“民以食为天”“病从口入”等俗语无不揭示着：我们的健康状况很大一部分取决于饮食。而食物基本上是由各种营养素构成的。

蛋白质、脂肪、碳水化合物为人体提供能量，也称为宏量营养素，是人体大量需要的必需营养成分。宏量营养素的不同组合与各种健康结局间存在复杂的关联。因为受到其他两种营养素和总能量摄入的影响，过去数十年研究对于单一宏量营养素摄入比例与健康的关系仍有争议，而且人们对这些宏量营养素的整体如何影响健康的理解仍不明确。

近日，哈尔滨医科大学公共卫生学院营养与食品卫生教研室团队在Journal of Advanced Research发表了研究成果，利用NHANES数据库全面分析宏量营养素群与全因死亡率之间的关系。

研究内容与思路

一、研究设计及参与者一般特征

该研究纳入了1999-2018年全国健康和营养检查调查（NHANES）的26615名年龄在20-75岁之间成年人。收集参与者填写的24h饮食数据，并使用FNDDS确定参与者的能量及营养消耗水平。使用全国死亡指数跟踪截至2019年12月31日的各种原因导致的死亡、心血管疾病和癌症。在7.58年的中位随访时间中，共有3998例死亡记录，包括1085例死于心脏病和932例死于癌症。

为了探索具有不同宏量营养素组成的各个饮食模式集群分布情况及其与死亡风险的关联，引入三维立方体几何观察方式，将营养素摄入量三维坐标化，划分出24种自然存在的饮食模式集群。宏量营养素的构成分布如下。

第一步划分：以50%供能比为界，将三大宏量营养素（蛋白质、脂肪、碳水化合物）的每日供能比（%E）作为三维坐标轴，构建营养几何立方体。初始8个立方体呈现极不均衡分布，最大的两个集群占比达：Cluster Pro 0-50%, Fat 0-50%, Carb 50-100% (58.9 %)和 Cluster Pro 0-50%, Fat 0-50%, Carb 0-50% (49.2 %)，有4个立方体甚至无人分布。

第二步划分：针对占比最高的两个基础立方体，以25%能量阈值进行二次细分，两个主集群共产生16个子集群。三个优势亚群占比分别为50.89%、36%、7.3%，这些亚群被选定进入第三阶段分析。

第三步划分：对关键亚群进行三次细分，在选定子集群内，将切割阈值提升至12.5%，生成24终极集群，19个集群具备足够样本量（>0.5%人群占比）用于死亡率分析。

研究思路：这项研究选择了NHANES数据库数据，纳入样本量大，数据可信度强；采用三维立方体几何观察方式来检查宏量营养素集群与死亡率之间的关联，这种分析方法更能反映现实世界的饮食选择，并强调宏量营养素失衡与健康结果之间的联系，将人类宏量营养素被分为24个集群，可以清楚直观的发现宏量营养素摄入量与死亡率之间的真实关系，这种分析方法使得所得结论更可靠。

二、宏量营养素簇与总死亡率的关联

通过Cox风险模型分析发现：在调整潜在混杂因素后，比较了不同集群与参考集群ClusterPm:Fm:Cmh在全因死亡率上的差异。识别出四个与降低全因死亡率相关的宏量营养素集群：Cluster Pm:Fm:Cm , Cluster Pm:Fmh:Cml, Cluster Pm:Fmh:Cm和Cluster Pl:Fm:Cmh 。这些发现表明，与所指集群相比，这 4 个饮食集群更健康。[ps：P为蛋白质、F为脂肪、C为碳水化合物；宏量营养素水平分为五种：低 （l）、中低 （ml）、中度 （m）、中高 （mh） 和高 （h）;如Pm:Fm:Cm则是蛋白质摄入中度、脂肪摄入中度、碳水化合物摄入中度]。

使用RCS分析评估剂量-反应关系，2 种宏量营养素的能量百分比在集群内是固定的，而第三种宏量营养素是相对于每个集群内全因死亡率的分析。在Cluster Pm:Fm:Cm中，碳水化合物能量百分比与死亡风险之间存在U形关系，当碳水化合物摄入量在42.5-46%左右时，死亡风险降低，在碳水化合物摄入量较低和较高水平时均增加；而在Cluster Pm:Fmh:Cml中，碳水化合物能量摄入量百分比（25-37.5%）与死亡率呈线性关系；在Cluster Pl:Fmh:Cm中，死亡风险与蛋白质能量百分比呈反向U形关系。

研究思路：对获得的集群进行常用的Cox风险模型分析，发现了更健康的四个饮食集群，将这几个饮食集群与全因死亡率进行相关性分析，而不是将所有24个集群与全因死亡率进行相关性分析，这一种方法不仅减少了分析工作量，还增加了结论可信度，且更可能得出具有统计学差异结果。

三、子组和敏感度分析

分层分析揭示了不同集群与能量摄入、性别和年龄的全因死亡率之间的关联。采用单叶法的敏感性分析，该系统地按死因排除病例，发现四种饮食集群与死亡风险之间关联的强度或统计学显著性并无改变。即使在调整基线健康饮食指数（HEI）评分后，以及排除随访1年、3年和5年内的死亡后，这些关系的稳定性仍然存在。

研究思路：最后，对研究进行敏感性分析，以便观察所得结论是否会因死亡原因不同、HEI评分存在偏差等而受到影响，以便分析所得结果的适用性，结果表明研究所得结论不受以上因素的干扰，具有广泛适用性。

小结

综上所述，研究表明三种宏量营养素能量百分比例会影响健康和死亡风险，且研究还表明，在所有宏量营养素集群中，中低蛋白质、中高脂肪和中等的碳水化合物摄入可能是更健康的宏量营养素摄入比例。

在这项研究中，仅采用公共NHANES数据库，加上分析方法较为创新，采用了三维立方体几何观察方式，直观、详细的将宏量营养素摄入比例与死亡风险的关系摆到了眼前，让我们看到了每一种宏量营养素摄入多少与死亡风险之间的关系，最后还进行了敏感性分析；创新性较强、所得结论可靠。

参考文献：

[1] Yu J, Chen Y, Li D, et al. Specific macronutrient clusters associated with lower mortality risk: Evidence from NHANES 1999-2018.J Adv Res. Published online February 14, 2025. doi:10.1016/j.jare.2025.02.019