本项横断面观察性研究探讨了美国老年人膳食铜摄入量与认知功能之间的关系，数据来源于2011至2014年的全国健康与营养检查调查（NHANES）。通过对2420名参与者的分析，膳食铜摄入量通过两次24小时膳食回忆平均值计算，而认知功能则通过数字符号替代测试（DSST）、动物流畅性测试（AFT）、阿尔茨海默病注册联盟（CERAD）子测试以及整体认知Z分数进行评估。多变量线性回归模型用于探索铜水平与认知功能之间的关联。结果显示，较高的铜摄入量与更高的认知评分相关。在完全调整的模型中，与最低四分位数（Q1）相比，最高四分位数（Q4）的铜摄入量与更高的认知评分相关（DSST：β = 3.80，95% CI 1.90,5.70；AFT：β = 1.23，95% CI 0.48,1.99；CERAD-IRT：β = 0.58，95% CI − 0.06,1.22；CERAD-DRT：β = 0.47，95% CI 0.15,0.80；Z分数：β = 0.20，95% CI 0.10,0.29），尤其是在有中风病史的参与者中。多元平滑样条分析显示，膳食铜摄入与DSST、AFT和Z分数呈现倒L形非线性关系。铜的拐点为DSST为每天1.63毫克，AFT为每天1.42毫克，Z分数为每天1.22毫克。进一步的纵向研究对于证实这些发现至关重要。
引言
随着全球老龄人口的增加，认知障碍的患病率也在不断上升。所有形式的痴呆，从轻度认知障碍（MCI）到阿尔茨海默病（AD），都以认知衰退为特征，并日益成为重要的全球公共卫生挑战。根据《全球疾病负担研究》，预计到2050年，痴呆患者人数将达到1.528亿。因此，研究保护认知能力的因素对于预防认知障碍至关重要。近年来，微量营养素在减少认知衰退方面的作用受到了相当大的关注，特别是在老年人群中，维生素和矿物质补充被认为可能有助于维持认知功能甚至预防痴呆。例如，锌、硒和铜等某些微量营养素在大脑中的失衡被认为与认知衰退和神经退行性疾病的发展有关。
铜作为一种必需的微量元素，已知是多种生理功能的重要组成部分，包括神经系统的正常发育和运作。它是参与神经递质合成、细胞能量生产和抗氧化防御的几种酶的关键辅因子。然而，铜与认知功能之间的关系复杂且尚未完全理解。尽管铜对大脑的正常功能必不可少，缺乏会导致神经系统疾病，但过量的铜可能有毒，导致氧化应激和神经退化。因此，本研究旨在通过分析2011年至2014年全国健康与营养检查调查（NHANES）的公开数据，调查60岁及以上人群膳食铜摄入量与认知功能之间的关系。此外，我们还评估了膳食铜摄入量与认知功能之间的剂量-反应关系。
结果
基线参与者特征
在2011-2014周期内，共有19,931人参加了NHANES。年龄小于60岁（n = 16,299）、认知数据缺失（n = 698）、铜摄入量饮食数据缺失（n = 221）以及协变量缺失（n = 293）的个体被排除在外。最终，本研究纳入了2,420名参与者。表1显示了根据膳食铜水平划分的参与者的一般特征。对铜进行了四分位数分析，将参与者分为四组：Q1（< 0.76 mg/天），Q2（0.76–1.04 mg/天），Q3（1.05 -1.43 mg/天）和Q4（≥ 1.44 mg/天）。参与者的平均年龄为69.3 ± 6.7岁，其中男性1189人（49.1%），非西班牙裔白人1214人（50.2%）。此外，与铜摄入量低的个体相比，铜摄入量高的个体更可能是非西班牙裔白人和男性，拥有更高的家庭收入，吸烟率较低。此外，这些个体在DSST、AFT、CERAD-IRT、CERAD-DRT和Z分数上的得分更高，分别为50.5 ± 16.1、18.1 ± 5.6、19.6 ± 4.6、6.3 ± 2.2和0.17 ± 0.75。
膳食铜摄入量与认知功能的关系
表2展示了膳食铜摄入量与认知功能关联的多变量线性回归分析结果。我们的研究表明，铜摄入量与认知得分呈正相关。在未调整模型中，作为连续变量表达的膳食铜摄入量（每增加1 mg/天），与DSST（β = 1.08，95% CI 0.55,1.60）、AST（β = 0.44，95% CI 0.27,0.61）、CERAD-IRT（β = 0.20，95% CI 0.05,0.34）、CERAD-DRT（β = 0.08，95% CI 0.01,0.16）和Z分数（β = 0.06，95% CI 0.03,0.08）的增加相关。当膳食铜摄入量作为分类变量分析时，这些结果保持一致。最高四分位数组（Q4）的参与者表现出更高的认知得分（DSST：β = 7.90，95% CI 6.01,9.78；AFT：β = 2.55，95% CI 1.94,3.16；CERAD-IRT：β = 0.96，95% CI 0.45,1.48；CERAD-DRT：β = 0.54，95% CI 0.29,0.80；Z分数：β = 0.34，95% CI 0.26,0.43）相较于最低四分位数组（Q1）。此外，随着铜摄入量的增加，认知得分也逐渐增加（趋势p < 0.001）。即使在调整了各种协变量（如年龄、性别、种族/民族、贫困收入比（PIR）、婚姻状况、教育水平、体重指数（BMI）、吸烟状况、饮酒状况、高血压、糖尿病、心血管病史、中风、能量、锌、铁、硒、脂肪和总饱和脂肪酸）后，这些关联在所有多变量线性回归模型中仍然具有统计学意义。在模型4中，与Q1相比，Q4组的参与者在DSST（β = 3.80，95% CI 1.90,5.70）、AFT（β = 1.23，95% CI 0.48,1.99）、CERAD-IRT（β = 0.58，95% CI − 0.06,1.22）、CERAD-DRT（β = 0.47，95% CI 0.15,0.80）和Z分数（β = 0.20，95% CI 0.10,0.29）上表现出更高的得分。
非线性关系
根据全调整模型，膳食铜摄入量与CERAD-IRT和CERAD-DRT没有显示出非线性关系（非线性，p > 0.05），而与DSST、AFT和Z分数的关联显示了倒L形曲线（非线性，p < 0.05）。阈值效应分析确定了DSST的拐点为1.63 mg/天，AFT为1.42 mg/天，Z分数为1.22 mg/天。在拐点之前，铜摄入量与DSST（β = 4.16，95% CI = 1.92,6.40）、AFT（β = 1.19，95% CI 0.15,2.24）、Z分数（β = 0.16，95% CI 0.01,0.36）呈正相关。然而，在拐点之后，膳食铜摄入量与DSST（β = − 0.14，95% CI − 2.95,2.67）、AFT（β = -0.43，95% CI − 1.40,0.54）、Z分数（β = 0.07，95% CI − 0.03,0.16）的关系失去了统计学意义。这表明，随着膳食铜摄入量的进一步增加，认知得分不再继续增加。
亚组分析
该研究还评估了膳食铜摄入量与认知得分之间关联的潜在修饰因素，包括性别（男性或女性）、年龄（60-69岁、70-79岁或≥ 80岁）、BMI（< 25、25-30或> 30 kg/m²）、高血压（是或否）、糖尿病（是或否）、心血管疾病（是或否）和中风（是或否）。在有中风病史的参与者中，铜摄入量与Z分数增加之间存在显著的交互作用。具体而言，Q4组的个体比Q1组的个体表现出更高的Z分数（β = 0.55，95%CI = 0.24,0.86；交互作用p = 0.009）。未发现膳食铜摄入量与其他参与者特征或其他潜在修饰因素之间的显著交互作用（交互作用p > 0.05）。
讨论
这项横断面研究发现，铜摄入量与美国老年人更好的认知功能测试得分相关。即使在控制所有潜在混杂变量后，这种关联仍然具有统计学意义。此外，我们观察到膳食铜摄入量与认知得分（包括DSST、AFT和Z分数）之间的反向L形关系，具有显著的非线性。铜摄入的最佳参考阈值为DSST每天1.63毫克，AFT每天1.42毫克，Z分数每天1.22毫克。低于这些拐点，增加铜摄入量与改善认知得分相关。然而，当铜摄入量超过这些阈值时，膳食铜摄入量与认知表现之间的关联失去统计学意义，表明老年人的认知得分不会随着铜摄入量的进一步增加而继续增加。这与越来越多的证据一致，即铜对大脑健康和疾病有显著影响。
铜是一种重要的微量元素，在多种生理过程中起着关键作用，包括神经递质合成、细胞能量生产和抗氧化防御。它是一种对神经系统最佳功能至关重要的几种酶的重要辅因子。研究表明，铜稳态的紊乱可能导致神经功能障碍，并导致多种神经退行性疾病，如威尔逊病和阿尔茨海默病。铜与认知功能之间的关系复杂，缺乏和过量都可能导致神经系统疾病。一项涉及中国老年人的前瞻性队列研究表明，膳食铜摄入量与认知衰退之间存在负相关的非线性关系，确定了大约每天1.3毫克的拐点。同样，王等人发现铜摄入量与认知功能之间存在非线性关联。这些结果与我们的研究结果一致。然而，赵等人报告了相反的关联，这可能是由于认知和膳食摄入评估方法的不同。
亚组分析显示，Z分数与中风之间存在显著的交互作用，表明在有中风病史的参与者中，膳食铜摄入量增加与Z分数的显著增加相关。若干研究报道了铜水平与中风风险之间的关系。一项利用2013年至2018年NHANES数据的研究表明，增加的膳食铜摄入量与降低中风风险相关。中风的患病率随着膳食铜摄入量的增加而下降，并显示出非线性关系。Huuskonen等人发现，铜靶向递送可减轻缺血性中风中的神经元损伤。中风后，氧化应激加剧神经元损伤。铜作为Cu/Zn-SOD的辅因子，有助于减少活性氧的产生。当血清铜水平在90至110 μg/dL之间（约每天1.5毫克摄入量）时，SOD1活性达到最佳状态，使脑部脂质过氧化减少40%。这与我们观察到的DSST、AFT和Z分数的阈值（1.2-1.6毫克/天）一致。铜影响中风后的微胶质极化。低至中等铜水平可以抑制NLRP3炎症小体的形成，使小胶质细胞从促炎型M1转变为抗炎型M2，从而减少TNF-α和IL-1β水平，同时增加IL-10水平，进而减少神经炎症。此外，铜依赖酶对中风后的修复至关重要：赖氨酰氧化酶增强血管膜完整性并促进血管生成，而HOCl-β-catenin轴通过铜依赖性髓过氧化物酶激活Wnt信号通路，促进海马神经发生。
尽管膳食铜摄入量与认知功能之间关系的确切机制尚不清楚，但我们的研究结果被认为是生物学上合理的。膳食铜对大脑健康至关重要，可能通过其在抗氧化防御、神经递质合成和能量代谢中的作用对认知功能产生保护作用。先前的研究表明，铜失衡可能与神经退行性疾病（如阿尔茨海默病）的病理变化有关。在一项社区研究中，研究人员发现脑铜水平与认知衰退和阿尔茨海默病病理负担之间存在显著关联。具体来说，较高的脑铜水平与较慢的认知衰退和较少的阿尔茨海默病病理特征相关。铜在大脑中的作用可能与其在神经传递、抗氧化防御和能量代谢中的功能有关。铜是多种酶的辅因子，这些酶在神经元的正常功能中起关键作用。例如，铜参与超氧化物歧化酶的合成，这对于清除细胞中的活性氧至关重要，从而保护神经元免受氧化应激的影响。氧化应激是神经元损伤和认知衰退的主要原因之一。此外，铜可能通过调节神经递质的合成和释放来影响认知功能。研究表明，铜在乙酰胆碱的合成中起着重要作用，乙酰胆碱是一种与学习和记忆密切相关的神经递质。值得注意的是，铜对认知功能的影响可能受到其他膳食因素（如脂肪和饱和脂肪酸摄入）的影响。王等人指出，铜摄入量与认知功能之间的关系可能受到这些因素的调节，突显了认知健康中膳食相互作用的复杂性。
我们使用多维综合Z分数来评估认知功能。此外，还进行了剂量-反应和亚组分析，以确定膳食铜摄入量与认知功能之间的潜在关系。然而，这项研究有一些必须考虑的局限性。首先，由于这项研究的横断面性质，我们无法确定膳食铜摄入量与认知功能之间的时间关联。需要进一步的随机对照试验来确认这些发现。其次，尽管对人口统计学、生活方式和临床协变量进行了全面调整，残余混杂仍然是一个主要问题，尤其是对于膳食研究。营养素摄入量（如铜）与其他膳食成分（如脂肪、维生素、植物化学物质）和总体膳食模式高度相关，这些因素本身可能影响认知健康。虽然我们调整了总能量和锌、铁、硒、脂肪和总饱和脂肪酸的摄入量，但未测量或不完全测量的混杂因素（如富铜食物中的其他生物活性化合物、膳食相互作用）仍可能使我们的估计产生偏差。第三，由于铜膳食数据是从自我报告的24小时膳食回顾中收集的，可能存在一些测量和信息偏差。最后，需要进一步研究来确定当前的研究结果是否可以外推到其他基于美国老年人的人群。
结论
总之，目前的研究表明，膳食铜摄入量与美国老年人认知功能的增强之间存在潜在关联，特别是在有中风病史的人群中。剂量-反应分析表明了一个最佳铜摄入量水平，拐点约为每天1.22毫克。然而，需要进一步的纵向研究来确认这些发现。
材料与方法
数据来源和研究人群
这项横断面研究使用了2011年至2014年的NHANES数据，由国家卫生统计中心（NCHS）进行。NHANES项目采用分层、多阶段概率集群抽样设计，每隔两年进行一次调查，以确保抽样人群准确代表整个美国人口。健康访谈用于收集社会人口统计信息，包括年龄、性别、家庭收入和教育水平，以及与健康相关的生活方式变量，如酒精消费和吸烟习惯。所有程序均获得NCHS研究伦理委员会的批准，参与者提供了书面知情同意书。
在这项研究中，排除了认知信息不完整和铜摄入信息不完整的参与者。最终样本包括2420名60岁及以上的个体。我们在本研究中遵循STROBE指南报告观察性研究。
测量
膳食铜摄入量
NHANES使用24小时膳食回忆问卷，向所有参与者收集过去24小时内食用的食物类型和数量的详细信息。所有参与者都有资格参加两次24小时膳食回忆访谈，所收集的数据用于确定每位个体的每日铜摄入量。第一次膳食回忆访谈在移动检查中心（MEC）进行面对面采访，而第二次访谈则在3至10天间隔内通过电话进行。参与者的铜摄入量通过两次24小时膳食回忆的平均值确定。参与者根据其铜摄入量进行分类。
认知功能评估
在NHANES研究中，参与者接受了一系列认知功能评估，以评估他们的记忆和执行能力。即时和延迟口头列表学习测试（CERAD-IRT和CERAD-DRT），由阿尔茨海默病词汇学习注册协会管理，旨在评估新语言习得的能力。参与者被指示大声朗读一份包含10个无关单词的清单，随后尽可能多地立即回忆这些单词。初始三次测试的得分被汇总进行分析。此外，在单词学习试验开始后约8-10分钟进行了一次延迟回忆测试，得分范围为0-10。在动物流畅性测试（AFT）中，参与者在一分钟内尽可能多地命名动物，以测量他们的语言和执行能力。每个动物名称得一分。数字符号替换测试（DSST）是一项限时评估，要求参与者根据提供的键将符号转录给数字，以测量处理速度和执行功能。参与者在两分钟内使用顶部提供的键匹配133个框内的符号和数字。得分基于正确匹配的数量，可能的得分范围为0到133。
所有认知测试的标准分数，包括DSST、AFT、CERAD-IRT和CERAD-DRT，均使用均值和标准差（SDs）计算。全球认知Z分数通过四个测试的标准化分数平均值确定。在所有测试中，较高分数表示优越的认知表现。
协变量
基于已发表的研究和临床判断，评估了多个潜在的协变量，包括性别、年龄、BMI、种族、婚姻状况、教育程度、贫困收入比率（PIR）、吸烟状况、饮酒状况、能量、锌、铁、硒、脂肪和总饱和脂肪酸的膳食摄入量，以及高血压、糖尿病、心血管病和中风的历史。种族和族裔分类包括非西班牙裔白人、非西班牙裔黑人、墨西哥裔美国人和其他族裔群体。婚姻状况分为已婚或与伴侣同居，教育程度分为三个级别：< 9年、9-12年和> 12年教育。贫困收入比率（PIR）用于将家庭收入分为三类：低（PIR ≤ 1.3）、中（PIR > 1.3至3.5）和高（PIR > 3.5）。吸烟状况分为从未吸烟者（吸烟少于100支）、当前吸烟者和以前吸烟者（吸烟超过100支后戒烟）。饮酒状况也分为三类：从未饮酒（一生中饮酒少于12次）、当前饮酒和以前饮酒（一生中至少饮酒12次）。
统计分析
连续变量以均值和标准差表示，而分类变量以百分比和比例表示。使用卡方检验和单因素方差分析比较研究参与者的基本特征。
膳食铜摄入量被分为四分位数，Q1作为参照组。多变量线性回归分析将铜摄入量作为连续变量和分类变量进行探讨。计算β和95%置信区间（CI）以评估铜摄入量与认知功能之间的关系。模型1代表未经任何变量控制的未调整模型。模型2调整了年龄、性别、种族/民族、PIR、婚姻状况和教育水平。模型3在模型2的基础上进一步调整了BMI、吸烟状况、饮酒状况、高血压、糖尿病、心血管病史和中风。模型4在模型3的基础上进一步调整了膳食能量、锌、铁、硒、脂肪和总饱和脂肪酸。线性趋势检验通过将分类变量视为连续变量进行。为了考虑铜摄入量与认知测试分数之间的非线性关系，我们使用广义加性模型和平滑曲线拟合来解决非线性问题。此外，使用两段式二元线性回归模型进一步解释非线性。使用似然比检验和自举重采样法确定拐点。
亚组分析根据性别（女性或男性）、年龄（60-69岁、70-79岁或≥80岁）、BMI（<25、25-30或>30 kg/m²）、高血压（是或否）、糖尿病（是或否）、冠心病（是或否）和中风（是或否）检查铜摄入量与认知功能之间的关系。在线性回归模型中使用交互作用检验比较各亚组之间的β和95%CI。
所有分析均使用统计软件包Free Statistics software version 2.0进行。双侧p < 0.05被认为具有统计学意义。
(全文结束)
