基于膳食模式的大学生肥胖风险因素分析与预测模型构建：一项横断面研究

本综述基于膳食模式分析（PCA）探讨大学生肥胖风险因素，通过生物电阻抗法（BIA）评估体脂率（PBF）、内脏脂肪等级（VFL）等多维度肥胖指标，构建包含性别、运动、夜宵习惯、规律三餐及健康饮食提取等预测因子的列线图模型（AUC=0.805）。研究揭示蔬菜肉类谷物模式与奶蛋模式降低PBF风险（P<0.01），而零食模式与水生产品模式增加风险（P<0.05），为高校肥胖干预提供可视化非侵入性筛查工具。

　　

引言

全球肥胖负担过去50年增长三倍，中国成人超重肥胖率已超50%，预计203年将达65.3%，医疗成本将超585.2亿美元。大学生群体中超重肥胖问题尤为突出，男性肥胖率显著高于女性，47.3%有夜宵习惯者肥胖风险增加9.8倍。肥胖通过影响睡眠质量与认知功能（如注意力下降、记忆受损），并引发抑郁焦虑等心理问题，严重阻碍青少年关键发展期的健康轨迹。当前研究多采用单一肥胖指标，而多指标联合评估（如BMI、PBF、VFL、WHR、WC、FMI）可提升评估准确性，其中PBF能有效识别隐性肥胖，更具健康风险指示价值。

材料与方法

本研究采用横断面设计，于2023年10月至2024年6月期间在徐州高校通过简单随机抽样选取885名18-25岁本科生（男性55.7%，女性44.3%）。使用自编问卷收集人口学特征、生活方式及膳食数据，并通过生物电阻抗分析仪（InBody 570）测量体成分指标。膳食模式通过食物频率问卷（FFQ）采集16类食物摄入频率，经主成分分析（KMO=0.84，Bartlett检验P<0.001）提取四种膳食模式：蔬菜肉类谷物模式（水稻、谷物、蔬菜、豆制品、水果、菌菇）、水生产品模式（猪肉、牛羊肉、禽肉、水产品、油脂）、零食模式（饮料、零食、甜点）和奶蛋模式（乳制品、鸡蛋）。健康饮食评分根据食物与肥胖关联性赋予正负权重（健康项+1，高风险项-1）。统计学分析采用SPSS 23.0，包括卡方检验、逻辑回归及模型验证（训练集70%，验证集30%）。

结果

基线特征与肥胖流行率

PBF定义肥胖（男>25%，女>30%）检出率达42.5%，显著高于BMI定义肥胖率（30.7%）。男性肥胖率（55.0%）高于女性（32.7%）（χ²=44.256，P<0.01）。饮酒（肥胖组49.2% vs 正常组39.9%，P=0.001）、缺乏运动（不活动组49.9%肥胖 vs 活动组29.1%，P<0.001）及每日饮水<2L（56.4%肥胖 vs 40.7%，P<0.001）与肥胖显著相关。

膳食模式与肥胖关联

多因素逻辑回归显示：

• •

  蔬菜肉类谷物模式（OR=0.584，P<0.01）与奶蛋模式（OR=0.628，P<0.01）降低PBF肥胖风险；

• •

  水生产品模式增加PBF（OR=1.422，P<0.05）、FMI（P<0.05）及VFL（P<0.01）风险；

• •

  零食模式升高PBF（OR=1.385，P<0.05）、WHR（校正前P<0.05）及WC（P<0.05）风险。

风险预测模型构建

基于训练集（n=620）构建的PBF肥胖列线图模型包含5个预测因子：性别（男性风险更高）、运动不足、夜宵习惯、不规律三餐及低健康饮食评分。模型验证显示训练集AUC=0.805，验证集AUC=0.731，Hosmer-Lemeshow检验无显著差异（P>0.05），决策曲线分析（DCA）表明模型具临床适用性。模型通过nomogram可视化，总分对应个体肥胖概率。

讨论

肥胖指标差异与机制

PBF较BMI更敏感识别隐性肥胖，与肌肉量低、内脏脂肪积累相关的代谢紊乱密切相关。水生产品模式中饱和脂肪酸通过激活SREBP-1c途径促进de novo脂生成，零食模式的高糖负荷引发胰岛素抵抗及ChREBP介导的肝脂合成；相反，蔬菜模式的膳食纤维经发酵产生短链脂肪酸（SCFAs）激活AMPK改善胰岛素敏感性，奶蛋模式的钙质及生物活性肽通过上调UCP1促进产热。

行为因素干预意义

男性高风险与饮酒、高脂饮食偏好相关；运动不足直接减少能量消耗；夜宵及不规律三餐扰乱 circadian rhythm 相关代谢通路；健康饮食评分整合多食物协同效应，为个性化干预提供量化工具。本研究模型较既往BMI模型（如Liu等AUC=0.72）更优，但因地域局限性需多中心验证。

结论

大学生肥胖受膳食模式与生活方式多重影响，蔬菜肉类谷物及奶蛋模式为保护因素，水生产品与零食模式为风险因素。构建的PBF肥胖风险列线图模型具良好预测效能，可通过非侵入性评估指导校园肥胖一级预防。未来需扩大样本纳入遗传因素，并开展纵向研究验证因果关联。