한국 성인의 중성지방-혈당 관련 지표와 당뇨병 발생의 연관성: 코호트 연구를 활용한 이차분석

Yu Jin Park; Miseon Shin; Hyun Seon Jeon; Eun Hee Yang

doi:10.4040/jkan.24108

Articles

Page Path: HOME > J Korean Acad Nurs > Ahead-of print articles > Article

Research Paper 한국 성인의 중성지방-혈당 관련 지표와 당뇨병 발생의 연관성: 코호트 연구를 활용한 이차분석: 박유진^1,2, 신미선¹, 전현선¹, 양은희^1,2
Triglyceride-glucose parameters as predictors of diabetes mellitus incidence in Korean adults: a secondary analysis of the Korean Genome and Epidemiology Study: Yu Jin Park^1,2, Miseon Shin¹, Hyun Seon Jeon¹, Eun Hee Yang^1,2; DOI: https://doi.org/10.4040/jkan.24108
Published online: April 1, 2025

¹전북대학교 일반대학원 간호학과

²전북대학교병원 간호부

¹Department of Nursing, Graduate School, Jeonbuk National University, Jeonju, Korea

²Department of Nursing, Jeonbuk National University Hospital, Jeonju, Korea

Corresponding author: Miseon Shin Department of Nursing, Jeonbuk National University, 567 Baekje-daero, Deokjin-gu, Jeonju 54896, Korea E-mail: shinms@jbnu.ac.kr

†This work was presented at 89th Korean Society of Nursing Science Conference, October, 2024, Seoul, Korea.

• Received: September 5, 2024 • Revised: November 11, 2024 • Accepted: February 6, 2025

This is an Open Access article distributed under the terms of the Creative Commons Attribution NoDerivs License (http://creativecommons.org/licenses/by-nd/4.0) If the original work is properly cited and retained without any modification or reproduction, it can be used and re-distributed in any format and medium.

109 Views
9 Download

Full Article

Download PDF

Abstract
서론
방법
결과
고찰
결론
Article Information
References
Appendix

Abstract

Purpose
This study aimed to evaluate the association between triglyceride-glucose (TyG)–related parameters and the incidence of diabetes mellitus in Korean adults. Data were obtained from the Korean Genome and Epidemiology Study (KoGES).
Methods
This secondary analysis examined data from 6,816 adults aged 40–69 years who participated in the KoGES from 2001 to 2020. TyG–related parameters, including the TyG index, TyG–body mass index (TyG–BMI), TyG–waist circumference (TyG–WC), and TyG–waist-to-height ratio (TyG–WHtR), were assessed. Cox proportional hazards models were employed to determine the association between these parameters and the incidence of diabetes mellitus, with adjustments made for demographic, lifestyle, and health-related characteristics.
Results
Higher levels of all TyG–related parameters were significantly associated with an increased risk of developing diabetes mellitus. Specifically, participants in the highest quartile of the TyG index, TyG–BMI, TyG–WC, and TyG–WHtR exhibited significantly higher hazard ratios for diabetes mellitus incidence compared with those in the lowest quartile (p<.001 for all). Notably, the TyG index demonstrated a stronger predictive value for diabetes mellitus than traditional measures such as the homeostatic model assessment of insulin resistance.
Conclusion
TyG–related parameters are robust predictors of diabetes mellitus incidence in Korean adults. These findings support the incorporation of TyG–related measures into clinical settings for the early identification and intervention of high-risk populations. Utilizing these parameters for early diagnosis and preventive strategies may significantly enhance diabetes mellitus management.
Key words: Cohort studies; Diabetes mellitus; Glucose; Triglyceride

서론

당뇨병은 인슐린 분비 부족 또는 인슐린 저항성(insulin resistance)으로 인해 혈당 조절에 장애가 발생하는 만성 대사성질환으로, 췌장에서 만들어지는 인슐린이 부족하거나 인슐린이 체내에서 적절하게 작용하지 못함으로써 체내에 흡수된 포도당이 이용되지 못하고 혈액 내에 축적되어 소변으로 빠져나오는 질병이다[1]. 당뇨병을 관리하지 않으면 뇌졸중, 심근경색증, 만성 콩팥병, 망막병증, 신경병증, 발기부전 등 다양한 합병증으로 삶의 질이 저하되고 개인 및 가족의 건강이 위협받는다. 이는 단순한 개인 건강 문제를 넘어 경제적 손실, 의료 시스템 부담, 생산성 감소 등의 사회적 비용을 초래한다[2]. 국제 당뇨병연맹은 당뇨병 유병률이 급속도로 증가하고 있고, 2045년에는 전 세계적으로 7억 8천만 명의 당뇨병 환자가 있을 것으로 예상하였고, 당뇨병을 심각한 수준에 이른 주요 건강 문제로 보고하였다[3]. 2021년 전 세계 성인 20–79세의 당뇨병 유병인구는 5억 3,700만 명(10.5%)이며[4], 국내의 경우 우리나라 30세 이상 성인의 당뇨 유병률은 2012년 11.8%에서 2020년 16.7%로 증가 추세를 보였다[5].

당뇨병은 말초혈관질환, 관상동맥질환을 포함하는 모든 심혈관질환 위험을 2배 이상 증가시키고, 제2형 당뇨병 진단 후 3년 내 당뇨병성 만성합병증이 3.9%까지 발생한다[6]. 제2형 당뇨병 환자의 약 30% 정도는 심혈관질환, 뇌혈관질환, 말초동맥질환 등의 대혈관합병증을, 3명 중 2명 정도는 망막병증, 신증, 신경병증과 같은 미세혈관 합병증을 동반하는 것으로 보고된다[7]. 이는 유병자에게 신체적, 심리적 고통을 줄 뿐만 아니라 의료시스템에 큰 부담을 준다[8]. 2022년 건강보험통계 연보에 따르면, 단일상병 기준 진료비 지출이 2.4조 원으로 두 번째로 높았으며, 당뇨병 진료환자 수는 2018년 3,047천 명 대비 2022년 3,692천 명으로 21.1% 증가하였고, 당뇨병 진료비는 2018년 2조 4,742억 원에 비해 2022년 3조 4,169억 원으로 9,427억 원(38%) 증가하였다[9]. 이에 따라 2022년 미국당뇨병학회(American Diabetes Association)와 유럽당뇨병학회(European Association for the Study of Diabetes)의 공동 합의안에서는 당뇨병 환자의 혈당조절, 체중관리, 심혈관질환 위험인자 관리, 합병증 관리 등 종합적인 치료를 강조하였으며, 대한당뇨병학회 역시 합병증 예방을 위해 적극적인 혈당 조절을 권장하였다. 따라서 당뇨병 발생 고위험군을 조기 진단하여 효과적으로 선별하는 것이 필요하고[8], 해당 집단의 당뇨병 예방 및 관리를 통해 장기적으로 개인의 건강을 증진시키는 것은 물론 사회적, 경제적 부담을 감소시키는 것이 중요하다[10].

혈당 조절을 위한 요인 중 인슐린 저항성이 주요변수로 설명되는데[8], 인슐린 저항성은 체내 인슐린이 부족하지 않은 상태임에도 인슐린의 작용이 감소된 상태를 말하며, 체내 인슐린 대사과정이 정상보다 저하된 상태를 말한다[11]. 인슐린 저항성 평가에는 직접적인 방법인 포도당 클램프 기법을 활용한 검사방법, 인슐린 억제검사(insulin suppression test) 및 인슐린 내성검사(insulin tolerance test)와 간접적인 방법인 인슐린 저항성 평가지수(homeostatic model assessment of insulin resistance, HOMA-IR) 측정법이 있다. 직접적인 방법은 인슐린 분비 및 억제를 직접적으로 측정해야 하므로 실제 임상현장에서 활용하기에 제한점이 있고[12], 간접지표인 HOMA-IR은 공복 인슐린 농도와 공복 혈당을 이용한 계산식으로 혈당이 높고 공복 인슐린 수치가 낮거나 당뇨병 환자이나 체질량지수(body mass index, BMI)가 낮은 경우 HOMA-IR의 타당도가 감소한다는 제한점이 있다[13].

이에 공복 인슐린 농도 측정의 정확성에 영향을 받지 않는 간접지표로 중성지방-혈당(triglyceride and glucose, TyG) 지수가 대체 지표로 제안되고 있다[14]. 이 지표는 중성지방(triglyceride, TG)과 공복혈당(fasting glucose, FG)을 이용하여 계산하고 당뇨병 및 심혈관질환과 유의한 관계를 나타냈으며[15-18], 인슐린 저항성을 평가하는 데 HOMA-IR에 비해 높은 민감도와 특이도를 나타냈다[19]. 이처럼 TyG 지수의 유용성에 대한 연구가 늘어나며, 최근에는 TyG 지수와 BMI, 허리둘레(waist circumference, WC) 및 허리-키 비율(waist-to-height ratio, WHtR)과 같은 여러 비만지표를 결합한 복합지표를 적용한 연구가 발표되고 있다[20-22]. TyG-BMI는 TyG 지수에 BMI를 결합하여 대사 건강을 평가하는 지표이다. TyG–WC는 TyG 지수와 WC를 결합한 지표로, 비만과 인슐린 저항성 간의 관계를 평가한다. TyG–WHtR은 TyG 지수와 WHtR을 결합한 지표로, 비만과 인슐린 저항성 간의 관계를 평가한다[20-22].

연구결과에 따르면, 여러 비만지표와 TyG 지수를 결합한 지표(즉, TyG–BMI, TyG–WC 등)가 TyG 지수의 단독 적용보다 당뇨병 및 다른 대사질환의 발생위험 정도나 예측 정도를 판단하는 데 유용한지에 대한 연구도 다수 진행되고 있다[20-22]. 다만, 일부 국외 연구는 연구대상자 수가 적다는 한계가 있었고, 연구별로 유용성이 높은 지표가 상이하며, 해당 지표의 당뇨병 및 대사질환과의 연관성 및 유용성에 대해 일관된 결과가 아닌 다양한 분석결과를 나타냈다[20,22]. 이는 한 지역사회 주민만을 대상으로 연구를 진행하였거나[20], 당뇨병 환자의 가족을 대상으로 진행한 연구[22]라는 제한점들이 원인으로 생각된다. 더불어, 정상인을 대상으로 TyG 관련 지표의 인슐린 저항성에 대한 예측변수로서의 유용성에 대한 연구[21], 정상인을 대상으로 TyG 관련 지표와 당뇨병 전단계의 연관성에 대한 연구[23], TyG 관련 지표의 당뇨병 전단계에 대한 예측변수로서의 유용성에 대한 연구[24]는 시행된 바 있으나, TyG 관련 지표와 당뇨병 발생의 연관성을 본 연구는 미비하다.

당뇨병 전단계는 당뇨병의 진단기준에는 부합하지 않으나 혈당검사 수치가 정상범위를 벗어난 군으로 미국당뇨병학회의 진단기준에 따라 공복혈당장애(impaired fasting glucose intolerance), 내당능장애(impaired glucose tolerance) 및 당화혈색소(hemoglobin A1c)가 5.7%–6.4%인 경우로 분류되고 있다. 선행연구에 따르면, 당뇨병 전단계가 있을 경우 제2형 당뇨병의 발생위험이 3배에서 10배까지 증가하는 것으로 알려져 있고[25], 국내의 경우 30세 이상 성인 중 공복혈당장애 유병인구가 2018년 948만 명에서 2020년 1,497만 명으로 증가하였다[5]. 앞서 언급한 것과 같이 당뇨병 전단계와 TyG 관련 지표의 연관성을 확인한 연구가 이루어졌으나[24], 당뇨병 발생위험이 높은 당뇨병 전 단계뿐만 아니라, 더 넓은 범위의 당뇨병을 진단받지 않은 모든 정상인으로 대상자의 범위를 확장한 연구가 요구된다. 또한 TyG 관련 지표의 당뇨병 유병 지표로서의 유용성을 확인하기 위해 해당 지표의 절단값을 이용하여 TyG 관련 지표와 당뇨병 발생 간의 연관성을 분석할 필요가 있다[24].

이에 본 연구는 한국인 유전체역학조사사업(Korean Genome and Epidemiology Study, KoGES) 지역사회기반 코호트 자료를 이용해서 당뇨병이 없는 성인을 대상으로 TyG 관련 지표와 당뇨병의 연관성을 분석하고자 한다. 본 연구는 당뇨병과 관련된 위험인자 관리 및 대상자의 조기 발견에 도움을 주는 기초자료로 사용할 것이며, 당뇨병의 예방 및 관리를 위한 중재프로그램의 근거를 마련하는 데 기여하고자 한다.

방법

1. 연구설계

본 연구는 KoGES의 지역사회 기반 코호트의 2001년부터 2020년까지 기반조사한 자료를 활용하여 40–69세 당뇨병이 없는 한국 성인을 대상으로 TyG 관련 지표와 당뇨병 발생의 연관성을 평가하기 위한 이차자료분석 연구이다.

2. 연구자료 및 대상

본 연구의 대상자는 2001–2020년 기반조사에 참여한 중소도시 안산 및 농촌지역 안성시에 거주하는 40–69세 남녀 주민(10,030명) 중 기반조사와 18년간 8차 추적조사까지 마친 6,816명(안산시 3,676명, 안성시 3,140명)을 대상으로 하였다. 기반조사에서 인구사회학적 특성, 생활습관, 건강 관련 특성 등의 필수 정보가 무응답이거나 대상자 중 한 번도 추적조사에 참여하지 않은 자는 불완전한 자료로 제외하였다. 구체적인 연구대상 선정기준과 제외기준은 다음과 같다.

선정기준은 KoGES 지역사회 기반 코호트의 기반조사에 참여한 40–69세의 성인 중 대한당뇨병학회의 당뇨병 기준에 따라 당뇨병이 없는 성인을 연구대상자로 선정하였다[26]. 제외기준은 기반조사에서 대한 당뇨병학회에서 제시하는 당뇨병 진단기준에 근거하여 당뇨병 진단이력이 있는 자와 본 연구에서 사용하고자 하는 TyG 관련 지표 측정지수(BMI, WC, WHtR, FG, TG) 변수에 결측치가 있는 자는 제외하였다. 대한당뇨병학회에서 제시하는 당뇨병 진단기준은 (1) 8시간 이상 공복 혈당치 126 mg/dL 이상, (2) 식후 2시간 혈당치 200 mg/dL 이상, (3) 당화혈색소 6.5% 이상, (4) 의사로부터 당뇨병을 진단받은 자, (5) 경구용 혈당강하제 복용 또는 인슐린 치료 중인 경우로, 5가지 기준 중에서 한 가지라도 해당하면 당뇨병으로 진단하여 제외하였다[26].

최종 연구대상자 선정과정은 Figure 1과 같다. 기반조사에서 당뇨병을 진단받은 자(n=679), 당뇨병 진단기준에 해당하는 임상검사 결과를 가진 자(n=1,355), 한 번도 추적관찰에 참여하지 않은 자(n=695)를 제외한 7,301명이 대상자로 나타났다. 그 중 인구사회학적 특성, 건강 관련 특성, 생활습관 등의 필수정보가 무응답인 자(n=485)를 제외하여, 최종 연구분석에 포함된 대상자는 6,816명이었다(Figure 1).

3. 연구의 변수

본 연구에서 구체적으로 포함된 변수는 선행연구에 근거하여 연구목적에 맞게 추출하였으며[24], 당뇨병 성인의 TyG 관련 지표(독립변수), 당뇨병 발생(종속변수), 인구사회학적 특성, 생활습관 및 건강 관련 특성(혼동변수)으로 구체적인 사항은 다음과 같다.

1) 독립변수

본 연구에서 독립변수는 비만지표인 BMI, WC, WHtR과 TyG 지수를 결합한 TyG 관련 지표로 정의하였다. TyG 지수는 TG와 FG의 곱을 2로 나눈 값에 자연로그를 적용한 값이다. BMI는 체중/신장² (kg/m²)의 계산법으로 산출하였으며, WHtR은 WC를 키로 나눈 값으로 계산한다. 신장과 체중은 신장계와 체중계를 사용하여 가벼운 옷차림으로 신발을 벗고 직립한 자세로 측정한다. WC는 늑골(갈비뼈)과 장골능선 사이의 중간 부위인 둘레를 수평을 유지한 상태로 3회 측정한 값의 평균으로 계산한다[27]. 이들 비만지표와 TyG 지수를 결합한 TyG 관련 지표의 계산방법은 다음과 같다[21,28].

TyG 지수=Ln [(TG (mg/dL)×FG (mg/dL)/2)]

TyG–WC=TyG×WC (cm)

TyG–BMI=TyG×BMI (kg/m²)

TyG–WHtR=TyG×WHtR

혈액분석 혈액 지표는 8시간 공복상태에서 정맥혈을 채취하여 자동분석기(ADVIA, 1800; Siemens Healthineers AG)를 이용하여 측정된 FG, TG, 당화혈색소, 경구당부하검사(oral glucose tolerance test)로, 이는 120분 후 증가된 포도당 농도를 측정한 데이터를 사용하였다[21,28].

2) 종속변수

당뇨병 발생 여부는 대한당뇨병학회의 단체가 합의하여 내린 진단기준으로 기반조사와 추적조사 시 “귀하는 의사로부터 다음과 같은 진단을 받은 적이 있습니까?”의 질문에 “예”라고 응답하였거나 경구용 혈당강하제 복용 또는 인슐린 치료 중인 자나 혈당치의 기준이 8시간 이상 공복 혈당치 126 mg/dL 이상, 식후 2시간 혈당치 200 mg/dL 이상, 당화혈색소 6.5% 이상인 경우로 5가지 기준 중에서 한 가지라도 해당하면 당뇨병 발생으로 정의하였다[27].

3) 혼동변수

인구사회학적 특성은 성인의 당뇨병 발생위험에 미치는 영향을 확인하는 데에 혼동변수로 작용할 수 있는 성별, 연령, 결혼상태, 직종, 월평균 수입, 교육수준, 총 6문항을 조사하였다. 성별은 남, 여로 구분하였고, 연령은 40대(40–49세), 50대(50–59세), 60대(60–69세)로 범주화하였다. 결혼상태는 “귀하의 현재의 결혼상태는 어떠하십니까?” 문항의 보기에 따라 미혼, 기혼, 기타(이혼, 별거, 사별)로 구분하였다. 직업은 “현재 어떤 일을 하고 계십니까?”의 문항에 따라 전문직(전문직), 비전문직(주부, 사무직, 농업, 자영업, 판매직, 생산직, 기타)으로 구분하였으며, 월평균 수입은 200만 원 미만, 200만 원 이상–400만 원 미만, 400만 원 이상으로 범주화하였다. 교육수준은 “귀하는 어디까지 교육을 받으셨습니까?”의 문항의 보기에 따라 중학교 졸업 이하(초등학교 이하, 중학교), 고등학교 졸업(고등학교), 대학교 졸업 이상(전문대, 대학교, 대학원 이상)으로 구분하였다.

생활습관 특성은 하루 평균 수면시간, 흡연, 음주, 신체활동(중등 활동), 신체활동(격한 활동) 총 5문항으로 조사하였다. 하루 평균 수면시간은 “당신은 평소 수면시간은 몇 시간입니까?”의 문항에 따라 6시간 이하, 7–8시간, 9시간 이상으로 구분하였다. 흡연은 현재 흡연 여부에 따라 비 흡연(전혀 피운 적 없다), 과거 흡연(흡연경력은 있으나 현재 안 피운다), 현재 흡연(가끔씩 피운다, 습관적으로 계속 피운다)으로 구분하였고, 음주는 “원래 술을 못 마시거나 또는 처음부터 술을 안 마십니까?”의 문항에 따라 비 음주, 과거 음주, 현재 음주로 구분하였다. 신체활동(중등 활동)에서 중등 활동은 빨리 걷기, 목공, 잔디 깎기, 눈 치우기, 규칙적인 운동(배드민턴, 수영, 테니스) 등에 해당하며, “귀하의 하루 일과 중 다음과 같이 육체적인 활동시간에 대해 v표시를 해주시기 바랍니다.”의 문항에 따라 적다(없음, 30분 미만, 30–60분, 60–90분, 90분–2시간, 2–3시간), 많다(3–4시간, 4–5시간, 5시간 이상)로 재분류하였다. 신체활동(격한 활동)에서 격한 활동은 운동경기, 등산, 달리기, 나무 베기, 농업, 임업, 광업 등에 해당하며, “귀하의 하루 일과 중 다음과 같이 육체적인 활동시간에 대해 v표시를 해주시기 바랍니다.”의 문항에 따라 적다(없음, 30분 미만, 30–60분, 60–90분), 많다(90분–2시간, 2–3시간, 3–4시간, 4–5시간, 5시간 이상)로 재분류하였다.

건강 관련 특성은 (1) 전반적인 건강상태, (2) 당뇨병 가족력, (3) 만성질환 총 3문항을 조사하였다. 전반적인 건강상태는 “전반적으로 당신의 건강상태는 어떻다고 생각하십니까?”의 문항에 따라 건강하지 않음(매우 건강하지 못함, 건강하지 못함), 보통(보통임), 건강함(건강함, 매우 건강함)으로 재분류하였다. 당뇨병 가족력 유무는 “가족력에 관한 문항입니다. 본가 식구들을 기준으로 기입해 주세요. 당뇨병 가족력-본인과의 관계”의 문항에 따라 가족원과의 관계를 기입하게 되어 있는데, 이 중 하나라도 기입한 경우로 “예”와 “아니오”로 구분한다. 만성질환의 진단유무는 고혈압, 고지혈증을 “진단받은 경험 유무”의 문항 중 하나라도 진단을 받은 적이 있는 경우로 “예”와 “아니오”로 구분하였다.

4. 자료 분석방법

본 연구의 통계분석은 SPSS Statistics ver. 29.0 통계프로그램(IBM Corp.)을 이용하여 분석하였다. 통계분석은 유의수준 5% 미만(p<.05)을 기준으로 통계적 유의성 여부를 판단하고 분석방법은 다음과 같다.

대상자의 인구사회학적, 생활습관. 건강 관련 특성 및 TyG 관련 지표의 분포는 빈도와 백분율, 평균과 표준편차를 이용하여 산출하였다. 인구사회학적, 생활습관 및 건강 관련 특성에 따른 당뇨병 발생 유무, 추적 차수 간 당뇨병 발생의 차이는 chi-square test, independent t-test, one-way analysis of variance로 분석하였다.

본 연구에서는 수신자 조작 특성 곡선(receiver operating characteristic [ROC] curve)과 Youden index(민감도와 특이도의 합에서 1을 뺀 값)를 활용하여 산출한 TyG 관련 지표의 절단값을 기준으로 선행연구에 따라 연구대상군을 각 지표별로 높은 군과 낮은 군으로 구분한 후[24], 당뇨병 누적 발생률의 차이를 분석하였다. 분석결과는 95% 신뢰구간으로 제시하였다. 한편, 본 연구에서 참고한 TyG 관련 지표의 절단값은 남성의 경우 TyG지수가 8.93, TyG–BMI가 214.42, TyG–WC가 724.54, TyG–WHtR가 4.53이며, 여성의 경우 각각 8.50, 222.11, 702.04, 4.45로 산출되었다[24].

또한 TyG 관련 지표를 기준으로 1,000인년(person-year)당 위험사례 수로 당뇨병 누적발생률을 계산하였다. 대상자의 시간경과의 변화에 따른 당뇨병 누적 발생률의 집단 간 생존함수의 비교를 위해 로그순위분석법(log-rank method)을 이용하고 카플란-마이어 생존분석(Kaplan-Meier curve)으로 도식화하였다. 또한 TyG 관련 지표의 각 그룹별 추정된 생존곡선의 동일성을 로그순위 검정을 이용하여 확인하였다.

TyG 관련 지표별 대상자의 당뇨병 발생위험을 비교하기 위해 콕스의 비례위험 회귀모형(Cox’s proportional hazards regression model)을 이용하여 분석을 실시하였다. 콕스의 비례위험 회귀모형의 기본 가정을 검증하기 위해, 로그-로그 플롯(log-log plot) 방법을 사용하여 확인하였다. 단변량 분석에서 유의한 인구사회학적, 생활습관 및 건강 관련 특성 변수를 통제한 후 TyG 관련 지표별로 콕스의 비례위험 회귀모형 분석을 실시하였다. 위험비(hazard ratio)는 유의수준 5%에서 위험비가 1보다 큰 경우 사망위험 증가, 1보다 작은 경우 사망위험 감소로 판단하였다.

5. 윤리적 고려

KoGES는 모든 참여대상자에게 조사 시작 전에 연구 참여에 대한 설명서를 이용하여 소요되는 시간, 이점과 불편감, 정보화 된 동의를 얻어 자료구축과 관련된 윤리적 문제를 최소화하였다. 본 연구의 윤리적 고려를 위하여 전북대학교 기관생명윤리심의위원회(institutional review board [IRB])의 심의 면제 승인(IRB 번호: JBNU 2024-03-027-002)을 받은 후 국립보건연구원(Korea National Institute of Health, KNIH)의 KoGES 수집자료를 활용하기 위해 자료 분양 신청을 하였고, 심의를 거쳐 최종 승인(번호: CODA_S2400017-01)을 받은 후 진행되었다. 최종 연구가 종료된 후 자료폐기 확인서를 제출하여 연구윤리규정을 준수하였다.

결과

1. 연구대상자의 인구사회학적, 생활습관 및 건강 관련 특성과 TyG 관련 지표에 따른 당뇨병의 발생 비례위험

기반조사에 참여한 연구대상자의 인구사회학적, 생활습관 및 건강 관련 특성과 TyG 관련 지표는 Table 1과 같다. 연구대상자는 6,816명이며, 그 중 남자는 47.1%, 평균연령 51.29세, 중졸 이하가 53.1%이며, 소득은 200만 원 미만이 61.8%로 나타났다. 수면시간은 7–8시간인 경우가 50.2%, 비흡연이 59.7%, 현재 음주가 48.7%로 나타났다. 주관적 건강상태는 보통인 경우 36.7%, 당뇨병 가족력은 “없다”가 90.2%, 만성질환은 “없다”가 85.0%이며, 중증도의 신체활동은 “적다”가 92.3%, 격한 신체활동은 “적다”가 72.6%로 나타났다. 대상자의 인구사회학적, 생활습관 및 건강 관련 특성에 따른 당뇨병 발생의 차이에서, 연령(χ²=18.55, p<.001), 당뇨병 가족력(χ²=20.32, p<.001), 만성질환(χ²=50.63, p<.001)은 통계적으로 유의미했다(Table 1, Appendix 1).

연구대상자 6,816명을 18년 동안 추적한 총 관찰인년(person-year)은 68,698.20년으로 1,000인년당 당뇨병 발생률은 약 98.91건이다(Table 1). 당뇨병 발생률이 가장 높았던 시점은 추적 7차(2015–2016년)로, 이 시점에서 총 1,044명이 당뇨병을 진단받았으며, 다른 차수에 비해 통계값이 크고, 통계적으로 유의미하게 차이가 있었다(χ²=2,211.01, p<.001) (Appendix 2). 또한 TyG 관련 지표를 기준으로 당뇨병 발생이 가장 많았던 시점도 7차였으며, 세부적으로는 TyG 지수가 낮은 군에서 261명(25.0%), 높은 군에서 783명(75.0%) 발생하였고, TyG–WC가 낮은 군에서 356명(34.1%), 높은 군에서 688명(65.9%), TyG–BMI가 낮은 군에서 230명(22.0%), 높은 군에서 814명(78.0%), 그리고 TyG–WHtR이 낮은 군에서 315명(30.2%), 높은 군에서 729명(69.8%)의 당뇨병 발생이 확인되었다. 7차 시점에서 모든 TyG 관련 지표군에서 당뇨병 발생률이 가장 높았으며, 이는 다른 추적 시점에 비해 뚜렷하게 높은 경향을 보였다.

TyG 관련 지표별 당뇨병 누적발생률을 확인한 결과, TyG 관련 지표 중 TyG 지수는 높은 군이 68.0%로 나타났고, 1,000인년당 당뇨병 발생률은 높은 군(101.73)이 낮은 군(92.93)보다 높았다. TyG–BMI는 높은 군이 73.1%로 나타났고, 1,000인년당 당뇨병 발생률은 높은 군(100.04)이 낮은 군(95.84)보다 높았다. TyG–WC는 높은 군이 58.7%로 나타났고, 1,000인년당 당뇨병 발생률은 높은 군(101.89)이 낮은 군(94.68)보다 높았다. TyG–WHtR은 높은 군이 61.3%로 나타났고, 1,000인년당 당뇨병 발생률은 높은 군(101.70)이 낮은 군(94.49)보다 높았다(Table 1).

2. 연구대상자의 TyG 관련 지표에 따른 당뇨병 누적 발생률

분석된 TyG 관련 지표는 TyG 지수, TyG–BMI, TyG–WC, TyG–WHtR이며, 이 지표들의 생존곡선을 비교한 결과, 로그순위 검정(Log-rank test)에서 각 지표의 절단값을 기준으로 구분한 군 간 생존곡선의 차이가 통계적으로 유의하였다(p<.001). 즉 TyG 관련 지표가 높은 군에서 당뇨병 누적 발생률이 낮은 군보다 유의하게 높게 나타났다(Figure 2).

3. 콕스 비례위험 회귀분석 결과

콕스 비례위험 회귀분석에서 대상자의 인구사회학적 특성, 생활습관, 건강 관련 특성 중 유의했던 각각의 변수(연령, 만성질환, 당뇨병 가족력)를 단변량 분석으로 확인하였다. 이때 콕스 비례위험 모형의 기본가정을 검증한 결과는 다음과 같다. Durbin-Watson 통계량은 1.791로 기준값인 2에 가까워 자기상관의 문제가 없는 것으로 나타났고, 공차한계는 .14–.50로 .10 이상으로 나타났으며, 분산팽창요인계수(variation inflation factor)를 통해 확인한 결과 모든 변수들의 값이 10보다 크지 않아 다중공선의 문제가 없는 것으로 나타났다. 비례위험 가정(proportional hazards assumption)을 검증하기 위해 로그-로그 플롯(log-log plot) 그래프를 통해 확인한 결과, 두 군의 선이 평행하였고, 각 변수 잔차의 그래프에서 평균 0을 기준으로 위아래(+, –)에서 어떤 규칙이나 추세, 경향, 주기 등이 없이 고르게 무작위로 분포하여 선형성(linearity)을 만족하였다(Appendices 3, 4). 분석결과, 각 변수에 따른 당뇨병 발생의 비례위험은 유의한 차이가 있었다(Table 1). 연령은 40–49세 집단기준 대비 50–59세가 당뇨병 발생위험이 1.19배(95% confidence interval [CI], 1.07–1.31, p=.001), 60–69세가 1.22배(95% CI, 1.08–1.37; p=.001) 증가하는 것으로 나타났다. 당뇨병 가족력에 따라서는 “있다”가 1.42배(95% CI, 1.26–1.61; p<.001) 증가하는 것으로 나타났다. 만성질환에 따라서는 “있다”가 1.53배(95% CI, 1.38–1.70; p<.001) 증가하는 것으로 나타났다(Table 1). TyG 관련 지표 중 TyG 지수는 높은 그룹에서 1.54배(95% CI, 1.40–1.69; p<.001) 증가하는 것으로 나타났으며, TyG–BMI는 높은 그룹에서 1.45배(95% CI, 1.31–1.60; p<.001), TyG–WC는 높은 그룹에서 1.51배(95% CI, 1.38–1.64; p<.001), TyG–WHtR은 높은 그룹에서 1.53배(95% CI, 1.41–1.67; p<.001) 증가하는 것으로 나타났다(Table 1).

단변량 분석에서 유의했던 독립변수인 연령, 당뇨병 가족력, 만성질환을 보정하여 콕스 비례위험 분석을 시행한 결과, TyG 지수, TyG–BMI, TyG–WC, TyG–WHtR에 따른 당뇨병 발생의 비례위험은 유의한 차이가 있었다. TyG 관련 지표 중 TyG 지수에 따른 당뇨병 발생위험은 높은 그룹에서 1.47배(95% CI, 1.34–1.62; p<.001) 증가하는 것으로 나타났으며, TyG–BMI는 높은 그룹에서 1.38배(95% CI, 1.25–1.52; p<.001), TyG–WC는 높은 그룹에서 1.41배(95% CI, 1.29–1.53; p<.001), TyG–WHtR은 높은 그룹에서 1.43배(95% CI, 1.31–1.56; p<.001) 증가하는 것으로 나타났다(Table 2).

고찰

본 연구는 한국 성인의 TyG 관련 지표와 당뇨병 발생의 연관성을 확인하기 위해 코호트 연구 데이터를 활용한 이차분석 연구로, 당뇨병이 없는 성인 6,816명에 대해 18년 추적기간에 당뇨병이 발생한 대상자는 총 6,795명이었고, 당뇨병 발생률은 1,000인년당 약 98.91건으로 확인되었다. 본 연구에서는 TyG 관련 지표 중 TyG 지수, TyG–WHtR, TyG–WC, TyG–BMI 순으로 당뇨병 발생위험이 높게 나타났다.

국외의 선행 문헌에서 TyG 관련 지표와 당뇨병 발생의 연관성은 다양하게 나타났다. 일본인 15,464명을 대상으로 한 13년 동안 추적관찰한 연구에서는 당뇨병 발생밀도가 10,000인년(person-years)당 39.88명으로 나타났고, ROC에서 TyG–WHtR은 중기에서(6–12년) 당뇨병 발생 예측에 있어 가장 높은 예측 정확도를 보였다[28]. 중국의 5,575명을 대상으로 한 후향적 연구에서는 3년 동안 133명(2.39%) 당뇨병이 발생하여 TyG 지수와 TyG 관련 지표들이 당뇨병 위험과 양의 상관관계가 있음을 밝혔다[8]. 국외의 경우 당뇨병의 기준이 국내 기준과 다르게 적용되고, 대상자의 수가 본 연구보다 적거나 추적조사 기간이 본 연구보다 짧은 연구도 있어 본 연구와 명확하게 비교하기는 어렵다. 또한 국내의 경우도 TyG 관련 지표와 당뇨병 발생의 연관성을 본 연구가 미비하여 비교하기 어렵다. 그러나 본 연구와 관찰변수가 같은 국외 연구와 비교하였을 때[8,28], 본 연구에서 당뇨병 발생률이 높은 편임을 알 수 있다. 본 연구의 기반조사 당시 대상자 연령은 40–69세로 당뇨병이 발생하기 쉬운 나이이며 추적관찰 기간에 연령대가 높아지면서 발생위험 또한 연령 증가에 따라 증가한 것으로 보인다. 이에 추적 기간이 가장 길었던 본 연구에서 당뇨병 발생률이 기존 연구보다 높게 나타난 것으로 판단된다.

본 연구에서 TyG 관련 지표에 따른 당뇨병 누적 발생률은 TyG 관련 지표가 높은 군이 관찰 시작 시점부터 종료 시점까지 당뇨병이 지속해서 증가하는 양상을 보였다. 이는 TyG 관련 지표가 높은 대상자인 경우 당뇨병 발생위험이 증가한다는 연구결과와 유사하였으며[8,28], 본 연구에서도 TyG 지수, TyG–WHtR, TyG–WC, TyG–BMI가 높은 그룹에서 당뇨병 발생 비례위험이 1.54배, 1.53배, 1.51배, 1.45배 증가함을 보였다. TyG 관련 지표는 TyG 지수와 여러 비만지표(BMI, WC 및 WHtR)를 결합한 복합지표로 최근 그 유용성에 대한 연구들이 진행되고 있으며, TyG 지수의 단독 사용보다는 다른 복합지표를 사용한 연구에서 그 유용성이 입증되고 있는데[8,18,20,28], 이는 본 연구의 결과와 일치함을 보여주고 있다. 이 지표들을 선행연구의 값을 기준으로 높은 군과 낮은 군으로 나누어 분석했을 때[22], 높은 군에서 당뇨병 발생위험이 증가하는 것을 볼 수 있으며, TyG 관련 지표는 BMI, WC, WHtR, FG, TG를 측정하여 계산하는 지표로 꾸준한 관리를 통해 수정 가능한 요인이다. 따라서 정상범위로 유지할 수 있도록 균형 잡힌 식이 관리, 규칙적인 신체활동 등이 필요함을 시사한다.

본 연구에서 유의하였던 독립변수를 보정한 후 TyG 지수, TyG–WHtR, TyG–WC, TyG–BMI에 따른 당뇨병 발생의 비례위험은 유의하게 나타났으며, 그 중 TyG 지수가 가장 높게 나타났다. 이는 TyG 관련 지표가 당뇨병 발생위험의 예측인자로 나타난 선행연구와 일치하였으나, 그 유의성에 대한 각 지표별 결과는 상이하였다[8,18,20,28]. 이는 국가별 대상자 특성이 다르고, 선정과정 또한 다르기에 발생하였다고 생각된다. 따라서 추후 각 국가별 대상자에 맞게 수정이 가능한 전 세계 공통 당뇨병 예방 프로토콜 및 관리프로그램을 개발하여 관리하는 것이 요구된다.

본 연구에서 대상자의 TyG 지수가 높은 경우 당뇨병 발생위험이 1.47배 높게 나타났으며, 이는 TyG 지수가 당뇨병 발생의 예측인자로 나타난 선행연구 결과와 일치하였다[13-17]. TyG 지수는 TG와 FG을 이용하여 계산하는 지표로 TG와 FG의 당뇨병 발생의 위험요인임을 강조하였다[13-17]. 즉 당뇨병 발생을 줄이기 위해 TG가 높고 FG 관리가 되지 않는 대상자를 조기에 발견하여 관리할 필요가 있다.

TyG–BMI가 높은 경우 당뇨병 발생위험이 1.38배 높게 나타났으며, 이는 TyG–BMI가 당뇨병 발생에 유의한 예측인자로 나타난 연구를 지지한다[8,18,20,28]. TyG–BMI는 TG, FG, 체중 및 신장을 이용하여 계산하는 지표로, TG와 체중은 꾸준한 관리를 통해 수정이 가능하므로, 체지방 관리를 위한 관리전략을 세울 필요가 있다. 단, BMI는 대상자의 근육량이 과다하게 높은 경우나 근육량이 적고 지방이 많은 경우 높게 측정될 수 있다는 제한점이 있다[24].

TyG–WC가 높은 경우 당뇨병 발생위험이 1.41배 높게 나타났으며, 단기적으로(2–6년)는 TyG–WC가 당뇨병 발생에 가장 높은 예측도를 보였다는 연구를 뒷받침한다[28]. TyG–WC는 TG, FG, WC를 이용하여 계산하는 지표로, 복부비만도를 측정하는 지표로는 일반적으로 WC가 쓰이는데, 이러한 복부에 쌓인 내장지방이 기관 주위에 붙어 신체기능을 저하시킬 수 있다[24].

TyG–WHtR이 높은 경우 당뇨병 발생위험이 1.43배 높게 나타났으며, 중기적으로(6–12년)는 TyG–WHtR이 당뇨병 발생에 가장 높은 예측도를 보였다는 연구를 뒷받침한다[3]. TyG–WHtR은 TG, FG, WHtR 비율을 이용하여 계산하며, WC의 정상범위는 국가 또는 인종에 따라 상이하다는 제한점에 이를 신장비로 보정한 지표이다. 특히 동양인에서 대사성 위험요인들과 더 강한 연관성을 가진다고 보고되고 있으며[29,30], 따라서 허리둘레뿐만 아니라 신장도 측정하여 관찰함으로써 당뇨병 발생을 예측하는 데 도움이 될 것으로 생각된다. 또한 이 비율에 따른 당뇨병 유병률을 낮추기 위해 대상자의 체지방관리뿐만 아니라 복부비만 관리가 필요하리라 생각된다.

결과적으로, 본 연구에서는 이들 지표별로 큰 차이 없이 위험도가 비슷하므로, 이는 TyG 관련 지표 전체가 당뇨병의 조기진단과 예방에 중요한 역할을 할 수 있음을 시사한다. 각 지표별로 다른 선행연구에서 유의성이 상이하고, 한 가지의 지표만 사용하기에는 각 지표별 제한점이 존재한다. TyG 지수는 TG와 FG의 조합으로 산출되는 단일지표이지만, WC나 BMI를 추가함으로써 복부비만이나 전신비만을 반영할 수 있으며, 이는 당뇨병 발생과 관련된 다양한 신체적 요소를 통합적으로 고려하는 데 기여할 수 있다. 또한 연구대상의 연령, 성별, 체중 분포에 따라 특정 TyG 관련 지표가 더욱 강한 예측력을 가질 수 있으므로, TyG 관련 지표를 함께 분석하면 개별 지표만으로는 예측하기 어려운 잠재적 위험요인들을 보완하여 예측인자의 신뢰성을 높일 수 있을 것으로 생각된다.

본 연구는 TyG 관련 지표의 중요성을 강조하며, 이를 바탕으로 당뇨병 예방 및 관리전략을 수립하는 데 중요한 기초 자료를 제공한다. 이는 TyG 관련 지표를 활용하여 보다 정밀한 위험평가와 개인 맞춤형 예방전략을 수립할 수 있음을 의미하며, 이에 TyG 관련 지표는 간호사들이 혈당 조절과 관련된 위험요인을 평가할 때 새로운 지표로 활용할 수 있을 것이다. 당뇨병 고위험군 환자나 대사증후군이 의심되는 환자를 대상으로 TyG 관련 지표를 활용한 위험성 평가를 통해 조기 간호중재를 적용할 수 있으며, 이를 통해 TyG 관련 지표가 높은 환자들을 대상으로 개별화된 간호 계획을 세워 당뇨병 발생 이전에 생활습관 개선, 영양교육 및 신체활동 증가, 체중관리 등의 예방적 접근을 강화할 수 있을 것이다.

최종적으로, 본 연구는 당뇨병이 없는 대상자에게서 당뇨병 발생의 위험을 줄이기 위한 예방적 요인으로 연령, 당뇨병 가족력, 만성질환 유무 및 TyG 관련 지표가 확인되었다. 본 연구에서 연령별 분석결과, 40–49세를 기준으로 당뇨병 발생의 비례위험은 50–59세는 1.19배, 60–69세는 1.22배 증가하는 것으로 나타났는데, 이는 중년 이후에는 대사 변화와 함께 당뇨병 발생위험이 높아질 수 있으며, 이에 대한 예방조치가 필요하다는 것을 시사한다. 그리고 본 연구에서 당뇨병 가족력도 당뇨병 발생에 유의한 영향을 미치는 요인이었는데, 이는 당뇨병 가족력이 있는 대상자를 조기 발견하여 맞춤형 전략을 수립할 필요가 있음을 나타낸다. 또한 만성질환을 가진 대상자가 만성질환이 없는 대상자보다 당뇨병 발생위험이 높게 나타났는데, 이는 만성질환 관리의 중요성을 다시 한번 강조한다. 만성질환과 당뇨병은 상호 관련성이 크기 때문에, 만성질환이 있는 대상자를 조기에 발견하여 당뇨병에 대한 위험성을 알리고 만성질환을 효과적으로 관리함으로써 당뇨병 발생위험을 줄이는 것이 필요하다[31]. 따라서 당뇨병 예방 및 관리에 있어 사전 스크리닝을 통해 당뇨병 가족력 및 만성질환이 있는 대상자를 당뇨병 발생위험군으로 선정하여 맞춤형 프로그램을 개발하고, 연령별 맞춤형 전략을 적용하여 만성질환 관리를 강화할 필요가 있다. 이러한 당뇨병 가족력과 같은 인구사회학적 특성은 생활습관 수정으로 변화될 수 없는 요인이지만, 만성질환 유무 및 TyG 관련 지표는 생활습관 관리를 통해 수정이 가능하다. 따라서 당뇨병이 없는 성인의 TyG 관련 지표가 높은 그룹의 대상자들이나 당뇨병 가족력, 만성질환이 있는 대상자들은 지역사회 및 병원에서 위험관리 대상으로 분류하여 지속적으로 추적관찰할 필요가 있다. 예를 들어, 환자가 병원에 입원 혹은 응급실에 내원 중, 외래 진료를 보기 전 기본 혈액검사를 진행하게 되는데, 그 중 FG와 TG가 높은 대상자라면 추적조사 대상자로 미리 분류를 한다. 또한 문진을 통해 당뇨병 가족력과 만성질환 유무를 파악한 후, 지역사회와 연계하여 당뇨병 발생위험이 있는 대상자들이 퇴원 및 진료 후에도 당뇨병이 발생하지 않도록 관리한다. 이러한 추적관찰을 위한 정부의 정책 및 제도가 필요하다고 볼 수 있으며, 이미 각 지자체별로 당뇨병 관리프로그램을 운영하고 있지만, TyG 관련 지표를 활용하여 분류된 대상자 프로그램은 없다. 따라서 지역사회가 대상자들을 당뇨병 발생위험군으로 분류하여 TyG 관련 지표 측정지수(BMI, WC, WHtR, FG, TG)가 정상범위에 있도록 관리한다면 당뇨병 발생을 줄이는 데 큰 기여를 할 수 있을 것이다. 또한 임상현장에 있는 간호사는 대상자가 정상 BMI, WC, FG, TG를 유지할 수 있도록 이에 대한 정확하고 유익한 정보를 제공하고 교육하며, 옹호할 필요가 있다. 예를 들어, 당뇨병 예방을 위해 BMI, WC의 정상범위 유지의 중요성에 대해 강조하는 교육 및 건강증진프로그램을 개발하고 FG 및 TG 관리를 위한 규칙적인 식이 및 생활습관을 증진시키기 위한 캠페인을 진행하는 등 다양한 프로그램 운영이 필요하다. 더불어, 임상실무에서는 당뇨병 환자의 관리와 예방을 위해 TyG 관련 지표를 정기적으로 모니터링하고 관리에 반영하는 시스템을 구축할 수 있다. 이는 의료진 간 협력적 접근을 통해 환자 교육 및 건강관리계획을 수립하고, 당뇨병 발생 가능성이 높은 환자를 선별하여 보다 집중적인 간호가 이루어지게 할 수 있을 것이다.

본 연구의 강점은 대규모 모집단을 대상으로 장기간 데이터를 활용하여 TyG 관련 지표와 당뇨병 발생위험 간의 관계를 체계적으로 분석하였다는 점이다. 또한 다양한 TyG 관련 지표를 고려하여 보다 종합적인 분석을 수행하였다. 그러나 본 연구는 몇 가지 제한점도 가지고 있다. 첫째, 본 연구는 관찰연구로 인과관계를 확립하는 데 한계가 있다. 둘째, 연구대상이 기반조사가 40세에서 69세의 한국인으로 국한되어 있어 다른 인종이나 민족에 대한 일반화에는 주의가 필요하다. 셋째, 본 연구에서는 시간의 흐름과 연령이 사건 발생에 독립적으로 미친 영향을 구분하지 않아, 이에 대한 해석의 주의를 요한다. 넷째, 본 연구에서는 추적기간 동안의 당뇨병 발생 여부를 확인하고, 기저 시점의 변수와 당뇨병 발생 간의 관계를 평가하는 데 초점을 두어 TyG 관련 변수의 시간적 변화를 반영하지 않았으므로 추후 추가분석을 통해 보완할 필요가 있다.

결론

TyG 관련 지표가 높을수록 당뇨병의 누적 발생률이 유의미하게 증가하였고, 남성과 여성 모두 TyG 지수, TyG–BMI, TyG–WC, TyG–WHtR 지표가 높은 그룹에서 당뇨병 발생률이 모두 높았다. 이는 TyG 관련 지표가 당뇨병 발생의 중요한 예측인자임을 나타내며, TyG 지수뿐만 아니라, TyG 관련 지표를 모두 고려하는 것은 당뇨병 발생에 영향을 미칠 수 있는 여러 요인을 통합적으로 분석함으로써 더 신뢰도 높은 결과를 얻기 위한 접근이라고 생각된다. TyG 관련 지표를 활용하여 당뇨병 발생위험군을 조기에 선별하면, 간호사는 환자의 개별 위험도에 따라 맞춤형 예방교육을 제공할 수 있다. 또한 TyG 관련 지표는 장기적으로 당뇨병 발생위험을 지속적으로 모니터링하는 데 유용하여, 대상자의 위험수준 변화에 대한 추적관찰이 가능하다. 이를 통해 위험이 증가하는 시점에 신속한 간호중재가 가능해지며, 이러한 접근은 질병예방 및 관리의 지속 가능성을 강화하는 데 중요한 역할을 할 수 있을 것으로 생각된다.

따라서 당뇨병을 예방하기 위해서는 이를 활용한 조기진단과 예방전략이 당뇨병 관리에 큰 기여를 할 수 있을 것으로 생각되며, 이를 바탕으로 한 예방 및 관리전략 수립이 필요함을 시사한다. 특히 TyG 관련 지표는 비용효율성이 높기 때문에 국민건강검진 항목에 TyG 관련 지표를 추가하여 당뇨병 고위험군을 조기 선별하고 관리하는 예방정책을 구축한다면 의료비 절감 및 국민 건강증진에도 기여할 수 있을 것으로 생각된다. 본 연구는 18년간 지역사회의 장기 추적 코호트 자료를 활용한 연구라는 점과 TyG 관련 지표가 당뇨병 발생에 미치는 영향요인임을 밝혀낸 것에 있어 의의가 있다. 특히 중년 이후의 성인과 만성질환을 가진 환자들에게 적용하여 당뇨병 예방 및 관리를 강화할 수 있다.

본 연구의 결과를 토대로 다음과 같이 제언한다. 연구 측면에서 첫째, 대상자의 일반화를 위해 다양한 연령과 인종의 인구집단을 대상으로 TyG 관련 지표의 당뇨병 발생 예측력을 검증하고, 장기적인 추적관찰을 통해 인과관계를 명확히 하는 연구를 제언한다. 둘째, 당뇨병 발생과 대상자의 연령 및 초기 특성과의 상호작용을 분석하거나, 시간의 흐름이 사건 발생률에 미친 기여도를 확인하는 추가연구를 통해 변수 간의 독립성을 명확하게 하는 것이 필요하다. 셋째, 시간의존 콕스회귀분석(time-dependent Cox regression)을 시행하여 변수의 시간에 따른 변화를 반영하는 후속연구를 제언한다. 이 분석방법은 시간에 따른 변화를 반영한다는 장점이 있으나, 반복 관찰 데이터의 누락 문제로 인해 표본크기가 감소하고 분석기간이 단축될 가능성이 있어 본 연구에서는 대규모 표본을 유지하고 장기간 데이터를 활용할 수 있는 방법을 선택하였다. 향후, 표본크기 및 분석기간이 충분한 데이터를 활용한 추가적인 분석을 통해 이를 보완하는 것이 필요하다. 실무 측면에서는 TyG 관련 지표가 임상현장에서 당뇨병 발생위험을 조기에 평가하고 예방전략을 수립하는 데 중요한 도구로 활용될 수 있다. 이를 활용한 당뇨병 발생을 예방할 수 있는 프로그램 개발을 제언한다. 교육 측면에서 당뇨병 대상자를 정확하게 파악하고, 그들의 TyG 관련 지표를 평가하여, 개인별 맞춤형 교육을 제공하는 것을 기대한다. 정책적 측면에서, BMI, WC, WHtR과 결합한 TyG 관련 지표가 당뇨병 위험 예측 능력을 더욱 향상시킬 수 있음을 강조한다. 또한 건강한 생활습관을 촉진할 수 있는 적절한 보건 프로그램과 정책 개발을 제언한다.

Article Information

Conflicts of Interest

No potential conflict of interest relevant to this article was reported.

Acknowledgements

None.

Funding

This study was provided with bioresources from CODA in National Biobank of Korea, the Agency for Disease Control and Prevention, Republic of Korea.

Data Sharing Statement

Please contact the corresponding author for data availability.

Author Contributions

Conceptualization or/and Methodology: YJP, MS, HSJ, EHY. Data curation or/and Analysis: YJP, MS. Funding acquisition: none. Investigation: YJP, MS, HSJ, EHY. Project administration or/and Supervision: YJP, MS. Resources or/and Software: YJP, MS, HSJ, EHY. Validation: HSJ, EHY. Visualization: YJP. Writing: original draft or/and Review & Editing: YJP, MS, HSJ, EHY. Final approval of the manuscript: YJP, MS, HSJ, EHY.

Fig. 1.

Selection process of participants in this study. FBS, fasting blood sugar; HbA1C, hemoglobin A1C; KoGES, Korean Genome and Epidemiology Study.

Fig. 2.

Cumulative survival curve of diabetes mellitus according to triglyceride-glucose (TyG)–related parameters in adults. (A) Triglyceride-glucose index (TyG index). (B) Triglyceride-glucose–body mass index (TyG–BMI). (C) Triglyceride-glucose–waist circumference (TyG–WC). (D) Triglyceride glucose–waist-to-height ratio (TyG–WHtR).

Table 1.

The cumulative incidence of diabetes mellitus incidence according to characteristics and TyG–related parameters of participants (N=6,816)

Characteristic	No. (%)	DM			HR (95% CI)	p-value
Characteristic	No. (%)	No. of incidence case (%)	Person-year incidence	Incidence rate per 1,000 person-years	HR (95% CI)	p-value
Total	6,816 (100)	6,795 (99.7)	68,698.20	98.91
Gender
Men	3,212 (47.1)	3,206 (46.0)	31,631.30	101.36	1
Women	3,604 (52.9)	3,589 (54.0)	37,066.90	96.82	0.88 (0.08–1.01)	.072
Age (yr)
40–49	3,546 (52.0)	3,534 (54.0)	37,121.70	95.20	1
50–59	1,711 (25.1)	1,707 (25.3)	17,369.70	98.27	1.19 (1.07–1.31)	.001
60–69	1,559 (22.9)	1,554 (20.7)	14,206.80	109.38	1.22 (1.08–1.37)	.001
Marital status
Unmarried	83 (1.2)	83 (1.1)	796.90	104.15	1
Married	6,216 (91.2)	6,197 (91.8)	63,032.00	98.32	0.87
Others (divorced, separated, widowed)	517 (7.6)	515 (7.1)	4,869.30	105.76	0.91 (0.63–1.34)	.641
Occupation
Professional	301 (4.4)	301 (4.4)	3,056.20	98.49	1
Non-professional	6,515 (95.6)	6,494 (95.6)	65,642.00	98.93	1.01 (0.83–1.23)	.948
Monthly income (10,000 won)
<200	4,214 (61.8)	4,200 (61.8)	41,797.10	100.49	1
200–<400	2,059 (30.2)	2,053 (30.2)	21,235.40	96.68	0.92
≥400	543 (8.0)	542 (8.0)	5,665.70	95.66	0.98 (0.84–1.15)	.982
Education level
≤Middle school	3,617 (53.1)	3,603 (52.0)	35,738.90	100.81	1
High school	2,217 (32.5)	2,210 (33.4)	22,928.40	96.39	1.03
≥College	982 (14.4)	982 (14.6)	10,030.90	97.90	1.00 (0.88–1.15)	.954
Sleep duration per night (hr)
≤6	2,916 (42.8)	2,905 (42.8)	29,405.80	98.79	1
7–8	3,422 (50.2)	3,413 (50.4)	34,604.50	98.63	0.94
≥9	478 (7.0)	477 (6.8)	4,687.90	101.75	0.98 (0.83–1.15)	.793
Cigarette smoking
Never smoker	4,066 (59.7)	4,050 (61.1)	41,974.50	96.49	1
Former smoker	1,077 (15.8)	1,074 (15.7)	10,753.90	99.87	1.03
Current smoker	1,673 (24.5)	1,671 (23.2)	15,969.80	104.63	1.12 (0.98–1.28)	.104
Alcohol consumption
Never drinker	3,093 (45.4)	3,080 (45.3)	31,343.90	98.26	1
Former drinker	404 (5.9)	403 (5.9)	4,017.60	100.31	0.92
Current drinker	3,319 (48.7)	3,312 (48.8)	33,336.70	99.35	0.99 (0.90–1.09)	.848
Self-reported health status
Poor	2,069 (30.4)	2,061 (29.2)	20,055.80	102.76	1
Fair	2,504 (36.7)	5,495 (37.6)	25,817.40	212.84	0.93
Good	2,243 (32.9)	2,239 (33.2)	22,825.00	98.09	0.98 (0.89–1.09)	.735
Family history of DM
No	6,151 (90.2)	6,132 (90.6)	62,216.60	98.56	1
Yes	665 (9.8)	663 (9.4)	6,481.60	102.29	1.42 (1.26–1.61)	<.001
Chronic disease
No	5,795 (85.0)	5,776 (86.4)	59,380.50	97.27	1
Yes	1,021 (15.0)	1,019 (13.6)	9,317.70	109.36	1.53 (1.38–1.70)	<.001
Moderate physical activity
Low	6,294 (92.3)	6,275 (92.1)	63,283.20	99.16	1
High	522 (7.7)	520 (7.9)	5,415.00	96.03	0.92 (0.79–1.07)	.270
Severe physical activity
Low	4,949 (72.6)	4,933 (72.4)	49,716.5	99.22	1
High	1,867 (27.4)	1,862 (27.6)	18,981.70	98.09	0.98 (0.90–1.07)	.671
TyG index
Low	2,054 (30.1)	2,046 (32.0)	22,016.00	92.93	1
High	4,762 (69.9)	4,749 (68.0)	46,682.20	101.73	1.54 (1.40–1.69)	<.001
TyG–BMI
Low	1,780 (26.1)	1,772 (26.9)	18,489.80	95.84	1
High	5,036 (73.9)	5,023 (73.1)	50,208.40	100.04	1.45 (1.31–1.60)	<.001
TyG–WC
Low	2,700 (39.6)	2,688 (41.3)	28,389.80	94.68	1
High	4,116 (60.4)	4,107 (58.7)	40,308.40	101.89	1.51 (1.38–1.64)	<.001
TyG–WHtR
Low	2,522 (37.0)	2,512 (38.7)	26,586.20	94.49	1
High	4,294 (63.0)	4,283 (61.3)	42,112.00	101.70	1.53 (1.41–1.67)	<.001

CI, confidence interval; DM, diabetes mellitus; HR, hazard ratio; TyG, triglyceride-glucose; TyG index, triglyceride-glucose index; TyG–WC, triglyceride-glucose–waist circumference; TyG–BMI, triglyceride-glucose–body mass index; TyG–WHtR, triglyceride glucose–waist-to-height ratio.

Table 2.

The hazard ratios of diabetes mellitus according to the TyG–related parameters of participants (N=6,816)

Classification	HR (95% CI)	p
TyG index (ref: low)	1.47 (1.34–1.62)	<.001
TyG–BMI (ref: low)	1.38 (1.25–1.52)	<.001
TyG–WC (ref: low)	1.41 (1.29–1.53)	<.001
TyG–WHtR (ref: low)	1.43 (1.31–1.56)	<.001

The references were TyG index (low), TyG–BMI (low), TyG–WC (low), and TyG–WHtR (low). The controlled variables were demographic, lifestyle, and health-related characteristics.

CI, confidence interval; HR, hazard ratio; TyG, triglyceride-glucose; TyG–BMI, triglyceride-glucose–body mass index; TyG index, triglyceride-glucose index; TyG–WC, triglyceride-glucose–waist circumference; TyG–WHtR, triglyceride glucose–waist-to-height ratio.

References

1. World Health Organization. Diabetes 2021 [Internet]. World Health Organization; 2021 [cited 2025 Jan 10]. Available from: https://www.who.int/news-room/fact-sheets/detail/diabetes
2. Saeedi P, Petersohn I, Salpea P, Malanda B, Karuranga S, Unwin N, et al. Global and regional diabetes prevalence estimates for 2019 and projections for 2030 and 2045: results from the International Diabetes Federation Diabetes Atlas, 9th edition. Diabetes Res Clin Pract. 2019;157:107843. https://doi.org/10.1016/j.diabres.2019.107843Article PubMed
3. Sun H, Saeedi P, Karuranga S, Pinkepank M, Ogurtsova K, Duncan BB, et al. IDF Diabetes Atlas: global, regional and country-level diabetes prevalence estimates for 2021 and projections for 2045. Diabetes Res Clin Pract. 2022;183:109119. https://doi.org/10.1016/j.diabres.2021.109119Article PubMed PMC
4. Magliano DJ, Boyko EJ; IDF Diabetes Atlas 10th edition scientific committee. IDF Diabetes Atlas [Internet]. 10th ed. International Diabetes Federation; 2021 [cited 2025 Jan 10]. Available from: https://pubmed.ncbi.nlm.nih.gov/35914061/
5. Bae JH, Han KD, Ko SH, Yang YS, Choi JH, Choi KM, et al. Diabetes fact sheet in Korea 2021. Diabetes Metab J. 2022;46(3):417-426. https://doi.org/10.4093/dmj.2022.0106Article PubMed PMC
6. Fukuda H, Mizobe M. Impact of nonadherence on complication risks and healthcare costs in patients newly-diagnosed with diabetes. Diabetes Res Clin Pract. 2017;123:55-62. https://doi.org/10.1016/j.diabres.2016.11.007Article PubMed
7. Ghandour R, Mikki N, Abu Rmeileh NM, Jerdén L, Norberg M, Eriksson JW, et al. Complications of type 2 diabetes mellitus in Ramallah and al-Bireh: the Palestinian Diabetes Complications and Control Study (PDCCS). Prim Care Diabetes. 2018;12(6):547-557. https://doi.org/10.1016/j.pcd.2018.07.002Article PubMed
8. Xing Y, Liu J, Gao Y, Zhu Y, Zhang Y, Ma H. Stronger associations of TyG index with diabetes than TyG-obesity-related parameters: more pronounced in young, middle-aged, and women. Diabetes Metab Syndr Obes. 2023;16:3795-3805. https://doi.org/10.2147/DMSO.S433493Article PubMed PMC
9. National Health Insurance Service. Medical aid statistics 2022 [Internet]. National Health Insurance Service; 2022 [cited 2025 Jan 10]. Available from: https://www.nhis.or.kr/nhis/together/wbhaec06500m01.do?mode=view&articleNo=10839093&article.offset=0&articleLimit=10
10. George C, Echouffo-Tcheugui JB, Jaar BG, Okpechi IG, Kengne AP. The need for screening, early diagnosis, and prediction of chronic kidney disease in people with diabetes in low- and middle-income countries: a review of the current literature. BMC Med. 2022;20(1):247. https://doi.org/10.1186/s12916-022-02438-6Article PubMed PMC
11. DeFronzo RA. Lilly Lecture 1987. The triumvirate: beta-cell, muscle, liver: a collusion responsible for NIDDM. Diabetes. 1988;37(6):667-687. https://doi.org/10.2337/diab.37.6.667Article PubMed
12. Shin KA, Hong SB, Shin KS. Body adiposity index and metabolic syndrome risk factors in Korean adults: a comparison with body mass index and other parameters. Biomed Sci Lett. 2017;23(2):57-63. https://doi.org/10.15616/BSL.2017.23.2.57Article
13. Yun YS, Park SW, Song YD, Park HK, Kim OY, Ahn CW, et al. Limitation of validity of homeostasis model assessment as a index of insulin resistance. J Korean Diabetes Assoc. 2000;24(5):541-551.
14. Simental-Mendía LE, Rodríguez-Morán M, Guerrero-Romero F. The product of fasting glucose and triglycerides as surrogate for identifying insulin resistance in apparently healthy subjects. Metab Syndr Relat Disord. 2008;6(4):299-304. https://doi.org/10.1089/met.2008.0034Article PubMed
15. Dikaiakou E, Vlachopapadopoulou EA, Paschou SA, Athanasouli F, Panagiotopoulos Ι, Kafetzi M, et al. Τriglycerides-glucose (TyG) index is a sensitive marker of insulin resistance in Greek children and adolescents. Endocrine. 2020;70(1):58-64. https://doi.org/10.1007/s12020-020-02374-6Article PubMed
16. Fritz J, Bjørge T, Nagel G, Manjer J, Engeland A, Häggström C, et al. The triglyceride-glucose index as a measure of insulin resistance and risk of obesity-related cancers. Int J Epidemiol. 2020;49(1):193-204. https://doi.org/10.1093/ije/dyz053Article PubMed
17. Lee SB, Kim MK, Kang S, Park K, Kim JH, Baik SJ, et al. Triglyceride glucose index is superior to the homeostasis model assessment of insulin resistance for predicting nonalcoholic fatty liver disease in Korean adults. Endocrinol Metab (Seoul). 2019;34(2):179-186. https://doi.org/10.3803/EnM.2019.34.2.179Article PubMed PMC
18. Vasques AC, Novaes FS, de Oliveira Mda S, Souza JR, Yamanaka A, Pareja JC, et al. TyG index performs better than HOMA in a Brazilian population: a hyperglycemic clamp validated study. Diabetes Res Clin Pract. 2011;93(3):e98-e100. https://doi.org/10.1016/j.diabres.2011.05.030Article PubMed
19. Abbasi F, Reaven GM. Comparison of two methods using plasma triglyceride concentration as a surrogate estimate of insulin action in nondiabetic subjects: triglycerides × glucose versus triglyceride/high-density lipoprotein cholesterol. Metabolism. 2011;60(12):1673-1676. https://doi.org/10.1016/j.metabol.2011.04.006Article PubMed
20. Miao H, Zhou Z, Yang S, Zhang Y. The association of triglyceride-glucose index and related parameters with hypertension and cardiovascular risk: a cross-sectional study. Hypertens Res. 2024;47(4):877-886. https://doi.org/10.1038/s41440-023-01502-9Article PubMed
21. Lim J, Kim J, Koo SH, Kwon GC. Comparison of triglyceride glucose index, and related parameters to predict insulin resistance in Korean adults: an analysis of the 2007-2010 Korean National Health and Nutrition Examination Survey. PLoS One. 2019;14(3):e0212963. https://doi.org/10.1371/journal.pone.0212963Article PubMed PMC
22. Zheng S, Shi S, Ren X, Han T, Li Y, Chen Y, et al. Triglyceride glucose-waist circumference, a novel and effective predictor of diabetes in first-degree relatives of type 2 diabetes patients: cross-sectional and prospective cohort study. J Transl Med. 2016;14(1):260. https://doi.org/10.1186/s12967-016-1020-8Article PubMed PMC
23. Bae JH. Association between triglyceride glucose index and prediabetes: a cross-sectional study of KNHANES [master's thesis]. Yonsei University; 2023. [cited 2025 Jan 10]. Available from: https://dcollection.yonsei.ac.kr/public_resource/pdf/000000550460_20250324090613.pdf
24. Na KH. Association between TyG-related parameters and prediabetes: a cross-sectional study of KNHANES (2019-2021). Yonsei University; 2024.
25. Nathan DM, Davidson MB, DeFronzo RA, Heine RJ, Henry RR, Pratley R, et al. Impaired fasting glucose and impaired glucose tolerance: implications for care. Diabetes Care. 2007;30(3):753-759. https://doi.org/10.2337/dc07-9920Article PubMed
26. Korean Diabetes Association. "What is diabetes?" [Internet]. Korean Diabetes Association; [date unknown]; [cited 2025 Jan 10]. Available from: https://old.diabetes.or.kr/general/class/index.php?idx=5
27. Korean Diabetes Association. Clinical practice guidelines for obesity 2022 [Internet]. Korean Diabetes Association; 2022 [cited 2025 Jan 10]. Available from: https://general.kosso.or.kr/html/?pmode=BBBS0001300003&page=1&smode=view&seq=1383&searchValue=&searchTitle=strTitle
28. Hsieh SD, Yoshinaga H, Muto T. Waist-to-height ratio, a simple and practical index for assessing central fat distribution and metabolic risk in Japanese men and women. Int J Obes Relat Metab Disord. 2003;27(5):610-616. https://doi.org/10.1038/sj.ijo.0802259Article PubMed
29. Ashwell M, Gunn P, Gibson S. Waist-to-height ratio is a better screening tool than waist circumference and BMI for adult cardiometabolic risk factors: systematic review and meta-analysis. Obes Rev. 2012;13(3):275-286. https://doi.org/10.1111/j.1467-789X.2011.00952.xArticle PubMed
30. Lee CM, Huxley RR, Wildman RP, Woodward M. Indices of abdominal obesity are better discriminators of cardiovascular risk factors than BMI: a meta-analysis. J Clin Epidemiol. 2008;61(7):646-653. https://doi.org/10.1016/j.jclinepi.2007.08.012Article PubMed
31. Chung HS, Seo JA, Kim SG, Kim NH, Kim DM, Chung CH, et al. Relationship between metabolic syndrome and risk of chronic complications in Koreans with type 2 diabetes. Diabetes Metab J. 2009;33(5):392-400. https://doi.org/10.4093/kdj.2009.33.5.392Article

Appendix

Appendix 1.

Diabetes mellitus incidence according to characteristics of participants (N=6,816)

Characteristic	DM (N=6,816)		χ² (p)
Characteristic	Yes (n=2,440)	No (n=4,376)	χ² (p)
Gender
Men	1,186 (36.9)	2,026 (63.1)	3.35 (.067)
Women	1,254 (34.8)	2,350 (65.2)
Age (yr)
40–49	1,200 (33.8)	2,346 (66.2)	18.55 (<.001)
50–59	683 (39.9)	1,028 (60.1)
60–69	557 (35.7)	1,002 (64.3)
Marital status
Unmarried	32 (38.6)	51 (61.4)	0.35 (.838)
Married	2,226 (35.8)	3,990 (64.2)
Others (divorced, separated, widowed)	182 (35.2)	335 (64.8)
Occupation
Professional	109 (36.2)	192 (63.8)	0.02 (.878)
Non-professional	2,331 (35.8)	4,184 (64.2)
Monthly income (10,000 won)
<200	1,536 (36.4)	2,678 (63.6)	4.13 (.127)
200–<400	701 (34.0)	1,358 (66.0)
≥400	203 (37.4)	340 (62.6)
Education level
≤Middle school	1,280 (35.4)	2,337 (64.6)	0.59 (.746)
High school	802 (36.2)	1,415 (63.8)
≥College	358 (36.5)	624 (63.5)
Self-reported health status
Unhealthy	745 (36.0)	1,324 (64.0)	0.90 (.639)
Average	879 (35.1)	1,625 (64.9)
Healthy	816 (36.4)	1,427 (63.6)
Sleep duration per night (hr)
≤6	1,064 (36.5)	1,852 (63.5)	1.35 (.508)
7–8	1,202 (35.1)	2,220 (64.9)
≥9	174 (36.4)	304 (63.6)
Family history of DM
Yes	291 (43.8)	374 (56.2)	20.32 (<.001)
No	2,149 (34.9)	4,002 (65.1)
Chronic disease
Yes	1,974 (34.1)	3,821 (65.9)	50.63 (<.001)
No	466 (45.6)	555 (54.4)
Cigarette smoking
Never smoker	1,425 (35.0)	2,641 (65.0)	2.56 (.279)
Former smoker	401 (37.2)	676 (62.8)
Current smoker	614 (36.7)	1,059 (63.3)
Alcohol consumption
Never drinker	1,092 (35.3)	2,001 (64.7)	0.62 (.734)
Former drinker	145 (35.9)	259 (64.1)
Current drinker	1,203 (36.2)	2,116 (63.8)

Values are presented as number (%) unless otherwise stated.

DM, diabetes mellitus.

Appendix 2.

Diabetes mellitus incidence according to each phase (N=6,816)

DM	Phase 1 (2003–2004)	Phase 2 (2005–2006)	Phase 3 (2007–2008)	Phase 4 (2011–2012)	Phase 5 (2013–2014)	Phase 6 (2013–2014)	Phase 7 (2015–2016)
Yes	0 (0)	257 (3.8)	393 (5.8)	449 (6.6)	574 (8.4)	1,021 (15.0)	1,044 (15.3)
No	6,816 (100.0)	6,559 (96.2)	6,423 (94.2)	6,367 (93.4)	6,242 (91.6)	5,795 (85.0)	5,772 (84.7)

Values are presented as number (%) unless otherwise stated.

DM, diabetes mellitus.

Appendix 3.

Log-log plot graph of triglyceride-glucose (TyG)–related parameters in adults for proportional hazards assumption. (A) Triglyceride-glucose index (TyG index). (B) Triglyceride-glucose–body mass index (TyG–BMI). (C) Triglyceride-glucose–waist circumference (TyG–WC). (D) Triglyceride glucose–waist-to-height ratio (TyG–WHtR).

Appendix 4.

Linearity graph of triglyceride-glucose (TyG)–related parameters in adults for proportional hazards assumption. (A) Triglyceride-glucose index (TyG index). (B) Triglyceride-glucose–body mass index (TyG–BMI). (C) Triglyceride-glucose–waist circumference (TyG–WC). (D) Triglyceride glucose–waist-to-height ratio (TyG–WHtR).

Figure & Data

REFERENCES

Citations

Citations to this article as recorded by

ePub Link

Cite

CITE: export Copy Download Format; Close

Download Citation

Download a citation file in RIS format that can be imported by all major citation management software, including EndNote, ProCite, RefWorks, and Reference Manager.

Format:

RIS — For EndNote, ProCite, RefWorks, and most other reference management software
BibTeX — For JabRef, BibDesk, and other BibTeX-specific software

Include:

Citation for the content below
Citation and abstract for the content below

Triglyceride-glucose parameters as predictors of diabetes mellitus incidence in Korean adults: a secondary analysis of the Korean Genome and Epidemiology Study

DOI: https://doi.org/10.4040/jkan.24108

XML Download

Figure

We recommend

Triglyceride-glucose parameters as predictors of diabetes mellitus incidence in Korean adults: a secondary analysis of the Korean Genome and Epidemiology Study

Fig. 1. Selection process of participants in this study. FBS, fasting blood sugar; HbA1C, hemoglobin A1C; KoGES, Korean Genome and Epidemiology Study.

Fig. 2. Cumulative survival curve of diabetes mellitus according to triglyceride-glucose (TyG)–related parameters in adults. (A) Triglyceride-glucose index (TyG index). (B) Triglyceride-glucose–body mass index (TyG–BMI). (C) Triglyceride-glucose–waist circumference (TyG–WC). (D) Triglyceride glucose–waist-to-height ratio (TyG–WHtR).

Fig. 1.

Fig. 2.

Triglyceride-glucose parameters as predictors of diabetes mellitus incidence in Korean adults: a secondary analysis of the Korean Genome and Epidemiology Study

Characteristic	No. (%)	DM			HR (95% CI)	p-value
Characteristic	No. (%)	No. of incidence case (%)	Person-year incidence	Incidence rate per 1,000 person-years	HR (95% CI)	p-value
Total	6,816 (100)	6,795 (99.7)	68,698.20	98.91
Gender
Men	3,212 (47.1)	3,206 (46.0)	31,631.30	101.36	1
Women	3,604 (52.9)	3,589 (54.0)	37,066.90	96.82	0.88 (0.08–1.01)	.072
Age (yr)
40–49	3,546 (52.0)	3,534 (54.0)	37,121.70	95.20	1
50–59	1,711 (25.1)	1,707 (25.3)	17,369.70	98.27	1.19 (1.07–1.31)	.001
60–69	1,559 (22.9)	1,554 (20.7)	14,206.80	109.38	1.22 (1.08–1.37)	.001
Marital status
Unmarried	83 (1.2)	83 (1.1)	796.90	104.15	1
Married	6,216 (91.2)	6,197 (91.8)	63,032.00	98.32	0.87
Others (divorced, separated, widowed)	517 (7.6)	515 (7.1)	4,869.30	105.76	0.91 (0.63–1.34)	.641
Occupation
Professional	301 (4.4)	301 (4.4)	3,056.20	98.49	1
Non-professional	6,515 (95.6)	6,494 (95.6)	65,642.00	98.93	1.01 (0.83–1.23)	.948
Monthly income (10,000 won)
<200	4,214 (61.8)	4,200 (61.8)	41,797.10	100.49	1
200–<400	2,059 (30.2)	2,053 (30.2)	21,235.40	96.68	0.92
≥400	543 (8.0)	542 (8.0)	5,665.70	95.66	0.98 (0.84–1.15)	.982
Education level
≤Middle school	3,617 (53.1)	3,603 (52.0)	35,738.90	100.81	1
High school	2,217 (32.5)	2,210 (33.4)	22,928.40	96.39	1.03
≥College	982 (14.4)	982 (14.6)	10,030.90	97.90	1.00 (0.88–1.15)	.954
Sleep duration per night (hr)
≤6	2,916 (42.8)	2,905 (42.8)	29,405.80	98.79	1
7–8	3,422 (50.2)	3,413 (50.4)	34,604.50	98.63	0.94
≥9	478 (7.0)	477 (6.8)	4,687.90	101.75	0.98 (0.83–1.15)	.793
Cigarette smoking
Never smoker	4,066 (59.7)	4,050 (61.1)	41,974.50	96.49	1
Former smoker	1,077 (15.8)	1,074 (15.7)	10,753.90	99.87	1.03
Current smoker	1,673 (24.5)	1,671 (23.2)	15,969.80	104.63	1.12 (0.98–1.28)	.104
Alcohol consumption
Never drinker	3,093 (45.4)	3,080 (45.3)	31,343.90	98.26	1
Former drinker	404 (5.9)	403 (5.9)	4,017.60	100.31	0.92
Current drinker	3,319 (48.7)	3,312 (48.8)	33,336.70	99.35	0.99 (0.90–1.09)	.848
Self-reported health status
Poor	2,069 (30.4)	2,061 (29.2)	20,055.80	102.76	1
Fair	2,504 (36.7)	5,495 (37.6)	25,817.40	212.84	0.93
Good	2,243 (32.9)	2,239 (33.2)	22,825.00	98.09	0.98 (0.89–1.09)	.735
Family history of DM
No	6,151 (90.2)	6,132 (90.6)	62,216.60	98.56	1
Yes	665 (9.8)	663 (9.4)	6,481.60	102.29	1.42 (1.26–1.61)	<.001
Chronic disease
No	5,795 (85.0)	5,776 (86.4)	59,380.50	97.27	1
Yes	1,021 (15.0)	1,019 (13.6)	9,317.70	109.36	1.53 (1.38–1.70)	<.001
Moderate physical activity
Low	6,294 (92.3)	6,275 (92.1)	63,283.20	99.16	1
High	522 (7.7)	520 (7.9)	5,415.00	96.03	0.92 (0.79–1.07)	.270
Severe physical activity
Low	4,949 (72.6)	4,933 (72.4)	49,716.5	99.22	1
High	1,867 (27.4)	1,862 (27.6)	18,981.70	98.09	0.98 (0.90–1.07)	.671
TyG index
Low	2,054 (30.1)	2,046 (32.0)	22,016.00	92.93	1
High	4,762 (69.9)	4,749 (68.0)	46,682.20	101.73	1.54 (1.40–1.69)	<.001
TyG–BMI
Low	1,780 (26.1)	1,772 (26.9)	18,489.80	95.84	1
High	5,036 (73.9)	5,023 (73.1)	50,208.40	100.04	1.45 (1.31–1.60)	<.001
TyG–WC
Low	2,700 (39.6)	2,688 (41.3)	28,389.80	94.68	1
High	4,116 (60.4)	4,107 (58.7)	40,308.40	101.89	1.51 (1.38–1.64)	<.001
TyG–WHtR
Low	2,522 (37.0)	2,512 (38.7)	26,586.20	94.49	1
High	4,294 (63.0)	4,283 (61.3)	42,112.00	101.70	1.53 (1.41–1.67)	<.001

Classification	HR (95% CI)	p
TyG index (ref: low)	1.47 (1.34–1.62)	<.001
TyG–BMI (ref: low)	1.38 (1.25–1.52)	<.001
TyG–WC (ref: low)	1.41 (1.29–1.53)	<.001
TyG–WHtR (ref: low)	1.43 (1.31–1.56)	<.001

Characteristic	DM (N=6,816)		χ² (p)
Characteristic	Yes (n=2,440)	No (n=4,376)	χ² (p)
Gender
Men	1,186 (36.9)	2,026 (63.1)	3.35 (.067)
Women	1,254 (34.8)	2,350 (65.2)
Age (yr)
40–49	1,200 (33.8)	2,346 (66.2)	18.55 (<.001)
50–59	683 (39.9)	1,028 (60.1)
60–69	557 (35.7)	1,002 (64.3)
Marital status
Unmarried	32 (38.6)	51 (61.4)	0.35 (.838)
Married	2,226 (35.8)	3,990 (64.2)
Others (divorced, separated, widowed)	182 (35.2)	335 (64.8)
Occupation
Professional	109 (36.2)	192 (63.8)	0.02 (.878)
Non-professional	2,331 (35.8)	4,184 (64.2)
Monthly income (10,000 won)
<200	1,536 (36.4)	2,678 (63.6)	4.13 (.127)
200–<400	701 (34.0)	1,358 (66.0)
≥400	203 (37.4)	340 (62.6)
Education level
≤Middle school	1,280 (35.4)	2,337 (64.6)	0.59 (.746)
High school	802 (36.2)	1,415 (63.8)
≥College	358 (36.5)	624 (63.5)
Self-reported health status
Unhealthy	745 (36.0)	1,324 (64.0)	0.90 (.639)
Average	879 (35.1)	1,625 (64.9)
Healthy	816 (36.4)	1,427 (63.6)
Sleep duration per night (hr)
≤6	1,064 (36.5)	1,852 (63.5)	1.35 (.508)
7–8	1,202 (35.1)	2,220 (64.9)
≥9	174 (36.4)	304 (63.6)
Family history of DM
Yes	291 (43.8)	374 (56.2)	20.32 (<.001)
No	2,149 (34.9)	4,002 (65.1)
Chronic disease
Yes	1,974 (34.1)	3,821 (65.9)	50.63 (<.001)
No	466 (45.6)	555 (54.4)
Cigarette smoking
Never smoker	1,425 (35.0)	2,641 (65.0)	2.56 (.279)
Former smoker	401 (37.2)	676 (62.8)
Current smoker	614 (36.7)	1,059 (63.3)
Alcohol consumption
Never drinker	1,092 (35.3)	2,001 (64.7)	0.62 (.734)
Former drinker	145 (35.9)	259 (64.1)
Current drinker	1,203 (36.2)	2,116 (63.8)

DM	Phase 1 (2003–2004)	Phase 2 (2005–2006)	Phase 3 (2007–2008)	Phase 4 (2011–2012)	Phase 5 (2013–2014)	Phase 6 (2013–2014)	Phase 7 (2015–2016)
Yes	0 (0)	257 (3.8)	393 (5.8)	449 (6.6)	574 (8.4)	1,021 (15.0)	1,044 (15.3)
No	6,816 (100.0)	6,559 (96.2)	6,423 (94.2)	6,367 (93.4)	6,242 (91.6)	5,795 (85.0)	5,772 (84.7)

Table 1. The cumulative incidence of diabetes mellitus incidence according to characteristics and TyG–related parameters of participants (N=6,816)

Table 2. The hazard ratios of diabetes mellitus according to the TyG–related parameters of participants (N=6,816)

The references were TyG index (low), TyG–BMI (low), TyG–WC (low), and TyG–WHtR (low). The controlled variables were demographic, lifestyle, and health-related characteristics.

Values are presented as number (%) unless otherwise stated.

DM, diabetes mellitus.

Values are presented as number (%) unless otherwise stated.

DM, diabetes mellitus.