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。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.