TWI805256B

TWI805256B - 代謝症候群嚴重度評分方法及其系統

Info

Publication number: TWI805256B
Application number: TW111108050A
Authority: TW
Inventors: 林志銘
Original assignee: 銘傳大學
Priority date: 2022-03-04
Filing date: 2022-03-04
Publication date: 2023-06-11
Also published as: TW202335635A

Abstract

本發明係提供一種代謝症候群嚴重度評分方法及其系統，其透過輸入包含腰圍（Waist Circumference, WC）、空腹血糖（Fasting Plasma Glucose, FPG）、三酸甘油酯（Triglycerides, TG）、高密度膽固醇（High density lipoprotein-cholesterol, HDL）及收縮壓（Systolic Blood Pressure, SBP）之自變數，分別對應導入至一方程式以求得一評分數值，可依據評分數值對應個人代謝症候群（Metabolic Syndrome, MS）嚴重度，相較於目前之代謝症候群診斷，識別代謝症候群之危險因素更具敏感度，可藉以作為代謝症候群早期亞臨床疾病潛在危險因素之指標。

Description

代謝症候群嚴重度評分方法及其系統

本發明係提供一種代謝症候群嚴重度評分方法及其系統，可依據自變數，包含腰圍（Waist Circumference, WC）、空腹血糖（Fasting Plasma Glucose, FPG）、三酸甘油酯（Triglycerides, TG）、高密度膽固醇（High density lipoprotein-cholesterol, HDL）及收縮壓（Systolic Blood Pressure, SBP），透過對應之性別年齡層方程式求得一評分數值，藉以作為代謝症候群早期亞臨床疾病潛在危險因素之指標。

按，代謝症候群（Metabolic Syndrome, MS）係第二型糖尿病及心血管疾病（Cardiovascular disease, CVD）之危險因素，隨肥胖率之上升及人口老化之影響，代謝症候群之患病率亦逐漸上升；過去12 年中，我國之代謝症候群亦幾近翻倍，由13.6%提升至25.5%。現有之代謝症候群判定主要參考為ATP III標準，係以存在以下三種或更多情況時予以確認之：男性腰圍 ≥ 90 cm，女性腰圍 ≥ 80 cm；空腹血糖（FPG）≥100 mg/dL （5.55 mmol/L）或使用抗糖尿病藥物；收縮壓 (SBP) ≥ 130 mmHg、舒張壓 ≥ 85 mmHg，或使用抗高血壓藥物；空腹甘油三酯（TG） ≥ 150 mg/dL；高密度脂蛋白（HDL）膽固醇在男性中＜ 40 mg/dL，在女性中＜ 50 mg/dL。判斷代謝症候群係可透過評估及解決相關風險因素來預防，例如：個人社會經濟狀況及生活方式行為，其包含：吸煙、飲酒、飲食習慣、身體活動、抗氧化劑（如：維生素 C 和維生素 E）之攝取、個人收入、職業與教育等。

現有之代謝症候群判定，只取五項檢測值超過標準值之個數做為其判斷方式，並未對五項檢驗值做量化估計，可能會造成風險的誤判。例如，縱使受測者有非常高的三酸甘油脂（血脂），只要五項檢驗異常低於三項，即會被判定為代謝症候群正常者。而代謝症候群之臨床意義一直存在疑問，因其臨床判斷方式被認為與心血管疾病之判斷相同，部分學者亦認為其係對糖尿病患者之重複診斷，建議代謝症候群之標準應排除糖尿病與心血管疾病患者。另外在過去的研究發現，連續或數值型之代謝症候群評分比二分法更不容易出錯，因此，臨床醫生應評估及治療所有與心血管疾病相關之危險因素，而不僅僅是將代謝症候群作為診斷標準，以更有效地預防疾病。

先前關於連續代謝症候群測量評分之研究使用了多種工具，例如：主成分分析、Z 分數、百分位排名及因子分析；而年齡是預測心血管疾病發展之關鍵因素，故需要納入其評分系統以提升其有效性，透過年齡校正可用來評估從兒童期到成年期的代謝症候群風險。因此，連續代謝症候群評分在不同年齡階段之代謝症候群預防、診斷和治療中具有重要價值。

我國目前未有連續代謝症候群評分系統，其他國家已開發之評分系統因人口學差異，亦不能作為國人使用。

有鑑於此，本發明以我國人口特性進行連結，進一步開發代謝症候群嚴重度之評估方式，期以一較佳發明以解決上述問題，在經過不斷試驗及修改後而有本發明之問世。

爰是，本發明之目的係為解決前述問題，為達致以上目的，吾等發明人提供一種代謝症候群嚴重度評分方法，其係利用本國一大型健檢資料庫數據，使用資料庫篩選後數據，將性別、年齡與五個代謝症候群組成因子包括腰圍（Waist Circumference, WC）、空腹血糖（Fasting Plasma Glucose, FPG）、三酸甘油酯（Triglycerides, TG）、高密度膽固醇（High density lipoprotein-cholesterol, HDL）及收縮壓（Systolic Blood Pressure, SBP）變數進行驗證型因數分析(confirmatory factor analysis)。該評分可解釋為 Z評分，評分越高表示代謝症候群風險或嚴重程度增加。最後為便於臨床使用，使用非標準化的五種組分因子進行公式轉換。使用者可分別輸入個人檢驗數值對應導入至各性別年齡層方程式以求得一評分數值，並可設定閥值對比於所得評分數值，以該評分數值與閥值之差值呈現代謝症候群之嚴重性。

本發明另提供一種代謝症候群嚴重度評分系統，其包含：一輸入模組，其設置有複數欄位，用以對應輸入自變數，且自變數係包含腰圍（Waist Circumference, WC）、空腹血糖（Fasting Plasma Glucose, FPG）、三酸甘油酯（Triglycerides, TG）、高密度膽固醇（High density lipoprotein-cholesterol, HDL）及收縮壓（Systolic Blood Pressure, SBP）；一資料模組，其係連結於該輸入模組，並設有至少一對應於所述自變數之方程式；一運算模組，其係對應連結於該輸入模組及該資料模組，且該運算模組係將該輸入模組所輸入之自變數對應導入該方程式以計算求得一評分數值；一比對模組，其係連結於該運算模組，並對應設置有一閥值；以及一呈現模組，其係對應呈現該評分數值，並依據該評分數值與該閥值之差值以呈現代謝症候群之嚴重性。

據上所述之代謝症候群嚴重度評分系統，其中，該資料模組更設有至少一性別分類模組，且該資料模組係依據所述性別分類模組對應設置相異之所述方程式；而該輸入模組係用以輸入一性別值，藉以令該資料模組依據該性別值選定對應之性別分類模組之所述方程式，令該運算模組依該輸入模組所輸入之自變數導入對應之所述方程式，進而計算求得該評分數值者。

據上所述之代謝症候群嚴重度評分系統，其中，該資料模組更設有至少一年齡分類模組，且該資料模組係依據所述年齡分類模組對應設置相異之所述方程式；而該輸入模組係用以輸入一年齡值，藉以令該資料模組依據該年齡值選定對應之年齡分類模組之所述方程式，令該運算模組依該輸入模組所輸入之自變數導入對應之所述方程式，進而計算求得該評分數值者。

是由上述說明及設置，顯見本發明主要具有下列數項優點及功效，茲逐一詳述如下：

1.本發明透過方程式之建置，在輸入特定性別年齡下，將腰圍（Waist Circumference, WC）、空腹血糖（Fasting Plasma Glucose, FPG）、三酸甘油酯（Triglycerides, TG）、高密度膽固醇（High density lipoprotein-cholesterol, HDL）及收縮壓（Systolic Blood Pressure, SBP）設置為其自變數，藉可簡易透過將病患之量測值對應輸入後，即可迅速得知其代謝症候群嚴重度，可便於醫療人員簡易且迅速的進行代謝症候群嚴重度之初步判斷，以利於作為早期亞臨床疾病潛在危險因素之指標，並且可據以評估其可能存在風險之生活習慣，並給予改善建議。

關於吾等發明人之技術手段，茲舉數種較佳實施例配合圖式於下文進行詳細說明，俾供鈞上深入了解並認同本發明。

請先參閱第1圖所示，本發明係一種代謝症候群嚴重度評分方法，本發明對於代謝症候群嚴重度評分系統係屬一種連續性變量，其係經由一電腦載入後執行下列步驟，故可知悉者，本發明係可透過架設於雲端或軟體，並設置有指令，且至少其一所述指令被執行時，係對應實現其方法，藉可供使用者於一使用者介面進行操作；本發明之步驟包含：

將輸入包含腰圍（Waist Circumference, WC）、空腹血糖（Fasting Plasma Glucose, FPG）、三酸甘油酯（Triglycerides, TG）、高密度膽固醇（High density lipoprotein-cholesterol, HDL）及收縮壓（Systolic Blood Pressure, SBP）之自變數，分別對應導入至一方程式，以求得一評分數值；

其中，該方程式在一實施例中係可為線性迴歸方程式，於本實施例中，本發明係透過收集並分析台灣大型健康檢查數據，其涵蓋年齡在20至64歲間參與者之資料，且篩選參與者於2010年至2015年期間皆接受標準健康檢查，其中，患有心血管疾病（包括心臟病、中風及糖尿病或接受相關治療的參與者）被排除，因其身體與用藥情況可能會對檢驗數值產生干擾，從而可能掩蓋潛在之重要關係；此外，為減少選擇偏差，研究對象被校正以反映台灣人口的性別和年齡構成，最終使用27,748 名受試者（13,823 名男性與 13,925 名女性）資料納入分析。

在本實施例中，係根據性別及以下年齡區間分為六個亞組：20-34 歲、35-49 歲和 50-64 歲，而每一研究對像在篩選過程中皆完成了一份自我管理的問卷，提供關於其社會人口特徵與生活習慣等資訊。除了性別和年齡，也收集了社會經濟地位四個變項（即婚姻狀況、教育、收入和職業）和十二種生活習慣的數據，包括：吸煙、飲酒、嚼檳榔、體育活動（即持續時間、強度和頻率）、睡眠習慣、素食、飲用加糖飲料和服用營養補充劑（即維生素 C/E 和魚油），這些都被過去研究證明是構成風險相關因素。

本發明係使用驗證性因素分析方法基於五個自變數而得出代謝症候群嚴重性評分，將性別、年齡與五個代謝症候群組成因子包括腰圍（Waist Circumference, WC）、空腹血糖（Fasting Plasma Glucose, FPG）、三酸甘油酯（Triglycerides, TG）、高密度膽固醇（High density lipoprotein-cholesterol, HDL）及收縮壓（Systolic Blood Pressure, SBP）變數進行驗證型因數分析(confirmatory factor analysis)。首先估計每個組成因子對特定性別和年齡之潛在因素的加權貢獻。在本因素分析中，選擇收縮壓而不是舒張壓，因為過去研究認為它與胰島素阻抗更密切相關。由於 TG 分佈顯示偏斜，因此使用了對數轉換值。另使用HDL膽固醇數值的倒數，使得其在因數負荷(factor loading)評分解釋上與其他測量值相似。因數負荷代表每個組分因子與代謝症候群之關聯程度，因數分析則使用最大概似法(maximum likelihood)估計驗證因數分析的參數。因數評分可採用變數的最適線性組合來建構，經標準化(standardized)的因數係數即可用來計算個人的代謝症候群嚴重性評分。該評分可解釋為 Z評分，評分越高表示代謝症候群風險或嚴重程度增加。最後為便於臨床使用，使用非標準化的五種組分因子進行公式轉換。使用者可分別輸入個人檢驗數值對應導入至各性別年齡層方程式以求得一評分數值，並可設定閥值對比於所得評分數值，以該評分數值與閥值之差值呈現代謝症候群之嚴重性。

為確定因子載荷具有潛在關聯，本發明採用卡方、赤池信息準則（Akaike information criterion），逼近均方根誤差、標準化均方根殘差、擬合優度指數和Bentler-Bonett非規範擬合指數等估計驗證性因素分析的參數，以符合分析標準，最後根據擬合度量指標選擇最優模型估計的因素負荷。

依據傳統之ATP III標準，本樣本變項分佈呈現如下表1所示：

【表1】

族群	樣本	MS(％)	WC	FPG	TG	HDL-C	SBP
平均值	標準差	平均值	標準差	平均值	標準差	平均值	標準差	平均值	標準差
男性	13823	16.7	82.54	8.39	101.35	14.09	124.46	76.2	53.29	12.05	119.91	13.79
20–34 歲	4816	11.3	81.37	9.17	97.8	10.29	109.26	69.93	53.99	12.02	119.39	12.52
35–49歲	4803	18.7	83.1	8.02	101.51	13.61	136.19	79.78	51.87	11.33	119.15	13.34
50–64歲	4204	20.6	83.23	7.7	105.23	17.05	128.46	76.03	54.11	12.72	121.36	15.46
女性	13925	7	70.85	7.39	96.14	12.32	87.04	52.89	66.42	15.21	109.49	15.07
20–34歲	4583	2.1	68.18	7.14	92.42	8.28	71.57	37.28	67.42	15.09	104.59	11.53
35–49歲	5073	5.8	70.59	6.69	95.53	9.76	85.19	53.63	65.41	14.78	107.91	13.62
50–64歲	4269	14.2	74.02	7.22	100.84	16.46	105.85	60.02	66.55	15.76	116.63	17.26

本發明所採之自變數經驗證性因子分析後，其整體模型表現出可接受的模型擬合，如下表2所示：

【表2】

指標/因素負荷	男性	女性
20-34歲	35-49歲	50-64歲	20-34歲	35-49歲	50-64歲
Chi-square	85.353	96.288	88.174	23.355	65.79	31.043
AIC	107.35	118.288	110.174	45.355	87.79	53.043
RMSEA	0.065	0.069	0.071	0.032	0.055	0.04
SRMR	0.027	0.029	0.033	0.015	0.023	0.016
GFI	0.993	0.992	0.992	0.998	0.995	0.997
NFI	0.947	0.962	0.958	0.988	0.978	0.988
WC	0.82	0.76	0.81	0.74	0.73	0.7
FPG	0.35	0.28	0.31	0.39	0.46	0.38
Ln_TG	0.52	0.49	0.42	0.44	0.55	0.5
HDL-C	0.4	0.36	0.38	0.35	0.38	0.41
SBP	0.41	0.35	0.24	0.38	0.37	0.36

其中，Chi-square為卡方檢定，AIC為赤池訊息量準則（Akaike information criterion），RMSEA為漸進均方根指標，SRMR為標準化均方根殘差值，GFI係適合度檢定，NFI為標準配適度指標，所有指標達統計意義；而五項因素負荷皆大於0.3，具有統計意義。

本發明在一實施例中，經因素負荷參數轉換後，其線性迴歸方程式係依據性別及年齡區間而界定為如下數學式1所示：

【數學式1】男性，年齡區間20-34歲：

男性，年齡區間35-49歲：

男性，年齡區間50-64歲：

女性，年齡區間20-34歲：

女性，年齡區間35-49歲：

女性，年齡區間50-64歲：

據此，可依據數學式1以計算每一病患之代謝症候群之嚴重性評分數值，而代謝症候群陽性及陰性者之評分數值平均值分別為1.259及-0.167；如第2圖及第3圖所示者，多數代謝症候群患者之嚴重性評分數值皆大於零，男性和女性的中位數分別為 1 和 1.5；而評分數值於2以前，代謝症候群患者之評分數值分佈與非患者之評分數值有重疊之情事，故在一實施例中，係可依據一閥值對比於該評分數值，而閥值係可設定為2，並以該評分數值與該閥值之差值呈現代謝症候群之嚴重性。

續如下表3所示為將調整後之優勢比（AOR）及β值，並分別透過邏輯迴歸（Logistic Regression）、序位迴歸（Ordinal Regression）及線性迴歸（Linear Regression）之模型進行計算，用以探討不同生活習慣與代謝症候群或其評分數值之關係，結果顯示吸煙、飲酒、咀嚼檳榔和喝含糖飲料等不健康的習慣者具有較高的代謝症候群風險，而充足的睡眠、體育活動和服用維生素 C對健康也有積極影響；而代謝症候群嚴重度評分數值與生活習慣則有更多的關聯，例如身體活動和飲用含糖飲料，而在傳統代謝症候群之二項式診斷則未觀察到這種關聯。

【表3】

	邏輯迴歸	序位迴歸	線性迴歸
生活習慣	AOR	p-Value	AOR	p-Value	β	p-Value
吸菸(對比於無)
二手菸	1.1	0.452	1.002	0.782	0.06	0.113
戒除	1.104	0.684	1.132	0.027	0.071	0.022
偶爾攝入	1.077	0.731	1.11	0.129	0.065	0.092
每日攝入	1.136	0.505	1.112	0.019	0.068	0.007
飲酒(對比於無)
戒除	0.819	0.228	0.832	0.062	−0.122	0.027
每週1-2次	0.951	0.502	0.914	0.045	−0.048	0.053
每週3-4次	0.956	0.757	0.83	0.013	−0.134	0.001
每週大於4次	0.854	0.414	0.752	0.023	−0.191	0.008
咀嚼檳榔(對比於無)
戒除	1.272	0.033	1.106	0.213	−0.163	0.25
每週1-2次	1.859	0.001	1.561	0.002	0.083	0.061
每週3-4次	2.973	0.004	3.216	0.001	0.122	0.437
每週大於4次	1.06	0.869	1.375	0.208	0.323	0.165
睡眠時數(對比於8小時)
＜4	1.034	0.888	1.141	0.348	0.025	0.761
4.0-5.9	0.959	0.759	1.108	0.153	0.027	0.692
6.0-6.9	0.982	0.891	1.107	0.325	0.038	0.114
7.0-7.9	0.896	0.416	1.105	0.491	−0.014	0.672
運動水平(對比無運動)
輕量	0.792	＜0.001	0.837	＜0.001	−0.088	＜0.001
中度	0.572	＜0.001	0.653	＜0.001	−0.236	＜0.001
重度	0.669	0.251	0.742	0.066	−0.221	0.016
每週運動時數(對比於無)
1	0.793	0.075	0.935	0.366	−0.003	0.873
2–3	0.853	0.21	0.876	0.003	−0.038	0.091
7	0.899	0.395	0.94	0.125	−0.085	0.001
＞7	0.977	0.853	0.988	0.744	−0.055	0.178
每日運動時數(對比於小於0.5)
0.5–1	1.044	0.491	1.027	0.439	0.024	0.453
1–2	0.966	0.649	0.914	0.355	0.038	0.347
＞2	0.935	0.511	0.943	0.317	−0.014	0.49
素食(對比於無)
	1.003	0.983	0.989	0.889	−0.007	0.8
含糖飲料每週攝取杯數(對比於無)
1–3	1.115	0.057	1.024	0.45	0.038	0.032
4–6	1.004	0.961	1.06	0.15	0.032	0.146
7	0.983	0.822	0.984	0.704	−0.006	0.78
＞7	1.08	0.479	0.985	0.813	0.052	0.037
服用維他命C(對比於無)
	0.849	0.036	0.883	0.001	−0.067	0.002
服用維他命E(對比於無)
	1.046	0.671	0.945	0.332	−0.039	0.225
服用魚油(對比於無)
	1.204	0.048	1.095	0.11	0.071	0.022

由前述可見，本發明所計算求得之代謝症候群嚴重度評分數值與生活習慣高度相關，包含吸煙、飲酒、飲用含糖飲料及身體活動等，而傳統之代謝症候群診斷則不具其關聯性，顯示本發明確實可應用於評估相關潛在之風險因素。

故就本發明代謝症候群嚴重度評分系統之配置而言，如第4圖所示者，係包含：

一輸入模組1，其設置有複數欄位，並可於一使用者介面呈現之，並用以對應輸入自變數，且自變數係包含腰圍（Waist Circumference, WC）、空腹血糖（Fasting Plasma Glucose, FPG）、三酸甘油酯（Triglycerides, TG）、高密度膽固醇（High density lipoprotein-cholesterol, HDL）及收縮壓（Systolic Blood Pressure, SBP）；使用者可依據相關檢驗報告之相關數值而對應填入之；

一資料模組2，其係連結於該輸入模組1，並設有至少一對應於所述自變數之方程式；

一運算模組3，其係對應連結於該輸入模組1及該資料模組2，且該運算模組3係將該輸入模組1所輸入之自變數對應導入所述方程式，藉以計算求得一評分數值，該評分數值即為代謝症候群嚴重度之評分；

一比對模組4，其係連結於該運算模組3，並對應設置有一閥值；以及

一呈現模組5，其係對應呈現該評分數值，並依據該評分數值與該閥值之差值，以如前所述呈現代謝症候群之嚴重性。

在一實施例中，所述方程式係可為單一之線性方程式，而由於如前所述者，因各自變數因子載荷的大小存在顯著的年齡和性別相關差異，是以，在其他實施例中，亦可被界定為數學式1之線性迴歸方程式，故係可於該資料模組2更設有至少一性別分類模組21、至少一年齡分類模組22，較佳者，則係同時建置性別分類模組21及年齡分類模組22，故該資料模組2係依據所述性別分類模組21及年齡分類模組22對應設置相異之所述方程式，而該輸入模組1係用以輸入一性別值及年齡值，藉以令該資料模組2依據該性別值，以及年齡值選定對應之年齡分類模組22之所述方程式，令該運算模組3依該輸入模組1所輸入之自變數導入對應之所述方程式，進而計算求得該評分數值，藉可如前所述進行代謝症候群嚴重度之評估者。

綜上所述，本發明所揭露之技術手段確能有效解決傳統代謝症候群二項式判斷問題，例如，將具有三項僅略高於標準之檢驗值組成因子個人視為代謝症候群患者，卻將具有二項非常高檢驗值之組成因子個人視為正常者之不合理現象。

本發明達預期之目的與功效，為特別針對國人設計之評分系統，申請前未見諸於刊物、未曾公開使用且具長遠臨床運用價值，誠屬專利法所稱之發明無誤，爰依法提出申請，懇祈鈞上惠予詳審並賜准發明專利，至感德馨。

惟以上所述者，僅為本發明之數種較佳實施例，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明書內容所作之等效變化與修飾，皆應仍屬本發明專利涵蓋之範圍內。

1:輸入模組 2:資料模組 21:性別分類模組 22:年齡分類模組 3:運算模組 4:比對模組 5:呈現模組

第1圖係本發明之流程圖。第2圖係本發明之樣本中，男性之代謝症候群評分數值統計圖。第3圖係本發明之樣本中，女性之代謝症候群評分數值統計圖。第4圖係本發明之系統架構示意圖。

Claims

一種代謝症候群嚴重度評分方法，其係經由一電腦載入後執行下列步驟，其步驟包含：將輸入包含腰圍(Waist Circumference,WC)、空腹血糖(Fasting Plasma Glucose,FPG)、三酸甘油酯(Triglycerides,TG)、高密度膽固醇(High density lipoprotein-cholesterol,HDL)及收縮壓(Systolic Blood Pressure,SBP)之自變數，分別對應導入至一方程式，以求得一評分數值；該方程式係線性迴歸方程式，且係基於所述自變數經因數分析後擬合於一樣本，且該方程式係依據性別及年齡區間而界定；並依據輸入之性別及年齡，以判斷並歸納該性別對應之所述年齡區間，以將所述自變數導入對應之方程式而求得該評分數值；以及依據一閥值對比於該評分數值，並以該評分數值大於該閥值之差值呈現代謝症候群之嚴重性。
一種代謝症候群嚴重度評分系統，其係儲存有至少一指令，且至少其一所述指令被執行時，係對應實現如請求項1所述之代謝症候群嚴重度評分方法者。
一種代謝症候群嚴重度評分系統，其包含：一輸入模組，其設置有複數欄位，用以對應輸入自變數，且自變數係包含腰圍(Waist Circumference,WC)、空腹血糖(Fasting Plasma Glucose,FPG)、三酸甘油酯(Triglycerides,TG)、高密度膽固醇(High density lipoprotein-cholesterol,HDL)及收縮壓(Systolic Blood Pressure,SBP)；一資料模組，其係連結於該輸入模組，並設有至少一對應於所述自變數之方程式；該方程式係線性迴歸方程式，且係基於所述自變數經因數分析後擬合於一樣本，且該方程式係依據性別及年齡區間而界定；該資料模組更設有至少一性別分類模組及至少一年齡分類模組，且該資料模組係依據所述性別分類模組及所述年齡分類模組以對應設置相異之所述方程式；而該輸入模組係用以輸入一性別值及一年齡值；一運算模組，其係對應連結於該輸入模組及該資料模組，且該運算模組係依據輸入之性別值及年齡值，藉以令該資料模組選定對應之性別分類模組及年齡分類模組之所述方程式，令該運算模組依該輸入模組所輸入之自變數導入對應之所述方程式，進而計算求得一評分數值；一比對模組，其係連結於該運算模組，並對應設置有一閥值；以及一呈現模組，其係對應呈現該評分數值，並依據該評分數值與該閥值之差值以呈現代謝症候群之嚴重性。