饮食模式对心血管疾病患者生存结果的影响 - 心脑血管

孙金玉¹'²† 姜星宇²'³*† 李政² 沈阳¹*

¹苏州市第九人民医院心血管科，苏北苏州附属医院，中国苏州
²南京医科大学姑苏学院，中国苏州
³南京医科大学第一附属医院，江苏南京

背景：本研究评估饮食模式与心血管疾病(CVD)患者生存结果的关联性。

方法：纳入2005-2018年国家健康与营养检查调查中的9,101名CVD成人患者。采用五种饮食指数评估饮食模式：替代健康饮食指数(AHEI)、停止高血压饮食方法(DASH)、饮食炎症指数(DII)、健康饮食指数-2020(HEI-2020)和地中海饮食替代评分(aMED)。通过卡普兰-迈耶生存分析、加权Cox回归模型和限制性立方样条分析评估各饮食指数与全因死亡率的关联性。采用时间依赖性ROC曲线(Time-ROC)评价预测效能。

结果：7年中位随访期记录1,225例死亡。存活者AHEI和DASH评分较高，DII评分较低。卡普兰-迈耶分析显示健康饮食模式(AHEI、DASH、HEI-2020、aMED)高依从性和促炎饮食(DII)低依从性与更佳生存结果相关。加权Cox回归显示：AHEI、DASH、HEI-2020和aMED最高三分位组死亡风险较最低组显著降低（风险比[HR]分别为0.59、0.73、0.65和0.75，P<0.05）。DII最高三分位组死亡风险显著升高（HR=1.58，95%CI 1.21-2.06，P<0.001）。限制性立方样条分析发现AHEI评分与死亡率存在显著非线性关联(P=0.036)，其他指数呈线性关联。Time-ROC分析显示各饮食指数对死亡风险的预测效能具有时间稳定性。

结论：改善健康饮食模式可能降低CVD患者死亡风险，强调提升饮食质量对心血管疾病管理的重要性。

1 引言

心血管疾病(CVD)是全球主要死亡原因，构成重大公共卫生挑战。在可改变的风险因素中，饮食模式通过影响关键代谢和炎症通路在心血管健康中起重要作用。为更好理解这种关系，研究者开发了多种饮食指数评估整体饮食质量及其健康影响，包括饮食炎症指数(DII)、替代健康饮食指数(AHEI)、停止高血压饮食方法(DASH)、健康饮食指数-2020(HEI-2020)和地中海饮食替代评分(aMED)。这些指数分别捕捉饮食组成的独特特征，共同构建了全面的饮食质量评估体系。

心血管疾病饮食研究已通过里程碑式研究不断完善当前饮食建议。例如一项涵盖80国的研究揭示了饮食对心血管健康的关键作用，并发现不同人群饮食相关CVD结果的特异性差异。后续DASH试验和aMED研究进一步确立特定饮食模式与降低CVD风险的关系。这些发现为预防心血管疾病的饮食指南奠定了基础，凸显健康饮食模式的重要性。

尽管已有研究确立了饮食与CVD风险的关联，但多数研究主要关注单一饮食模式或特定营养素，而非系统评估多个饮食指数。此外，较少研究探索这些饮食指数在大型人群队列中的预测价值。因此，系统评估多种饮食指数对CVD结果的相对贡献至关重要。

本研究利用全国代表性队列数据，调查五种常用饮食指数与CVD患者死亡风险的关联。重点分析健康饮食模式(AHEI、DASH、HEI-2020、aMED)的预后改善作用及促炎饮食(DII)的不良影响。假设AHEI、DASH、HEI-2020和aMED高依从性降低死亡风险，而高DII评分增加死亡风险。

2 方法与材料

2.1 研究人群

国家健康与营养检查调查(NHANES)是美国国家健康统计中心开展的横断面研究。本研究纳入2005-2018年7个周期的数据，排除标准：(1)缺失饮食记录，(2)缺失生存记录，(3)妊娠，(4)确诊癌症，(5)年龄<18或≥80岁，(6)无CVD。最终纳入9,101名参与者。所有参与者签署知情同意，研究方案经国家健康统计中心伦理审查委员会批准。

2.2 饮食质量评估

NHANES通过24小时饮食回顾收集数据，使用"Dietaryindex"包计算五种饮食指数。DII通过评估45种食物参数与六种炎症生物标志物（白细胞介素-1、IL-4、IL-6、IL-10、肿瘤坏死因子-α和C反应蛋白）的关系，量化饮食的炎症潜力。评分范围-8.87（最具抗炎性）至+7.98（最具促炎性），高分表示更强的炎症潜力。

AHEI包含11个饮食组分，每项评分为0-10分（总分0-110分），高分反映低糖饮料、果汁、红肉及加工肉类、反式脂肪、钠和酒精摄入，高蔬菜、水果、全谷物、坚果、豆类、长链欧米伽-3脂肪酸和多不饱和脂肪酸摄入。

DASH评分包含8个组分，每项按五分位数评分（1-5分），总分8-40分，高分表示高摄入水果、蔬菜、坚果、豆类、低脂乳制品和全谷物，低钠、糖饮料及红肉摄入。

HEI-2020基于2020-2025年《美国饮食指南》，包含9项充足性成分（水果、蔬菜、谷物等）和4项限制性成分（精制谷物、钠、饱和脂肪和添加糖），总分0-100分。

aMED评估九种饮食组分（蔬菜、水果、全谷物、坚果、豆类、鱼类、红肉、酒精和脂肪质量），高于中位数摄入者每项得1分（红肉和加工肉低于中位数得1分），总分0-9分。

2.3 心血管疾病定义

参与者自我报告心绞痛、冠心病、心肌梗死、心力衰竭、高血压或中风病史者定义为CVD。

2.4 死亡率评估

通过国家死亡指数链接确定所有-因死亡，随访至2019年底。使用概率匹配算法将参与者与死亡证明关联。

2.5 协变量

协变量包括年龄、种族/民族、性别、家庭收入-贫困比、BMI、腰围、甘油三酯、胆固醇、eGFR、糖尿病、吸烟和饮酒状况。

2.6 统计分析

采用多重插补法处理缺失数据。使用加权统计方法分析，连续变量用加权中位数及四分位间距，分类变量用加权百分比表示。使用Kruskal-Wallis检验和卡方检验比较生存状态差异。Kaplan-Meier曲线展示饮食指数三分位组生存率。Cox回归模型计算风险比(HR)及95%置信区间(CI)。限制性立方样条分析可视化饮食指数与死亡风险的非线性关系。Time-ROC分析评估预测准确性。P<0.05视为统计显著。所有分析使用R软件完成。

3 结果

3.1 参与者特征

7年随访中记录1,225例死亡。幸存者与非幸存者在饮食指数评分上存在显著差异（表1）。非幸存者AHEI（35.1 vs 37.1，P<0.001）和HEI-2020（48.8 vs 50.0，P=0.048）中位得分较低，DII得分较高（2.1 vs 1.6，P<0.001）。此外，非幸存者家庭收入较低，糖尿病、高血压、吸烟、饮酒和甘油三酯水平较高。

3.2 饮食指数与死亡率

Kaplan-Meier曲线显示高依从健康饮食模式（AHEI、HEI-2020、DASH、aMED）改善生存，高DII评分则相反。加权Cox回归分析显示：AHEI（HR=0.98）、DASH（HR=0.95）和HEI-2020（HR=0.98）评分每增加1分，死亡风险显著降低。最高三分位组AHEI（HR=0.59）、DASH（HR=0.73）、HEI-2020（HR=0.65）和aMED（HR=0.75）死亡风险均显著低于最低组。DII评分每增加1分死亡风险增加15%（HR=1.15），最高三分位组风险显著升高（HR=1.58）。

限制性立方样条分析显示AHEI评分与CVD死亡率存在显著非线性关联（P=0.036），DASH（P=0.413）、HEI-2020（P=0.890）和aMED（P=0.355）呈线性关联，DII与死亡率无显著非线性关系（P=0.163）。

3.3 饮食指数预测效能比较

Time-ROC分析显示各饮食指数在2年、5年和10年随访期均具有相似的预测效能（TimeAUC值相近），表明其预测有效性具有时间稳定性。

4 讨论

基于全国代表性NHANES数据，本研究揭示饮食质量与CVD患者生存结果的复杂关联。AHEI、DASH、HEI-2020和aMED高依从性显著降低CVD死亡风险，与将健康饮食模式纳入公共卫生干预以改善心血管预后的证据一致。强调高摄入水果、蔬菜、全谷物、坚果、豆类和多不饱和脂肪，低摄入加工肉类、含糖饮料和钠的饮食模式（如DASH、HEI-2020和aMED）持续显示心脏保护作用。发现AHEI与死亡风险的非线性关系，提示超过一定阈值后，饮食改善的生存获益递减，这对未来饮食指南制定具有指导意义。

DII与CVD死亡风险的显著正相关表明促炎性饮食增加死亡风险。该发现与既往研究一致，如EPIC队列研究显示高DII评分与甲状腺疾病风险增加相关。NHANES数据分析显示高DII评分与高尿酸血症成人全因和CVD死亡风险升高相关。这些结果强调促炎性饮食的危害，提示饮食炎症是可改变的心血管疾病预后风险因素。

本研究发现饮食指数与CVD死亡率的关联可能涉及不同机制。例如，DASH和AHEI可能通过改善血压调节、血脂谱和减少系统性炎症带来心血管益处。相反，高DII评分反映促进慢性炎症的饮食成分，已知会加速内皮功能障碍、斑块形成和心血管事件。因此，反映炎症的饮食指数如DII可作为识别心血管不良结局高风险个体的有用工具。

与既往发现一致，本研究证实HEI-2020评分升高与CVD风险降低相关，并首次发现AHEI的非线性关联。提示饮食质量改善的获益在整个评分范围内可能非均匀增加。超过特定阈值后，AHEI评分进一步提高似乎不会带来显著的死亡风险额外降低。这种非线性关系与近期证据一致，显示健康改善在达到一定饮食质量后趋于平稳。这提示公共卫生指南应强调优化而非最大化的饮食质量。未来研究应探索个性化营养策略以提高干预效果。

尽管本研究系统评估了多种饮食指数与CVD预后的关联，但仍存在局限性：NHANES横断面设计无法建立因果关系；自报饮食数据存在回忆偏倚；无法排除未测量变量（如膳食补充剂、体力活动）的混杂效应；饮食模式随时间的变化未被评估。未来纵向研究结合炎症生物标志物可验证DII的预测价值，并阐明其在CVD进展中的生物学效应。鉴于CVD的全球流行，需在不同人群和背景下评估饮食改变的影响，以制定具体饮食建议和公共卫生策略。