研究文章

基于生物电阻抗分析的湿性体质识别：细胞外液与躯干电抗之间的独立关联

27 次观看

⸱

2026年9月11日

 ,  ,  ,  ,  ,  , 
1Shanghai Pudong New Area Beicai Community Health Service Center, 2Department of Traditional Chinese Medicine, Shanghai Pudong Gongli Hospital, 3Department of Geriatrics, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine

本文内容

摘要

这项横断面研究发现，通过生物电阻抗分析测得的细胞外液和躯干电抗与湿性体质独立相关。这些可量化的参数提示了机体体液状态和躯干生物电特性方面的差异。

摘要

本研究旨在确定与中医湿性体质（痰湿体质和湿热体质）独立相关的客观生物电阻抗分析（BIA）参数，从而为其客观识别提供候选指标。在这项横断面研究中，从基于社区的健康筛查项目中连续招募了232名参与者（129名为平和体质，103名为湿性体质）。测量了全身及节段性体液分布、生物电参数以及握力。采用最小绝对收缩与选择算子（LASSO）回归识别核心特征，并通过多变量逻辑回归评估这些特征与湿性体质的独立关联性；同时进行了性别分层分析和敏感性分析（Winsorization法及额外调整腰臀比或腹部周径）。LASSO筛选出五个核心特征：左下肢相位角（PA_LL）、躯干电抗（Reactance_TR）、细胞外液（ECW）、体脂百分比（PBF）和平均握力。在多变量模型中，ECW（OR = 1.307，95% CI：1.046–1.649，p = 0.021）和Reactance_TR（OR = 2.163，95% CI：1.124–4.267，p = 0.023）与湿性体质呈独立正相关。在性别分层分析中，这两个关联在男性中具有统计学意义（ECW：OR = 1.407，p = 0.038；Reactance_TR：OR = 2.764，p = 0.030），但在女性中无统计学意义。正式的交互作用检验未发现性别差异具有统计学意义（性别 × ECW：p = 0.573；性别 × Reactance_TR：p = 0.605），提示明显的性别差异可能反映了女性子组样本量较小导致的统计效能较低。所有敏感性分析中，上述关联均保持稳定。总之，ECW和Reactance_TR是两个与湿性体质独立相关的BIA核心指标，提示湿性体质个体存在躯干液体潴留及生物电特性的改变。这些参数可作为湿性体质客观识别的初步候选指标，尚需在独立人群中进一步验证。

引言

根据中医体质医学理论，个体的体质构成了疾病发生、发展及转归的内在基础1。其中，湿性体质（痰湿体质与湿热体质）是临床实践中常见的体质失衡类型2，并与代谢紊乱、衰弱状态以及心血管和代谢性疾病等不良健康结局的风险显著相关3，4。然而，目前对湿性体质的评估主要依赖于问卷调查或中医医师的临床判断5，生物电阻抗分析（BIA）参数在准确判定个体体质方面的能力仍有待验证。

生物电阻抗分析（BIA）可能为有效识别体成分类型提供潜在指标。既往研究表明，由BIA获得的体液分布参数结合细胞膜功能参数，能够超越传统的肌肉质量评估方法，更敏感地反映机体的功能状态和长期预后。例如，由BIA得出的细胞外液与细胞内液比值（ECW/ICW）已被证实与全因死亡率及不良临床结局独立相关6,7。升高的细胞外液与总体水比值（ECW/TBW）也与下肢功能下降及肌肉力量减弱密切相关8。此外，相位角（PhA）和电抗（Xc）作为细胞膜完整性和机体细胞质量的标志物，在监测早期功能衰退、营养不良和炎症状态方面具有独特优势8,9,10。尤其值得注意的是，局部体液参数比全身性指标能更准确地预测特定区域的功能表现11,12，而直接使用Xc等原始参数可能比通过方程估算的肌肉质量更能直接反映肌肉功能的变化13。这些研究为开发基于BIA的湿热体质评估方法提供了坚实的理论基础。

关于体质分型，既往研究曾尝试将生物电阻抗分析（BIA）参数与中医体质进行关联。血清蛋白质组学分析显示，湿性体质个体体内与免疫和炎症相关蛋白的表达存在差异2。此外，通过BIA测得的细胞外液/总水量（ECW/TBW）比值已被证实与功能衰退及容量负荷过重密切相关14，而BIA测得的细胞外液增加可能伴随炎症水平升高15。体液代谢异常与炎症状态构成了湿性体质“黏滞浊腻”特征的关键病理机制。然而，目前尚无研究系统评估多维度BIA参数与湿性体质之间的特异性关联，且节段性原始电阻参数的潜在价值仍基本未被探索。因此，探讨多维度BIA参数与湿性体质之间的独立关联，有望为该体质的客观识别提供新的视角。

综上所述，本研究采用LASSO回归模型系统识别出与痰湿体质独立相关的生物电阻抗分析（BIA）核心指标，并通过多变量逻辑回归评估了这些选定指标的独立贡献。此外，还进行了敏感性分析，以探讨不同性别间关联性的潜在差异。本研究为开发基于BIA、有效识别痰湿体质的测量方法提供了理论依据和候选指标。

方案

本研究经上海浦东新区北蔡社区卫生服务中心伦理委员会审核批准（批准号：20250425AR；批准日期：2025年4月25日）。所有参与者在纳入研究前均签署了书面知情同意书。

研究设计与研究人群

本横断面研究旨在利用生物电阻抗分析（BIA）识别与湿性体质（痰湿体质和湿热体质）相关的客观指标。研究对象来自2025年7月1日至2026年1月5日期间在中国上海浦东新区北蔡社区卫生服务中心开展的社区健康筛查项目。在此期间完成中医体质评估和生物电阻抗测量的所有个体均被连续纳入。任何关键变量数据缺失的参与者被排除。最终共纳入232名参与者，其中平和体质组129人，湿性体质组103人。

湿热体质的诊断标准

体质评估采用了一种用于中医体质分析的专利便携式智能镜（Hi-Face22；中国实用新型专利号：ZL 2021 2 1286496.5），该设备应用中医标准化的九种体质分类体系，结合面部特征和内置问卷的回答，生成量化的体质诊断结果。参与者若被判定为痰湿体质或湿热体质为主要体质类型，则纳入湿性体质组；符合平和体质标准且无其他体质失衡者纳入对照组2。据我们所知，该设备与独立参考标准（如中医专家评估或经过验证的问卷）相比的同行评审验证研究尚未发表，此为本研究的局限性。

生物电阻抗分析与体成分测量

采用多频八点触觉电极节段生物电阻抗分析仪（InBody 770，参见材料表）严格按照制造商的标准操作程序进行生物电阻抗（BIA）测量。该设备在多个频率（1、5、50、250、500 和 1,000 kHz）施加交流电流，具有相敏特性，通过四极电极构型直接测量全身及五个节段（右臂、左臂、躯干、右腿、左腿）的电阻（R）、电抗（Xc）和相位角（PhA）。躯干的电阻、电抗和相位角通过右手与右脚电极之间测量，并在 50 kHz 下记录。需注意的是，BIA 设备直接测量受机体液体和电解质状态影响的生物电参数；所报告的体液容量和身体成分数值是由设备内置预测方程估算得出。测量前，受试者需禁食至少 2 小时，12 小时内避免剧烈运动，并排空膀胱。测量过程中，受试者赤脚站立于足部电极上，双手握住手部电极。记录以下身体成分参数：总体水（TBW）、细胞内液（ICW）、细胞外液（ECW）、细胞外液/总体水比值（ECW/TBW，数值及百分比）、总体水/去脂体重比值（TBW/FFM）、体脂百分比（PBF）、脂肪质量（BFM）、内脏脂肪面积（VFA）、脂肪质量指数（FMI）、肥胖水平、骨骼肌质量（SMM）、瘦体重（SLM）、去脂体重（FFM）、体细胞质量（BCM）、蛋白质、上臂围（AMC）、基础代谢率（BMR）。记录以下节段性生物电参数：全身相位角（PA_Whole）、右上肢相位角（PA_RA）、左上肢相位角（PA_LA）、躯干相位角（PA_TR）、右下肢相位角（PA_RL）、左下肢相位角（PA_LL）、躯干阻抗（Impedance_TR）、躯干电抗（Reactance_TR）。同时测量以下人体测量学参数：身高、体重、体重指数（BMI）、腰臀比（WHR）、腹围以及左右小腿围。

握力测量

使用数字式手握测力计测量握力（见材料表）。先用优势手和非优势手交替进行两次最大等长收缩，每次收缩之间休息一分钟。记录优势手两次测量的平均值并用于分析（Mean_Grip）。

统计学分析

预先确定了整体分析框架，即基于LASSO的特征筛选，随后进行多变量逻辑回归分析，并开展按性别分层的分析和敏感性分析。然而，最终模型中纳入的具体特征由数据驱动的LASSO选择确定，因此按性别分层的分析和敏感性分析应被视为探索性分析。分析中包含的所有变量均无缺失值。符合正态分布的连续变量以均值±标准差表示；不符合正态分布的连续变量以中位数（四分位间距）表示；分类变量以频数（百分比）表示。组间比较采用独立样本t检验、Mann-Whitney U检验或卡方检验，以P < 0.05为差异具有统计学意义。

随后，使用LASSO回归筛选BIA特征；通过10折交叉验证确定最优惩罚参数λ，并选择在使交叉验证误差最小的λ值（λ.min）下具有非零系数的特征。采用受试者工作特征曲线下面积（AUC）评估模型的区分能力。10折交叉验证过程仅用于选择LASSO惩罚参数λ，不作为最终模型的验证；最终模型的内部验证采用自助法乐观校正（1,000次重采样）和5折交叉验证进行，同时使用方差膨胀因子（VIF）评估多重共线性，VIF值低于5视为可接受。模型校准度通过Hosmer–Lemeshow拟合优度检验和自助法校正的校准斜率进行评估。临床净收益通过决策曲线分析（DCA）进行评价。DCA在0–1.0的完整阈值概率范围内进行，净收益以“全部治疗”和“不治疗任何人”两种参考策略为基准进行表达。临床决策情境为是否建议对社区筛查中具有湿性体质的参与者进行进一步评估或干预。

随后，将通过LASSO筛选确定的特征以及年龄和性别纳入多变量逻辑回归模型，以评估每个指标与湿性体质的独立关联性，并得到比值比（OR）和95%置信区间（CI）。

按性别进行亚组分析以评估关联的稳定性。敏感性分析包括：（1）对连续变量应用1%和99%的Winsorization处理；（2）进一步调整腰臀比或腹部围度。所有统计分析均使用R 4.5.2版本完成。

结果

基线特征

本研究共纳入232名受试者，其中平和质组129人（55.6%），湿热质组103人（44.4%）（表1）。两组在年龄、性别或握力方面均无统计学显著差异（P > 0.05）。然而，在体成分指标方面，湿热质组与平和质组之间存在显著差异。与平和质组相比，湿热质组的总水分（TBW，p = 0.024）、细胞内液（ICW，p = 0.033）和细胞外液（ECW，p = 0.015）均显著升高，表明湿热质个体体液含量更高。同时，湿热质组的骨骼肌质量（SMM，p = 0.032）、去脂体重（SLM，p = 0.028）、瘦体重（FFM，p = 0.026）和体细胞量（BCM，p = 0.033）也显著增加，提示其瘦体组织更为丰富。此外，湿热质组的蛋白质含量（p = 0.032）和上臂肌围（AMC；p = 0.044）也显著高于平和质组。进一步分析显示，湿热质组的基础代谢率（BMR）显著升高（p = 0.026），与其较高的瘦体重水平一致。在脂肪分布方面，尽管两组在体脂百分比（PBF）和体重指数（BMI）上无显著差异，但湿热质组的内脏脂肪面积（VFA，p = 0.048）和腹部周径（p = 0.044）均显著高于平和质组，提示湿热质具有向心性脂肪分布的特征倾向。值得注意的是，尽管两组间细胞外液（ECW）存在显著差异，但ECW/TBW比值无统计学显著差异（p = 0.228），表明体液分布的整体比例结构相对稳定。在未经调整的描述性比较中，两组在总体及分段生物电阻抗和电抗值方面均未发现显著差异（例如，躯干电抗Reactance_TR：3.30 [3.00, 3.60] vs 3.30 [2.90, 3.70]，p = 0.711）。需特别指出的是，单变量比较与多变量回归分析所回答的问题不同：某一参数在调整协变量后可能变得具有统计学意义。

基于LASSO回归的特征选择与预测模型评估

LASSO 回归的交叉验证误差曲线和系数路径图如图 1A、B所示。在 λ.min 准则下，模型最终识别出五个具有非零回归系数的核心特征（表 2）。各特征的 LASSO 回归系数如下：PA_LL（系数 = −0.315）、Reactance_TR（系数 = 0.291）、ECW（系数 = 0.185）、PBF（系数 = 0.018）和 Mean_Grip（系数 = 0.002）。基于这些特征构建的预测模型得到的受试者工作特征（ROC）曲线下面积（AUC）为 0.657（95% 置信区间：0.587–0.727），表明具有中等区分能力（图 2A）。经自助法乐观校正（B = 1,000）后，AUC 为 0.607，五折交叉验证得到的 AUC 为 0.585，提示存在一定程度的过拟合乐观性（补充表 1）。根据 Hosmer–Lemeshow 检验，模型校准度良好（χ2 = 8.882，df = 8，p = 0.352），但自助法校正后的校准斜率为 0.696，提示存在一定乐观性（补充表 1）。最终模型中所有预测变量的方差膨胀因子（VIF）值介于 1.55 至 3.77 之间，表明不存在严重的多重共线性问题（补充表 2）。在决策曲线分析中（图 2B），当阈值概率低于约 0.55 时，模型的净收益曲线位于“全部不治疗”参考线之上，但在整个评估的阈值概率范围（0–1.0）内均低于“全部治疗”参考线；当阈值概率高于约 0.6 时，模型的净收益降至零以下。这些结果表明，该模型在本样本中的临床应用价值有限。

与湿性体质独立相关的因素：ECW 和 Reactance_TR

为了进一步确定与湿性体质相关的独立因素，本研究将LASSO回归识别出的五个核心特征（ECW、PBF、PA_LL、Reactance_TR和Mean_Grip）以及年龄和性别纳入多变量逻辑回归模型。结果显示，ECW和Reactance_TR与湿性体质具有独立相关性（表3）。具体而言，ECW每增加1升，被判定为湿性体质的几率增加30.7%（OR = 1.307，95% CI：1.046–1.649，p = 0.021）。以ECW的一个标准差（2.14 L）表示时，比值比为1.774（95% CI：1.100–2.916）。Reactance_TR也显示出显著的独立正向关联（OR = 2.163，95% CI：1.124–4.267，p = 0.023）。相比之下，在校正协变量后，PBF、PA_LL和Mean_Grip均未达到统计学显著性（P > 0.05）。

独立相关因素的性别分层分析

为探讨上述关联指标在性别亚组中的稳定性，本研究按性别进行了分层的多因素逻辑回归分析。在男性亚组中，细胞外液（ECW）和右上肢电抗（Reactance_TR）的独立关联性仍然存在。具体而言，男性湿性体质的发生风险随ECW每增加一个单位而升高40.7%（OR = 1.407，95% CI：1.030–1.974，p = 0.038）；Reactance_TR的比值比（OR）高达2.764（95% CI：1.140–7.255，p = 0.030）。相比之下，在男性亚组中，体脂百分比（PBF）、左下肢相位角（PA_LL）和平均握力（Mean_Grip）均未达到统计学显著性（p > 0.05）（表4）。

在女性亚组中，相关性无统计学意义。具体而言，ECW 的效应减弱且不再具有显著性（OR = 1.353，95% CI：0.940–1.979，p = 0.108），Reactance_TR 的比值比降至 1.666（95% CI：0.578–4.960，p = 0.348），两者均未达到统计学显著性阈值。PBF、PA_LL 和 Mean_Grip 在女性亚组中也均无显著性（p > 0.05）（表 5）。然而，正式的交互作用检验并未支持性别间存在统计学显著差异（性别 × ECW：OR = 1.127，95% CI：0.744–1.716，p = 0.573；性别 × Reactance_TR：OR = 1.353，95% CI：0.428–4.282，p = 0.605），表明所观察到的性别差异可能反映了女性亚组样本量较小及统计效能降低，而非真实的相关性差异（补充表 3）。

为了评估上述关联的稳健性，本研究进行了敏感性分析。在进行Winsorization处理后，细胞外水分（ECW）与湿性体质仍保持独立的正向关联（OR = 1.331，95% CI：1.055–1.694，p = 0.018），Reactance_TR 的效应也依然具有统计学意义（OR = 2.321，95% CI：1.182–4.682，p = 0.016）。在Winsorized分析中，体脂百分比（PBF）和下肢相位角（PA_LL）的P值接近显著性边界（分别为0.053和0.056），其效应估计值分别为OR = 1.054（95% CI：1.000–1.113）和OR = 0.592（95% CI：0.342–1.006）（表6）；在进一步调整腰臀比后，两者均达到名义显著性水平（PBF：OR = 1.086，95% CI：1.005–1.178，p = 0.040；PA_LL：OR = 0.574，95% CI：0.335–0.964，p = 0.039；补充表4）。这些稳定性较差的结果应谨慎解读。此外，在分别进行的敏感性分析中，进一步调整腰臀比或腹围后，ECW和Reactance_TR的独立关联仍具有统计学显著性（补充表4和5）。综上所述，三项敏感性分析表明，无论是否对连续变量进行Winsorization处理，或是否进一步调整其他潜在混杂因素，ECW和Reactance_TR的独立关联在所有分析情境下均保持统计学显著性，且效应方向未发生改变，亦未丧失显著性。

数据可用性：

本研究期间生成的所有原始数据和分析后的数据集均可在 Zenodo 仓储中公开获取，网址为 https://doi.org/10.5281/zenodo.21187319。

Lasso 回归分析图；A. 交叉验证误差与 log(λ) 的关系，B. 系数路径。
图1：LASSO 回归模型的特征选择过程。（A）基于 10 折交叉验证的 LASSO 回归模型误差曲线。横轴表示 log(λ) 值，纵轴表示交叉验证误差；垂直误差条表示 10 折交叉验证误差（二项偏差）的标准误；两条垂直虚线分别表示 λ.min（对应最小交叉验证误差的 λ 值）和 λ.1se（在 λ.min 的一个标准误范围内最简模型对应的 λ 值）；特征选择采用 λ.min 标准。（B）LASSO 回归模型的系数路径图。横轴表示 log(λ) 值，纵轴表示各特征的回归系数；随着 λ 增大，无关变量的系数逐渐被压缩至 0，最终在 λ.min 准则下选出 5 个具有非零系数值的特征。请点击此处查看该图的放大版本。

ROC 曲线分析，图形 AUC=0.657，CI=0.587-0.727，决策曲线方法学 B。
图 2：预测模型区分能力与临床效用的评估。（A）ROC 曲线。该模型的 AUC 为 0.657（95% CI：0.587–0.727）。（B）在阈值概率范围 0–1.0 内的决策曲线分析（DCA）。紫色虚线和黑色虚线分别代表“全部治疗”和“全部不治疗”参考策略，绿色实线代表该模型。该模型的净获益曲线在阈值概率约 0.55 以下时高于“全部不治疗”参考线，在约 0.6 以上时降至零以下；在整个概率范围内始终低于“全部治疗”参考线。请点击此处查看该图的放大版本。

表1：按体质分层的研究人群基线特征。 比较了和谐体质与湿热体质参与者的社会人口学、人体测量学、身体成分、生物电阻抗及握力特征。数据根据情况以均值±标准差、中位数[四分位间距]或n（%）表示。缩写：TBW = 总体水；ICW = 细胞内水；ECW = 细胞外水；PBF = 体脂百分比；BFM = 体脂量；VFA = 内脏脂肪面积；FMI = 脂质量指数；SMM = 骨骼肌质量；SLM = 软瘦体质量；FFM = 去脂体重；BCM = 体细胞质量；AMC = 上臂肌围；BMR = 基础代谢率；BMI = 体质指数；WHR = 腰臀比；AC = 腹围；PA = 相位角；IQR = 四分位间距。 请点击此处下载该文件。

表2：LASSO回归选出的关键特征及其回归系数。 在LASSO回归分析中，使用λ.min准则选出了五个具有非零系数的特征。缩写：LASSO = 最小绝对收缩与选择算子；PA_LL = 左下肢相位角；Reactance_TR = 躯干电抗；ECW = 细胞外液；PBF = 体脂百分比；Mean_Grip = 平均握力。请点击此处下载该文件。

表3：与湿性体质相关的多变量逻辑回归分析。 在校正年龄和性别后，评估了LASSO筛选特征与湿性体质的关联。缩写：OR = 比值比；CI = 置信区间；ECW = 细胞外液；PBF = 体脂百分比；PA_LL = 左下肢相位角；Reactance_TR = 躯干电抗；Mean_Grip = 平均握力。请点击此处下载该文件。

表4：男性湿热体质相关因素的多变量逻辑回归分析。 在调整年龄因素后，对男性亚组中所选特征与湿热体质之间的关联进行了评估。
缩写：OR = 比值比；CI = 置信区间；ECW = 细胞外液；PBF = 体脂百分比；PA_LL = 左下肢相位角；Reactance_TR = 躯干电抗；Mean_Grip = 平均握力。请点击此处下载该文件。

表5：女性湿性体质相关因素的多变量逻辑回归分析。 在调整年龄因素后，对女性亚组中所选特征与湿性体质之间的关联进行了评估。
缩写：OR = 比值比；CI = 置信区间；ECW = 细胞外液；PBF = 体脂百分比；PA_LL = 左下肢相位角；Reactance_TR = 躯干电抗；Mean_Grip = 平均握力。请点击此处下载该文件。

表6：经Winsorization处理后的多变量逻辑回归分析。 敏感性分析评估了在对连续变量应用1%和99% Winsorization处理后与湿性体质相关的因素。缩写：OR = 比值比；CI = 置信区间；ECW = 细胞外液；PBF = 体脂百分比；PA_LL = 左下肢相位角；Reactance_TR = 躯干电抗；Mean_Grip = 平均握力。请点击此处下载该文件。

补充表 1：最终多变量逻辑回归模型的内部验证与校准。 通过评估模型的表观区分度和经乐观校正的区分度、五折交叉验证、拟合优度检验以及自助法校准来评价模型性能。同时报告了细胞外液（ECW）每增加一个标准差的关联性。
缩写：AUC，受试者工作特征曲线下面积；CI，置信区间；ECW，细胞外液；OR，比值比；df，自由度。请点击此处下载该文件。

补充表 2：最终多变量逻辑回归模型中预测因子的方差膨胀因子。 计算方差膨胀因子以评估最终模型中各预测因子之间的多重共线性。
缩写：VIF = 方差膨胀因子；ECW = 细胞外液；PBF = 体脂百分比；PA_LL = 左下肢相位角；Reactance_TR = 躯干电抗；Mean_Grip = 平均握力。请点击此处下载该文件。

补充表3：性别与细胞外液及躯干电抗对湿性体质的交互作用。 通过评估交互项，确定细胞外液和躯干电抗与湿性体质之间的关联是否存在性别差异。
缩写：ECW = extracellular water；OR = 比值比；CI = 置信区间；LRT = 似然比检验；Reactance_TR = trunk reactance。请点击此处下载该文件。

补充表4：校正腰臀比后的多变量逻辑回归分析。 敏感性分析评估了所选特征在额外校正腰臀比后与湿性体质之间的关联。
缩写：OR = 比值比；CI = 置信区间；ECW = 细胞外液；PBF = 体脂百分比；PA_LL = 左下肢相位角；Reactance_TR = 躯干电抗；Mean_Grip = 平均握力；WHR = 腰臀比。请点击此处下载该文件。

补充表5：校正腹围后的多变量逻辑回归分析。 敏感性分析评估了在额外校正腹围后，所选特征与湿性体质之间的关联。
缩写：OR = 比值比；CI = 置信区间；ECW = 细胞外液；PBF = 体脂百分比；PA_LL = 左下肢相位角；Reactance_TR = 躯干电抗；Mean_Grip = 平均握力。请点击此处下载该文件。

讨论

本研究探讨了利用生物电阻抗分析（BIA）参数识别中医湿性体质的潜在可能性。通过系统筛选和相关性分析，发现细胞外液（ECW）和全身电抗（Reactance_TR）是与湿性体质独立相关的两个核心指标。这些关联在所有敏感性分析中均保持稳定。在按性别分层的分析中，这两个指标在男性中具有统计学意义，而在女性中则无统计学意义；但正式的交互检验并未支持性别差异具有统计学显著性，从而为基于BIA的体质辨识方法提供了关键候选指标及理论依据。

本研究的关键发现是，细胞外液（ECW）与湿性体质独立相关，这与现有的病理生理学认识高度一致。ECW水平升高直接反映了机体水液代谢异常及潜在的液体潴留，这恰好对应了湿性体质重浊、黏滞的特征8。我们的研究结果将生物电阻抗分析（BIA）参数的应用从传统的功能衰退领域拓展至中医体质的识别。既往研究已证实，在类风湿关节炎等慢性炎症性疾病患者中，由BIA测得的ECW比值显著升高，且这种容量负荷状态对短期抗炎治疗不敏感，反映了湿邪黏滞、缠绵难愈的病理特点15。本研究在相对健康的社区人群中也观察到了类似的关联，提示ECW可能作为检测湿性亚临床状态的敏感、早期生物物理标志物。需要注意的是，包括InBody 770在内的BIA所测得的体液容量和身体成分估算值，在不同人群中与参考方法（如稀释法或双能X线吸收测定法DXA）可能存在一致性差异，尤其是在存在疾病相关局部液体积聚的个体中；本研究人群为相对健康的社区居住成年人，因此应据此合理解读这些估算结果。

更重要的是，本研究在众多生物电阻抗参数中发现，躯干电抗（Reactance_TR）与痰湿体质之间的关联独立于细胞外液（ECW）。需要注意一个看似矛盾的现象：在未校正的组间比较中，躯干电抗几乎无差异（p = 0.711），但在多变量模型中却独立地与痰湿体质相关。这并非统计学上的不一致——单变量比较与多变量回归所回答的问题不同，校正年龄、性别及其他身体成分变量后，这种关联才显现出来；所有方差膨胀因子（VIF）值均低于5，表明多重共线性并未对估计结果产生实质性影响。电抗反映细胞膜的电容特性，取决于组织的电学性质、测量频率、身体节段的几何结构及组织构成，其本身并非细胞膜完整性的直接测量指标16,17,18。InBody 设备采用串联等效电路模型报告电抗值，而串联电抗（Xc）测量值的生理学解释依赖于所采用的等效电路配置19,20。因此，躯干电抗与痰湿体质之间的正相关应被视为一种具有合理但尚未证实的生理学假说的统计学关联，例如躯干组织电学特性或体液分布的改变，而非细胞膜功能受损的直接证据。正如大腿的细胞外液/细胞内液（ECW/ICW）最能准确反映下肢功能12，特定躯干节段的电学参数的关联可能为进一步研究“节段性生物电特性是否与传统中医‘湿阻中焦’概念相关”提供依据11,13。这些发现与“不仅关注整体，也关注特定节段”的研究理念高度一致11，并填补了现有研究中常忽略躯干节段参数的空白21。此外，电抗（Xc）作为不受水合状态影响、直接反映细胞健康状况的指标，在体液失衡条件下使用常规生物电阻抗方程时，可有效避免肌肉质量的高估22，从而确保体质评估的准确性。相比之下，相位角（phase angle）未观察到独立关联，这与其复合性质一致：尽管相位角（PhA）被广泛视为系统性细胞健康与预后的标志21,23，但在校正混杂因素后，其独立关联常减弱，而节段性原始参数（如Xc和ECW）可能更具体地捕捉到生物电与体液分布的不同维度24,25。

在按性别分层的分析中，细胞外液（ECW）和TR段电抗（Reactance_TR）与痰湿体质的关联在男性中具有统计学意义，但在女性中无统计学意义。然而，正式的交互作用检验并未支持性别差异具有统计学意义（性别 × ECW：p = 0.573；性别 × Reactance_TR：p = 0.605），这种表面上的差异可能反映了女性亚组样本量较小，统计效能降低。因此，痰湿体质生物电基础是否存在性别相关差异仍是一个未解的问题；既往研究报道的相位角和体液参数决定因素存在性别差异，提示这一问题值得在统计效能充足的进一步研究中加以探讨26,27。

此外，本研究存在若干局限性。首先，横断面设计无法得出因果关系或时间顺序的推论；所报告的关联应解释为比值/关联性，而非风险。第二，结局指标由一种商用设备（Hi-Face22）的分类结果定义，而该设备相对于独立参考标准的有效性尚未建立；因此，所识别的参数仅与设备导出的分类相关，且分类误差可能影响了研究结果；未来可通过结合更客观的生化或组学“金标准”来确定体质类型。第三，特征变量是从数量相对较多的生物电阻抗参数中，使用与模型估计相同的数据集进行数据驱动的LASSO回归筛选得出；尽管已进行内部验证（自助法乐观校正和5折交叉验证），校正后的AUC为0.607，但所报告的关联性和区分度指标仍可能存在乐观偏倚，且未进行外部验证。第四，样本量尤其是按性别分层分析时的样本量有限，且未基于正式的先验效能计算确定；女性中未发现显著关联可能反映的是统计效能不足，而非真正的无关联。最后，所有基于生物电阻抗的体液和体成分估算均依赖于预测方程，并受体液和电解质状态的影响；因此在进行生理学解释时应谨慎对待。

本研究发现，在评估的所有生物电阻抗参数中，总体细胞外液和TR段抗电阻与痰湿体质独立相关，且这些关联在敏感性分析中保持一致。这些结果提示，体液状态和节段性生物电特性可能为痰湿体质提供候选的定量指标。未来还需在更大规模的独立人群中开展进一步研究，并通过外部验证的体质评估方法，以确认这些关联性及其在基于生物电阻抗分析的体质评估中的潜在应用价值。

披露

在准备手稿、图表或数据分析时，未使用任何人工智能工具。

致谢

感谢北蔡社区卫生服务中心的参与者和医务人员在数据收集期间提供的宝贵支持。本工作得到了上海市浦东新区卫生健康系统特色专科疾病建设项目肥胖症（项目编号：PWZzb2025-03）以及上海市中医药标准化项目代谢综合征中西医结合防治标准化诊疗方案（项目编号：2025BZ025）的资助，上述项目分别经上海市浦东新区卫生健康委员会、上海市卫生健康委员会与上海市中医药管理局联合批准。

材料

本文使用的材料清单
姓名公司目录编号评论
数字握力计ANTAEH101N/A
Hi-Face22 智能镜北京喜马医疗科技有限公司ZL202121286496.5N/A
InBody 770 身体成分分析仪InBody Co., Ltd.770N/A
R 统计软件（版本 4.5.2）R Foundation for Statistical Computinghttps://www.r-project.org/RRID:SCR_001905

参考文献

  1. Wu Y, et al. Prevalence of traditional Chinese medicine body constitutions in a large community-based study in Hangzhou, China. Chin Med. 2025;20.
  2. Tan F, et al. Differences in serum proteins in traditional Chinese medicine constitutional population: analysis and verification. J Leukoc Biol. 2020;108:547-57.
  3. Ma X, et al. Traditional Chinese medicine constitution is associated with the frailty status of older adults: a cross-sectional study in the community. Evid Based Complement Alternat Med. 2022;2022.
  4. Chen R, et al. Traditional Chinese medicine constitution and cardiometabolic multimorbidity: a nationwide cross-sectional study in older adults. Front Public Health. 2026;14.
  5. Fu C, et al. Identification and classification of traditional Chinese medicine syndrome types among senior patients with vascular mild cognitive impairment using latent tree analysis. J Integr Med. 2017;15:186-200.
  6. Ohashi Y, et al. The associations of malnutrition and aging with fluid volume imbalance between intra- and extracellular water in patients with chronic kidney disease. J Nutr Health Aging. 2015;19:986-93.
  7. Iwasaka C, et al. Association between the appendicular extracellular-to-intracellular water ratio and all-cause mortality: a 10-year longitudinal study. J Gerontol A Biol Sci Med Sci. 2024;79.
  8. Noritake K, et al. Associations of muscle quality indices (phase angle, ECW/TBW, and echo intensity) with physical performance in community-dwelling older women. Nutrition. 2026;147.
  9. Kato M, et al. Bioimpedance phase angle is independently associated with myosteatosis: the Shizuoka study. Clin Nutr. 2023;42:793-9.
  10. Zouridakis A, et al. Correlation of bioelectrical impedance analysis phase angle with changes in oxidative stress on end-stage renal disease patients, before, during, and after dialysis. Ren Fail. 2016;38:738-43.
  11. Asano Y, Tsuji T, Okura T. Segmental extracellular-to-intracellular water resistance ratio and physical function in older adults. Exp Gerontol. 2023;181.
  12. Yamada Y, et al. The extracellular to intracellular water ratio in upper legs is negatively associated with skeletal muscle strength and gait speed in older people. J Gerontol A Biol Sci Med Sci. 2017;72:293-8.
  13. Kolodziej M, Ignasiak Z. Changes in the bioelectrical impedance parameters estimating appendicular skeletal muscle mass in healthy older persons. Aging Clin Exp Res. 2020;32:1939-45.
  14. Tanaka S, et al. Higher extracellular water-to-total body water ratio more strongly reflects the locomotive syndrome risk and frailty than sarcopenia. Arch Gerontol Geriatr. 2020;88.
  15. Straub R, et al. Increased extracellular water measured by bioimpedance and by increased serum levels of atrial natriuretic peptide in RA patients-signs of volume overload. Clin Rheumatol. 2017;36:1041-51.
  16. Freitas S, et al. The impact of 2 weeks of detraining on phase angle, BIVA patterns, and muscle strength in trained older adults. Exp Gerontol. 2021;144.
  17. Kolodziej M, Ignasiak Z, Ignasiak T. Annual changes in appendicular skeletal muscle mass and quality in adults over 50 y of age, assessed using bioelectrical impedance analysis. Nutrition. 2021;90.
  18. Nescolarde L, Talluri A, Yanguas J, Lukaski H. Phase angle in localized bioimpedance measurements to assess and monitor muscle injury. Rev Endocr Metab Disord. 2023;24:415-28.
  19. Nescolarde L, et al. Relationship between bioimpedance vector displacement and renal function after a marathon in non-elite runners. Front Physiol. 2020;11:352.
  20. Lukaski HC, Talluri A. Phase angle as an index of physiological status: validating bioelectrical assessments of hydration and cell mass in health and disease. Rev Endocr Metab Disord. 2023;24:371-9.
  21. Wang Y, et al. Phase angle as a predictor of mortality in elderly patients with multimorbidity: a matched case-control study. PeerJ. 2024;12.
  22. Hamada R, et al. Evaluation of skeletal muscle indicators following allogeneic hematopoietic stem cell transplantation: verification of skeletal muscle mass adjustment. Support Care Cancer. 2026;34.
  23. Diniz N, et al. Relevance of standardized phase angle and bioelectrical impedance vectors in hospitalized older patients: a cohort study. Nutr Clin Pract. 2026;41:245-54.
  24. Lai T, et al. Elevated extracellular water to total body water ratio and low phase angle in relation to muscle function in middle-aged and older adults. J Int Soc Sports Nutr. 2025;22.
  25. Luo X, Cai B, Jin W. The prevalence rate of adult sarcopenic obesity and correlation of appendicular skeletal muscle mass index with body mass index, percent body fat, waist-hip ratio, basal metabolic rate, and visceral fat area. Metab Syndr Relat Disord. 2023;21:48-56.
  26. Jirku J, Krízová J. Phase angle in bioelectrical impedance: new perspectives in health and body composition assessment. Physiol Res. 2025;74:1007-19.
  27. Ferreira G, et al. Phase angle and its determinants among adolescents: influence of body composition and physical fitness level. Sci Rep. 2024;14.

重印与许可

标签

联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。