义；这可能是因为本次研究纳入的文献多为东亚国家，而南亚和东南亚国家研究较少。部分研究的研究对象自报身高体质量，从分析的结果来看这样做会高估严重肥胖者死亡的危险度(RR=1.20，95%CI：1.02～1.41)和体质量不足者死亡的危险度(RR=1.48，95%CI：1.29～1.70)，这可能是研究对象误报身高体质量的系统误差所致。按照文献发表时间分层分析得知，发表较早的研究会高估严重肥胖者的总死亡风险(RR=1.17，95%CI：1.14～1.21)，且异质性下降(I²=35.1%)。按照研究质量评分来分层分析，质量评分高的研究的合并效应值(RR=1.16，95%CI：1.10～1.23)大于评分低的研究，且异质性有所下降(I²=62.6%)。而在敏感性分析时，剔除四篇研究后，重新合并RR，效应值结果并没有显著改变，但是异质性有明显下降，这可能是因为剔除的研究评分较低的缘故。综上所述，性别、地域、身高体质量的获取方式、发表时间、文献质量是本研究异质性的来源。此外，通过漏斗图、Egger和Begg检验结果均显示，本研究无发表偏倚的存在，提示结果可靠。

与既往的meta 分析一样，本次研究也存在一定的局限性：本次研究纳入的文献仅限于中、英文文献，而亚洲地区很多国家的母语非中、英文，有可能致使一些已发表文献不能被纳入；肥胖与总死亡存在很多混杂因素，受到遗传、环境及吸烟等不良生活习惯各种因素的综合影响，这些混杂因素可能影响研究结果。然而经过多方面的分层分析和敏感性分析，合并RR 值变化小，结果稳定，故本次研究的结果基本可信，支持BMI过低和BMI过高是亚洲人群全因死亡率的危险因素这一结论。