咖啡因摄入对抑郁与焦虑症状的影响：随机对照试验的系统评价与Meta分析

《Frontiers in Nutrition》：Effects of caffeine intake on depressive and anxiety symptoms: a systematic review and meta-analysis of randomized controlled trials

　　

背景：咖啡因是全球消费最广泛的精神活性膳食成分之一。然而，其对情感症状的影响仍不确定，关于抑郁与焦虑结局的研究发现并不一致。本系统评价与Meta分析旨在仅基于随机对照试验（RCT）证据，评价定量咖啡因摄入对情感症状的影响。方法：本评价遵循系统评价与Meta分析优先报告条目（PRISMA）2020声明，并在国际前瞻性系统评价注册平台（PROSPERO；CRD42024564399）注册。检索PubMed/MEDLINE、Embase、Cochrane Library、Web of Science、CBM、VIP、CNKI和万方数据，检索时间自建库至2026年5月16日。随机效应Meta分析采用限制性最大似然估计并结合Hartung–Knapp校正。报告标准化均数差（SMD）及其95%置信区间（CI），并在适当时报告95%预测区间（PI）。根据暴露模式和精神疾病状态考察临床一致性，剂量分层分析为探索性。结果：共纳入15项RCT，涉及668名参与者并贡献所选比较。对于抑郁症状，宽泛的合并估计未显示咖啡因与对照条件之间存在明确差异[SMD = ?0.49，95% CI：（?1.33，0.34）；I² = 92.89%；95% PI：（?2.87，1.88）]。咖啡因暴露后焦虑评分平均较高[SMD = 0.51，95% CI：（0.12，0.89）；I² = 90.30%]，尽管95% PI跨越无效线（?0.95，1.96）。在急性非精神科比较中，抑郁症状的合并估计为?0.15[95% CI：（?2.12，1.81）]，焦虑为0.38[95% CI：（?0.02，0.79）]。探索性剂量分层显示，>200 mg类别中焦虑评分较高[SMD = 0.97，95% CI：（0.55，1.39）]，而≤200 mg类别中未见此现象[SMD = ?0.05，95% CI：（?0.41，0.30）]。两种结局的证据确定性均极低，焦虑结局检测到小样本研究效应。讨论：随机证据不支持咖啡因在不同情境下具有一致效应。宽泛的焦虑阳性估计应谨慎解读，原因包括显著异质性、跨越无效线的预测区间以及极低确定性证据。剂量类别发现仍属探索性，不能确立临床阈值或连续剂量–反应关系。系统评价注册：https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=564399，PROSPERO CRD42024564399。

引言部分指出，抑郁障碍与焦虑障碍分别是全球疾病负担的重要来源，估计分别影响约2.80亿和3.01亿人，COVID-19大流行进一步加剧了这一负担，因此识别可改变的生活方式与膳食因素具有现实意义。咖啡因（1,3,7-三甲基黄嘌呤）是咖啡中主要的精神兴奋性成分，摄入后迅速经胃肠道吸收，通常在30–60 min内达到血浆峰浓度；在常规膳食剂量下，其精神作用主要通过非选择性竞争性拮抗中枢腺苷A₁和A_2A受体介导。腺苷受体拮抗可增加脑能量代谢、降低脑血流，并伴随去甲肾上腺素能活性增强和区域特异性多巴胺能调节，可能与焦虑相关反应有关；而咖啡因也可能通过增强5-羟色胺能和多巴胺能神经传递短暂减轻抑郁症状。由于咖啡因以多种膳食和实验制剂形式摄入或给药，按给药咖啡因剂量量化暴露可为跨研究比较情感结局提供共同指标。然而，观察性研究证据并不一致，既往观察性Meta分析多报告总咖啡因摄入与抑郁症状呈负相关，但受人群特征限制，难以区分剂量特异性效应与相关膳食及生活方式因素的混杂影响；近期Meta分析亦将较高咖啡因摄入与焦虑风险增加相联系，但其结论主要源自观察性数据，横断面和前瞻性队列研究易受残余混杂与暴露错分影响，限制了因果推断。

方法部分说明，本系统评价与Meta分析按预设方案实施，并遵循PRISMA 2020声明，方案已在PROSPERO前瞻性注册。研究者依据人群、干预、对照、结局和研究设计（PICOS）框架预先界定纳入标准，纳入采用平行组或交叉设计的RCT，比较定量咖啡因暴露（单独咖啡因或含咖啡因食品/饮料）与安慰剂、脱咖啡因或无咖啡因对照，并使用预设症状测量工具评估抑郁或焦虑症状。检索覆盖四个英文数据库和四个中文数据库，检索时间自建库至2026年5月16日，采用受控词表与自由词结合的策略，并手工筛查纳入文献和相关综述的参考文献，进行前后向引文追踪。去重后依次进行题录初筛和全文评估；纳入需满足随机对照设计、合格对照、经验证的心理测量工具评估以及可计算效应量及方差的定量数据等条件；排除综述、观察性研究、动物研究、病例报告、信件、社论等非原始研究、无相关结局、重复发表或人群重叠以及数据不足且联系作者后仍无法获取者。数据由两名研究者独立提取，内容涵盖研究设计、参与者特征、样本量、干预与对照细节、咖啡因剂量与载体、暴露时长、洗脱期、结局工具、评估时点及定量结局数据；交叉试验尽量采用配对数据或配对效应估计，参与者计数在研究或队列层面进行协调以避免重复计数。

偏倚风险评估采用修订版Cochrane随机试验偏倚风险工具（RoB 2），在结局层面分别评估抑郁与焦虑结局，平行组试验使用标准版，交叉试验使用交叉专用版以处理时期效应和携带效应等问题，各领域及总体风险分为低风险、有些担忧和高风险，由两名研究者独立评定，分歧通过讨论或咨询第三名研究者解决，并使用robvis工具生成交通灯图和汇总图。证据确定性采用推荐分级的评估、制定与评价（GRADE）框架，由两名研究者独立从偏倚风险、不一致性、间接性、不精确性和发表偏倚五个领域进行评价，分为高、中、低或极低。

统计分析部分指出，为避免多臂试验、共享对照组和重复评估导致的重复计数，每个独立队列和结局仅纳入一个合格比较和一个评估时点，除非存在真正独立的队列或实验；优先选择原始研究者指定的主要干预后评估时点，否则选择同一急性实验阶段内、早于任何可能影响结局的后续情绪诱导、认知任务或运动方案的最晚评估；同一参与者的重复测量不视为独立效应估计；多剂量试验中若原始研究未指定主要剂量，则一致选择较低合格剂量用于主要配对分析；平行组试验中共享对照且代表同一分析对比的多个干预臂予以合并而非重复使用对照；同一结局存在多种测量时优先选择最契合预设构念的测量，焦虑结局优先采用经验证的多条目状态焦虑测量而非特质测量或单条目评分。随机效应Meta分析采用限制性最大似然（REML）估计研究间方差，并对合并估计的95% CI应用Hartung–Knapp校正；采用Cochran Q检验评估统计学异质性，以I²统计量和研究间方差（τ²）量化；在可 meaningful 估计时计算95%预测区间（PI）。鉴于人群、暴露模式和结局构念存在显著临床异质性，总体合并估计被解释为宽泛的描述性汇总而非适用于所有情境的共同效应，临床解释主要依赖临床分层合成。临床一致性依据暴露模式和精神疾病状态评估：急性暴露定义为单次或单日给药且结局在同一实验阶段内评估，持续或重复暴露指连续数日或数周的干预；在证据允许时分别评价精神科与非精神科人群；结局测量亦结合其所代表的构念和评估情境加以审视，仅凭统计标准化不足以确立短暂情绪状态测量与临床症状量表之间的临床等价性；在临床分层分析中，仅当贡献研究具有足够可比性时才进行定量合成，否则在研究层面进行叙述性总结。探索性亚组分析在数据充足时考察研究设计、咖啡因剂量和结局评估方式；暴露模式与精神疾病状态的差异通过上述临床分层合成处理而非作为常规亚组分析；剂量分层采用≤200 mg和>200 mg类别，200 mg切点仅作为受既往文献剂量分类启发的探索性分类，不被视为已确立的临床或生物学阈值或连续剂量–反应关系的证据；对按体重调整的干预，结合报告的mg/kg剂量与研究层面信息确定主要探索性剂量类别，若无法明确判定参与者层面绝对剂量相对200 mg边界的位置，则标记为不确定，这些比较保留在主要探索性剂量分层分析中但排除于仅限明确剂量分类的敏感性分析。敏感性分析还包括限制于单独咖啡因对比以及逐一剔除单个比较，稳健性依据估计方向和幅度的稳定性而非仅统计学显著性判断；采用漏斗图探索潜在小样本研究效应和发表偏倚，仅在独立比较数量允许有意义评估时进行回归法漏斗图不对称检验；所有检验为双侧，α = 0.05。

结果部分显示，数据库检索共识别1 139条记录，去除351条重复后对788条进行题录初筛，排除735条；53篇报告被获取全文并评估合格性，其中38篇被排除，原因包括缺乏计算抑郁或焦虑效应量所需的定量数据（n = 23）、无合格抑郁或焦虑结局（n = 13）以及干预为不合格的膳食补充剂（n = 2）；最终15项RCT纳入系统评价与Meta分析。纳入研究发表于1994年至2025年，分别在美国（n = 6）、中国（n = 2）、突尼斯（n = 2）、哥伦比亚（n = 1）、巴西（n = 1）、英国（n = 1）、伊朗（n = 1）和瑞典（n = 1）开展；所选定量比较共涉及668名唯一参与者。研究设计以交叉设计为主，其余为平行组设计。研究人群包括健康或非患者成人、运动员、健康学龄儿童以及精神科或其他临床状况患者。咖啡因以胶囊、片剂、咖啡、能量饮料或其他含咖啡因饮料形式给予，剂量范围为60 mg/日至480 mg或按体重表达；暴露时长从急性单次给药至长达12周的重复干预不等。三项试验仅评估抑郁症状，八项仅评估焦虑症状，四项同时报告抑郁和焦虑结局；症状采用多种临床医生评定和自评工具评估。纳入研究在参与者特征、咖啡因暴露模式、干预时长和结局评估方面差异显著，这些差异在后续临床分层和定量合成中予以考虑。

偏倚风险方面，抑郁结局的7个独立比较总体均被评为有些担忧，无高风险；最常见的担忧涉及随机化过程（6个比较），4个比较在缺失结局数据方面存在担忧，4个在结局测量方面存在担忧，2个在报告结果选择方面存在担忧，偏离预期干预所致的偏倚在所有抑郁比较中均评为低风险。16个独立焦虑比较中，3个总体评为低偏倚风险，13个为有些担忧，无高风险；担忧最常见于随机化过程和结局测量（分别影响11个和10个比较），3个比较在缺失结局数据方面存在担忧，3个在报告结果选择方面存在担忧，1个在偏离预期干预方面存在担忧。这些判断主要反映若干较早试验对序列生成或分配程序的报告有限、主观焦虑结局盲法维持的不确定性以及少数比较中结局数据不完整或缺乏预注册。

抑郁症状效应方面，宽泛描述性合成纳入7个独立比较，随机效应模型（REML结合Hartung–Knapp校正）的总体估计未提供咖啡因与对照条件间抑郁症状评分存在差异的明确证据[SMD = ?0.49，95% CI：（?1.33，0.34），p = 0.20]，研究间变异显著（I² = 92.9%，τ² = 0.74），预测区间宽泛[95% PI：（?2.87，1.88）]。更具临床一致性的亚组包括两项在非精神科参与者中开展的急性交叉试验，均采用心境状态量表（POMS）评估单次咖啡因暴露后的短期抑郁/沮丧反应，两项比较的定量合成未显示明确差异[SMD = ?0.15，95% CI：（?2.12，1.81），p = 0.51]，未检测到统计学异质性（I² = 0%，τ² = 0.00，p = 0.45），但研究数量少和Hartung–Knapp置信区间宽泛显著限制了合并估计的精确性。精神科人群证据较为有限且未与急性非精神科研究合并：一项研究以临床医生评定的HAMD-6考察抑郁患者的急性咖啡因激发，研究层面估计与咖啡因暴露后抑郁症状评分较低相容，但仍不精确且包含无效值[SMD = ?0.40，95% CI：（?0.86，0.06）]；由于该比较在人群和结局构念上均不同于非精神科急性研究，故单独考虑。精神科人群持续暴露方面，一项研究报告4周咖啡因摄入后抑郁症状评分较低[SMD = ?0.87，95% CI：（?1.40，?0.34）]，另一项研究报告12周后更大的估计[SMD = ?2.35，95% CI：（?2.91，?1.80）]；尽管效应方向相似，两项试验在治疗背景、暴露时长和观察效应幅度上差异明显，仅两项研究且临床可比性有限，合并估计信息价值不足，故进行叙述性总结。非精神科人群的重复咖啡因暴露亦有两项研究：一项报告小的正向估计[SMD = 0.14，95% CI：（?0.12，0.39）]，另一项报告类似的小估计[SMD = 0.31，95% CI：（?0.25，0.87）]，两者置信区间均未排除无效值；参与者特征、干预方案和抑郁结局测量的差异进一步限制了共同合并效应的可解释性，故分别描述。

焦虑症状效应方面，宽泛描述性合成纳入来自12项RCT的16个独立比较，随机效应分析显示咖啡因暴露后焦虑评分平均高于对照条件[SMD = 0.51，95% CI：（0.12，0.89），p = 0.01]，存在显著研究间异质性（I² = 90.3%，τ² = 0.43），95% PI跨越无效线[（?0.95，1.96）]。将分析限制于10篇文献报告的11个非精神科队列急性比较时，所选结局虽采用不同工具评估，但主要反映急性实验情境下同时点的焦虑或焦虑相关情绪反应而非长期临床症状负担或新发焦虑障碍，因此被认为在评估情境上足够一致以支持描述性分层定量合成；点估计仍指向焦虑评分较高，但置信区间包含无效值[SMD = 0.38，95% CI：（?0.02，0.79），p = 0.06]，该更具临床可比性的组内仍存在显著异质性（I² = 85.9%，τ² = 0.28，p < 0.001），预测区间仍宽泛[95% PI：（?0.88，1.65）]，表明限制于非精神科参与者急性反应虽减少部分临床变异来源，但未消除焦虑反应的显著变异性。另有3个来自精神科队列的急性比较，分别涉及惊恐障碍和社交恐惧症患者以及惊恐障碍队列，这些队列不同于同一文献中纳入非精神科合成的健康对照队列；由于精神科比较涉及不同诊断和焦虑测量，定量合并的临床可解释性不足，故在研究层面进行叙述性总结，个体效应估计幅度各异，有限证据及精神科人群和结局构念差异使急性焦虑共同效应的估计无法实现。持续焦虑结局证据仅限于非精神科人群的两项研究，故单独考虑：一项报告重复咖啡因暴露后效应估计接近无效[SMD = ?0.12，95% CI：（?0.38，0.14）]，另一项报告方向相反且幅度大得多的估计[SMD = 2.30，95% CI：（1.58，3.03）]；两项研究不仅效应幅度不同，参与者特征和咖啡因暴露方案亦不同，鉴于这些差异和研究数量有限，合并两项估计不太可能提供临床可解释的汇总，故进行叙述性描述。

探索性亚组分析方面，共进行两项探索性亚组分析，考察效应估计变异是否与咖啡因剂量或结局评估方式相关；暴露模式和精神疾病状态相关差异已在结局特异性临床合成中处理，故未在此作为常规亚组分析重复。剂量分层分析同时针对抑郁和焦虑结局，评估方式分析仅限抑郁结局，因为焦虑研究未提供有意义的测量方式对比。由于若干分层仅含少量研究且部分分析仍存在明显残余异质性，结果被谨慎解释为探索性而非已确立的效应修饰证据。按咖啡因剂量分层时，暴露分为≤200 mg和>200 mg探索性类别，200 mg边界仅作为分析分组标准以促进跨试验比较，不被视为已确立的临床或生物学阈值；对无法在个体层面明确判定绝对剂量的按体重调整干预，主要分析依据可用的研究层面剂量信息分类，这些比较随后在敏感性分析中排除以评估分类不确定性的影响。抑郁结局方面，两个剂量类别间无明确差异证据（亚组差异检验，p = 0.18）：≤200 mg类别合并估计不精确并伴显著异质性[SMD = ?0.84，95% CI：（?2.56，0.89），p = 0.22；I² = 95.3%，τ² = 1.11]，>200 mg类别估计接近无效[SMD = ?0.06，95% CI：（?0.95，0.83），p = 0.81；I² = 47.3%，τ² = 0.06]；一项以mg/kg报告咖啡因暴露的研究无法在个体层面明确归入200 mg边界任一侧，排除该比较后类别间比较变化很小，仍无统计学意义（p = 0.23）。焦虑结局方面，两个探索性剂量类别合并估计存在差异（亚组差异检验，p < 0.001）：≤200 mg类别估计接近无效[SMD = ?0.05，95% CI：（?0.41，0.30），p = 0.72；I² = 71.8%，τ² = 0.09]，>200 mg类别合并焦虑估计较高[SMD = 0.97，95% CI：（0.55，1.39），p < 0.001；I² = 76.2%，τ² = 0.20]。四个比较使用按体重调整的咖啡因剂量，无法在个体层面相对200 mg边界明确分类；限制于剂量分类明确的比较后呈现相似模式，≤200 mg类别估计仍接近无效[SMD = ?0.10，95% CI：（?0.52，0.32）]，>200 mg类别仍为正向[SMD = 0.97，95% CI：（0.27，1.67）]；>200 mg类别未取整合并估计从主要分析的0.972略变为限制性敏感性分析的0.968，但保留两位小数时均报告为0.97，类别间差异仍有统计学意义（p = 0.001）；排除不确定分类后该对比持续存在，提示观察到的差异并非仅归因于按体重调整剂量的处理方式，然而两个剂量类别内仍存在明显残余异质性，且分析依赖分类而非连续剂量信息，故结果应解释为探索性，不能确立连续剂量–反应关系或支持200 mg作为临床阈值。按评估方式进行的探索性分析仅针对抑郁结局：采用自评测量的研究估计接近无效[SMD = 0.08，95% CI：（?0.23，0.40），p = 0.45]，几乎无研究间异质性证据（I² = 0%，τ² = 0.00）；采用临床医生评定测量的研究产生更负但精确性明显更低的合并估计[SMD = ?1.20，95% CI：（?3.73，1.33），p = 0.18]，并伴显著异质性（I² = 93.4%，τ² = 0.97）；亚组对比达到统计学意义（p = 0.03），然而评估方式与其他研究特征密切对应，临床医生评定结局主要来自精神科人群和更具临床导向的干预情境，自评测量在非精神科样本中更常见，因此观察到的差异不能仅归因于测量方式，最好视为反映多种重叠临床和方法学特征的探索性发现；焦虑结局未进行相应分析，因为纳入比较均依赖参与者报告的焦虑测量，不存在评估方式上的有效对比。

敏感性分析部分，按研究设计考察方法学变异来源：抑郁结局方面，交叉试验效应估计接近无效[SMD = ?0.10，95% CI：（?0.52，0.33）]，伴中度异质性（I² = 42.4%，τ² = 0.04）；平行组试验估计更负但精确性明显更低[SMD = ?0.97，95% CI：（?4.29，2.34）]，仍存在显著异质性（I² = 95.6%，τ² = 1.70）；亚组差异检验未提示交叉与平行组设计间存在明确差异（p = 0.26）。焦虑结局方面，交叉试验合并估计为正向[SMD = 0.40，95% CI：（0.05，0.75）]，但仍存在明显异质性（I² = 86.5%，τ² = 0.28）；平行组试验点估计更大但不确定性明显[SMD = 1.24，95% CI：（?12.05，14.53）]，并伴显著异质性（I² = 95.3%，τ² = 2.09）；未检测到明确的设计间差异（p = 0.43），平行组估计置信区间异常宽泛反映贡献比较数量极少，限制了对设计间差异的解释。现有数据因此对研究设计作为抑郁或焦虑效应估计变异的独立解释支持有限，鉴于平行组分层证据稀少及两种设计内残余异质性，这些分析保留为方法学评估而非设计特异性效应的证据。针对未报告配对方差信息的交叉比较，采用r = 0.25和r = 0.75的替代参与者内相关进行敏感性分析，主要分析保留r = 0.50；已报告调整后参与者内估计及其标准误者直接使用，故不受这些假设影响。抑郁和焦虑结局的合并估计在不同相关性假设下变化极小，结果方向或统计学解释无实质改变。为考察主要发现是否对纳入含咖啡因饮料和多组分制剂敏感，将分析限制于咖啡因是干预与对照条件间差异活性成分的比较后重复分析：抑郁结局限制后估计方向与主要分析一致但幅度减弱且精确性明显降低，伴明显残余异质性；焦虑结局限制后估计仍为正向且幅度与主要估计相似，研究间异质性降低但仍有明显变异性；因此限制于单独咖啡因对比未实质性改变任一结局的统计学解释，而更小的证据基础（尤其抑郁）增加了相应估计的不确定性。逐一剔除分析评估合并估计受单个独立比较影响的程度：抑郁结局逐一剔除各比较未使总体统计学解释发生实质改变，合并估计始终为负，所有95% CI继续包含无效值，排除某项研究后衰减最大，提示该比较对合并估计幅度有相当贡献，但其剔除未改变总体推断；焦虑结局逐一剔除任何单个比较后合并估计仍为正向且具统计学意义，排除某项研究后衰减最大，但所得置信区间仍高于无效值；因此尽管单个比较对合并效应幅度变异有贡献，但没有任何单个比较似乎决定抑郁或焦虑结局的总体统计学解释。

小样本效应与发表偏倚方面，抑郁结局漏斗图显示效应估计分布存在一定视觉不对称，但因仅7个独立比较证据基础小、漏斗图模式尤其易受随机变异和单个有影响力估计影响，解释受限，故未进行正式漏斗图不对称检验，也未从抑郁数据集推断发表偏倚存在与否。焦虑结局漏斗图亦显不对称，Egger回归检验提示小样本研究效应证据（z = 2.740，p = 0.006）；该发现要求谨慎解读焦虑合并估计，但观察到的对称性并非发表偏倚所特有，鉴于焦虑比较间存在显著临床和统计学异质性，参与者人群、暴露特征、结局评估和研究精确性差异也可能促成该模式。

证据确定性方面，抑郁症状证据确定性评为极低，因偏倚风险、显著不一致性、人群暴露模式和结局测量差异所致的间接性以及合并估计不精确[SMD = ?0.49，95% CI：（?1.33，0.34），p = 0.20]而降级；抑郁结局未进一步因发表偏倚降级，因为仅7个独立比较无法可靠评估漏斗图不对称，该决定反映证据不足以支持额外降级而非发表偏倚不存在的证据。焦虑症状证据确定性同样评为极低，因偏倚风险、显著不一致性、跨人群暴露模式和结局测量的间接性以及尽管合并估计排除无效值仍存在的不精确性[SMD = 0.51，95% CI：（0.12，0.89），p = 0.01]而降级；此外因漏斗图不对称和小样本研究效应证据引起对发表偏倚的足够担忧而额外降级，尽管显著研究间异质性也可能促成观察到的对称性。

讨论部分的主要发现指出，现有结果不支持咖啡因在临床和实验情境中对抑郁或焦虑症状具有一致效应。抑郁症状方面，宽泛合并估计未显示咖啡因与对照条件间明确且一致的差异；焦虑评分在咖啡因暴露后平均较高，但预测区间跨越无效线，提示研究情境间存在显著变异；鉴于两种结局证据确定性均极低，这些合并估计更适合解释为异质性证据基础的宽泛汇总而非预期在各人群中一致适用的效应。非显著抑郁宽泛合并估计不应解释为不存在临床相关效应，尤其考虑到宽泛的置信区间和预测区间以及极低证据确定性；非精神科参与者急性研究几乎未显示可重复的短期变化，而精神科人群研究在治疗背景和暴露时长上差异显著，与抗抑郁药治疗同时进行的试验尤其不能与单独咖啡因暴露直接比较；非精神科人群重复暴露研究亦产生小而精的估计。因此本分析的主要贡献在于表明随机证据不支持跨不同人群和暴露情境的一致抗抑郁效应，这或可部分解释与将习惯性咖啡或咖啡因摄入与较低抑郁症状相联系的观察性证据之间的差异。焦虑发现的解读同样取决于研究情境：急性非精神科比较一般产生比宽泛合并估计更小且更多变的效应，精神科人群证据仍有限且不精确，持续/重复暴露研究亦得出分歧结果；因此尽管焦虑宽泛合并估计具统计学意义，该发现不应解释为临床有意义恶化或焦虑障碍发病率增加的证据，尤其是多数纳入试验评估连续症状评分而非诊断结局；尽管探索性剂量分层提示>200 mg类别焦虑估计较大，残余异质性和分类剂量信息不支持将200 mg解释为临床阈值或连续剂量–反应关系证据。总体而言，现有随机证据更符合情感反应的情境依赖性变异而非咖啡因对抑郁或焦虑症状的固定效应。

药理学机制部分认为，咖啡因情感反应的异质性可部分在其对中枢腺苷信号作用背景下理解：咖啡因主要作为腺苷A₁和A_2A受体非选择性拮抗剂，影响神经元兴奋性及参与觉醒和情感调节的神经递质系统；急性腺苷信号拮抗可改变多巴胺能和5-羟色胺能神经传递，为情绪相关反应的短期变化提供合理生物学基础；重复暴露时腺苷信号的代偿性适应可能减弱或改变这些急性效应，这种神经适应连同习惯性咖啡因使用和基线心理状态差异可能促成急性和持续暴露研究间的变异，而非意味着一致的抗抑郁作用。焦虑相关反应方面，腺苷受体拮抗可能增加中枢觉醒和交感激活，在易感个体中加重焦虑症状，较大咖啡因暴露可能强化这些生理反应，为较高剂量类别中观察到的较大焦虑估计提供可能解释；但该解释仍属暂定，因为本分析采用分类剂量分组，未确立连续剂量–反应关系或生物学阈值；咖啡因敏感性、代谢、习惯性摄入和基线焦虑易感性的个体间差异可能进一步修饰这些反应；现有机理证据提供了跨试验异质性的生物学合理框架，但其本身不能确立剂量类别间差异的因果性。

优势与局限性部分指出，本综述若干方法学特征增强其严谨性：将纳入限于RCT减少生活方式和行为混杂对观察性证据解释的影响；在证据允许时区分急性与持续暴露、精神科与非精神科人群以处理临床异质性，临床不相似研究通过叙述性总结而非仅凭统计标准化合并；对多臂、交叉和重复测量设计采用明确选择和处

理程序以减少双重计数和不适当加权；分析纳入REML估计、Hartung–Knapp校正、预测区间以及考察关键假设和有影响力比较的敏感性分析；在结局层面评估偏倚风险并使用GRADE评价证据确定性。主要局限性在于现有证据基础的规模和多样性：共纳入15项试验，668名唯一参与者贡献所选定量比较，若干临床相关分层仅含少量研究，即使在临床更可比亚组中仍存在显著异质性；精神疾病状态、参与者特征、咖啡因制剂、暴露时长、习惯性咖啡因使用和结局评估差异均可能促成该变异；潜在生物学修饰因素亦表征不足，腺苷相关通路的遗传变异在实验研究中与咖啡因诱导的焦虑相关，但纳入试验很少报告此类因素，无法作为潜在异质性来源加以考察；此外，使用不同心理测量工具带来构念层面问题，短暂情绪状态测量与临床症状严重程度测量未必可互换，标准化本身无法解决。原始研究的方法学局限进一步增加不确定性：全部7个抑郁比较均被评为有些担忧，16个焦虑比较中13个有些担忧、3个低风险，主要担忧涉及随机化程序报告不完整、结局测量、缺失数据和选择性报告，尤见于较早试验；若干研究采用交叉设计且部分比较缺乏配对方差信息，尽管替代参与者内相关假设对总体解释影响很小，但携带效应、洗脱充分性和未报告协方差相关的不确定性不能排除；纳入含咖啡因饮料和多组分制剂也引入一定暴露异质性，尽管限制于咖啡因作为差异活性成分的比较分析未实质性改变总体解释。这些局限反映在确定性评价中：抑郁和焦虑结局证据均因偏倚风险、不一致性、间接性和不精确性担忧评为极低，焦虑结局漏斗图不对称和小样本研究效应证据亦引起发表偏倚担忧；多数试验评估相对短期暴露，限制了对持续习惯性咖啡因摄入的推断，儿童和青少年随机证据稀少；因此研究结果应在此证据边界内解释，而非视为一致或长期临床效应的估计。

临床实践与未来研究启示部分指出，现有发现不构成定义临床有害咖啡因剂量或修改现有人群摄入建议的基础；鉴于显著异质性、跨越无效线的预测区间和极低确定性证据，合并估计不应转化为统一临床指导；观察到的焦虑评分升高不应视为临床有意义恶化或焦虑障碍发病率增加，而非显著抑郁估计也不排除临床相关效应；由于多数随机证据来自急性或短期实验性咖啡因暴露，这些发现不应直接外推至习惯性膳食咖啡因摄入或长期精神科结局；临床实践中咖啡因相关症状应结合习惯性摄入、个体敏感性及其与咖啡因暴露的时间关系谨慎解读，而非基于普遍剂量阈值。未来研究应更重视临床一致的研究人群、明确界定的暴露模式以及具有既定临床相关性的结局；在可行时需开展更长疗程的RCT以确定短期情感反应在持续咖啡因暴露下是否持续；习惯性咖啡因摄入、戒断状态、咖啡因制剂、剂量和时点报告的一致性亦将提高研究间可比性；纳入临床可解释结局阈值而非仅症状评分的研究有助于阐明观察到的变化是否转化为对患者有意义的效应；咖啡因代谢和腺苷相关通路（如CYP1A2和ADORA2A）等个体间变异生物学来源亦值得研究，但此类分析应视为设计良好的临床试验的补充而非替代。

结论部分总结，本随机对照试验系统评价与Meta分析未发现咖啡因在不同人群和暴露情境中对抑郁症状具有一致效应的明确证据，尽管非显著合并估计不排除临床相关效应；咖啡因暴露后焦虑评分平均较高，但显著异质性、跨越无效线的预测区间和极低确定性证据限制了该发现的临床解释，且不能确立临床有意义恶化或焦虑障碍发病率增加；探索性剂量分层发现不支持临床阈值或连续剂量–反应关系；由于多数证据来自急性或短期实验性暴露， findings不应直接外推至习惯性咖啡因摄入或长期精神科结局；尚需更多具有临床意义结局和更长随访的设计良好试验。