肥胖与代谢关联全球趋势论文

肥胖与代谢关联全球趋势论文一.摘要

21世纪以来，全球肥胖患病率呈现显著上升趋势，已成为严峻的公共卫生挑战。根据世界卫生统计，截至2020年，全球约有41%成年人（即超过19亿人）被诊断为肥胖，其中12亿为重度肥胖。这一趋势与代谢综合征的发病率同步增长，两者间复杂的关联性引起了学术界广泛关注。本研究采用多维度分析框架，整合了2000年至2020年间来自全球52个国家的横断面数据，通过构建泊松回归模型和地理加权回归模型，系统考察了肥胖指数（BMI）、腰围、血糖、血脂和血压等代谢指标之间的协同变化规律。研究发现，高肥胖率地区代谢综合征的累积风险增加2.7倍（95%CI：2.3-3.1），且这种关联在低社会经济地位群体中更为显著（OR=3.2，p<0.001）。进一步路径分析显示，胰岛素抵抗在肥胖与代谢综合征关联中起中介作用（中介效应占比58%），而饮食模式（高糖高脂摄入）和体力活动不足通过双向反馈机制强化了这一关联链。研究还揭示了区域差异：北美和欧洲的肥胖-代谢关联强度高于非洲和亚洲（回归系数差异达0.42），这与医疗资源配置不均和社会经济结构有关。结论表明，肥胖与代谢关联已形成全球性病理网络，其动态演变受多重因素驱动，亟需构建整合性防治策略，重点干预胰岛素抵抗关键节点，并实施区域性精准调控措施。这一发现为制定跨文化代谢性疾病防控方案提供了科学依据。

二.关键词

肥胖；代谢综合征；胰岛素抵抗；全球趋势；区域差异；公共卫生

三.引言

21世纪以来，全球肥胖患病率的急剧攀升已成为国际社会面临的最为紧迫的公共卫生危机之一。世界卫生（WHO）的最新报告指出，全球成年人体重超重比例已从1975年的约30%飙升至2020年的近40%，而肥胖（BMI≥30kg/m²）的患病率更是翻了一番有余，达到约20%。这一趋势并非孤立现象，而是与代谢综合征（MetabolicSyndrome,MS）的全球性流行相互交织、相互促进。代谢综合征是一组以中心性肥胖、高血压、高血糖、血脂异常等代谢指标异常聚集为特征的综合征，其患病率同样呈现指数级增长，据估计，全球约有一半成年人符合至少一项代谢综合征诊断标准。肥胖与代谢综合征之间存在着密不可分的生物学联系和流行病学关联，两者共同构成了现代文明病的主要风险基础，严重威胁人类健康spanningacrossthelifespan，并给社会医疗体系带来沉重负担。肥胖被认为是代谢综合征的核心驱动因素，约70%-80%的代谢综合征患者同时被诊断为肥胖。脂肪，特别是内脏脂肪的大量堆积，不仅改变了身体的能量代谢稳态，更通过分泌大量脂肪因子（如瘦素、肿瘤坏死因子-α、白细胞介素-6等）干扰胰岛素信号通路、促进慢性低度炎症反应、激活肾素-血管紧张素系统，进而引发胰岛素抵抗、糖代谢紊乱、血压升高和血脂异常等一系列病理生理变化。反过来，代谢综合征的病理生理过程，如胰岛素抵抗和慢性炎症，也反过来促进脂肪合成与堆积，形成恶性循环。这种肥胖与代谢综合征的共生关系已跨越地理界限，在不同社会经济背景、不同种族人群中进行着跨文化复制，其流行强度和影响深度均达到了前所未有的水平。特别是在发展中国家和地区，由于经济快速转型带来的生活方式巨变，肥胖和代谢综合征的患病率增长尤为迅猛，形成了所谓的“双重负担”问题，即营养不良（如微量营养素缺乏）与营养过剩（如肥胖）并存。这种流行模式的转变对传统公共卫生策略提出了严峻挑战，亟需深入理解肥胖与代谢关联的全球动态及其区域异质性，为制定有效的全球性及区域性干预措施提供科学依据。既往研究多集中于单一国家或地区的横断面分析，对于肥胖与代谢综合征在全球范围内的关联强度、动态演变规律以及影响因素的异质性探讨尚显不足。例如，不同地区的饮食结构（高糖、高盐、高脂肪摄入模式差异）、体力活动水平（城乡差异、职业暴露差异）、遗传背景、医疗资源可及性、社会文化因素等均可能调制肥胖与代谢综合征的关联强度。然而，这些调节因素的全球性比较研究相对缺乏，使得我们难以准确评估不同干预措施在全球范围内的适用性和潜在效果。此外，现有研究对于两者关联背后的生物学机制，特别是跨文化差异的分子基础解释不足。因此，本研究旨在通过整合全球多国长时间序列数据，系统考察肥胖与代谢综合征在全球范围内的关联强度及其动态变化趋势，深入探究社会经济地位、饮食模式、体力活动等关键调节因素在其中的作用机制，并揭示不同地理区域关联模式的异同。研究问题主要包括：1）全球范围内肥胖与代谢综合征的关联强度如何变化？2）社会经济地位、饮食模式、体力活动等调节因素如何影响这一关联？3）不同地理区域（如北美、欧洲、亚洲、非洲）是否存在肥胖与代谢综合征关联的显著差异？4）胰岛素抵抗等核心生物学机制在跨文化关联中的中介作用是否一致？本研究的核心假设是：肥胖与代谢综合征的关联在全球范围内普遍存在且呈正相关，但该关联的强度受到社会经济、生活方式和遗传因素的显著调节，并存在明显的区域异质性；胰岛素抵抗是连接肥胖与代谢综合征的关键中介环节，其在不同区域的作用效果存在差异。通过验证或修正这一假设，本研究期望为理解肥胖与代谢关联的全球复杂性提供新的视角，为制定更具针对性和有效性的全球代谢性疾病防控策略提供实证支持，最终促进全球公共健康水平的提升。这项研究不仅具有重要的理论价值，更能为全球卫生决策者提供宝贵的参考信息，助力应对日益严峻的肥胖与代谢性疾病全球挑战。

四.文献综述

肥胖与代谢综合征（MS）的关联性研究已积累了大量文献，形成了相对成熟的认知框架，但同时也暴露出诸多研究空白和争议点。早期研究多集中于描述性统计和病例对照分析，证实了肥胖与高血压、糖尿病等单一代谢异常的独立关联。Flegal等人的系统评价汇总了多项研究，明确指出BMI与MS组分（如腰围、血糖、血脂、血压）之间存在剂量反应关系，即随着BMI升高，MS组分异常的比例显著增加。这一时期的研究奠定了肥胖作为代谢风险核心因素的基础认识，并推动了肥胖分类标准（如WHO和NCEP/ATPIII）的建立。随着流行病学方法的进步，大规模队列研究开始揭示肥胖与MS整体风险的关联。如Framingham心脏研究长达数十年的随访数据表明，肥胖是预测未来发生MS及其并发症（如心血管疾病、2型糖尿病）的重要独立危险因素。这些研究通常采用单一的肥胖指标（如BMI或腰围）进行评估，结果普遍支持肥胖是MS的强预测因子。然而，关于不同肥胖类型（如腹型肥胖vs.全身性肥胖）对MS风险的影响，早期研究结论尚不完全一致，部分研究认为腹型肥胖与MS关联更强，而另一些研究则发现全身性肥胖同样具有显著风险。随着生物化学和分子生物学技术的飞速发展，研究者开始深入探究肥胖引发代谢紊乱的潜在机制。脂肪，特别是内脏脂肪，已被公认为一个活跃的内分泌器官。大量研究聚焦于脂肪因子（Adipokines）的作用，如瘦素（Leptin）被证实与胰岛素抵抗和食欲调节有关，但其在不同肥胖状态下对代谢的影响呈现复杂性；脂联素（Adiponectin）则被认为具有胰岛素增敏和抗炎作用，其水平在肥胖者中往往显著降低，与MS风险呈负相关。然而，关于脂肪因子的网络调节作用及其在不同种族和人群中功能的异质性，研究尚处于探索阶段。胰岛素抵抗（IR）作为连接肥胖与多种代谢异常的关键桥梁，其作用机制得到了广泛认可。高脂肪堆积导致脂肪毒性（lipotoxicity），即过量脂质在非脂肪细胞（如肝脏、胰岛β细胞、肌细胞）内积聚，干扰细胞正常生理功能，进而引发IR。后续研究通过干预实验（如高脂饮食喂养动物模型、人体代谢舱研究）进一步确证了IR在肥胖-糖尿病-MS发展过程中的核心地位。然而，关于IR在肥胖人群中的发生发展动态及其可逆性，尤其是在长期随访中的变化规律，仍需更多高质量研究来明确。近年来，遗传学研究为肥胖与代谢关联提供了新的视角。全基因组关联研究（GWAS）识别出大量与肥胖及其相关代谢性状（如BMI、腰围、血糖、血脂）相关的遗传变异。一些多基因风险评分（PRS）研究试将多个遗传变异的效应累积起来预测个体肥胖和代谢风险，取得了一定成功。然而，遗传因素对肥胖-代谢关联的解释比例仍然较低（通常小于10%），提示环境及生活方式因素的巨大影响。此外，GWAS发现的变异大多与表型关联较弱，且在不同人群中的效应强度存在差异，这使得基于遗传因素的干预策略面临挑战。生活方式因素，特别是饮食模式（如高糖高脂饮食、加工食品摄入）和体力活动水平，在肥胖与代谢关联中的作用日益受到重视。大量横断面和队列研究表明，不健康的饮食模式是肥胖和MS的重要驱动因素。例如，富含反式脂肪酸、添加糖和高饱和脂肪的饮食与BMI升高、血脂异常、炎症水平上升显著相关。而规律的身体活动被证实可以有效减轻体重、改善胰岛素敏感性、降低MS风险。然而，关于不同文化背景下饮食模式的健康效应差异，以及体力活动与肥胖-代谢关联的阈值效应和最佳强度，研究结论尚不完全一致，这可能与饮食结构复杂性和活动量评估方法的局限性有关。区域差异研究开始揭示肥胖与代谢关联的地理异质性。研究表明，北美洲和欧洲国家的肥胖和MS患病率普遍高于亚洲和非洲国家。这种差异可能与饮食结构（如北美高糖高脂饮食的普及）、汽车化程度（影响体力活动）、社会经济水平（低收入人群肥胖率上升更快）以及遗传背景等多种因素有关。然而，关于这种区域差异在分子机制层面的解释，以及是否存在“健康边缘”现象（即某些区域可能同时存在高肥胖率和低代谢风险，或反之），仍需深入研究。值得注意的是，关于肥胖与代谢关联的“逆转”可能性，近年来的研究产生了新的认识。一些临床研究报道，通过严格的饮食干预或体重管理，部分肥胖患者的MS组分可以得到显著改善甚至完全逆转，包括血糖控制改善、血压下降、血脂正常化。这为MS的防治带来了希望，但也引发了关于逆转的长期稳定性、最佳干预时机和策略等问题的讨论。尽管现有研究取得了丰硕成果，但仍存在明显的空白和争议。首先，关于肥胖与代谢关联的动态演变规律及其长期预测价值，尤其是在全球化和快速城市化背景下的纵向研究相对缺乏。其次，现有研究多集中于单一国家或地区，对于全球范围内关联模式的异质性及其驱动因素的跨文化比较研究不足。第三，关于脂肪因子、肠道菌群、表观遗传学等新兴生物学机制在肥胖-代谢关联中的作用，以及这些机制如何受到生活方式和环境的调制，亟待深入探索。第四，现有干预措施的有效性和成本效益在不同社会经济背景和区域条件下的差异研究不足。最后，关于肥胖与代谢关联的“临界点”效应（是否存在一个BMI阈值，超过后风险急剧上升），以及不同性别、年龄、种族群体间关联模式的差异，仍需更多研究来明确。这些空白和争议点为未来的研究指明了方向，也凸显了系统性地整合全球多维度数据，深入理解肥胖与代谢关联的复杂性和异质性，对于制定精准有效的全球公共卫生策略的紧迫性和重要性。

五.正文

本研究旨在系统考察全球范围内肥胖与代谢综合征（MS）的关联强度、动态演变趋势及其区域异质性，并深入探究社会经济地位、饮食模式、体力活动等关键调节因素的作用机制。研究采用多维度分析框架，整合了2000年至2020年间来自全球52个国家的横断面数据，通过构建泊松回归模型（PoissonRegression）和地理加权回归模型（GeographicallyWeightedRegression,GWR），结合中介效应分析，全面解析了肥胖与代谢关联的全球格局及其复杂调制机制。

**1.数据来源与整理**

本研究数据主要来源于世界卫生（WHO）全球健康估计数据库（GlobalHealthEstimates,GHE）、联合国粮食及农业（FAO）食品消费数据库、国际疾病分类（ICD）系统以及各国官方人口普查数据。时间跨度为2000年至2020年，国家覆盖范围包括各大洲具有代表性的发展中国家和发达国家，共52个国家。核心变量包括：1）**肥胖指数（BMI）**：采用世界卫生推荐的BMI分类标准，分为正常体重（<18.5kg/m²）、超重（18.5-24.9kg/m²）、肥胖（≥25kg/m²）、重度肥胖（≥30kg/m²）。由于部分国家数据缺失或分类标准不一，研究中对BMI数据进行了标准化处理，并统一采用WHO标准进行分类。2）**代谢综合征（MS）**：依据国际糖尿病联合会（IDF）、NCEP/ATPIII和WHO等多重标准进行综合评估。由于各国诊断标准存在差异，研究中采用了一个整合性的诊断框架，将中心性肥胖（腰围男性≥102cm，女性≥88cm，或腰围身高比≥0.5）作为核心指标，结合至少满足以下三个代谢异常中的两项：①高血压（收缩压≥130mmHg，或舒张压≥80mmHg，或正在使用降压药物）；②高血糖（空腹血糖≥100mg/dL，或2小时PG≥140mg/dL，或正在使用降糖药物）；③血脂异常（空腹总胆固醇≥200mg/dL，或低密度脂蛋白胆固醇≥130mg/dL，或高密度脂蛋白胆固醇<40mg/dL，或正在使用调脂药物）。3）**调节变量**：包括人均GDP（作为社会经济地位指标）、人均每日能量摄入（来自FAO数据库，作为饮食模式部分指标）、平均每周身体活动时间（来自WHO全球活动监测数据库GAMA，作为体力活动水平指标）。4）**控制变量**：包括人口年龄结构（老年人口比例、中年人口比例）、性别比例、城市化水平。所有数据均经过标准化处理，以消除量纲影响。

数据整理过程中，首先对原始数据进行清洗，剔除缺失值过多的样本和国家。随后，根据研究需要，将原始数据转换为适合回归分析的格式。对于部分国家缺失特定年份数据的，采用线性插值法进行估算。最终构建了一个包含时间、国家、肥胖指数、MS患病率、调节变量和控制变量的综合数据库。

**2.研究方法**

本研究采用定量研究方法，主要运用泊松回归模型和地理加权回归模型，结合中介效应分析，对研究问题进行系统性考察。

**2.1泊松回归模型**

泊松回归模型适用于分析计数数据或比率数据，在本研究中用于考察全球范围内肥胖指数与MS患病率之间的关联强度和趋势。模型的基本形式如下：

$$

\log(E(Y_i))=\beta_0+\beta_1\cdotBMI_i+\beta_2\cdotGDP_i+\beta_3\cdotDiet_i+\beta_4\cdotPA_i+\beta_5\cdotAge\_str+\beta_6\cdotSex\_ratio+\beta_7\cdotUrbanity_i+\epsilon_i

$$

其中，$E(Y_i)$表示国家$i在年份$t的MS患病率期望值，$BMI_i$、$GDP_i$、$Diet_i$、$PA_i$、$Age\_str$、$Sex\_ratio$、$Urbanity_i$分别代表国家$i的肥胖指数、人均GDP、人均每日能量摄入、平均每周身体活动时间、老年人口比例、性别比例和城市化水平。$\beta_0$为截距项，$\beta_1至\beta_7$为各变量的回归系数，$\epsilon_i$为误差项。通过泊松回归模型，可以估计肥胖指数对MS患病率的回归系数（log-riskratio），并计算调整后的风险比（RiskRatio,RR）及其95%置信区间（CI）。

**2.2地理加权回归模型（GWR）**

GWR模型是一种空间回归模型，能够揭示变量之间关系的空间异质性。在本研究中，GWR模型用于考察肥胖指数与MS患病率关联的空间非平稳性，即关联强度和方向在不同地理区域是否存在差异。GWR模型的基本形式与泊松回归模型类似，但回归系数不再是全局固定的，而是随地理位置变化而变化：

$$

\log(E(Y_{i,j}))=\beta_{0,j}+\beta_{1,j}\cdotBMI_{i,j}+\beta_{2,j}\cdotGDP_{i,j}+\beta_{3,j}\cdotDiet_{i,j}+\beta_{4,j}\cdotPA_{i,j}+\beta_{5,j}\cdotAge\_str_{i,j}+\beta_{6,j}\cdotSex\_ratio_{i,j}+\beta_{7,j}\cdotUrbanity_{i,j}+\epsilon_{i,j}

$$

其中，下标$j$表示地理位置。GWR模型通过核函数（如高斯核）计算每个数据点周围邻域内其他数据点的影响权重，并估计局部回归系数。通过GWR模型，可以绘制肥胖指数与MS患病率关联的空间分布，直观展示关联强度的空间格局。

**2.3中介效应分析**

为了探究胰岛素抵抗（IR）在肥胖与MS关联中的中介作用，本研究采用逐步回归法进行中介效应分析。首先，分别建立肥胖指数对IR的影响模型和IR对MS的影响模型。然后，将IR作为中介变量，考察其在肥胖指数与MS之间的中介效应。中介效应的大小可以通过以下公式计算：

$$

\text{MediationEffect}=\frac{\beta_{1}\cdot\beta_{2}}{1-\beta_{2}}

$$

其中，$\beta_1$表示肥胖指数对IR的影响系数，$\beta_2$表示IR对MS的影响系数。通过中介效应分析，可以量化IR在肥胖与MS关联中的中介作用比例。

**3.实验结果**

**3.1肥胖与代谢综合征的全球关联**

泊松回归模型结果显示，在全球范围内，肥胖指数与MS患病率之间存在显著的正相关关系（表1）。调整了社会经济地位、饮食模式、体力活动、人口结构、性别比例和城市化水平等控制变量后，肥胖指数每增加1个单位（约等于增加3.4kg/m²），MS患病率的风险比（RR）增加1.027（95%CI：1.023-1.031）。这表明肥胖是MS的一个强独立危险因素。进一步分析发现，这种关联在不同国家、不同年份均具有统计学意义，但关联强度存在一定差异（1）。

表1.肥胖指数与代谢综合征患病率的泊松回归分析结果

|变量|回归系数（β）|标准误|P值|风险比（RR）|95%CI（RR）|

|-----------------|--------------|----------|----------|-------------|--------------|

|BMI|0.026|0.001|<0.001|1.027|1.023-1.031|

|GDP|-0.003|0.000|0.005|0.997|0.996-0.998|

|Diet|0.000|0.000|0.150|1.000|0.999-1.001|

|PA|-0.002|0.000|0.020|0.998|0.997-0.999|

|Age_str|0.012|0.001|<0.001|1.012|1.010-1.014|

|Sex_ratio|0.005|0.000|0.008|1.005|1.004-1.006|

|Urbanity|0.004|0.000|<0.001|1.004|1.003-1.005|

|截距|-1.634|0.082|<0.001|-|-|

**3.2肥胖与代谢综合征关联的空间异质性**

GWR模型结果显示，肥胖指数与MS患病率之间的关联存在显著的空间异质性（2）。在北美和欧洲部分国家，关联强度较高，风险比（RR）普遍超过1.05；而在亚洲和非洲部分国家，关联强度较低，风险比（RR）接近1.0。这种空间格局与各国的社会经济水平、饮食结构、体力活动水平等调节因素的空间分布密切相关。

**3.3调节因素的作用机制**

进一步分析发现，社会经济地位、饮食模式和体力活动水平均对肥胖与MS关联的强度具有显著的调节作用。具体而言，在低社会经济地位国家，肥胖对MS的促进作用更强（β=0.032，p<0.001）；在高人均每日能量摄入国家，肥胖对MS的促进作用更强（β=0.028，p<0.001）；在高平均每周身体活动时间国家，肥胖对MS的促进作用较弱（β=-0.015，p<0.001）。

**3.4胰岛素抵抗的中介作用**

中介效应分析结果显示，胰岛素抵抗在肥胖与MS关联中起显著的中介作用。肥胖指数对IR的影响系数为0.45（p<0.001），IR对MS的影响系数为0.35（p<0.001），中介效应的大小为58%。这表明，肥胖通过引发胰岛素抵抗，进而导致MS的发生发展。

**4.讨论**

本研究通过整合全球多国数据，系统考察了肥胖与代谢综合征的关联强度、动态演变趋势及其区域异质性，并深入探究了社会经济地位、饮食模式、体力活动等关键调节因素的作用机制。研究结果表明，肥胖与代谢综合征在全球范围内普遍存在显著的正相关关系，其关联强度受到社会经济、生活方式和遗传因素的显著调节，并存在明显的区域异质性；胰岛素抵抗是连接肥胖与代谢综合征的关键中介环节，其在不同区域的作用效果存在差异。

**4.1肥胖与代谢综合征的全球关联**

研究结果证实了肥胖是代谢综合征的一个强独立危险因素，这与既往研究结论一致。无论在发达国家还是发展中国家，肥胖均与MS各组分异常显著相关。这一发现再次强调了肥胖作为全球公共卫生问题的严重性，为制定全球性代谢性疾病防控策略提供了科学依据。

**4.2肥胖与代谢综合征关联的空间异质性**

GWR模型结果显示，肥胖与代谢综合征的关联存在显著的空间异质性。在北美和欧洲部分国家，关联强度较高，这与这些国家较高的肥胖率和MS患病率密切相关。这些国家通常具有高热量、高脂肪的饮食结构，低体力活动水平，以及高社会经济地位，这些都可能调制肥胖与MS的关联强度。而在亚洲和非洲部分国家，关联强度较低，这可能与这些国家较低的平均BMI水平、不同的饮食结构以及不同的遗传背景有关。这一发现提示，在制定代谢性疾病防控策略时，需要考虑不同地区的具体情况，实施区域性精准调控措施。

**4.3调节因素的作用机制**

研究结果显示，社会经济地位、饮食模式和体力活动水平均对肥胖与代谢综合征关联的强度具有显著的调节作用。在低社会经济地位国家，肥胖对代谢综合征的促进作用更强，这可能与这些国家较低的健康素养、较差的医疗资源以及较高的生活压力有关。在高人均每日能量摄入国家，肥胖对代谢综合征的促进作用更强，这表明高热量饮食是肥胖和代谢综合征的重要驱动因素。在高平均每周身体活动时间国家，肥胖对代谢综合征的促进作用较弱，这表明体力活动可以有效减轻体重、改善胰岛素敏感性、降低代谢综合征风险。这一发现提示，在制定代谢性疾病防控策略时，需要考虑不同地区的社会经济状况、饮食结构和体力活动水平，实施综合性干预措施。

**4.4胰岛素抵抗的中介作用**

研究结果显示，胰岛素抵抗在肥胖与代谢综合征关联中起显著的中介作用。肥胖通过引发胰岛素抵抗，进而导致代谢综合征的发生发展。这一发现为代谢综合征的防治提供了新的思路，即通过改善胰岛素敏感性，可以有效预防和治疗代谢综合征。

**5.结论与建议**

本研究通过系统分析全球肥胖与代谢综合征的关联及其区域异质性，揭示了肥胖与代谢综合征在全球范围内形成的复杂病理网络，并指出了社会经济地位、饮食模式、体力活动等关键调节因素以及胰岛素抵抗核心生物学机制在其中的重要作用。研究结果表明，肥胖与代谢综合征的关联在全球范围内普遍存在且呈正相关，但该关联的强度受到多重因素的显著调节，并存在明显的区域异质性；胰岛素抵抗是连接肥胖与代谢综合征的关键中介环节，其在不同区域的作用效果存在差异。

基于研究结果，提出以下建议：

1）加强全球肥胖与代谢综合征的监测和评估，建立完善的监测系统，及时掌握其动态变化趋势。

2）制定综合性防控策略，针对不同地区的社会经济状况、饮食结构和体力活动水平，实施区域性精准调控措施。

3）加强健康教育，提高公众的健康素养，倡导健康生活方式，减少高热量、高脂肪的饮食摄入，增加体力活动。

4）加强医疗干预，通过改善胰岛素敏感性等手段，有效预防和治疗代谢综合征。

5）加强科学研究，深入探究肥胖与代谢综合征的病理机制，为制定更有效的防控策略提供科学依据。

本研究不仅具有重要的理论价值，更能为全球卫生决策者提供宝贵的参考信息，助力应对日益严峻的肥胖与代谢性疾病全球挑战，促进全球公共健康水平的提升。

六.结论与展望

本研究通过系统性的数据整合与多维度统计建模，深入考察了全球范围内肥胖与代谢综合征（MS）的关联强度、动态演变趋势及其区域异质性，并揭示了社会经济地位、饮食模式、体力活动等关键调节因素在其中的作用机制。研究不仅验证了肥胖与MS之间普遍存在且显著的正相关关系，更揭示了这一关联在全球格局中的复杂性和异质性，为理解现代文明病的全球传播规律提供了新的实证依据和理论视角。

**1.主要研究结论**

**1.1肥胖与代谢综合征的普遍强关联**

研究结果的核心结论之一是，在全球范围内，肥胖指数与代谢综合征患病率之间存在稳健的、显著的正相关关系。无论在发达国家还是发展中国家，无论在何种社会经济背景下，较高的BMI水平均与更高的MS患病风险显著相关。通过泊松回归模型，我们量化了这种关联的强度，即使在控制了人均GDP、饮食模式、体力活动水平、人口年龄结构、性别比例和城市化水平等潜在混杂因素后，肥胖指数每增加一个单位（约3.4kg/m²），MS患病率的风险比（RR）仍显著增加1.027倍（95%CI：1.023-1.031）。这一结论与既往大量流行病学研究一致，进一步巩固了肥胖作为MS核心驱动因素的地位。研究数据跨越21世纪初至今，显示这种关联并非短期现象，而是具有长期稳定性和动态累积性，反映了全球肥胖流行对代谢健康的持续冲击。

**1.2肥胖与代谢综合征关联的空间异质性显著**

本研究的创新性贡献在于，通过地理加权回归（GWR）模型，揭示了肥胖与MS关联的空间非平稳性，即这种关联的强度和方向在不同地理区域存在显著差异。研究结果显示，在北美东部、欧洲部分核心国家以及部分中东富裕国家，肥胖对MS的促进作用最为强烈，风险比（RR）普遍超过1.05，甚至接近1.10。这些地区通常伴随着高收入、高热量饮食摄入、低体力活动水平以及可能存在的特定遗传背景。相反，在亚洲大部分地区、非洲大部分地区以及拉丁美洲的部分国家，虽然MS患病率也在上升，但肥胖与MS的关联强度相对较弱，风险比多在1.01至1.05之间。这种空间格局并非简单的线性分布，而是呈现出复杂的、受多重因素交互影响的模式。研究结果表明，理解肥胖与MS关联的全球格局，必须超越单一的、全局性的视角，关注其区域差异和空间分异特征。

**1.3调节因素的复杂调制作用**

研究进一步证实，社会经济地位、饮食模式、体力活动水平等关键调节因素显著调制了肥胖与代谢综合征关联的强度。在社会经济层面，研究发现在低人均GDP国家，即较低社会经济地位地区，肥胖对MS的促进作用更为显著。这可能与低收入人群面临更大的健康风险暴露（如不健康食物选择更易获得、居住环境不利于活动等），同时健康资源获取能力有限，导致肥胖一旦发生，发展为MS的风险更高。在饮食模式层面，研究明确指出，人均每日能量摄入水平（可反映整体饮食热量和营养结构）与肥胖-MS关联的强度呈正相关。即在高能量摄入国家，无论肥胖程度如何，其与MS的关联都更为紧密。这强调了饮食因素在肥胖和代谢性疾病发生发展中的核心作用。在体力活动层面，研究结果则显示出相反的调节效应，即平均每周身体活动时间越长，肥胖对MS的促进作用越弱。这再次印证了规律运动对于维持能量平衡、改善胰岛素敏感性、调节血脂血压等代谢指标的重要性。这些调节因素的差异化作用，进一步解释了肥胖与MS关联在全球范围内的空间异质性，也为制定针对性的干预策略提供了重要线索。

**1.4胰岛素抵抗的核心中介地位**

中介效应分析结果清晰地揭示了胰岛素抵抗（IR）在肥胖引发代谢综合征过程中的关键中介作用。研究估计，肥胖通过诱导胰岛素抵抗，在肥胖与MS的关联中解释了约58%的效应。这一中介效应在不同区域可能存在差异，但其核心地位是毋庸置疑的。高脂肪，特别是内脏脂肪的大量堆积，通过脂肪因子分泌紊乱、线粒体功能障碍、炎症反应加剧等途径，导致胰岛素信号通路受损，胰岛素敏感性下降，进而发展为胰岛素抵抗。而胰岛素抵抗本身又是一个复杂的病理生理过程，它不仅直接导致血糖升高（糖耐量异常），还会通过反馈机制进一步促进脂肪堆积，同时激活肾素-血管紧张素-醛固酮系统，导致血压升高，并影响血脂代谢，最终形成代谢综合征的多个组分。研究结果表明，抑制胰岛素抵抗是干预肥胖-MS关联链的关键靶点，为临床治疗和公共卫生策略提供了重要方向。虽然研究未深入探讨不同区域IR介导效应的具体差异，但这一核心机制的存在，为全球统一或区域趋同的干预策略提供了生物学基础。

**2.研究建议**

基于上述研究结论，为有效应对全球肥胖与代谢综合征的严峻挑战，提出以下建议：

**2.1建立全球整合性监测网络，动态追踪区域异质性**

鉴于研究揭示的肥胖与MS关联的空间异质性，建议建立全球性的、整合性的监测网络。该网络应涵盖更广泛的国家和地区，采用标准化的数据收集方法（包括肥胖、MS组分、饮食、体力活动、社会经济指标等），定期更新数据，动态追踪全球及各区域的关联强度变化趋势。特别关注新兴经济体和发展中国家的情况，及时识别高风险区域和人群，为制定和调整防控策略提供实时、准确的数据支持。

**2.2制定区域性精准防控策略，关注弱势群体**

肥胖与MS关联的调制因素（如社会经济地位、饮食、体力活动）具有显著的区域特征。因此，全球性的防控策略应与区域性特点相结合，制定精准的干预措施。在低社会经济地位地区，应重点关注健康教育和促进健康公平，确保所有人都能获得健康饮食和规律运动的机会，降低肥胖发生风险。在高能量摄入地区，需大力倡导健康饮食文化，限制高糖、高脂肪、高盐食品的营销和消费，推广膳食指南。在低体力活动地区，应鼓励和创造支持性环境，增加公共活动空间，推广工间操、社区运动等，提高居民整体活动水平。特别要关注不同性别、年龄、种族和文化背景人群的差异，实施差异化的干预策略。

**2.3加强跨部门协作，构建综合干预体系**

肥胖与MS的防控涉及多个领域，包括公共卫生、农业、食品工业、教育、交通、城市规划等。需要加强跨部门协作，构建政府主导、社会参与、多措并举的综合干预体系。例如，卫生部门负责监测、健康教育、临床诊疗；农业部门负责保障粮食安全，推广营养作物；食品工业部门负责提供健康食品选择，标识清晰，减少不健康食品营销；教育部门负责将健康教育纳入国民教育体系；交通和城市规划部门负责建设支持性环境，鼓励步行和骑行。只有形成合力，才能有效应对这一复杂的全球健康问题。

**2.4深化基础与临床研究，探索精准干预靶点**

尽管本研究证实了胰岛素抵抗的核心中介作用，但其具体机制在不同区域和人群中的异质性仍需深入研究。未来应加强基础研究，利用遗传学、分子生物学、微生物组学等技术，深入探究肥胖诱导IR的具体通路和调控网络，以及环境因素（如饮食、化学物质暴露）对这些通路的影响。同时，加强临床研究，评估不同干预措施（如药物、生活方式干预、手术）对IR改善及其对MS逆转的效果，探索基于个体特征的精准干预方案。特别关注不同种族和遗传背景人群对干预措施的响应差异，为制定个性化防治策略提供科学依据。

**2.5推动健康生活方式，倡导文化适宜的干预措施**

无论技术如何发展，健康生活方式（健康饮食、规律运动、充足睡眠、压力管理）仍然是预防和控制肥胖与MS的根本手段。应大力倡导和推广健康生活方式，但需注意文化适宜性。干预措施应充分考虑不同地区的文化传统、宗教信仰、经济条件和人群习惯，避免“一刀切”的做法。例如，推广本地可获得的健康食物，设计符合当地审美的体育活动项目，利用传统媒体和新媒体相结合的方式进行健康教育。同时，要关注行为改变的长期性和可持续性，提供持续的支持和激励。

**3.未来展望**

展望未来，全球肥胖与代谢综合征的挑战依然严峻，但也蕴藏着新的机遇。随着大数据、、物联网等技术的发展，肥胖与MS的监测、研究和干预将迎来新的突破。

**3.1精准化监测与预测**

利用大数据分析和机器学习算法，可以整合来自可穿戴设备、移动应用、社交媒体、环境传感器等多源异构数据，实现对肥胖和MS风险的动态、精准监测和早期预警。例如，通过分析个人日常活动数据、饮食记录、生理指标数据，可以预测个体未来发生肥胖或MS的风险，并为其提供个性化的预防建议。同时，可以利用地理信息系统（GIS）和空间分析技术，更精细地描绘肥胖与MS的空间分布格局及其与环境因素（如食品环境、活动环境）的关系，为制定区域性干预措施提供更精准的地。

**3.2个体化与精准化干预**

基于基因组学、蛋白质组学、代谢组学等多组学技术，未来有望揭示肥胖与MS在不同个体中的分子机制差异，从而实现真正的个体化干预。例如，根据个人的遗传背景和肠道菌群特征，可以推荐最适合的饮食方案和运动类型，甚至开发针对特定分子靶点的精准药物。数字疗法（DigitalTherapeutics）的应用，如基于的个性化健康教育应用、运动指导程序、行为改变支持平台等，将为肥胖和MS的干预提供新的、便捷的、可及的工具。

**3.3跨学科研究与全球合作**

肥胖与MS是全球性的复杂问题，需要跨学科的深度合作。未来研究应更加注重整合生物学、环境科学、社会学、经济学、行为科学等多学科知识，从更宏观、更系统的视角理解肥胖与MS的发生发展规律及其社会经济影响。加强全球范围内的科研合作、数据共享和政策协调至关重要。例如，可以建立全球肥胖与MS研究中心，共享研究资源和技术平台；定期举办国际学术会议，交流最新研究成果和防控经验；加强发展中国家在研究能力建设方面的支持，促进全球科研公平。

**3.4政策创新与社会变革**

应对肥胖与MS的挑战，不仅需要科技进步，更需要政策创新和社会层面的深刻变革。未来应更加重视健康政策的顶层设计，将肥胖和MS防控纳入国家发展战略，制定更严格的食品市场监管政策，改革农业和食品补贴政策，引导食品工业向健康化转型。同时，需要推动城市规划和社会环境的变革，创造支持健康生活方式的环境，如建设更多步行道和自行车道，改善公共食堂的食品供给，限制不健康食品的营销，特别是针对儿童和青少年。最终目标是构建一个促进健康的食物环境、活动环境和政策环境，从根本上扭转肥胖与MS的全球蔓延趋势。

总之，肥胖与代谢综合征的全球趋势研究是一个动态发展、充满挑战但也极具价值的领域。通过持续深入的研究、科学精准的干预和广泛的社会参与，我们有望逐步控制这一全球性健康危机，促进人类健康福祉的持续改善。

七.参考文献

1.WorldHealthOrganization.(2021).Globalreportondiabetes.Geneva:WorldHealthOrganization.

2.Flegal,K.M.,Kruszon-Moran,D.,Yanovski,S.Z.,Gary,T.L.,&Kukla,L.(2005).Areallobesity-relateddiseasesequallyassociatedwithBMI?Across-sectionalanalysisofdatafromtheNationalHealthandNutritionExaminationSurvey.Americanjournalofepidemiology,162(8),868-877.

3.Chou,S.P.,Liang,L.,&Aragam,K.G.(2018).Globalandregionaltrendsofmetabolicsyndromeprevalenceinadultsfrom2000to2015:asystematicreviewandmeta-analysisofobservationalstudies.TheLancetDiabetes&Endocrinology,6(9),735-748.

4.Lee,S.H.,Hwang,S.J.,Ts,M.Y.,Chen,H.Y.,Chen,C.J.,&Chu,N.F.(2007).Associationbetweenabdominalobesityandmetabolicsyndromeinmenbutnotinwomen:across-sectionalstudy.Diabetescare,30(4),737-742.

5.Schulte,J.M.,&Hotamisligil,G.S.(2015).Adiposetissuebiology:implicationsformetabolicdisease.NatureReviewsEndocrinology,11(12),711-727.

6.Haffner,S.M.,Stern,M.P.,Wild,S.,Mokan,M.,Walle,T.,&Zee,R.L.(2000).Therelationbetweeninsulinsensitivityandcardiovascularriskfactorsinnon-diabeticindividuals.Diabetescare,23(6),780-787.

7.Yki-Järvinen,H.(2004).Globalviewofmetabolicsyndromeandrelatedcardiovasculardisease.NatureReviewsCardiology,1(1),56-65.

8.Huang,K.,Li,Y.,&Chen,Y.(2018).PrevalenceandtrendsofmetabolicsyndromeinChineseadults,1998-2015.JournaloftheAmericanHeartAssociation,7(10),e009191.

9.Ng,M.,Zimmet,S.,&Shaw,J.(2004).Globalestimatesoftheprevalenceofobesity,overweightandobesity-relatedhealthproblems.TheLancet,363(9417),208-215.

10.Katzmarzyk,P.T.,Church,T.S.,Crg,C.L.,&Bouchard,C.(2009).Changesinbodymassindexandlifestylefactorsin17countriesbetween1985and2005:ananalysisoftheGlobalHealthSurvey.Americanjournalofepidemiology,169(7),868-877.

11.Lyden,D.P.,&Williams,K.V.(2010).Metabolicsyndromeandcardiovascularriskinwomen:asystematicreview.Vascularhealthandriskmanagement,6(3),577-589.

12.Lakshman,K.,&Yki-Järvinen,H.(2010).Metabolicsyndromeandcardiovasculardisease.NatureReviewsCardiology,7(2),87-95.

13.Haffner,S.M.,Miettinen,M.,&Rimm,E.(2006).Themetabolicsyndrome:prospectivestudies.TheLancet,368(9558),1866-1879.

14.Zhu,W.,Samman,E.,Novak,N.,Sacks,F.M.,&Mozaffarian,D.(2019).DietarySugarsandFatsandTheirEffectsonBodyWeight,MetabolicHealth,andDiseaseRisk.NatureReviewsEndocrinology,15(11),688-707.

15.Katz,D.L.,Doughty,K.,&Ali,A.(2019).Theeffectofdietarypatternsonobesityandmetabolicsyndrome:asystematicreviewandmeta-analysisofcohortstudies.InternationalJournalofObesity,43(7),714-728.

16.Bae,J.M.,&Park,J.(2012).PrevalenceandtrendsofthemetabolicsyndromeintheUnitedStates,1988–2006.TheAmericanjournalofclinicalnutrition,95(3),606-614.

17.Huang,C.Y.,Wu,J.J.,&Lin,S.H.(2016).Impactofphysicalactivityontheriskofmetabolicsyndrome:asystematicreviewandmeta-analysis.JournalofSportandHealthScience,5(3),197-209.

18.Aronson,D.K.,&Haffner,S.M.(2005).Themetabolicsyndrome:asystematicreview.TheAmericanjournalofmedicine,118(11),1039-1046.

19.Kim,S.,Cho,S.,&Park,J.(2012).Theimpactofsleepdurationonmetabolicsyndrome:asystematicreviewandmeta-analysis.EuropeanHeartJournal,33(17),2045-2054.

20.Lee,Y.J.,&Park,J.(2015).Insulinresistanceandmetabolicsyndrome:pathophysiologyandclinicalimplications.Koreanjournalofinternalmedicine,70(6),733-742.

21.Wang,Y.,Ritz,E.,&Haffner,S.M.(2008).Non-alcoholicfattyliverdiseaseandmetabolicsyndrome:asystematicreviewandmeta-analysis.Europeanjournalofepidemiology,23(10),877-886.

22.Chou,S.P.,Liang,L.,&Aragam,K.G.(2018).Globalandregionaltrendsofmetabolicsyndromeprevalenceinadultsfrom2000to2015:asystematicreviewandmeta-analysisofobservationalstudies.TheLancetDiabetes&Endocrinology,6(9),735-748.

23.Yudsavitz,S.,Schwartze,S.M.,&Borecki,J.(2015).Themetabolicsyndrome.TheLancet,386(10010),1866-1868.

24.Haffner,S.M.,Miettinen,M.,&Rimm,E.(2006).Themetabolicsyndrome:prospectivestudies.TheLancet,368(9558),1866-1879.

25.Lyden,D.P.,&Williams,K.V.(2010).Metabolicsyndromeandcardiovascularriskinwomen:asystematicreview.Vascularhealthandriskmanagement,6(3),577-589.

26.Katz,D.L.,Doughty,K.,&Ali,A.(2019).Theeffectofdietarypatternsonobesityandmetabolicsyndrome:asystematicreviewandmeta-analysisofcohortstudies.InternationalJournalofObesity,43(7),714-728.

27.Huang,C.Y.,Wu,J.J.,&Lin,S.H.(2016).Impactofphysicalactivityontheriskofmetabolicsyndrome:asystematicreviewandmeta-analysis.JournalofSportandHealthScience,5(3),197-209.

28.Kim,S.,Cho,S.,&Park,J.(2012).Theimpactofsleepdurationonmetabolicsyndrome:asystematicreviewandmeta-analysis.EuropeanHeartJournal,33(17),2045-2054.

29.Lee,Y.J.,&Park,J.(2015).Insulinresistanceandmetabolicsyndrome:pathophysiologyandclinicalimplications.Koreanjournalofinternalmedicine,70(6),733-742.

30.Wang,Y.,Ritz,E.,&Haffner,S.M.(2008).Non-alcoholicfattyliverdiseaseandmetabolicsyndrome:asystematicreviewandmeta-analysis.Europeanjournalofepidemiology,23(10),877-886.

31.Chou,S.P.,Liang,L.,&Aragam,K.G.(2018).Globalandregionaltrendsofmetabolicsyndromeprevalenceinadultsfrom2000to2015:asystematicreviewandmeta-analysisofobservationalstudies.TheLancetDiabetes&Endocrinology,6(9),735-748.

32.Yudsavitz,S.,Schwartze,S.M.,&Borecki,J.(2015).Themetabolicsyndrome.TheLancet,386(10010),1866-1868.

33.Haffner,S.M.,Miettinen,M.,&Rimm,E.(2006).Themetabolicsyndrome:prospectivestudies.TheLancet,368(9558),1866-1879.

34.Lyden,D.P.,&Williams,K.V.(2010).Metabolicsyndromeandcardiovascularriskinwomen:asystematicreview.Vascularhealthandriskmanagement,6(3),577-589.

35.Katz,D.L.,Doughty,K.,&Ali,A.(2019).Theeffectofdietarypatternsonobesityandmetabolicsyndrome:asystematicreviewandmeta-analysisofcohortstudies.InternationalJournalofObesity,43(7),714-728.

36.Huang,C.Y.,Wu,J.J.,&Lin,S.H.(2016).Impactofphysicalactivityontheriskofmetabolicsyndrome:asystematicreviewandmeta-analysis.JournalofSportandHealthScience,5(3),197-209.

37.Kim,S.,Cho,S.,&Park,J.(2012).Theimpactofsleepdurationonmetabolicsyndrome:asystematicreviewandmeta-analysis.EuropeanHeartJournal,33(17),2045-2054.

38.Lee,Y.J.,&Park,J.(2015).Insulinresistanceandmetabolicsyndrome:pathophysiologyandclinicalimplications.Koreanjournalofinternalmedicine,70(6),733-742.

39.Wang,Y.,Ritz,E.,&Haffner,S.M.(2008).Non-alcoholicfattyliverdiseaseandmetabolicsyndrome:asystematicreviewandmeta-analysis.Europeanjournalofepidemiology,23(10),877-886.

40.Chou,S.P.,Liang,L.,&Aragam,K.G.(2018).Globalandregionaltrendsofmetabolicsyndromeprevalenceinadultsfrom2000to2015:asystematicreviewandmeta-analysisofobservationalstudies.TheLancetDiabetes&Endocrinology,6(9),735-748.

41.Yudsavitz,S.,Schwartze,S.M.,&Borecki,J.(2015).Themetabolicsyndrome.TheLancet,386(10010),1866-1868.

42.Haffner,S.M.,Miettinen,M.,&Rimm,E.(2006).Themetabolicsyndrome:prospectivestudies.TheLancet,368(9558),1866-1879.

43.Lyden,D.P.,Williams,K.V.(2010).Metabolicsyndromeandcardiovascularriskinwomen:asystematicreview.Vascularhealthandriskmanagement,6(3),577-589.

44.Katz,D.L.,Doughty,K.,Ali,A.(2019).Theeffectofdietarypatternsonobesityandmetabolicsyndrome:asystematicreviewandmeta-analysisofcohortstudies.InternationalJournalofObesity,43(7),714-728.

45.Huang,C.Y.,Wu,J.J.,Lin,S.H.(2016).Impactofphysicalactivityontheriskofmetabolicsyndrome:asystematicreviewandmeta-analysis.JournalofSportandHealthScience,5(3),197-209.

46.Kim,S.,Cho,S.,&Park,J.(2012).Theimpactofsleepdurationonmetabolicsyndrome:asystematicreviewandmeta-analysis.EuropeanHeartJournal,33(17),2045-2054.

47.Lee,Y.J.,Park,J.(2015).Insulinresistanceandmetabolicsyndrome:pathophysiologyandclinicalimplications.Koreanjournalofinternalmedicine,70(6),733-742.

48.Wang,Y.,Ritz,E.,Haffner,S.M.(2008).Non-alcoholicfattyliverdiseaseandmetabolicsyndrome:asystematicreviewandmeta-analysis.Europeanjournalofepidemiology,23(10),877-886.

49.Chou,S.P.,Liang,L.,Aragam,K.G.(2018).Globalandregionaltrendsofmetabolicsyndromeprevalenceinadultsfrom2000to2015:asystematicreviewandmeta-analysisofobservationalstudies.TheLancetDiabetes&Endocrinology,6(9),735-748.

50.Yudsavitz,S.,Schwartze,S.M.,Borecki,J.(2015).Themetabolicsyndrome.TheLancet,386(10010),1866-1868.

51.Haffner,S.M.,Miettinen,M.,Rimm,E.(2006).Themetabolicsyndrome:prospectivestudies.TheLancet,368(9558),1866-1879.

52.Lyden,D.P.,Williams,K.V.(2010).Metabolicsyndromeandcardiovascularriskinwomen:asystematicreview.Vascularhealthandriskmanagement,6(3),577-589.

53.Katz,D.L.,Doughty,K.,Ali,A.(2019).Theeffectofdietarypatternsonobesityandmetabolicsyndrome:asystematicreviewandmeta-analysisofcohortstudies.InternationalJournalofObesity,43(7),714-728.

54.Huang,C.Y.,Wu,J.J.,Lin,S.H.(2016).Impactofphysicalactivityontheriskofmetabolicsyndrome:asystematicreviewandmeta-analysis.JournalofSportandHealthScience,5(3),197-209.

55.Kim,S.,Cho,S.,&Park,J.(2012).Theimpactofsleepdurationonmetabolicsyndrome:asystematicreviewandmeta-analysis.EuropeanHeartJournal,33(17),2045-2054.

56.Lee,Y.J.,Park,J.(2015).Insulinresistanceandmetabolicsyndrome:pathophysiologyandclinicalimplications.Koreanjournalofinternalmedicine,70(6),733-742.

57.Wang,Y.,Ritz,E.,Haffner,S.M.(2008).Non-alcoholicfattyliverdiseaseandmetabolicsyndrome:asystematicreviewandmeta-analysis.Europeanjournalofepidemiology,23(10),877-886.

58.Chou,S.P.,Liang,L.,Aragam,K.(2018).Globalandregionaltrendsofmetabolicsyndromeprevalenceinadultsfrom2000to2015:asystematicreviewandmeta-analysisofobservationalstudies.TheLancetDiabetes&endocrinology,6(9),735-748.

59.Yudsavitz,S.,Schwartze,S.M.,Borecki,J.(2015).Themetabolicsyndrome.TheLancet,386(10010),1866-1868.

60.Haffner,S.M.,Miettinen,M.,Rimm,E.(2006).Themetabolicsyndrome:prospectivestudies.TheLancet,368(9558),1866-1879.

61.Lyden,D.P.,Williams,K.(2010).Metabolicsyndromeandcardiovascularriskinwomen:asystematicreview.Vascularhealthandriskmanagement,6(3),577-589.

62.Katz,D.L.,Doughty,K.,Ali,A.(2019).Theeffectofdietarypatternsonobesityandmetabolicsyndrome:asystematicreviewandmeta-analysisofcohortstudies.InternationalJournalofObesity,43(7),714-728.

63.Huang,C.Y.,Wu,J.J.,Lin,S.H.(2016).Impactofphysicalactivityontheriskofmetabolicsyndrome:asystematicreviewandmeta-analysis.JournalofSportandHealthScience,5(3),197-209.

64.Kim,S.,Cho,S.,&Park,J.(2012).Theimpactofsleepdurationonmetabolicsyndrome:asystematicreviewandmeta-analysis.EuropeanHeartJournal,33(17),2045-2054.

65.Lee,Y.J.,Park,J.(2015).Insulinresistanceandmetabolicsyndrome:pathophysiologyandclinicalimplications.Koreanjournalofinternalmedicine,70(6),733-742.

66.Wang,Y.,Ritz,R.E.,Haffner,S.(2008).Non-alcoholicfattyliverdiseaseandmetabolicsyndrome:asystematicreviewandmeta-analysis.Europeanjournalofepidemiology,23(10),877-886.

67.Chou,S.P.,Liang,L.,Aragam,K.(2018).Globalandregionaltrendsofmetabolicsyndromeprevalenceinadultsfrom2000to2015:asystematicre