编者按：

肥胖是冠心病的重要危险因素，但近年来越来越多研究发现，在接受冠状动脉旁路移植术（CABG）的患者中，超重甚至轻度肥胖患者的长期预后可能优于正常体重患者，即所谓的"肥胖悖论"。BMI与CABG术后预后的关系究竟如何，不同BMI患者是否具有不同的风险特点，仍是临床关注的热点。近期一项发表在Open Heart杂志的研究结果表明[1]，CABG术后365天死亡风险与BMI呈明显U型关系，超重患者（BMI 25~30kg/m²）具有最低的长期死亡风险，同时不同BMI患者的死亡风险驱动因素存在明显差异，为CABG术后风险评估及个体化管理提供了新的循证依据。

研究背景：CABG术后是否存在"肥胖悖论"？

冠状动脉疾病（CAD）仍是全球导致死亡和致残的主要原因之一。对于多支病变或药物治疗效果不佳的患者，CABG是改善心肌灌注和提高长期生存率的重要治疗方式。然而，影响CABG术后预后的因素众多，其中体重状态一直是临床关注的重点。BMI作为评价肥胖程度最常用的指标，既与冠心病发生密切相关，也被认为可能影响患者围术期及长期预后。

传统观点认为，肥胖是冠状动脉疾病的重要危险因素，可增加高血压、糖尿病、血脂异常等多种心血管危险因素，从而促进动脉粥样硬化的发展。因此，在CABG患者管理中，控制体重通常被认为有助于改善预后。然而，近年来越来越多研究发现，在接受心脏手术的患者中，超重或轻度肥胖患者术后死亡率反而低于正常体重患者，这种现象被称为"肥胖悖论"。

不过，目前关于CABG患者是否存在肥胖悖论仍存在较大争议。一些研究认为超重患者具有更好的长期生存，而另一些研究则未发现肥胖具有保护作用。此外，以往研究更多关注BMI与死亡率之间的关联，对于不同BMI患者死亡风险的主要驱动因素缺乏深入分析，也很少结合机器学习技术建立风险预测模型。

基于此，本研究利用美国重症监护医学信息数据库（MIMIC-IV），对5790例接受CABG的患者进行了回顾性分析。研究根据BMI将患者分为低体重（BMI＜18.5 kg/m²）、正常体重（18.5≤BMI＜25 kg/m²）、超重（25≤BMI＜30kg/m²）、Ⅰ度肥胖（30≤BMI＜35kg/m²）、Ⅱ度肥胖（35≤BMI＜40kg/m²）及Ⅲ度肥胖（≥40 kg/m²）6组，以术后7天、14天、28天及365天全因死亡率为主要结局，同时收集患者年龄、性别、生命体征、实验室指标、Charlson合并症指数及APACHE III评分等临床资料。研究进一步结合随机森林、Boruta算法及多种机器学习模型，分析不同BMI患者死亡风险的关键影响因素，并构建CABG术后短期及长期死亡风险预测模型，为术后精准风险评估和个体化管理提供依据。

超重患者365天死亡风险最低，BMI与长期死亡率呈明显U型关系

本研究最终纳入5790例接受CABG的患者，其中男性4570例（78.93%），高血压3984例（68.81%），糖尿病2527例（43.64%），脑血管疾病928例（16.03%），充血性心力衰竭1831例（31.62%），慢性阻塞性肺疾病1256例（21.69%）。根据BMI分组后，低体重组32例，正常体重组1315例，超重组2299例，Ⅰ度肥胖组1445例，Ⅱ度肥胖组571例，Ⅲ度肥胖组128例。随访期间，共有15例患者于7天内死亡（0.26%），14天死亡41例（0.71%），28天死亡60例（1.04%），365天死亡233例（4.02%）。

比较不同BMI组死亡率发现，正常体重组在术后7天、14天及28天死亡率最低，而365天随访时则以超重组死亡率最低。以正常体重组为参照，未校正模型（Model I）显示，超重组365天死亡风险降低41%（OR=0.590，95%CI：0.424~0.821，P=0.002），Ⅰ度肥胖组死亡风险降低37%（OR=0.632，95%CI：0.438~0.911，P=0.014）；Ⅱ度肥胖组（OR=0.692，P=0.139）及Ⅲ度肥胖组（OR=1.151，P=0.715）则未观察到统计学差异。

进一步校正年龄、性别、生命体征、Charlson合并症指数及APACHE III评分后，超重患者仍保持显著优势，其365天死亡风险较正常体重患者降低约34%（调整后OR=0.659，95%CI：0.467~0.931，P=0.018）。Ⅰ度肥胖患者虽然仍呈降低趋势（OR=0.704，95%CI：0.478~1.038），但未达到统计学显著性（P=0.077）；低体重组（OR=1.992，95%CI：0.632~6.274）及Ⅲ度肥胖组（OR=0.989，95%CI：0.430~2.275）同样未达到统计学差异。

Kaplan-Meier生存分析进一步验证了上述结果，超重组在365天随访期间始终保持最高累计生存率，组间差异具有统计学意义（Log-rank P=0.00153）（图1）。限制性立方样条（RCS）分析显示，BMI与7天、14天、28天及365天死亡风险均呈近似U型关系，其中365天曲线最为明显，死亡风险最低点位于BMI约25～35 kg/m²范围内，而BMI过低及BMI超过35 kg/m²后，死亡风险再次逐渐升高。

图1.BMI与365天死亡风险U型曲线

不同BMI患者死亡风险驱动因素不同，XGBoost模型预测长期死亡表现最佳

亚组分析进一步发现，BMI带来的保护作用主要集中于老年患者。在未校正混杂因素时，≥65岁患者中，超重组（OR=0.57，95%CI：0.40~0.81，P=0.002）及Ⅰ度肥胖组（OR=0.57，95%CI：0.38~0.88，P=0.010）365天死亡风险均明显低于正常体重组；男性患者中，超重组（OR=0.62，95%CI：0.42~0.92，P=0.019）及Ⅰ度肥胖组（OR=0.62，95%CI：0.39~0.97，P=0.036）亦表现出较低死亡风险。校正混杂因素后，仅≥65岁患者中的超重组仍保持统计学显著性（OR=0.63，95%CI：0.43~0.92，P=0.016），提示超重带来的长期生存获益主要存在于老年CABG患者。

随机森林分析显示，不同BMI患者死亡风险的主要驱动因素存在明显差异。低体重患者主要由急性生理指标驱动，包括凝血酶原时间（PT）、碱剩余、血液pH及血细胞比容；正常体重患者的重要预测指标包括白细胞计数、平均红细胞血红蛋白浓度（MCHC）、年龄、红细胞分布宽度（RDW）、APACHE III评分及血尿素氮（BUN）；超重患者则主要受平均收缩压（SBP）、血钙、ALT、APACHE III评分、红细胞计数及年龄影响；Ⅰ度肥胖患者中，BMI、血细胞比容、血红蛋白、红细胞计数、APACHE III评分、年龄、白细胞及BUN的重要性进一步增加；Ⅱ度及Ⅲ度肥胖患者则更多受到血糖、年龄、BMI、BUN、总胆红素、ALT及血钾等代谢相关指标影响。

研究还比较了不同随访时间死亡风险的重要预测因素。短期死亡（7、14及28天）主要由APACHE III评分、年龄、BUN、血糖及血细胞比容等急性病情指标决定；而365天长期死亡风险则更多受到Charlson合并症指数、BUN、年龄、APACHE III评分及血糖水平影响，提示随着术后时间延长，基础疾病负担逐渐取代急性病情成为影响长期预后的主要因素。

基于Boruta算法筛选的重要变量，研究分别建立了支持向量机（SVM）、随机森林（RF）、极端梯度提升（XGBoost）、K近邻（KNN）、梯度提升决策树（GBDT）、LightGBM及朴素贝叶斯（Naive Bayes）等7种机器学习模型。针对365天死亡预测，各模型AUC分别为：SVM 0.67、RF 0.68、XGBoost 0.70、KNN 0.61、GBDT 0.66、LightGBM 0.64、Naive Bayes 0.73。综合ROC曲线及决策曲线分析（DCA）结果，作者认为XGBoost模型具有较好的综合预测性能和临床应用价值，可用于CABG患者术后长期风险分层及个体化监测。

BMI与CABG术后预后的关系及其潜在机制

本研究基于MIMIC-IV数据库发现，BMI与CABG术后365天全因死亡风险呈U型关系。与正常体重患者相比，超重及Ⅰ度肥胖（BMI 25～35 kg/m²）患者远期死亡风险显著降低，而当BMI≥35 kg/m²时，这种保护作用逐渐消失。这一结果与既往关于CABG及其他心血管疾病的研究一致，再次支持了“肥胖悖论”的存在。

肥胖悖论的形成可能涉及多种机制。首先，超重及轻度肥胖患者具有更充足的营养和代谢储备，能够更好地耐受CABG术后的创伤及高分解代谢状态；其次，长期低度慢性炎症可能使机体对围手术期急性炎症反应产生一定的“预适应”作用，从而减轻组织损伤。此外，肥胖患者往往接受更加积极的血压、血糖及血脂管理，也可能进一步改善长期预后。然而，当BMI进一步升高时，重度肥胖相关的胰岛素抵抗、慢性炎症、多器官功能损伤及围手术期并发症风险明显增加，从而抵消了代谢储备带来的潜在获益，使死亡风险再次升高。

亚组分析显示，BMI的保护作用主要存在于≥65岁老年患者，而低体重患者术后死亡风险最高，提示不同BMI患者具有不同的风险特征。进一步的随机森林分析发现，不同BMI分层患者的死亡驱动因素存在明显差异：低体重患者主要受急性生理紊乱及凝血功能异常影响，正常体重患者更多受到合并症负担及肾功能影响，而超重和肥胖患者则主要与血流动力学、糖代谢及肝功能等因素相关。这提示CABG术后管理应结合BMI进行风险分层，并针对不同BMI人群采取更加精准的围手术期管理策略，以进一步改善长期预后。

CABG术后人群中存在肥胖悖论，不同BMI分层患者的死亡风险预测核心指标存在显著差异。对于CABG术后患者，临床需依据BMI分层制定个体化风险监测方案。

参考文献：1.Mou T, Wang Y, et al. BMI-based prediction models for short-term and long-term mortality following coronary artery bypass grafting using the MIMIC-IV database: a retrospective cohort study. Open Heart, 2026, 13(2): e004236. doi:10.1136/openhrt-2026-004236.

本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。