2025年6月2日，《Nature Food》（IF=23.6）發表了一項基于英國生物銀行的前瞻性隊列研究，通過對124,805名參與者長達10年的隨訪，首次探討了膳食類黃酮攝入多樣性（而非僅關注攝入量）與全因死亡率及主要慢性疾病風險的關聯。研究發現，攝入更多樣化的類黃酮（如茶、漿果、蘋果等）可降低6%-20%的死亡和慢性病風險，且攝入量與多樣性對健康的保護作用相互獨立。

原文鏈接：https://doi.org/10.1038/s43016-025-01176-1

研究方法

數據來源

隊列設計：依托英國生物銀行（UK Biobank，UKB）2006-2010年招募的50萬名年齡在40-69歲成年人，排除基線患慢性病、飲食數據不完整者，最終納入124,805人。

隨訪時間：中位隨訪8.7-10.6年（最長11.8年），記錄全因死亡及心血管疾病（CVD）、2型糖尿病（T2DM）、癌癥等發病率。

類黃酮多樣性評估

膳食數據：通過Oxford WebQ 24小時飲食問卷（5次重復測量）計算類黃酮攝入量，結合美國農業部數據庫量化31種類黃酮化合物。

多樣性指標：采用Shannon's方程和希爾數評估類黃酮種類分布的均勻性（如每日攝入9.4種有效類黃酮類型）。

主要結果

研究納入124,805名英國成年人，其中女性約占56%。在隨訪期內，共發生5,780例死亡、6,920例心血管疾病、3,421例2型糖尿病、9,441例癌癥、12,945例呼吸系統疾病和1,921例神經退行性疾病。

參與者的類黃酮化合物攝入量中位數為792 mg/天（范圍：0.05–3,611 mg/天），其中包含每天9.4種有效（希爾）類黃酮化合物（范圍：1.8–19.0）。黃烷-3-醇是總類黃酮攝入量的主要亞類，占攝入量的87%。

圖. UKB中類黃酮化合物類型

類黃酮多樣性與健康獲益

全因死亡率：多樣性最高組（Q5）比最低組（Q1）全因死亡風險降低14%（HR=0.86，95%CI 0.78-0.95）。多樣性每增加6.7種有效類黃酮類型，死亡風險降低8-16%。

慢性病風險：

• CVD：Q5比Q1風險降低10%（0.90, 0.82-0.98）

• T2DM：Q5比Q1風險降低20%（0.80, 0.70-0.91）

• 癌癥：Q5比Q1風險降低8%（0.92, 0.85-0.99）

• 呼吸系統疾病：Q5比Q1風險降低8%（0.92, 0.86-0.98）

• 神經退行性疾病：無顯著關聯（P>0.05）

類黃酮攝入量與健康獲益

全因死亡率：中等類黃酮攝入量組（Q2，約500 mg/天）即可顯示保護作用，相比Q1（約230 mg/天）全因死亡風險降低16%（0.84，0.78-0.92），但更高劑量未進一步獲益。

慢性病風險：

• CVD：Q2比Q1風險降低9%（0.91，0.84-0.98）

• T2DM：最高攝入量組（Q5，約1400 mg/天）顯示最強保護作用，相比Q1風險降低25%（0.75，0.66-0.84）

• 癌癥：僅Q5組顯示顯著保護作用（0.92，0.85-0.99）

• 呼吸系統疾病：Q2組風險降低13%（0.87，0.83-0.92）

• 神經退行性疾病：僅Q5組顯示保護作用（0.80，0.68-0.94）

圖. 類黃酮攝入量和多樣性與全因死亡和慢性病的風險

關鍵食物來源

茶（紅茶和綠茶）是總類黃酮攝入量的主要來源（67%），其次是蘋果（5.8%）、紅酒（4.7%）、葡萄（1.9%）、漿果（1.9%）、黑巧克力（1.2%）、橙子和蜜柑（1.1%）和橙汁（1.1%），這些食物加起來占總類黃酮攝入量的約85%。

圖. 類黃酮的關鍵食物來源

總結與討論

研究首次通過大樣本前瞻性數據證明，類黃酮攝入多樣性（而不僅是攝入量）是降低死亡和慢性病風險的獨立因素。機制研究表明，類黃酮通過抗炎、抗氧化、改善內皮功能等多途徑發揮作用，不同亞類（如黃烷醇、黃酮醇）具有互補的生物活性，多樣性攝入可能覆蓋更廣泛的保護機制。

研究優勢包括前瞻性設計、樣本量大、病例數多以及長達約10年的隨訪。局限性包括：

（1）觀察性研究設計限制了因果關聯推斷，且無法完全排除殘留混雜因素的影響。

（2）與所有自我報告飲食評估方法一樣，該問卷也存在普遍的報告偏倚問題。

（3）2型糖尿病發病率數據來源于醫院和死亡記錄，可能遺漏初級醫療機構診治的病例。

（4）潛在混雜因素僅在基線時進行評估，其隨時間的變化軌跡對觀察結果的影響尚不明確。

（5）研究樣本在年齡、種族、健康狀況和社會經濟地位等方面缺乏人群代表性，研究結果的普適性需在其他人群中進一步驗證。

參考文獻：Nat Food. 2025. doi: 10.1038/s43016-025-01176-1.

為您推薦：UK BioBank相關課程

這項研究用到了UK Biobank數據庫，要充分發揮這一超級數據庫的潛力，需要系統的研究方法訓練。我們特別推薦醫咖會視頻課程《UK Biobank介紹及應用研究》，幫助您了解如何利用UK Biobank的豐富數據進行前瞻性隊列研究，定義和計算健康結局指標，如何使用R軟件進行數據預處理和統計分析，以及數據使用后研究報告的撰寫要求。