EAT-Lancet 参考饮食与癌症幸存者死亡率的关联：一项关键研究揭示重要发现

随着癌症生存率提高，癌症幸存者的饮食与死亡率关系尚不明确。研究人员基于英国生物银行（UK Biobank）数据，探究 EAT-Lancet 参考饮食与癌症幸存者死亡率的关联。结果显示，该饮食与较低的全因和癌症死亡率相关，为癌症幸存者饮食建议提供了重要依据。

　　在现代医学飞速发展的今天，癌症已不再是 “绝症”。随着早期诊断技术的进步和治疗手段的不断革新，越来越多的人战胜了癌症，成为癌症幸存者。然而，这些幸存者在康复后的生活中，却面临着一系列新的挑战。其中，如何通过合理的饮食和生活方式来降低死亡风险，提高生活质量，成为了亟待解决的问题。

过去，虽然人们知道生活方式因素与癌症风险存在关联，但对于癌症幸存者而言，不同生活方式因素，尤其是饮食，如何影响他们的预后，相关研究却少之又少。而且，现有研究的结果往往相互矛盾，让人难以抉择。同时，一种名为 “行星健康饮食”，也就是 EAT-Lancet 参考饮食的理念被提出，它强调以植物性食物为主，旨在兼顾食物对环境的影响和人体健康。但截至目前，还没有人研究过这种饮食模式与癌症幸存者死亡率之间的关系。

为了填补这一研究空白，来自瑞士苏黎世大学、英国女王大学贝尔法斯特分校等多个机构的研究人员开展了一项重要研究。他们从英国生物银行（UK Biobank）这一庞大的前瞻性队列研究中获取数据，该队列包含了超过 50 万名参与者的详细信息，为研究提供了丰富的样本资源。

研究人员利用 UK Biobank 的触摸屏问卷收集的饮食信息，开发了一个能够反映对 EAT-Lancet 参考饮食依从性的评分系统。随后，运用 Cox 比例风险回归模型，评估该饮食评分与癌症幸存者全因死亡率、癌症死亡率和心血管死亡率之间的关联。

在研究结果部分，有以下重要发现：

1. 全因死亡率：在平均 11.5 年的随访期内，25348 名癌症幸存者中有 4781 人死亡。研究发现，更高的 EAT-Lancet 参考饮食依从性与更低的全因死亡率相关（风险比（HR）连续变量：0.97，95% 置信区间（CI）：0.95 - 0.99；高依从性与低依从性相比（HR_{高 vs. 低}）：0.90，95% CI：0.84 - 0.99；p 趋势：0.004）。进一步分析不同癌症类型亚组时发现，在乳腺癌幸存者中，该饮食依从性与全因死亡率呈负相关；但在结直肠癌幸存者中未发现明显关联，在前列腺癌幸存者中，连续模型显示出正相关。
2. 癌症死亡率：综合考虑主要和次要死因，更高的 EAT-Lancet 参考饮食依从性与更低的癌症死亡率相关（HR 连续变量：0.98，95% CI：0.96 - 1.00；HR_{高 vs. 低}：0.92，95% CI：0.85 - 0.99；p 趋势：0.04） 。
3. 心血管死亡率：在心血管死亡率的分析中，无论是连续模型还是分类模型，都未发现 EAT-Lancet 参考饮食与心血管死亡率之间存在明显关联（HR 连续变量：0.99，95% CI：0.95 - 1.03；HR_{高 vs. 低}：0.95，95% CI：0.82 - 1.09；p 趋势：0.36）。

此外，研究人员还进行了分层分析，以探究不同因素对这种关联的影响。结果发现，不同性别、体重指数（BMI）、吸烟状况、饮酒状况、自我报告的近期饮食变化以及癌症诊断与研究招募之间的时间间隔等因素，都会对 EAT-Lancet 参考饮食与死亡率之间的关联产生影响。例如，女性、BMI 在 18.5 - 24.9kg/m²或≥30kg/m²的人群、当前饮酒者以及癌症诊断时间超过 10 年的人群，其 EAT-Lancet 参考饮食与死亡率之间的负相关关系更为明显。

在讨论部分，研究人员指出，这是首次探究 EAT-Lancet 参考饮食与癌症幸存者死亡率之间关联的研究。研究结果表明，遵循这种饮食模式可能有助于降低癌症幸存者的全因死亡率和癌症特异性死亡率。然而，研究也存在一些局限性。例如，饮食信息仅在基线时收集，可能无法反映参与者长期的生活方式习惯；缺乏癌症分期和治疗信息，可能影响对饮食与死亡率关系的准确判断；触摸屏问卷收集的饮食数据不完整，导致部分 EAT-Lancet 参考饮食成分无法准确评估等。

尽管存在这些不足，但这项研究依然具有重要意义。它为癌症幸存者的饮食和生活方式干预提供了新的科学依据，提示医疗工作者和癌症幸存者应重视饮食对健康的影响，鼓励他们采用更健康的饮食模式。未来，还需要更多的研究来进一步明确癌症幸存者的具体需求，探索改善他们健康状况的有效方法。该研究成果发表在《BMC Medicine》上，为该领域的研究开辟了新的方向，有望推动更多相关研究的开展，最终为癌症幸存者带来更好的健康结局。

本研究主要运用了以下关键技术方法：

1. 数据收集：利用 UK Biobank 队列中丰富的医疗、饮食、人体测量和生活方式等信息，获取研究所需数据。
2. 评分系统开发：根据 UK Biobank 触摸屏问卷收集的饮食信息，开发出反映 EAT-Lancet 参考饮食依从性的评分系统。
3. 统计分析：运用 Cox 比例风险回归模型，评估饮食评分与死亡率之间的关联，并进行分层分析和敏感性分析，以探究不同因素的影响。