编辑推荐：
为探究 DI-GM 与糖尿病的关系，研究人员开展相关研究。结果发现二者呈非线性负相关，DI-GM 超 6.191 可降低糖尿病风险。该研究为糖尿病防治提供新方向，极具科研价值，推荐大家阅读。
在当今社会，糖尿病就像一个 “隐形杀手”，在全球范围内肆意蔓延。你知道吗？据估算，2021 年全球约有 5.36 亿人被糖尿病困扰，而且预计到 2045 年，这个数字会飙升到 7.83 亿 。随着人口老龄化的加剧和人们生活方式的改变，糖尿病的患病率还在持续上升。这可让科学家们操碎了心，大家都在拼命寻找导致糖尿病的各种因素，想要找到预防和控制它的办法。
就在研究的过程中，肠道微生物群（一大群生活在我们肠道里的微小生物，它们对我们的健康起着至关重要的作用）进入了科学家们的视野。越来越多的研究发现，肠道微生物群在调节人体代谢方面有着神奇的本领，它的组成和功能很可能是影响糖尿病发病风险的重要因素。比如说，它可以通过发酵膳食纤维、产生短链脂肪酸（SCFAs） 以及调节肠脑信号等方式，来影响全身炎症、胰岛素敏感性和能量平衡。打个比方，肠道微生物群就像是肠道里的一支 “特种部队”，维持着身体的代谢秩序。
这时候，一个叫 “肠道微生物群饮食指数（Dietary Index for Gut Microbiota，DI - GM）” 的新指标出现了。它是由 Kase 等人提出来的，就像是一个 “饮食小侦探”，可以量化那些影响肠道微生物群多样性和功能的饮食因素。和之前的一些相关指标比起来，DI - GM 的测量指标更全面，能反映出肠道微生物群多样性的变化、SCFAs 产生水平的高低，还有某些特定细菌门类的改变。可尴尬的是，虽然 DI - GM 看起来很厉害，但它和糖尿病发病风险之间的关系，却很少有人研究。这就好比是找到了一把可能很有用的钥匙，却还没来得及试试它能不能打开糖尿病防治这把锁。
为了搞清楚这把 “钥匙” 和 “锁” 的关系，研究人员们开始行动起来了。第一作者单位的研究人员在《Scientific Reports》期刊上发表了一篇名为《Association between the Dietary Index for Gut Microbiota and the Risk of Diabetes: A Cross - sectional Study》的论文。经过一番努力探索，他们得出了一个很有意思的结论：DI - GM 和糖尿病发病风险之间存在着非线性的负相关关系。也就是说，不是 DI - GM 越高或者越低，糖尿病风险就一定怎么变化，而是有个 “神奇的点” 在起作用。而且，他们还发现，把 DI - GM 维持在 6.191 以上，可能有助于预防糖尿病。这一发现就像在黑暗中点亮了一盏灯，为糖尿病的防治带来了新的希望。
那研究人员是怎么得出这些结论的呢？他们用了几个关键的技术方法。首先，他们从美国国家健康和营养检查调查（NHANES）2007 - 2018 年的数据库里 “挖” 出了相关数据，这个数据库就像是一个装满健康信息的 “大宝库”。接着，他们根据严格的标准筛选出了 21640 名参与者。然后，他们给这些参与者的糖尿病状况进行了 “精准画像”，按照空腹血糖、随机血糖、糖化血红蛋白等多个指标来判断是否患有糖尿病。对于 DI - GM，他们则通过两次 24 小时饮食回忆数据来计算得分。最后，他们运用 R 语言进行了一系列的统计分析，像多重逻辑回归分析、限制性立方样条（RCS）分析 、阈值效应分析和亚组分析等，这些分析方法就像是精密的 “显微镜”，帮助他们从不同角度观察 DI - GM 和糖尿病风险之间的关系。
下面我们来看看具体的研究结果。
基线特征
研究人员把最终纳入研究的 21640 名参与者，按照是否患有糖尿病分成了两组。这一分组就像是打开了一个 “对比宝盒”，发现了很多有趣的差异。在这个 “宝盒” 里，他们看到糖尿病组的 DI - GM 水平明显更低。而且，两组在年龄、种族、贫困收入比、体重指数、总膳食能量摄入、总膳食糖摄入、吸烟饮酒状况，还有高血压和慢性肾脏病患病率等方面，都存在着显著差异。这就像是两组不同的拼图，每个部分都有着不一样的形状和颜色。
DI - GM 与糖尿病风险的关系
研究人员用多重逻辑回归分析这个 “魔法棒”，对 DI - GM 和糖尿病风险之间的关系进行了探索。结果发现，不管有没有调整其他影响因素，DI - GM 和糖尿病风险之间都呈现出显著的负相关。而且，当把 DI - GM 按照得分分成四组后，经过全面调整其他因素，他们发现得分是 5 及以上的参与者，患糖尿病的风险比得分在 3 及以下的参与者要低很多。这就好像在玩一场数字游戏，数字背后隐藏着糖尿病风险的秘密。
DI - GM 与糖尿病风险的剂量反应关系
研究人员又借助限制性立方样条（RCS）分析这个 “特殊放大镜”，仔细观察了 DI - GM 和糖尿病风险之间的剂量反应关系。这一观察可不得了，他们发现两者之间存在着显著的非线性负相关，而且曲线还有个 “神奇的转折点”，这个点就是 6.191。这就好比是在一条弯弯曲曲的小路上，走到 6.191 这个位置的时候，路的走向发生了变化。
阈值效应分析
顺着 RCS 分析找到的 “转折点”，研究人员进行了阈值效应分析。这一分析就像是给这个 “转折点” 做了个 “深度体检”，发现当 DI - GM 在 6.191 这个转折点之前，它和糖尿病风险之间有显著的负相关；但过了这个点，两者之间的关系就不明显了。这就好像是过了一个关卡，之前的规则就不再适用了。
敏感性分析
研究人员还进行了亚组分析，就像是把研究对象放进了不同的 “小房间”，从不同角度再次观察 DI - GM 和糖尿病风险的关系。他们发现，在白人、贫困收入比大于 3.5 的人群、体重指数大于 24 的人群、现在还在喝酒的人、从不吸烟或现在吸烟的人，以及没有慢性肾脏病的人这些 “小房间” 里，DI - GM 和糖尿病风险之间的负相关关系依然很显著。这说明这个负相关关系在很多不同的人群中都比较 “靠谱”。
最后，我们来总结一下研究结论和讨论部分。这项研究发现了 DI - GM 和糖尿病风险之间存在非线性负相关，而且找到了那个关键的 “分界点” 6.191，这可是个重大突破。它的意义可不小呢！一方面，对于那些 DI - GM 得分低的人群来说，就像是收到了一份 “健康指南”，知道可以通过调整饮食，把 DI - GM 维持在 6.191 以上，来降低患糖尿病的风险。另一方面，这个非线性关系还能帮助科学家们解释之前一些研究结果不一致的地方，就像给一团乱麻找到了线头，为未来关于肠道微生物群和糖尿病风险的研究指明了方向。
不过，研究人员也很坦诚地说出了这项研究的一些 “小缺点”。比如说，这是一项观察性研究，就像在远处观察一场演出，虽然看到了一些现象，但没办法确定 DI - GM 和糖尿病风险之间非线性关系背后的真正原因。而且 DI - GM 这个指标本身也有一些不足的地方，它在构建的时候主要参考的是具体食物，而不是食物类别，对于一些研究还不够充分的食物，比如除了发酵乳制品之外的其他乳制品，是不是该算进去，对研究结果有没有影响，都还不确定。还有，DI - GM 里食物的烹饪方法也没办法评估，这也可能会干扰研究结果。另外，DI - GM 定义的健康肠道微生物群也还需要进一步验证。
但不管怎么说，这项研究为我们打开了一扇了解糖尿病和肠道微生物群关系的新大门。虽然还有很多问题需要进一步探索，但它已经给我们提供了很多有价值的信息，让我们离彻底攻克糖尿病这个难题又近了一步。未来，科学家们肯定会继续努力，把这些问题研究得更透彻，为我们的健康保驾护航。
