美国成年人蛋白质摄入时间模式与糖尿病风险的关联性研究

《Nutrition Journal》：Associations of temporal protein patterns with diabetes and glycemic measures

本研究针对全球糖尿病患病率持续上升的公共卫生问题，创新性地探讨了美国成年人一日内蛋白质摄入的时间分布模式（即时间蛋白质模式）与糖尿病患病风险及血糖指标（如空腹血糖、HbA1c、胰岛素、HOMA-IR）的关联。研究人员利用NHANES 2017-2020年数据，通过潜在类别分析识别出三种主要的蛋白质摄入时间模式，并发现这些模式与糖尿病、BMI及其他血糖指标之间无显著关联。研究强调了未来需关注蛋白质食物来源差异对糖尿病风险的影响，为制定精准的膳食干预策略提供了重要线索。

　　

在全球范围内，糖尿病已成为一个日益严峻的公共卫生挑战。数据显示，全球成年糖尿病患者人数从2010年的约3.21亿激增至2021年的4.85亿，其中约90%为2型糖尿病。超重/肥胖和不良的饮食质量被公认为其主要风险因素。仅在美国，成年人的糖尿病患病率就从2000年的9.7%上升至2020年的14.8%。与此同时，至少40%的美国成年人患有肥胖症，并且其饮食质量评分普遍不理想。从饮食角度看，摄入高饱和脂肪和精制碳水化合物的食物会增加胰岛素抵抗和糖尿病的风险。然而，关于膳食蛋白质作用的证据仍然存在分歧。例如，总蛋白质摄入与更好的血糖控制和胰岛素敏感性相关，但较高的总蛋白质摄入却与较高的糖尿病风险相关。膳食蛋白质具有胰岛素促分泌作用，在调节餐后葡萄糖稳态中扮演重要角色。但高蛋白摄入可能过度刺激胰岛素分泌，长期导致高胰岛素血症、胰岛素抵抗和糖尿病。特别是当蛋白质食物含有高水平的支链氨基酸（BCAAs）时，已被证明会导致胰岛素抵抗。除了对胰岛素敏感性的影响，由于氨基酸在糖异生途径中的转化，蛋白质还可能维持餐后高血糖状态，持续时间可达摄入后90至240分钟。鉴于餐后血糖波动是糖尿病患者或非糖尿病患者心血管代谢疾病风险的有力预测因子，通过调整蛋白质摄入时间来更好地调节24小时血糖可能有助于降低风险。

在此背景下，Arini等人在《Nutrition Journal》上发表了一项研究，旨在利用美国国家健康与营养调查（NHANES）的数据，探讨美国成年人中不同的时间蛋白质模式（即蛋白质在一天中的摄入时机、频率和分布）与糖尿病患病率、BMI及一系列血糖指标（包括空腹血糖、糖化血红蛋白（HbA1c）、胰岛素和稳态模型评估的胰岛素抵抗指数（HOMA-IR））之间的关联。

为了回答上述问题，研究人员开展了一项横断面研究。他们使用了NHANES 2017年至2020年3月（疫情前）的数据，最终分析了7625名20岁及以上的美国成年人。研究的关键技术方法包括：利用24小时膳食回顾数据估算每小时蛋白质摄入量；采用潜在变量混合模型（一种数据驱动的方法）来识别基于每小时蛋白质摄入量（克）的时间蛋白质模式；通过实验室检测（如HbA1c、空腹血糖、胰岛素）和问卷调查来定义糖尿病状态和血糖指标；使用多元回归模型分析时间蛋白质模式与结局指标的关联，并调整了年龄、种族/民族、收入、体力活动、吸烟状况、轮班工作、总能量摄入和BMI等多种混杂因素。

研究结果

时间蛋白质模式的识别

研究分别对男性和女性识别出三种时间蛋白质模式（潜在类别）。所有模式均表现为蛋白质摄入偏向晚间，但具体摄入高峰时间不同。

• •
  类别1：特征是在美国人通常用晚餐的时间（18:00-19:00时）摄入蛋白质的概率较高（>0.9）。
• •
  类别2：特征是在比类别1晚餐时间晚一小时（19:00-20:00时）摄入蛋白质的概率较高，且总体蛋白质摄入量高于其他类别。
• •
  类别3：特征为晚间蛋白质摄入时间更具变异性（例如，可能在17:00-18:00时或20:00-21:00时摄入），但摄入概率较低（<0.5），且总体蛋白质摄入量低于其他类别。
  

不同时间蛋白质模式参与者的特征

不同时间蛋白质模式与特定的社会人口学和饮食模式特征相关。例如，类别1的参与者年龄较大。类别2的男性和类别1的女性中，高收入者的比例较大。类别3的男性和女性则与较低的总能量摄入、较低的进餐频率以及较低的来自正餐的蛋白质摄入相关。在女性中，类别3的蛋白质摄入来自零食的比例较高。尽管不同模式在健康饮食指数（HEI-2020）总分上无差异，但在某些组件得分上存在差异，例如类别2的男性和女性在总蛋白质和总蔬菜组件上得分高于类别3。

时间蛋白质模式与糖尿病、肥胖和血糖指标的关联

经过多变量调整后，线性回归和逻辑回归分析均显示，无论是男性还是女性，其时间蛋白质模式与BMI、空腹血糖、HbA1c、胰岛素、HOMA-IR的数值，以及与糖尿病、超重/肥胖、高血糖（空腹血糖≥7.0 mmol/L）、血糖控制不佳（HbA1c≥6.5%）和胰岛素抵抗（HOMA-IR≥2.5）的分类状态之间，均未发现显著关联。在男性中，初步分析发现类别1与较低的血糖控制不佳概率相关，而类别3与较高的概率相关，但这些关联在调整BMI后变得不显著。敏感性分析（排除自我报告糖尿病或服用糖尿病药物的参与者）的结果与主要分析基本一致。

结论与讨论

本研究的主要结论是，在美国成年人中，虽然存在三种不同的时间蛋白质摄入模式，但这些模式与糖尿病患病风险、肥胖以及一系列血糖指标之间并未发现显著的关联性。

这一发现与先前一些研究结果不尽相同。例如，有横断面研究发现晚餐时摄入较多蛋白质与较高的空腹胰岛素和HOMA-IR相关。也有研究报道在就寝时间附近摄入蛋白质与较高的BMI相关。造成这种差异的原因可能包括本研究采用了基于小时摄入量的数据驱动模式识别方法，而非自我定义的进餐场合或特定时间窗口。此外，血糖和胰岛素的调节存在昼夜节律变异，个体间的血糖反应差异很大，这可能削弱了时间模式与长期血糖指标之间的关联。

研究结果不显著的可能原因还包括未考虑蛋白质的食物来源。已有大量证据表明，动物蛋白和植物蛋白的摄入与糖尿病风险存在不同的关联。动物蛋白摄入通常与较高风险相关，而植物蛋白摄入则与较低风险相关。这种差异可能与不同蛋白来源所含的饱和脂肪、膳食纤维、支链氨基酸（BCAAs）以及其他营养素的差异有关，这些因素会影响餐后血糖和胰岛素反应。本研究虽然考察了总蛋白质的时间模式，但未区分动物蛋白和植物蛋白，未来研究需要进一步探讨来源特异性的时间蛋白质模式。此外，其他饮食因素，如纤维摄入量、进餐时宏量营养素的摄入顺序（例如先吃蔬菜/蛋白质后吃碳水化合物）等，也可能对血糖调控有重要影响，但这些因素在本研究中未予考察。

本研究的优势在于首次使用数据驱动方法识别美国成年人的时间蛋白质模式，并全面考察了其与多种健康结局的关联，同时调整了多种潜在混杂因素。然而，其横断面设计无法推断因果关系，单日膳食回忆数据无法捕捉日常变异，蛋白质摄入时间的报告可能存在回忆偏倚，以及未区分蛋白质来源等局限性也需注意。

综上所述，Arini等人的研究表明，尽管美国成年人的蛋白质摄入存在不同的时间分布特征，但总蛋白质的摄入时间模式本身可能并不是影响糖尿病风险的关键因素。未来的研究应侧重于前瞻性设计，并深入探讨不同来源（如植物性与动物性）蛋白质的时间摄入模式，以及其他相关饮食因素（如营养素摄入顺序）在糖尿病预防和管理中的作用，从而为制定更精准、有效的营养干预策略提供科学依据。