.png){kind=icon}
返回
Exploring obesity phenotypes: a longitudinal perspective
.png){kind=icon}
OA
AI
DOI：10.1007/s11154-025-09976-3.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统上，将身体质量指数（BMI）作为肥胖的诊断工具正因其无法区分脂肪与瘦体重以及捕捉脂肪分布而面临越来越多的挑战。新兴证据——包括我们在肥胖的拉丁裔患者纵向研究中的发现以及《柳叶刀》肥胖委员会2025年报告的见解——表明，对体成分进行综合评估对于准确的风险分层至关重要。本综述综合了肥胖表型研究的历史观点和最新进展，详细阐述了该领域如何从简单的BMI评估发展为包含生物电阻抗分析（BIA）以及腰围、腰臀比等补充人体测量指标的多元化方法。我们还考察了表型变异背后的代谢、遗传和激素机制，这些机制有助于解释为何BMI相似的人可能表现出显著不同的健康风险。通过整合我们的原始数据和对当前文献的广泛回顾，我们证明，精细化的肥胖表型分析可作为从亚临床期到临床期肥胖进展的早期指标。此类细致的分类具有潜力实现更个性化的治疗干预，旨在优化减重效果并降低心血管代谢风险。总体而言，我们的发现倡导采用多维度的肥胖评估方法，该方法有望通过基于表型的定制化策略改善临床结局。
Keyword:
Obesity phenotypes
Body composition
Bioelectrical impedance analysis
Metabolic health
Personalized intervention
BMI limitations
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8
论文数:
1.1K
被引数:
5.5K
机构
引用论文
.png){kind=icon}
分享收藏Muscle-to-fat ratio identifies functional impairments and cardiometabolic risk and predicts outcomes: biomarkers of sarcopenic obesity肌肉脂肪比确定功能障碍和心脏代谢风险并预测结果: 肌减少性肥胖的生物标志物
OAAI
OAAI分享收藏分享收藏
查看更多内容