📄 medicine

Associations of nine C-reactive protein-triglyceride-glucose index- derived adiposity phenotypes with incident cardiovascular-liver- metabolic multimorbidity: a prospective cohort study

6,534명의 중국인 성인을 대상으로 한 이 전향적 코호트 연구는 9가지 C-반응성 단백질-중성지방-포도당 지수(CTI) 유래 비만 표현형이 심혈관-간-대사 다중 질환 발생 위험과 유의미하게 연관되어 있음을 보여주며, 특히 CTI-BMI 지수가 가장 강력하고 견고한 예측 성능을 나타냈다.

원저자: Jing Chen, Zhonghua Sun, Jiajun Qiu, Zhongqing Zhou, Kaiqi Ma, Yongxin Liang, Chunqun Li, Shicong Liang

게시일 2026-07-03

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Jing Chen, Zhonghua Sun, Jiajun Qiu, Zhongqing Zhou, Kaiqi Ma, Yongxin Liang, Chunqun Li, Shicong Liang

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

큰 그림: "트리플 위협(Triple Threat)" 경고 시스템

당신의 몸을 복잡한 도시라고 상상해 보세요. 보통 문제는 한 번에 한 구역에서만 발생합니다. 예를 들어 심장 구역(심혈관 질환), 설탕 공장(제2형 당뇨병), 또는 간 창고(지방간) 중 하나에서 말이죠.

이 연구는 사람들이 이 구역들 중 최소 두 곳에서 동시에 문제를 겪기 시작한 사람들을 조사했습니다. 연구진은 이를 "CLMM"(심혈관-간-대사 다중 질환)이라고 부릅니다. 이는 단순히 방 안의 불빛 하나가 깜빡거리는 것이 아니라, 도시 전체의 전력망이 무너지는 것과 같습니다. 이는 더 심각하고 복잡하며 고치기 어려운 상태입니다.

연구진은 알고 싶었습니다. 이 도시 전체의 기능 마비가 일어나기 전에 이를 예측할 수 있는 단 하나의 "연기 감지기"가 있을까?

도구: 더 나은 연기 감지기 만들기

오랫동안 의사들은 문제를 확인하기 위해 두 가지 별개의 도구를 사용해 왔습니다:

염증 측정기: C-반응성 단백질(CRP)을 측정하는 것으로, 도시 안에 연기나 불이 있는지 확인하는 것과 같습니다.
당분-지방 측정기: 트리글리세라이드-글루코스 지수(TyG)를 측정하는 것으로, 설탕과 지방 배달 트럭들이 교통 체증에 갇혀 있는지(인슐린 저항성)를 확인합니다.

연구진은 CTI(C-반응성 단백질-트리글리세라이드-글루코스 지수)라는 새로운 초강력 도구를 만들었습니다. CTI를 하이브리드 연기 및 교통 센서라고 생각하세요. 이 센서는 두 가지 수치를 하나의 숫자로 결합합니다.

하지만 연구진은 여기서 멈추지 않았습니다. 그들은 비만(과도한 체중)이 열을 가두고 불길을 악화시키는 두꺼운 단열재 역할을 한다는 것을 알고 있었습니다. 그래서 그들은 이 하이브리드 센서(CTI)를 BMI, 허리둘레, 체형 등 아홉 가지의 서로 다른 신체 지방 측정 방식에 결합했습니다.

이를 통해 아홉 가지의 새로운 "슈퍼 센서"(예: CTI-BMI, CTI-Waist 등)를 만들었습니다. 목표는 이 아홉 가지 센서 중 어떤 것이 "트리플 위협"(CLMM)이 발생하기 전에 이를 가장 잘 예측하는지 확인하는 것이었습니다.

실험: 4년간의 관찰

연구진은 대규모 국가 연구인 CHARLS의 데이터를 사용하여 6,534명의 중국 성인(주로 중장년층 및 노년층)을 대상으로 조사했습니다.

시작 (2011년): 모든 사람의 혈액과 체형을 측정했습니다.
기다림: 약 4년 동안 기다렸습니다.
결과: 그 기간 동안 406명(약 6%)이 "트리플 위협"(CLMM)이 발생했습니다.

그 후 연구진은 아홉 가지 "슈퍼 센서" 중 어떤 것이 가장 좋은 예측 도구인지 확인하기 위해 대규모 비교 분석을 실시했습니다.

연구 결과: 누가 경주에서 승리했는가?

데이터가 밝혀낸 내용을 일상적인 용어로 번aled하면 다음과 같습니다.

1. "올라운더" 챔피언: CTI-BMI
승자는 CTI-BMI였습니다.

비유: 당신이 폭풍을 예측하려고 한다고 가정해 봅시다. 어떤 센서는 바람(염증)만 보고, 어떤 센서는 구름(지방)만 봅니다. CTI-BMI는 바람과 구름, 그리고 구름이 얼마나 무거운지까지 모두 보는 센서와 같습니다.
결과: CTI-BMI 점수가 높은 사람들은 낮은 점수를 가진 사람들에 비해 "트리플 위협"이 발생할 확률이 3.5배 더 높았습니다. 이 도구는 아홉 가지 도구 중 가장 정확한 예측기였습니다.

2. 2위: CTI-CVAl
두 번째로 좋은 센서는 CTI-CVAI였습니다. 이는 조금 더 복잡하지만(특히 "내장" 즉, 뱃살을 계산함), 위험을 포착하는 데 여전히 매우 뛰어났습니다.

3. "원 사이즈 피츠 올(One-Size-Fits-All)"의 실패
흥lik하게도, (체지방을 더하지 않은) 원래의 센서(단순 CTI)는 괜찮기는 했지만 아주 뛰어나지는 않았습니다. 그것은 작동은 하지만, 연료가 얼마나 많이 준비되어 있는지에 대한 큰 그림을 놓치는 연기 감지기와 같았습니다.

4. "체형" 센서들
체형(얼굴형이나 허리-높이 비율 등)에만 집중한 일부 센서들은 염증과 당 수치가 이미 알려진 상태에서는 추가적인 가치를 거의 더해주지 못했습니다. 그것은 집 안에 이미 불이 났다는 것을 알면서도 지붕의 모양을 확인하는 것과 같았습니다.

"스위트 스팟(Sweet Spot)"과 "임계점(Tipping Point)"

연구진은 이 관계가 항상 직선은 아니라는 것을 발견했습니다.

CTI-BMI의 경우: 점수가 올라감에 따라 위험이 꾸준히 상승하다가 특정 "임계점"에 도달합니다. 그 지점을 지나면 위험은 높은 상태를 유지하지만, 반드시 더 빠르게 치솟는 것은 아닙니다. 이는 자동차의 가속과 같습니다. 일단 일정 속도에 도달하면 이미 위험 구역에 들어선 것이며, 그보다 조금 더 빨리 달린다고 해서 속도를 위반하고 있다는 사실이 변하는 것은 아닙니다.
다른 센서들의 경우: 일부는 이상한 "U자형" 또는 "J자형"을 보였는데, 이는 위험이 내려갔다가 다시 올라가거나 그 반대의 경우를 의미합니다. 이는 해당 센서들이 혼란스럽거나 신뢰도가 낮을 수 있음을 시사합니다.

"이중 문제(Double Trouble)" 효과

연구진은 높은 염증과 높은 체지방이 동시에 발생할 때 어떤 일이 일어나는지도 살펴보았습니다.

비유: 작은 불(염증)이 났을 때 거기에 휘발유 한 양동이(비만)를 들이부으면 불길이 폭발합니다.
결과: CTI와 BMI가 모두 높은 사람들은 전체 위험도가 가장 높았습니다. 그러나 연구 결과, 이들이 수학적으로 독특한 방식으로 "폭발"한 것은 아니었습니다(특별한 상호작용 없음). 즉, 비만이 기존의 위험에 더해져 전체적인 위험을 매우 높게 만든 것입니다.

누가 가장 위험한가?

"슈퍼 센서"(CTI-BMI)는 모든 사람에게 잘 작동했지만, 특정 그룹에서 특히 더 민감했습니다:

남성
흡연자
음주자

이 그룹들의 경우, 센서 수치와 질병 사이의 연결 고리가 훨씬 더 강력했습니다.

핵심 요약

이 연구는 심장, 간, 당뇨병 문제가 섞여서 나타날 가능성을 예측하려면 혈당이나 체중만을 봐서는 안 된다는 것을 시사합니다.

가장 좋은 접근법은 **염증 + 당분 + 전체 체중(BMI)**을 결합하여 보는 통합 점수를 사용하는 것입니다. 연구 결과, CTI-BMI가 이 복잡한 다중 질환 상태로 가는 길목에 있는 사람들을 찾아내는 가장 신뢰할 수 있는 "조기 경보 시스템"임이 밝혀졌습니다.

요약하자면: 만약 도시의 전력망 마비가 일어날지 알고 싶다면, 단순히 연기만 체크하거나 단순히 교통량만 체크하지 마세요. 연기-교통-체중의 조합을 확인하세요. 그것이 전체 이야기를 들려줄 것입니다.

기술 요약: 9가지 C-반응성 단백질-중성지방-포도당 지수 유래 비만 표현형과 심혈관-간-대사 다중 질환 발생 간의 연관성

문제 제로 (Problem Statement)
심혈관 질환(CVD), 제2형 당뇨병(T2DM), 대사 이상 관련 지방간 질환(MASLD) 중 최소 두 가지 질환이 공존하는 상태로 정의되는 심혈관-간-대사 다중 질환(CLMM)은 전신적 대사 조절 장애의 심각한 상태를 나타낸다. 인슐린 저항성(IR)과 만성 저강도 염증이 주요 병태생리학적 동인이며 비만이 주요 기여 요인으로 알려져 있으나, 이러한 영역들을 통합하여 CLMM을 예측하는 복합 바이오마커의 구체적인 유용성은 여전히 불분명하다. 특히, 염증(CRP) 및 대사(TyG) 마커를 결합하여 "염증-대사 부담"의 대리 지표로 제안된 C-반응성 단백질-중성지방-포도당 지수(CTI)가 CLMM과 어떤 연관이 있는지, 그리고 다양한 비만 표현형(예: BMI, 허리둘레, 내장 지방 지수)과 CTI를 통합했을 때의 추가적인 가치가 있는지는 체계적으로 평가된 바 없다.

방법론 (Methodology)
본 전향적 코호트 연구는 중국 건강 및 노화 종단 연구(CHARLS) 데이터를 활용하였다.

연구 대상: 2011–2012년의 완전한 기초 데이터를 보유한 6,534명의 참가자(중앙값 연령 58세, 여성 50.6%)를 분석에 포함하였다. 기저 질환으로 CLMM이 있거나 노출/결과 데이터가 누락된 참가자는 제외되었다. 추적 관찰 종료 시점은 2015년(중앙값 추적 기간 4.0년)으로 설정되었다.
노출 변수: 다음 9가지 지수를 산출하였다:
1. CTI: $0.412 \times \ln(CRP) + \ln(TG) \times FBG / 2$
2. CTI 유래 비만 지수: CTI에 다양한 인체 계측치를 곱한 값들, 즉 CTI-BMI, CTI-WC(허리둘레), CTI-WHtR(허리-신장 비율), CTI-BRI(신체 원형 지수), CTI-WWI(체중 조절 허리 지수), CTI-CVAI(중국 내장 지방 지수), CTI-ABSI(신체 형태 지수) 및 CTI-CI(원추 지수).
결과 변수: 추적 관찰 기간 중 적어도 두 가지 이상의 조건(CVD, T2DM, MASLD)이 발생하는 것으로 정의되는 발생(incident) CLMM. MASLD는 CHARLS 내 영상 검사의 부재로 인해 지질 축적 생성물(LAP)과 심혈관 대사 위험 요인을 결합하여 추정하였다.
통계 분석:
- 사분위수별 오즈비(ORs)를 계산하기 위해 다변량 로지스틱 회귀 분석(crude, Model 1, 및 완전 조정된 Model 2)을 사용하였다.
- 비선형 노출-반응 관계와 변곡점을 탐지하기 위해 제한적 삼차 스플라인(RCS) 모델링과 이분할 로지스틱 회귀 분석을 채택하였다.
- 예측 성능은 수신자 조작 특성 곡선(ROC)의 AUC, 순 재분류 개선도(NRI), 통합 식별 개선도(IDI)를 통해 평가하였다.
- CTI와 BMI에 대한 결합 효과 및 상호작용 분석(승법적 및 가법적)을 수행하였다.
- 안정성을 평가하기 위해 하위 그룹 및 민감도 분석을 수행하였다.

주요 결과 (Key Results)

발생률: 추적 관찰 기간 동안 406명(6.2%)의 참가자가 CLMM이 발생하였다.
연관성: 완전 조정 모델에서 모든 CTI 유래 비만 지수의 높은 사분위수는 일반적으로 CLMM 위험 증가와 연관되어 있었다.
- 가장 강력한 예측 인자: CTI-BMI와 CTI-CVAI가 가장 강력한 연관성을 보였다. CTI-BMI의 경우, 가장 높은 사분위수(Q4)의 OR은 3.46 (95% CI: 2.42–4.97)이었다 (Q1 대비). CTI-CVAI의 경우, Q4의 OR은 2.37 (95% CI: 1.66–3.36)이었다.
- 가장 약한 예측 인자: CTI-ABSI와 CTI-WWI는 완전 조정 후 유의미한 연관성을 보이지 않았다.
비선형성: RCS 분석 결과, 기본 CTI를 제외한 모든 지수에서 유의미한 비선형 노출-반응 관계가 나타났다.
- CTI-BMI는 변곡점인 208.698 미만에서 양의 상관관계(OR = 1.022)를 보였으며, 이 임계값 위에서는 연관성이 소멸되었다.
- 다른 지수들(예: Coli-WC, CTI-WHtR)은 변곡점 아래에서의 역관계를 포함하여 복잡한 패턴을 보였으며, 이후 약한 양의 경향을 보였다.
예측 성능:
- CTI-BMI는 가장 높은 곡선 아래 면적(AUC = 0.638)을 달성하였으며, 다른 모든 지수보다 유의하게 높았다 (모두 $P < 0.001$ ).
- CTI-BMI를 기저 모델에 추가했을 때 재분류(연속형 NRI = 28.63%)와 식별력(IDI = 0.03%)이 유의하게 개선되었다.
결합 효과: CTI와 BMI가 모두 높은 참가자는 CLMM 발생 위험이 가장 높았다 (OR = 2.53). 그러나 CTI와 BMI 사이에서 통계적으로 유의미한 승법적 또는 가법적 상호작용은 관찰되지 않았으며, 이는 두 요인의 효과가 시너지 효과보다는 주로 가법적임을 시사한다.
효과 수정: CTI-BMI와 CLMM의 연관성은 남성, 흡연 경험자, 음주 경험자에서 유의하게 더 강했다 ( $P$ for interaction $< 0.001$ ).

의의 및 주장 (Significance and Claims)
저자들은 본 연구가 CLMM 위험을 평가하기 위해 염증, 대사, 비만을 통합하는 다차원적 프레임워크를 구축한다고 주장한다.

주요 기여: 본 연구는 중장년층 중국 성인의 CLMM 발생에 있어 가장 안정적이고 견고한 예측 인자로 CTI-BMI를 식별하였다.
임상적 함의: 본 연구 결과는 CLMM의 위험 계층화를 위해 임상적 평가는 단일 영역 마커에 의존하기보다, CTI(염증-대사 부담)와 BMI(전반적인 비만 표현형)를 모두 고려해야 함을 시사한다.
기전적 통찰: 결과는 "염증-대사-비만" 축이 다중 질환 발생에 결정적인 역할을 한다는 가설을 뒷받침하며, CTI-BMI가 이 결합된 상태의 간결한 대리 지표 역할을 함을 보여준다.
한계점: 저자들은 관찰 연구라는 특성(인과 관계 추론 불가), 잠재적인 잔여 교란 요인, 자기 보고식 결과 및 MASLD에 대한 대리 지표 사용, 그리고 중장년층 중국 성인으로 제한된 코호트 특성으로 인해 일반화가 제한될 수 있음을 인정하였다.

본 논문은 모든 CTI 유래 지수들이 CLMM과 연관성을 보이지만, CTI-BMI가 이 다중 질환 스펙트럼과 관련된 결합된 대사 및 비만 부담을 가장 신뢰성 있게 나타내는 지표라고 결론짓는다.