编辑推荐：
本综述通过对 14 国 18 项研究（含 82,493 例 1 型糖尿病病例）的 meta 分析，发现人口密度与 1 型糖尿病风险呈负相关（风险比 = 0.86，95% CI:0.81~0.92），但存在地域差异，且受混杂因素影响。研究挑战了 “城市化增加患病风险” 的传统观点，呼吁更多非欧洲地区研究。
研究背景与目的
城市化与 1 型糖尿病（T1D）风险的关联备受关注，但缺乏系统性综述。本研究通过 meta 分析探讨人口密度与 T1D 风险的关系，纳入截至 2025 年 2 月 22 日的相关研究，旨在明确全球范围内的总体趋势及地域差异。
研究方法
依据 PRISMA 2020 指南，通过 PubMed 和 Medline 检索相关文献，最终纳入 14 个国家的 18 项观察性研究（82,493 例 T1D 病例）。采用随机效应模型计算风险比（RR），评估人口密度极值（最高 vs 最低）与 T1D 风险的关联，并进行亚组分析、敏感性分析及偏倚风险评估。
关键结果
人口密度与 T1D 风险的总体关联
meta 分析显示，调整混杂因素后，高人口密度地区 T1D 风险显著低于低人口密度地区（RR=0.86，95% CI:0.81~0.92，P<0.001），未调整模型结果类似（RR=0.84，95% CI:0.79~0.88）。按研究区域划分，欧洲（RR=0.84，95% CI:0.76~0.92）和北美（RR=0.44，95% CI:0.40~0.48）呈负相关，而澳大利亚（RR=1.48，95% CI:1.28~1.72）呈正相关，亚洲无显著关联（RR=0.94，95% CI:0.79~1.13）。
亚组分析与异质性
研究间存在显著异质性（I2>74%），但敏感性分析显示结果稳健。按地理区域分层，北欧国家（RR=0.68，95% CI:0.48~0.97）的负相关性更强，而非北欧欧洲地区（RR=0.95，95% CI:0.89~1.01）接近临界值。按研究尺度划分，小范围区域（如行政区）分析显示 RR=0.97（95% CI:0.94~1.00），大范围区域（如郡县）分析显示 RR=0.67（95% CI:0.44~1.02），提示地理尺度可能影响结果。
潜在机制与讨论
研究结果与生物多样性假说预期相悖，却与卫生假说一致：高密度人口可能增加感染暴露，通过调节免疫系统降低 T1D 风险。例如，城市儿童 daycare attendance 更高，感染率增加，而 daycare attendance 与 T1D 风险降低相关。此外，城市环境中的社会经济因素（如教育、收入）、饮食结构、体力活动水平等亦可能发挥作用，但现有证据尚未形成一致结论。
局限性与展望
研究受限于观察性设计，无法确立因果关系，且存在未控制的混杂因素（如遗传易感性 HLA 单倍型）。此外，纳入研究主要来自欧洲，缺乏其他大洲数据，需进一步开展多区域研究以验证结论。
结论
本 meta 分析表明，人口密度与 T1D 风险呈负相关，挑战了 “城市化必然增加 T1D 风险” 的传统观点，并揭示显著地域差异。未来需结合微生物暴露、遗传背景等多维度数据，深入探究其机制，尤其关注非欧洲人群的研究，以完善 T1D 的预防策略。
