Beyond Metabolic Syndrome: Expanded Cardiometabolic Phenotyping Reveals Distinct Sleep and Physical Activity Profiles from Wearable Monitoring
本研究表明，利用可穿戴设备数据将心血管代谢谱分析扩展至传统代谢综合征标准之外，可以揭示出一个此前未被识别的、具有特定睡眠和体力活动模式的消瘦型血糖异常群体，从而凸显了整合生物标志物与行为监测对于针对性预防的价值。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
几十年来，医生一直依赖一份标准清单来评估一个人患心脏病和糖尿病的风险。这份被称为“代谢综合征”的清单旨在寻找一组特定的预警信号：腰部脂肪过多、高血压以及血糖和脂肪失衡。如果一个人具备足够多的这些迹象，就会被标记为高风险。然而，这种方法将人体视为一台拥有几个标准零件的简单机器。实际上，人类要复杂得多。两个人的血压和腰围可能相同，但他们的身体对压力和食物的反应可能完全不同。此外，我们的日常习惯——特别是睡眠和运动方式——与我们的代谢健康紧密相连，但传统的医疗检查往往忽略了这些行为中的微妙细节，它们只关注我们睡了多少小时或运动了多少分钟，而不是我们在何时进行这些活动或其规律性如何。
新加坡的一个研究小组决定探讨，通过深入观察这些生物信号，并结合对日常生活更详细的观察，是否可以发现那些处于风险中却未被察觉的隐匿群体。他们招募了525名成年人，其中大多数人在60岁出头，且已经具有某些心脏病风险。研究小组并没有仅仅检查标准的五到六项指标，而是测量了参与者健康的14个不同方面。这份扩充后的名单不仅包括血压和胆固醇等常见指标，还包括肝脏脂肪、炎症以及身体处理糖分能力的指标。为了捕捉这些人的真实生活状态，研究人员给他们佩戴了智能戒指长达数月。这些设备不仅追踪睡眠时长，还追踪人们何时入睡、作息是否规律，以及全天运动的精确时间和强度。
研究人员使用了一种复杂的计算机方法，根据参与者独特的健康指标组合进行分类，而不是强行将他们归入标准的“代谢综合征”框框内。这种方法揭示了四个截然不同的群体。其中三个群体遵循一种可预测的模式：随着代谢健康状况的恶化，他们的睡眠变得更短且更不规律，运动量也减少了。这些发现与医生已知的知识相吻符。然而，第四个群体令人感到意外。该群体占研究参与者的17%。这些人身材相对苗条，腰部没有赘肉，因此按照标准清单会被视为健康。然而，他们的血糖水平却处于危险的高位，且身体在处理葡萄糖方面表现挣扎。
让这个“消瘦但血糖异常”群体显得尤为引人注目的是他们的行为。虽然他们的睡眠时长与最健康的群体相似，但他们的睡眠时间表却很不规律。他们倾向于较晚入睡和较晚起床，且日常节奏缺乏一致性。更重要的是，他们的体力活动模式也十分独特。即使他们并不肥胖，其步数也明显少于健康群体，且进行的适度至剧烈运动也远少于健康群体。由于他们缺乏通常会触发警报的超重体征，如果研究人员仅依赖传统的代谢综合征标准，其中84%的人将被完全漏掉。他们隐藏在众目睽睽之下，其风险被纤细的身材所掩盖。
这项研究表明，传统的风险检查方式是不完整的。通过扩大生物学图景（纳入肝脏健康、炎症和糖处理能力），并结合对睡眠和运动的时间及规律性的详细观察，医生可以识别出标准测试所忽略的危险模式。发现这个消瘦的高风险群体对于亚洲人群尤为重要，因为在亚洲人群中，糖尿病常在体重较低的人群中发生。研究结果表明，对于这些人来说，问题不仅仅在于携带多余的重量，而可能在于他们的内部时钟和能量系统出现了失调。该研究并未证明改变睡眠时间或运动时机可以治愈这种状况，但它强烈暗示这些行为细节是关键的线索。它指向了一个未来，即健康评估将更加个性化，不再仅仅依赖简单的清单，而是去理解每个个体独特的节奏与生物特性。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。