健康膳食模式干预对空气污染物混合物所致慢性病风险的缓解效应：一项基于UK Biobank的假设性干预分析

《BMC Medicine》：A hypothetical intervention analysis for the effects of healthy dietary patterns on reducing major chronic diseases and mortality associated with air pollutant mixtures

本研究针对空气污染物混合物暴露与重大慢性病及死亡风险关联的公共卫生难题，采用参数化g公式模拟11种膳食模式干预策略。研究发现提高AMED、DDS等健康膳食依从性可显著降低13年累积发病风险，尤其对糖尿病、CKD等疾病防护效果显著，为通过膳食干预缓解空气污染健康危害提供了因果推断证据。

　　

随着工业化进程加速，全球范围内空气污染已成为威胁人类健康的重大环境因素。据《全球疾病负担研究》数据显示，2021年空气污染导致约810万人死亡，其中570万归因于慢性疾病，使其成为继高血压之后第二大死亡风险因素。非传染性慢性疾病——主要包括心血管疾病、糖尿病、癌症、慢性阻塞性肺疾病、慢性肾脏病和痴呆——已成为全球过早死亡的主要原因，2021年导致4300万死亡，占全死因的75%。这些疾病不仅带来沉重的疾病负担，还造成巨大的经济压力。

空气污染危害健康的病理机制主要涉及氧化应激和炎症反应的加剧，以及肠道微生物群的改变。与之相反，健康的膳食模式如替代地中海饮食、膳食多样性评分等，则被证明能够通过摄入丰富的维生素、膳食纤维和生物活性成分，减轻氧化应激和炎症，并优化微生物群落结构。尽管已有观察性研究探讨膳食模式对空气污染相关慢性疾病的修饰作用，但针对现实生活中人们持续暴露的复杂空气污染物混合物的研究仍显不足。更重要的是，由于实施大规模、长期膳食干预试验存在固有挑战，目前尚无随机试验能够量化膳食干预对空气污染与慢性疾病关联的因果修饰效应。

在此背景下，郑月桂等研究人员在《BMC Medicine》发表了题为《健康膳食模式对降低空气污染物混合物相关主要慢性疾病和死亡影响的假设性干预分析》的研究论文。该研究利用英国生物样本库这一大型前瞻性队列，创新性地采用参数化g公式这一因果推断技术，模拟不同膳食干预场景，评估其对空气污染物混合物健康风险的缓解潜力。

研究人员开展这项研究主要运用了几个关键技术方法：首先，基于UK Biobank队列中17，254名完成多次24小时膳食评估的参与者数据，通过双线性插值算法估算六种空气污染物（PM_2.5、PM₁₀、NO₂、NO_x、SO₂和苯）的长期暴露水平；其次，计算11种膳食模式评分（包括AMED、DDS、DASH等），并利用参数化g公式模拟三种干预策略（75th/90th百分位数阈值干预和最佳依从性静态干预）；最后，通过量化g计算和多元广义倾向评分模型验证空气污染物混合物与健康结局的关联，进而估计13年累积风险和风险差异。

研究结果

空气污染物混合物与健康结局的关联

研究发现空气污染物混合物暴露与所有健康结局风险升高显著相关。多元广义倾向评分模型显示，六种污染物浓度每分位数同时增加，与心血管疾病、糖尿病、癌症、慢性肾脏病、慢性阻塞性肺疾病、痴呆和全因死亡的风险升高有关。

健康膳食模式的修饰效应

在中位12.9年随访期间，共记录到2295例心血管疾病、475例糖尿病、1912例癌症、969例慢性肾脏病、395例慢性阻塞性肺疾病、405例痴呆和814例死亡。假设性干预分析表明，除健康低碳水化合物饮食外，其余十种膳食模式的干预策略均能降低空气污染物混合物相关的13年慢性病和死亡风险。

关键膳食模式的有效性

AMED、DDS、DAI和E-DII四种膳食模式干预能显著降低所有健康结局风险。以DDS为例，将年度评分提升至≥10（75th百分位数）、≥12（90th百分位数）或18（最佳依从性）时，与自然过程相比，13年风险差异每1000人分别为：心血管疾病-0.48至-2.14，糖尿病-2.85至-10.16，癌症-0.65至-2.95，慢性肾脏病-4.26至-16.22，慢性阻塞性肺疾病-2.79至-9.60，痴呆-3.64至-12.12，全因死亡-2.54至-9.84。

其他膳食模式的特定作用

MIND和ELDI干预可降低除癌症外的主要慢性病和死亡风险；AHEI-2010和HLFD对心血管疾病以外的结局有保护作用；DASH和HPDI则主要缓解糖尿病、慢性肾脏病等特定疾病风险。值得注意的是，HLCD仅对癌症风险有显著缓解效果。

剂量反应关系

研究发现膳食模式评分提升幅度越大，健康风险降低越明显，最佳依从性干预带来的益处最大。这表明存在明显的剂量反应关系，强化了膳食干预的有效性。

敏感性分析

调整时间变动协变量、纳入BMI等额外变量、改变百分位数阈值或增加模拟次数等敏感性分析均证实结果稳健。

研究结论与讨论

本研究表明，通过假设性干预提高健康膳食模式依从性（特别是AMED、DDS、DAI和E-DII）可有效降低空气污染物混合物相关的13年慢性病和死亡风险，且在最佳依从性时效益最大。这些发现强调了健康膳食在缓解空气污染健康危害方面的公共卫生价值。

从机制角度看，空气污染通过诱发氧化应激、系统性炎症和肠道菌群失调等途径促进慢性病发生，而健康膳食模式富含的鱼类、全谷物、蔬菜水果等成分正好能对抗这些病理过程。这种相反的作用方向为膳食干预的有效性提供了生物学合理性。

然而，研究者强调空气污染本质上是需要政策层面解决的系统性问题。虽然个体膳食改变显示即使部分改善也能显著降低疾病风险，但仅靠行为干预仍不足够——特别是弱势群体同时面临更高污染暴露和健康膳食获取障碍。因此，未来需要结合污染源控制与结构性膳食支持的综合策略，确保健康防护的普遍可及性。

该研究的创新点在于首次应用参数化g公式评估膳食模式对空气污染物混合物健康风险的修饰效应，解决了传统方法存在的亚组异质性、多次比较假阳性等问题。同时，通过提供绝对风险差异值，为政策制定提供了更直观的依据。尽管存在膳食数据更新频率有限、暴露评估未考虑活动轨迹等限制，但通过多种敏感性分析验证了结果的可靠性。

总之，这项研究为通过膳食干预缓解空气污染健康危害提供了高级别证据，指明了将环境政策与营养干预相结合的综合防控方向。在空气污染治理任重道远的当下，优化膳食模式可作为保护公众健康的重要补充策略。