将饮食可持续性与健康联系起来：重点关注全身性及中心性肥胖 玛丽安娜·雷伊（Mariana Rei）、 卡塔里娜·坎波斯·席尔瓦（Catarina Campos Silva）、 杜阿尔特·托雷斯（Duarte Torres）、 科林·塞奇（Colin Sage） 以及萨拉·S·P·罗德里格斯（Sara S. P. Rodrigues）

《International Journal of Environmental Research and Public Health》：Associating Dietary Sustainability with Health: A Focus on General and Central Adiposity Mariana Rei, Catarina Campos Silva, Duarte Torres, Colin Sage and Sara S. P. Rodrigues

　　**摘要**
本研究旨在探讨饮食可持续性得分（DSS）与健康结果（特别是体质指数BMI和腰围与身高比值WHtR）之间的关系。利用2015–2016年葡萄牙全国食物、营养与身体活动调查（IAN-AF）中2287名成年人的数据，DSS基于四个维度进行计算：与健康相关的营养属性、环境影响、经济可负担性以及社会文化可接受性。采用逻辑回归模型分析DSS与总体脂肪量（BMI分类：体重过轻/正常 vs. 超重/肥胖）和中枢脂肪量（WHtR分类：健康 vs. 不健康）之间的关联。模型调整了性别、年龄、教育水平和身体活动水平等因素，以控制潜在的混杂变量。较高的DSS与较低的超重/肥胖风险相关（OR = 0.91，95%CI：0.88, 0.94）和较高的不健康中枢脂肪量风险相关（OR = 0.91，95%CI：0.87, 0.95），表明更可持续的饮食模式与更健康的脂肪量状况相关。本研究强调了推广可持续饮食作为公共卫生策略的重要性，以应对肥胖问题，并整合健康、环境、经济和社会文化维度，从而实现更全面、长期的人口健康改善。

**1. 引言**
肥胖，尤其是中枢脂肪量，对公共卫生构成重大挑战，因为它与多种非传染性疾病密切相关，包括心血管疾病、2型糖尿病和某些癌症[1,2,3]。自1990年以来，全球受肥胖影响的成年人数量翻了一番以上，2022年达到8.78亿人[4]。在欧洲地区，约60%的成年人患有超重或肥胖，每年导致约120万人死亡[5]。在葡萄牙，2015/2016年有36.5%的成年人超重，21.6%肥胖，50.5%存在中枢脂肪量问题[6]，这突显了该国的公共卫生挑战。全球肥胖率的上升与多种风险因素有关，其中饮食起着核心作用[4,7]。不健康的饮食模式，表现为高能量密度和低营养价值食物的摄入，是体重增加和中枢脂肪量增加的主要原因[7,8]。鉴于肥胖的多方面影响，了解饮食对体质指数（BMI）和腰围与身高比值（WHtR）的影响对于制定有效的公共卫生策略至关重要。最新证据表明，可持续饮食——定义为营养充分、环境友好、经济可行且社会文化可接受的饮食[9]——可能在预防健康问题方面发挥关键作用[10,11,12,13,14]。然而，饮食可持续性与肥胖（尤其是总体脂肪量和中枢脂肪量）之间的关系仍需进一步研究[15]。

饮食可持续性可以通过不同的方法进行评估。一种方法依赖于基于官方饮食建议、传统饮食模式、食物替代模型或专家定义的饮食模式（如EAT-Lancet参考饮食）的模型化或假设性饮食模式[16]。另一种方法侧重于观察到的饮食模式，使用反映人群实际饮食情况的实证个体水平食物消费数据[16]。尽管假设性饮食不需要原始饮食数据，但可能无法全面捕捉到同样或更可持续的现有饮食模式的多样性[16]。因此，包括行星健康饮食指数（Planetary Health Diet Index）和EAT-Lancet评分在内的几种广泛使用的可持续性指标大多基于此类模型化饮食情景或全球参考值，这可能限制了它们对国家饮食习惯、食物可用性和社会文化背景的考虑。因此，在评估特定人群中的饮食-健康关系时，评估现有饮食的可持续性特征尤为重要。本研究调查了饮食可持续性得分（DSS）——一种基于观察到的个体水平饮食数据的多标准衡量方法，评估了葡萄牙饮食模式在营养、环境、经济和社会文化维度上的可持续性[17]——与BMI和WHtR之间的关联。通过研究可持续饮食与脂肪量相关健康结果之间的关联，本研究为促进更健康和更可持续饮食实践的公共卫生举措提供了宝贵见解。

**2. 方法**
**2.1. 研究设计与参与者**
本研究使用了最新的全国食物、营养与身体活动调查（IAN-AF）数据，该调查收集了葡萄牙普通人群的全国性和区域性饮食摄入和身体活动数据[18,19]。数据收集时间从2015年10月至2016年9月。样本采用概率多阶段抽样方法抽取，以国家健康登记册为抽样框架。分层基于葡萄牙的七个统计地理区域，包括大陆和岛屿。从每个区域随机选择初级卫生保健单位，然后根据年龄和性别随机选择个体。通过将样本数据与2011年国家统计局的人口普查数据进行比较，确认了样本的代表性。
在最初6553名年龄在3个月至84岁之间的参与者中，有5811人完成了两次非连续的24小时饮食回顾，间隔8至15天。只有完成了两次饮食评估的成年人（≥18岁）被纳入本研究，最终样本量为3852人。进一步排除孕妇（n = 49人）和哺乳期妇女（n = 47人），以及体重（n = 7人）、收入（n = 372人）或家庭成员（n = 37人）数据缺失的参与者。使用Goldberg方法[20]和Black[21]推荐的变异系数识别了报告不足者和报告过度者。排除报告不足者（n = 1014人）和报告过度者（n = 39人）后，最终样本量为2287人。

**2.2. 数据收集**
数据收集由具有营养和饮食学背景的训练有素的研究人员使用“You eAT&Move”电子平台完成。该平台包括三个模块：(1)“You”模块，用于收集社会人口统计信息和人体测量数据；(2)“eAT24”模块，用于收集饮食摄入数据；(3)“Move”模块，用于收集身体活动数据。饮食摄入数据通过两次非连续的24小时回顾收集，采用多轮估计方法[22]，并借助食物图片辅助食物份量估计。数据与欧洲食品安全局的FoodEx2分类系统进行了统一[23,24]。
收集的社会人口统计信息包括参与者的性别、年龄和教育水平。年龄分为三类：年轻成人（18–34岁）、中年成人（35–64岁）和老年成人（65–84岁）。教育程度根据完成的最高教育阶段分为三类：≤6年教育、7–12年教育和>12年教育。
身体活动数据使用国际身体活动问卷（IPAQ）的简表收集，并分为三个等级：不活跃、中等活跃和活跃[25]。
人体测量数据由训练有素的研究人员测量或参与者自行报告。自我报告的数据与测量值的相关性很强（体重ρ = 0.983，身高ρ = 0.964），因此当测量数据缺失时使用自我报告的数据。BMI计算为体重（公斤）除以身高平方（米2），并根据世界卫生组织指南分为体重过轻（BMI < 18.5 kg/m2）、正常体重（BMI = 18.5–24.9 kg/m2）、超重（BMI = 25.0–29.9 kg/m2）和肥胖（BMI ≥ 30.0 kg/m2）[26]。由于被归类为体重过轻的参与者数量较少（n = 14人），该组与正常体重组合并为体重过轻/正常体重类别（BMI < 25.0 kg/m2）。
训练有素的研究人员还测量了腰围（厘米）。WHtR通过腰围（厘米）除以身高（厘米）计算，并分为健康（<0.5）和不健康（≥0.5）的中枢脂肪量水平[27,28]。

**2.3. 饮食可持续性得分**
DSS基于联合国粮食及农业组织[9]提供的可持续饮食定义进行计算，评估四个维度：与健康相关的营养、环境、经济和社会文化。每个维度对总分的贡献相等，总分范围为4到20分。根据五分位数，每个维度的可持续性指标被赋予1到5分的得分，分数越高表示表现越好。

- **与健康相关的营养维度**：使用了两个指标：(1) 营养丰富的饮食指数7.3（NRDiet7.3），这是对原始NRDiet9.3[29,30]的改编，用于评估营养密度；(2) 超加工食品（UPF）在总能量摄入中的百分比（%TEI），使用NOVA系统分类[31]。
- **环境维度**：通过两个指标衡量参与者饮食的环境影响——与饮食相关的温室气体排放（GHGE）和土地使用（LU）。这些指标使用SHARP-Indicators数据库[32]中的食物特定估算值计算，并与IAN-AF的饮食数据匹配[33]。
- **经济维度**：通过估算参与者收入中用于食品的比例来评估饮食的可负担性，使用2023年7月从主要葡萄牙超市连锁店收集的食物价格数据，并根据2015年的消费者价格协调指数进行调整。
- **社会文化维度**：通过文化可接受食品的%TEI来确定饮食的文化可接受性，通过消费者比例及其平均摄入量确定。

**2.4. 统计分析**
所有统计分析均使用R软件版本4.4.0进行。所有分析的显著性水平设为α = 0.05。在使用Shapiro-Wilk检验测试变量正态性后，使用描述性统计总结研究样本的特征。为了考察不同饮食可持续性水平下与健康相关的营养、环境、经济和社会文化指标的差异，将连续结果在DSS五分位数中进行比较。使用线性回归模型评估DSS五分位数之间的线性趋势，DSS五分位数作为有序变量，并调整了性别、年龄、教育水平和身体活动水平。
逻辑回归模型分析了DSS与BMI分类（体重过轻/正常 vs. 超重/肥胖）和WHtR分类（健康 vs. 不健康中枢脂肪量）之间的关联。计算了原始和调整后的比值比（OR）及其相应的95%置信区间（CI 95%），并调整了性别、年龄、教育水平和身体活动水平，因为这些特征可能影响自变量（DSS）和健康结果（BMI和WHtR）。调整这些变量允许模型独立于性别、年龄、教育水平或身体活动水平的影响来估计DSS与健康结果之间的关系。模型诊断包括使用广义方差膨胀因子（GVIF）评估多重共线性，并使用Hosmer-Lemeshow拟合优度检验评估模型校准。使用接收者操作特征曲线下面积（AUC）评估最终模型的区分能力，并用敏感性、特异性和总准确率描述分类性能。

**2.5. 伦理程序**
本研究涉及对之前从IAN-AF收集的个人数据进行额外处理，这些数据已获得国家数据保护委员会、波尔图大学公共卫生研究所伦理委员会以及各区域卫生行政委员会的事先伦理批准。所有参与者均根据《赫尔辛基宣言》和国家安全法规中规定的医学研究涉及人类的伦理原则提供了书面知情同意。为此研究获得了IAN-AF的伪匿名数据库。

**3. 结果**
表1显示，样本中超过一半是男性（52.4% vs. 47.6%女性）。在年龄分布方面，23.4%为年轻成人（18–34岁），56.6%为中年成人（35–64岁），19.9%为老年成人（65–84岁）。关于教育水平，30.6%完成≤6年教育，42.8%完成7–12年教育，26.6%完成≥12年教育。关于身体活动水平，近一半的样本不活跃（48.9%）。在参与者中，58.8%被分类为超重或肥胖，65.0%被分类为中枢脂肪量不健康。平均DSS为12.00（95%CI：11.88, 12.12）。
图1显示，较高的DSS对应更高的营养密度、更低的超加工食品摄入量（UPF）、更低的环境影响（GHGE和LU）、更高的经济可负担性以及更高的饮食文化可接受性，所有指标在DSS五分位数上均呈现统计学上显著的线性趋势（p < 0.001，调整了性别、年龄、教育水平和身体活动）。图1显示了DSS五分位数上的可持续性指标。

**结论**
综上所述，更可持续的饮食模式与更好的营养密度、更低的超加工食品摄入量、更低的环境影响、更高的经济可负担性和更高的饮食文化可接受性相关。这些发现为促进更健康和更可持续饮食实践的公共卫生举措提供了宝贵依据。饮食可持续性评分（4-20分）的计算公式为：营养评分（1-5分）+ 环境评分（1-5分）+ 经济评分（1-5分）+ 社会文化评分（1-5分）。其中，营养评分是NRDiet7.3得分与UPF指标中的%TEI得分之和乘以1/2；环境评分是饮食相关温室气体排放（Diet-related GHGE）和饮食相关土地利用（Diet-related LU）指标得分之和乘以1/2；经济评分是用于饮食的收入指标得分之和；社会文化评分是文化可接受食物中%TEI得分之和乘以1。所有指标在DSS五分位数上均显示出显著的线性趋势（趋势的p值<0.001；已调整性别、年龄、教育水平和体力活动因素）。表2显示，DSS与BMI和腰臀比（WHtR）呈负相关。与BMI参考类别（体重过低/正常）相比，调整性别、年龄、教育水平和体力活动因素后，DSS每增加1个单位，被归类为超重/肥胖的概率显著降低9%。最终模型的预测能力较好——R2 Nagelkerke = 0.215，敏感性 = 81.0%，特异性 = 57.0%，AUC = 0.740（95%CI：0.719, 0.762），准确性 = 0.710（95%CI：0.691, 0.729）。模型校准结果表明存在一定程度的不匹配（Hosmer-Lemeshow p < 0.05），说明结果应主要作为关联性的指标进行解读而非预测。尽管DSS和年龄之间存在中等程度的共线性，但所有调整后的GVIF(1/(2·Df)值均低于普遍接受的阈值。

同样，对于腰臀比（WHtR），调整性别、年龄、教育水平和体力活动因素后，DSS每增加1个单位，被归类为不健康中心性脂肪（与健康中心性脂肪相比）的概率显著降低9%。最终模型的预测能力也为中等——R2 Nagelkerke = 0.419，敏感性 = 85.8%，特异性 = 63.2%，AUC = 0.841（95%CI：0.824, 0.858），准确性 = 0.780（95%CI：0.762, 0.797）。模型校准结果良好（Hosmer-Lemeshow p = 0.95），未观察到多共线性问题。

4. 讨论
这项针对葡萄牙成年人的群体研究发现，根据DSS评估的较高饮食可持续性与较低的总体脂肪水平（通过BMI衡量）和中心性脂肪水平（通过WHtR衡量）相关。这与现有文献[11,14]的结果一致。值得注意的是，DSS在预测中心性脂肪方面的准确性高于总体脂肪，这可能反映了中心性脂肪所特有的代谢风险。由于腹部区域的脂肪堆积与心血管疾病、2型糖尿病和其他代谢紊乱密切相关[34,35,36]，因此推广可持续饮食可能特别有助于缓解这些高风险状况。较高的DSS对应于营养密集型饮食，这类饮食富含水果、蔬菜、豆类和全谷物，通常能量密度较低且能促进饱腹感，从而可能减少热量摄入并改善身体成分[37,38,39,40]。此外，高DSS饮食中超加工食品的比例较低，这些食品与过量热量摄入和体重增加尤其是腹部脂肪积累有关[41,42,43,44,45]。这些饮食特征直接说明了较高DSS与较低总体脂肪和中心性脂肪水平之间的机制联系。较高DSS饮食较低的环境影响进一步表明，可持续饮食与更好的健康效果和更广泛的生态目标一致[46,47,48]。此外，DSS的文化可接受性和经济负担能力表明，可持续饮食不仅更健康，而且易于在当地环境中实施，有助于提高依从性和长期健康效益[16,49]。综合来看，本研究结果表明，更可持续的饮食模式与较低的超重、肥胖率以及不健康的脂肪分布相关，并同时促进环境和社交福祉。鉴于气候变化和营养不良等全球性挑战，将可持续性纳入饮食模式不仅是健康和环境的必要之举，也是经济和社会发展的要求。

5. 强点和局限性
本研究使用了IAN-AF提供的最全面和最新的数据集，包含详细的饮食、人体测量和社会人口统计信息。庞大的样本范围增强了研究结果在葡萄牙人群中的普遍适用性。此外，所采用的DSS方法通过评估营养、环境、经济和社会文化维度，对饮食模式进行了全面评估。这种多标准方法有助于深入了解饮食可持续性的各个方面与总体脂肪和中心性脂肪之间的关系。虽然这些维度对健康结果的影响可能不等，但DSS旨在捕捉饮食模式的整体可持续性特征，而具体维度的效应分析超出了本研究的范围。研究还采用了严格的统计方法，调整了性别、年龄、教育水平和体力活动等因素的干扰作用，从而更准确地分析了饮食可持续性对健康结果的影响。以往的研究主要集中在可持续饮食指数与BMI或体重增加之间的关系[15]，而本研究还考虑了腰臀比（WHtR）。虽然BMI仍是评估健康风险的有用工具，但腰围等指标可能更准确地反映体脂分布和积累情况[50,51]。然而，本研究也存在一些局限性：其横断面设计限制了推断饮食可持续性与脂肪之间的因果关系的能力，需要纵向研究来建立因果关系并探索可持续饮食与体重调节之间的潜在中介因素。此外，部分变量（包括人体测量数据）依赖自我报告，可能存在测量误差或偏差，尽管自我报告值与实测值之间的相关性较强。缺失关键变量（如收入和家庭成员）的数据可能导致研究结果的外在有效性受到影响。敏感性分析表明数据缺失对结果影响较小，但仍需予以关注。最后，尽管腰臀比（WHtR）与BMI高度相关，因此在整体脂肪指标之外提供有限的信息，但它仍是群体研究和公共卫生中广泛使用和推荐的中心性脂肪指标；替代 composite 指标（如人体测量风险指数[ARI][52]）可能基于多项身体测量提供更准确的健康风险估计。尽管存在这些局限性，本研究仍为饮食可持续性与脂肪相关健康结果之间的关系提供了有价值的见解。未来的研究可以探讨DSS与特定人群亚组（如不同社会经济地位或区域食物可获得性的人群）之间的关联。

本研究的结果可为政策制定者提供 actionable 的策略，特别是帮助他们将研究证据转化为实质性的系统性变革。例如，政策制定者可以考虑通过资助研究和创新来推动可持续食品生产，优先支持营养密集型、加工程度低的食品，并确保这些饮食在经济和文化上的可及性。经济激励措施（如对可持续生产营养密集型食品的补贴或税收优惠）可以帮助降低采用高DSS饮食模式的障碍，特别是对于低收入和中等收入人群。学校、医院和政府机构等机构可以通过优先采购可持续食品、提供本地采购的时令性和植物性餐食来发挥重要作用，这些餐食体现了健康、可持续的饮食方式。教育活动旨在提高公众对可持续饮食重要性的认识，可能进一步促进与高DSS相关的饮食行为的采纳，从而长期改善当前食品系统的生态影响，并减少饮食相关非传染性疾病的发病率。同时，政策制定者还可以建立完善的监测和评估系统，跟踪可持续饮食指南对健康、环境、经济和社会的影响，根据数据不断调整政策，以应对不断变化的公共卫生、环境和经济社会挑战。

6. 结论
较高DSS与较低的超重、肥胖率和不健康中心性脂肪水平相关。从政策角度来看，本研究的结果具有重要意义。将整体可持续性纳入国家饮食指南有助于同时实现多项公共卫生目标，包括预防肥胖、管理非传染性疾病和保护环境。