中华预防医学杂志    2020年03期 成年居民膳食模式与2型糖尿病风险的关联研究    PDF     文章点击量:807    
中华预防医学杂志2020年03期
中华医学会主办。
0

文章信息

孙倩 王慧 乔楠 张海霞 崔燕 黄建军 王彤
SunQian,WangHui,QiaoNan,ZhangHaixia,CuiYan,HuangJianjun,WangTong
成年居民膳食模式与2型糖尿病风险的关联研究
Association of dietary patterns and diabetes risk level among adult residents in Datong city of Shanxi Province
中华预防医学杂志, 2020,54(3)
http://dx.doi.org/10.3760/cma.j.issn.0253-9624.2020.03.007
引用本文:

文章历史

投稿日期: 2019-08-06
上一篇:预防用疫苗临床试验安全性分析和报告的考虑
下一篇:父母教养方式及其一致性与学龄前儿童情绪和行为问题的关联研究
成年居民膳食模式与2型糖尿病风险的关联研究
孙倩 王慧 乔楠 张海霞 崔燕 黄建军 王彤     
孙倩 山西医科大学公共卫生学院流行病与卫生统计学教研室,太原 030001
王慧 山西医科大学公共卫生学院流行病与卫生统计学教研室,太原 030001
乔楠 山西省肿瘤医院流行病科,太原 030001
张海霞 河北省疾病预防控制中心细菌病防治与消毒所,石家庄 050021
崔燕 北京市通州区疾病预防控制中心传染病与地方病控制科 101100
黄建军 大同煤矿集团有限公司总医院神经外科 037003
王彤 山西医科大学公共卫生学院流行病与卫生统计学教研室,太原 030001
摘要: 目的  探索膳食模式与2型糖尿病(T2DM)风险的关联。方法  采用两阶段分层随机抽样方法,于2013年从山西省大同市某大型煤矿集团的87个煤矿分公司中抽取3 747名对象。采用自制问卷收集人口学特征、吸烟、饮酒和糖尿病家族史等资料,采用国际体力活动问卷评估体力活动状况,同时进行体格测量和糖脂代谢指标测定,按照T2DM风险得分分为高风险组与低风险组。采用半定量食物频率问卷收集对象既往1年的膳食数据,通过探索性因子分析和聚类分析进行膳食模式判别。采用非条件logistic回归模型分析膳食模式与T2DM风险的关系。结果  研究对象年龄为(41.48±8.62)岁,其中男性2 843名(84.31%),T2DM高风险组1 819名,低风险组1 553名。确定了4类膳食模式,分别为健康膳食、高盐膳食、肉类膳食以及高碳水化合物膳食。调整人口学特征、吸烟和饮酒等因素后,以健康膳食为参照,高盐膳食、高碳水化合物膳食和肉类膳食与T2DM风险的OR(95%CI)值分别为1.54(1.26~1.88)、1.80(1.43~2.28)和1.20(0.99~1.46)。结论  高盐膳食和高碳水化合物膳食与T2DM风险存在正关联,肉类膳食与T2DM无关联。
关键词 :饮食习惯;膳食调查;糖尿病,2型;横断面研究
Association of dietary patterns and diabetes risk level among adult residents in Datong city of Shanxi Province
SunQian,WangHui,QiaoNan,ZhangHaixia,CuiYan,HuangJianjun,WangTong     
Department of Epidemiology and Health Statistics, School of Public Health, Shanxi Medical University, Taiyuan 030001, China
Corresponding author: Wang Tong, Email: tongwang@sxmu.edu.cn
Abstract:Objective  To explore the association of dietary pattern and type 2 diabetes mellitus (T2DM) risk.Methods  In 2013, 3 747 participants from 87 coalmine branches of a large coal mine group in Datong City, Shanxi Province were selected by using a two-stage cluster stratified sampling method. Data on demographic characteristics, smoking, drinking, and family history of diabetes were collected by using a self-made questionnaire, and the International Physical Activity Questionnaire was used to assess the level of physical activity. Physical, glucose and lipid metabolism indicators were measured and subjects were divided into high-risk groups and low-risk groups of T2DM according to the T2DM risk score. Dietary data were collected by using Semi-quantitative Food Frequency Questionnaire, and dietary patterns were derived by using the exploratory factor analysis and cluster analysis. The unconditional logistic regression model was used to assess the association of dietary patterns and T2DM risk.Results  The age of the subjects was(41.48±8.62) years old, and 2 843 of them were males (84.31%). A total of 1 819 subjects were in the high-risk group and 1 553 in the low-risk group. Four dietary patterns, healthy diet, high-salt diet, meats diet, and carbohydrate-rich diet, were identified in this study. The unconditional logistic regression analysis showed that compared with the healthy diet pattern, after the adjustment of demographic characteristics, smoking, and drinking, the OR (95%CI) of T2DM risk in high-salt diet, carbohydrate-rich diet and meats diet patterns was 1.54 (1.26-1.88), 1.80 (1.43-2.28) and 1.20 (0.99-1.46), respectively.Conclusion  High-salt diet and carbohydrate-rich diet were positively associated with T2DM risk, whereas there was no association of meats diet and T2DM risk.
Key words :Food habits;Diet surveys;Diabetes mellitus, type 2;Cross-sectional studies
全文

随着2型糖尿病(type 2 diabetes mellitus,T2DM)患病率的逐年上升,中国已成为世界上T2DM负担最重的国家[1,2]。早期预警和及时干预对T2DM的防控尤为重要[3],合理膳食是其中关键因素之一。中国人群膳食结构复杂,不同营养素和食物间存在复杂的交互作用,以整体膳食模式而非单一营养素为指标,能够更真实地反映膳食因素与T2DM的关联,从而灵活制定适宜可行的健康膳食策略[4,5,6]。本研究探索山西省大同市成人居民膳食模式与T2DM的关联,为T2DM高风险人群的识别和干预提供依据。

对象与方法  

一、对象  2013年采用两阶段分层随机抽样从山西省大同市某大型煤矿集团下属的87个煤矿分公司获取研究对象。利用随机数字表,首先从87个煤矿分公司中随机抽取10个;然后将公司员工按年龄、性别和工作类型分层,再按分层比例随机抽取对象,剔除已患糖尿病(111例)、基线资料完全缺失(103名)和膳食信息缺失者(161名),最终将3 372名对象纳入分析。本研究获得了山西医科大学伦理委员会批准(批号:HX201201),所有研究对象均签署了知情同意书。

二、调查方法  

1.基本信息调查:  采用自行编制的问卷收集对象的人口学特征、吸烟、饮酒和糖尿病家族史等资料。采用国际体力活动问卷评估研究对象体力活动状况[7]

2.膳食调查:  参考《中国食物成分表(2004年版)》将食物分为20类[8],分别为:大米、小麦面粉、杂粮(小米、高粱和玉米等)、薯类(红薯、山药、芋头和土豆等)、油炸面食、猪肉、牛羊肉、禽肉、内脏类、鱼虾及水产类、奶类及其产品、豆类及其产品、蛋类及其产品、新鲜蔬菜、干菜或腌制菜、咸菜、新鲜水果、粉条、糕类和坚果类等。采用半定量食物频率问卷[9]获取研究对象既往1年的膳食数据。

3.体格测量:  包括身高、体重、血压等,并计算体重指数(body mass index, BMI)。以RGZ-120身高体重测量仪(江苏苏宏医疗器械有限公司)测量身高和体重,需穿薄单衣、赤足免冠;以皮尺在第12肋下缘与髂嵴连线的中间位置于平稳呼吸时测量腰围;以HEM-1000电子血压计(欧姆龙大连有限公司)测量血压,测量前对象需静坐5 min,间隔2 min测量3次取均数[10]。测量时身高、腰围精确至0.1 cm,体重精确至0.1 kg,血压数值取整数。

4.实验室检查:  嘱对象空腹≥10 h,采集8 ml静脉血,采用ADVIA全自动生化分析仪(日本东京JEOL有限公司)检测空腹血糖(fasting plasma glucose, FPG)、甘油三酯(triglyceride, TG)、高密度脂蛋白胆固醇(high density lipoprotein cholesterol, HDL-C)和低密度脂蛋白胆固醇(low density lipoprotein cholesterol, LDL-C)等糖脂代谢指标。

5.变量的定义和分类:  (1)体力活动强度:依据每周总体力活动水平及活动时间划分为低、中等和高强度体力活动组[7];(2)吸烟:近1个月内吸烟≥1支/d[11];(3)饮酒:近1年内饮酒≥1次/月[12];(4)T2DM风险等级:将年龄、性别、腰围、BMI、收缩压和糖尿病家族史等资料输入T2DM风险模型后得到T2DM风险得分(0~51分),≥25分为高风险,<25分为低风险[13]

6.质量控制:  调查员均由具有一定专业背景的山西医科大学研究生及本科生担任,经统一培训、考察合格后方可参与本研究。膳食调查时为对象提供不同容积的餐具以辅助其准确填写食物摄入量。双人独立录入数据,仔细核对并进行逻辑检查,对有问题的数据核查原始资料,及时修正。

三、膳食模式判别  通过因子分析和K-means聚类分析确定膳食模式[14,15]。利用因子分析中主成分法提取公因子,结合碎石图、特征值、贝叶斯信息量(Schwarz Bayesian criterion, SBC)和赤池信息量(akaike information criterion, AIC)确定因子个数[16]。每个因子保留因子载荷>0.3的食物[17]。通过因子分析计算因子评分,采用Z-score法进行标准化,利用标准化后的因子评分对观察对象进行聚类[14]

四、统计学分析  采用Epi data 3.5.1录入数据,采用SAS 9.4软件进行统计学描述和分析。分类变量均以频数和百分比描述,采用χ2检验比较其在不同T2DM风险组的差异;FPG、TG、HDL-C和LDL-C等糖脂代谢指标均服从正态分布,以±s描述,采用t检验比较其在不同T2DM风险组的差异。以膳食模式为自变量,T2DM风险等级为因变量,以人口学特征、吸烟、饮酒等为协变量,采用非条件logistic回归模型分析膳食模式与T2DM风险的关联。双侧检验,检验水准α=0.05。

结果  

一、基本特征  3 372名对象的年龄为(41.48±8.62)岁,其中男性2 843名(84.31%),T2DM高风险组(1 819名)和低风险组(1 553名)的人口学特征、BMI、吸烟、饮酒、糖尿病家族史和糖脂代谢指标的差异均有统计学意义,体力活动在两组间的差异无统计学意义(表1)。

表1研究对象基本特征比较[名(%)]

二、膳食模式判别结果  经因子分析共确定了5个因子,分别为因子1(肉类组):包括牛羊肉、禽肉、内脏类、鱼虾及水产类、猪肉、油炸面食等;因子2(淀粉组):包括薯类(红薯、山药、芋头和土豆)、小麦面粉、糕类、粉条、豆类及其产品等;因子3(腌制菜组):包括咸菜、干菜和腌制菜等;因子4(杂粮和水果组):包括杂粮(小米、高粱和玉米)、新鲜水果、大米、奶类及其产品等;因子5(蔬菜和坚果组):包括豆类及其产品、新鲜水果、坚果类和新鲜蔬菜等。上述因子的合计方差贡献率为41.24%。经聚类分析共获得4类膳食模式,分别为健康膳食、高盐膳食、肉类膳食和高碳水化合物膳食(表2),其最大贡献因子分别为因子4、3、1和2。

表24类膳食模式的因子评分聚类均值

三、膳食模式与T2DM风险的关联分析  对膳食模式与T2DM风险进行非条件logistic回归模型分析显示:调整人口学特征、吸烟、饮酒等因素后,以健康膳食为参照,高盐膳食和高碳水化合物膳食与T2DM风险存在正关联[OR(95%CI)分别为1.54(1.26~1.88)和1.80(1.43~2.28)],肉类膳食与T2DM风险无关联[OR(95%CI):1.20(0.99~1.46)](表3)。

表3膳食模式与T2DM风险的多因素logistic回归模型分析结果[OR(95%CI)值]

讨论  本研究中,高盐膳食和高碳水化合物膳食与T2DM风险有正关联。高盐膳食包括咸菜、腌制蔬菜等食物,由于风俗习惯、口味偏好等原因,该膳食模式在我国常见,河南省农村队列研究中也发现了类似的高盐饮食[18]。Radzeviciene和Ostrauskas[19]发现增加盐的膳食摄入量可能会导致风险升高,与本研究结论相一致。尽管近年来中国成人食盐摄入量逐年降低,但仍高于WHO推荐摄入量[20]。为了降低T2DM风险,应注意减少或避免腌制蔬菜等高盐食物的摄入。
        随着生活水平的提升,精制谷物逐渐取代粗粮,成为主食的主要来源。本研究中高碳水化合物膳食主要包括小麦面粉、糕类等食物,在中国陕西省和亚洲其他地区也发现类似的膳食模式[21,22],这些加工后的精制谷物缺少种皮保护,进入人体后被快速消化,使血糖迅速升高,增大T2DM风险[23],应减少摄入并增加对全谷物、新鲜水果、蔬菜等健康食物的摄入。
        本研究发现肉类膳食与T2DM风险无关联。这可能与所包含的食物种类有关,该膳食模式中还包含了鱼虾及其他水产品等健康食物。尽管本研究未发现肉类膳食与T2DM风险之间存在关联,建议日常饮食中仍需减少该膳食模式中油炸食品和加工肉类等食物的摄入。
        特定的饮食因素(如水果、蔬菜、加工肉类等)与T2DM的关联已被广泛研究[24],通过改变饮食降低疾病风险不应仅关注单一食物,更应关注膳食模式的调整。不健康的膳食模式多样,本研究发现高盐膳食和高碳水化合物膳食与T2DM风险存在关联,提示T2DM高风险人群应当注意改善膳食模式。同时,政府也应引导食品加工和餐饮等行业,积极进行食品加工技术创新,以新技术取代传统食盐腌制技术用以保存食物,从而降低人群食盐摄入量。本研究为横断面设计,不能进行因果推断,膳食模式与T2DM风险的因果关系仍需前瞻性研究进行验证。

参考文献
[1]WangL, GaoP, ZhangM, et al. Prevalence and ethnic pattern of diabetes and prediabetes in China in 2013[J]. JAMA, 2017,317(24):2515-2523. DOI: 10.1001/jama.2017.7596.
[2]YangSH, DouKF, SongWJ. Prevalence of diabetes among men and women in China[J]. N Engl J Med, 2010,362(25):2425-2426. DOI: 10.1056/NEJMc1004671.
[3]中华医学会糖尿病学分会.中国2型糖尿病防治指南(2013年版)[J].中华糖尿病杂志, 2014, 6(7): 447-498. DOI: 10.3760/cma.j.issn.1674-5809.2014.07.004.
[4]凌文华.膳食模式与慢性病防治[J].中华预防医学杂志,2018,52(3):217-220. DOI: 10.3760/cma.j.issn.0253-9624.2018.03.001.
[5]Medina-RemónA, KirwanR, Lamuela-RaventósRM, et al. Dietary patterns and the risk of obesity, type 2 diabetes mellitus, cardiovascular diseases, asthma, and neurodegenerative diseases[J]. Crit Rev Food Sci Nutr, 2018,58(2):262-296. DOI: 10.1080/10408398.2016.1158690.
[6]殷召雪,赵文华.膳食模式是营养与健康的关键[J].中华健康管理学杂志,2017,11(1):3-6. DOI: 10.3760/cma.j.issn.1674-0815.2017.01.002.
[7]樊萌语,吕筠,何平平.国际体力活动问卷中体力活动水平的计算方法[J].中华流行病学杂志,2014,35(8):961-964. DOI: 10.3760/cma.j.issn.0254-6450.2014.08.019.
[8]XiangYT, MaX, LuJY, et al. Alcohol-related disorders in Beijing, China: prevalence, socio-demographic correlates,and unmet need for treatment[J]. Alcohol Clin Exp Res, 2009, 33(6): 1111-1118. DOI:10.1111/j.1530-0277.2009.00933.x.
[9]李立明,饶克勤,孔灵芝,等.中国居民2002年营养与健康状况调查[J].中华流行病学杂志,2005,26(7):478-484. DOI: 10.3760/j.issn:0254-6450.2005.07.004.
[10]PerloffD, GrimC, FlackJ, et al. Human blood pressure determination by sphygmomanometry[J]. Circulation, 1993,88(5Pt 1):2460-2470. DOI: 10.1161/01.cir.88.5.2460.
[11]LasserK, BoydJW, WoolhandlerS, et al. Smoking and mental illness: A population-based prevalence study[J].JAMA, 2000,284(20):2606-2610. DOI: 10.1001/jama.284.20.2606.
[12]XiangYT, MaX, LuJY, et al. Alcohol-related disorders in Beijing, China: prevalence, socio-demographic correlates,and unmet need for treatment[J]. Alcohol Clin Exp Res, 2009,33(6):1111-1118. DOI: 10.1111/j.1530-0277.2009.00933.x.
[13]ZhouX, QiaoQ, JiL, et al. Nonlaboratory-based risk assessment algorithm for undiagnosed type 2 diabetes developed on a nation-wide diabetes survey[J]. Diabetes Care, 2013,36(12):3944-3952. DOI: 10.2337/dc13-0593.
[14]HeY, MaG, ZhaiF, et al. Dietary patterns and glucose tolerance abnormalities in Chinese adults[J]. Diabetes Care, 2009,32(11):1972-1976. DOI: 10.2337/dc09-0714.
[15]ZhangX, DagevosH, HeY, et al. Consumption and corpulence in China: A consumer segmentation study based on the food perspective[J]. Food Policy, 2008, 33(1): 37-47. DOI:10.1016/j.foodpol.2007.06.002.
[16]胡良平. SAS统计分析教程[M].北京:电子工业出版社, 2010.
[17]CunhaDB, AlmeidaRM, PereiraRA. A comparison of three statistical methods applied in the identification of eating patterns[J]. Cad Saude Publica, 2010,26(11):2138-2148. DOI: 10.1590/s0102-311x2010001100015.
[18]AbdulaiT, LiY, ZhangH, et al. Prevalence of impaired fasting glucose, type 2 diabetes and associated risk factors in undiagnosed Chinese rural population: the Henan Rural Cohort Study[J]. BMJ Open, 2019,9(8):e029628. DOI: 10.1136/bmjopen-2019-029628.
[19]RadzevicieneL, OstrauskasR. Adding salt to meals as a risk factor of type 2 diabetes mellitus: a case-control study[J]. Nutrients, 2017,9(1). pii: E67. DOI: 10.3390/nu9010067.
[20]AbdulaiT, LiY, ZhangH, et al. Prevalence of impaired fasting glucose, type 2 diabetes and associated risk factors in undiagnosed Chinese rural population: the Henan Rural Cohort Study[J]. BMJ Open, 2019, 9(8): e029628. DOI:10.1136/bmjopen-2019-029628.
[21]HuangL, ShangL, YangW, et al. High starchy food intake may increase the risk of adverse pregnancy outcomes: a nested case-control study in the Shaanxi province of Northwestern China[J]. BMC Pregnancy Childbirth, 2019,19(1):362. DOI: 10.1186/s12884-019-2524-z.
[22]MohanV, RadhikaG, VijayalakshmiP, et al. Can the diabetes/cardiovascular disease epidemic in India be explained, at least in part, by excess refined grain (rice) intake?[J]. Indian J Med Res, 2010,131:369-372.
[23]MozaffarianD. Dietary and policy priorities for cardiovascular disease, diabetes, and obesity: a comprehensive review[J]. Circulation, 2016,133(2):187-225. DOI: 10.1161/CIRCULATIONAHA.115.018585.
[24]SchwingshacklL, HoffmannG, LampousiAM, et al. Food groups and risk of type 2 diabetes mellitus: a systematic review and meta-analysis of prospective studies[J]. Eur J Epidemiol, 2017,32(5):363-375. DOI: 10.1007/s10654-017-0246-y.