摘要
背景
高脂血症是心血管疾病的主要可改变风险因素，新兴证据表明肠道微生物群在脂质代谢中起关键作用。肠道微生物群饮食指数（DI-GM）是一种新型工具，旨在捕捉习惯性饮食模式对微生物群的支持潜力，但其与脂质异常在大规模人群中的关联仍研究不足。
方法
我们分析了2010-2020年国家健康和营养检查调查（NHANES）中21,352名成年人的数据。DI-GM反映了14种与微生物群相关的饮食成分，数据来源于24小时回忆记录。高脂血症根据标准脂质阈值或降脂药物使用来定义。通过调查加权逻辑回归、限制性三次样条分析以及使用系统免疫-炎症指数（SII）进行的中介分析，评估了关联和潜在机制。
结果
较高的DI-GM评分与较低的高脂血症几率显著相关（完全调整后的最高vs最低类别OR = 0.806；95% CI：0.735-0.883）。样条模型证实了剂量-反应关系。中介分析显示，系统性炎症（通过SII量化）占观察到关联的17.8%，表明饮食和脂质状态之间存在免疫代谢通路。
结论
通过DI-GM捕捉的以微生物群为导向的饮食模式与美国成年人高脂血症呈负相关。这些发现突显了将微生物组相关饮食评估整合到脂质管理策略中的价值。系统性炎症的部分中介作用表明了潜在的机制联系，值得通过纵向和干预研究进一步调查。
1. 背景
高脂血症是全球心血管疾病发病率的主要但可改变因素。尽管药物干预和基于生活方式的方法广泛可用，但异常脂质谱的全球患病率仍在上升——这主要归因于饮食转变和代谢功能障碍发生率的上升。大量文献证实了饮食习惯在调节脂质水平方面的作用。然而，传统的饮食评估工具通常无法捕捉复杂的宿主-饮食相互作用，特别是那些由肠道微生物组介导的相互作用。
最近的研究强调了肠道微生物群在脂质调节中的关键功能。其影响涵盖多个代谢途径，包括胆固醇生物合成、胆汁酸代谢和促炎信号级联。由于饮食直接影响微生物组成和功能，它可以通过微生物群依赖的机制间接调节脂质稳态。在此背景下，肠道微生物群饮食指数（DI-GM）被引入作为一种新型饮食指标，用于量化习惯性食物摄入与微生物群支持模式的一致性。与广泛的饮食质量指标不同，DI-GM关注特定成分，这些成分要么促进要么损害微生物多样性和代谢输出，从而提供更量身定制的饮食-微生物群相互作用视图。
尽管先前的研究已经证明了肠道微生物谱与高脂血症之间的关联，但很少有研究使用像DI-GM这样的综合饮食指数在大规模人群中评估这些联系。鉴于肠道微生物组作为心脑血管代谢健康可改变决定因素的日益重要性，在人群水平上探索这种联系既是及时的也是必要的。阐明饮食模式如何通过与微生物群相关和炎症途径影响脂质谱可以为旨在改善代谢健康的更精确的营养干预提供信息。
因此，本研究旨在评估DI-GM与美国成年人全国代表性队列中高脂血症患病率之间的关系。此外，我们还考察了系统性炎症——通过系统免疫-炎症指数（SII）测量——是否在这一关联中充当中介因素。
2. 方法
研究人群
我们分析了国家健康和营养检查调查（NHANES）2010-2020年周期的数据。NHANES由美国疾病控制与预防中心管理，采用多阶段分层抽样框架，收集美国平民、非机构化人口的全国代表性健康和饮食数据。本研究按照赫尔辛基宣言的伦理标准进行。所有NHANES方案均获得国家卫生统计中心研究伦理审查委员会的批准，并从所有参与者获得书面知情同意。在该期间45,462名成年受访者中，我们排除了20岁以下的个体（n=19,182）。还排除了DI-GM信息缺失（n=3,711）或高脂血症状态信息缺失（n=217）的参与者，最终分析样本为21,352人。
DI-GM评估
DI-GM使用先前发表的评分算法计算，该算法包含14种与肠道微生物结构和功能调节相关的饮食成分。根据每种食物成分对微生物多样性的既定影响，将其指定为有益或有害。根据摄入量是否高于或低于性别特异性中位数，为每个成分分配二分分数。这些分数相加以生成总DI-GM，较高值反映对肠道微生物生态更有利的饮食。用于评分的饮食数据来源于两次非连续24小时饮食回忆的平均值。
高脂血症定义
高脂血症根据与国家指南和先前NHANES研究一致的临床阈值进行分类。如果参与者符合以下任一条件，则被确定为高脂血症：总胆固醇≥240 mg/dL，低密度脂蛋白胆固醇≥160 mg/dL，男性高密度脂蛋白胆固醇<40 mg/dL或女性<50 mg/dL，甘油三酯≥200 mg/dL，或报告正在使用降脂药物。NHANES样本中的降脂药物主要是HMG-CoA还原酶抑制剂（他汀类药物），少数人使用其他药物（如贝特类或烟酸）。
协变量
我们纳入了一系列由生物学合理性和先前研究支持的协变量。社会人口学变量包括年龄、性别、种族/民族、教育水平和作为社会经济地位指数的贫困-收入比（PIR）。包括吸烟和饮酒等生活方式行为。饮酒根据自我报告进行分类。如果参与者报告在过去12个月中至少饮用12次酒精饮料，则被定义为"当前饮酒者"；否则，被归类为"非饮酒者"。
营养协变量涵盖总能量摄入和宏量营养素组成（即蛋白质、脂肪和碳水化合物热量的百分比）。临床特征包括身体质量指数（BMI）以及高血压、糖尿病和癌症的自我报告病史。NHANES关于糖尿病的调查问题（"医生是否曾告诉您患有糖尿病？"）不区分1型和2型。然而，考虑到2型糖尿病占美国成年人诊断糖尿病病例的约90-95%，本研究人群中的病例被认为主要是2型糖尿病。
统计分析
所有分析都考虑了NHANES的复杂抽样设计，纳入样本权重、主要抽样单位和分层，符合美国疾控中心分析指南。连续变量以调查加权均值和标准差表示，而分类变量则使用加权百分比进行汇总。组间差异通过调查加权t检验（连续变量）和Rao-Scott调整的卡方检验（分类数据）进行检验。为量化组间差异的大小，还计算了效应量。连续变量计算Cohen's d，通常将0.2、0.5和0.8解释为小、中和大效应。对于分类变量，计算Cramér's V作为关联度量。
我们使用调查加权逻辑回归检查DI-GM与高脂血症之间的关系。DI-GM既作为连续变量处理，也作为分为四类（0-3、4、5和≥6）的分类变量处理。指定了三个模型：模型1未经调整；模型2调整了年龄、性别和种族/民族；模型3进一步包括教育、PIR、BMI、吸烟、饮酒、宏量营养素摄入、能量摄入以及合并症（高血压、糖尿病、癌症）。为评估潜在的非线性效应，我们采用具有四个节点的限制性三次样条回归。
为调查系统性炎症是否解释了DI-GM与高脂血症之间关联的部分原因，我们使用系统免疫-炎症指数（SII）进行中介分析，SII定义为血小板计数×中性粒细胞计数÷淋巴细胞计数。中介分析利用R包mediation（版本4.4.1），应用基于反事实的框架来估计平均因果中介效应（ACME）、平均直接效应（ADE）以及通过SII介导的总效应比例。从5,000次自举重采样中获得估计值，以获得95%置信区间。模型3协变量包含在中介和结果模型中。事后，我们计算了DI-GM与可能与微生物代谢相关的膳食变量（总膳食纤维、omega-3多不饱和脂肪酸、omega-6多不饱和脂肪酸和多不饱和脂肪酸:饱和脂肪酸比）之间的调查加权Pearson相关性。所有摄入量均使用残差法进行能量调整。
协变量中的缺失值使用missForest算法（R包版本1.5）进行插补，这是一种基于随机森林的非参数机器学习方法，适用于包含连续和分类变量的数据集。所有统计分析均使用R版本4.4.1（R统计计算基金会，奥地利维也纳）进行，双侧P值低于0.05被认为具有统计学意义。
3. 结果
共有21,352名成年参与者纳入最终分析。平均年龄为49.57岁（±17.51），男性约占样本的49%。在整个队列中，13,475名个体（63.1%）符合高脂血症标准，而7,877名（36.9%）不符合。
与无此状况的参与者相比，高脂血症患者通常年龄较大，女性比例较高。两组之间在种族/民族构成和教育水平方面也存在显著差异。高脂血症患者表现出较低的贫困-收入比、较高的BMI以及高血压和糖尿病诊断的较高患病率（所有P<0.001）。高脂血症患者中吸烟更为频繁，而饮酒在各组之间无显著差异。营养分析显示，高脂血症患者消耗的总能量、蛋白质、脂肪和碳水化合物平均水平较低。值得注意的是，高脂血症参与者的平均DI-GM评分（4.53±1.58）与无高脂血症者（4.64±1.62；P<0.001）相比显著降低。此外，脂质异常患者的高密度脂蛋白胆固醇较低，低密度脂蛋白胆固醇较高。虽然高脂血症组和无高脂血症组之间许多特征存在统计学显著差异，但相应的效应量通常为小到中等，表明这些差异在某些情况下可能幅度适中。
DI-GM与高脂血症之间的关联
如图2所示，在所有建模方法中，较高的DI-GM评分始终与高脂血症几率降低相关。当作为连续变量处理时，DI-GM每增加1分与高脂血症可能性降低相关：未调整OR=0.932（95% CI：0.925-0.939）；模型2（调整人口统计学）：OR=0.947（95% CI：0.939-0.953）；模型3（完全调整）：OR=0.961（95% CI：0.954-0.968）。
当DI-GM分为四组（0-3、4、5、≥6）时，观察到类似的逆向趋势。在完全调整模型中，与最低类别（0-3）相比，得分为5和≥6的参与者高脂血症几率显著降低，OR分别为0.883（95% CI：0.815-0.966）和0.806（95% CI：0.735-0.883）。得分为4的参与者无统计学显著差异（OR=0.961；95% CI：0.901-1.022）。
RCS分析进一步证实了DI-GM与高脂血症之间的线性逆向关系。全局关联检验显著（P=0.039），而非线性检验不显著（P=0.972），表明存在剂量依赖性线性趋势。
在事后分析中，DI-GM与膳食纤维和多不饱和脂肪酸指标呈正相关：纤维（r=0.22）、omega-3（r=0.12）、omega-6（r=0.08）和多不饱和脂肪酸:饱和脂肪酸（r=0.15）；所有P<0.001。
亚组分析
为探索我们发现的一致性，我们在关键人口统计学和临床特征（包括年龄、性别、种族、教育程度、贫困-收入比、BMI类别以及糖尿病和高血压状态）中进行了分层分析。DI-GM与高脂血症之间的逆向关系在所有检查的分层中方向一致。尽管某些亚组之间的点估计值有所不同，但交互作用的正式检验均无统计学显著性（所有交互P>0.05）。这表明没有统计证据表明DI-GM与高脂血症之间的关联因这些特征而异，突显了我们发现在人群中的普遍稳健性。
中介分析
为检查将DI-GM与高脂血症联系起来的潜在机制，我们使用SII作为中介因素进行中介分析。DI-GM对高脂血症的总效应仍然具有统计学显著性[OR=0.96；95% CI：0.93-0.99]。通过SII的间接路径也具有显著性[OR=0.991；95% CI：0.987-0.996]。然而，重要的是要注意，此间接效应的比值比非常接近1.0，表明效应幅度较小。在控制SII后，直接效应减弱并接近显著[OR=0.97；95% CI：0.94-1.00]。总效应的约17.8%（95% CI：6.5%-30.9%）通过系统免疫-炎症介导，表明炎症对饮食-脂质关系有显著贡献。
4. 讨论
利用来自美国大型全国代表性人群的数据，这项横断面调查发现DI-GM与高脂血症存在显著的逆向关系。即使在调整了广泛的人口统计学、生活方式、营养和临床变量后，DI-GM评分较高（表明支持健康肠道微生物群的饮食）的个体表现出脂质异常几率显著降低。这些发现表明，定期摄入微生物群可利用底物（例如可发酵纤维），特别是富含可发酵纤维和多酚等生物活性化合物的食物，可能有助于更健康的脂质谱。
我们基线分析中一个值得注意的观察是，高脂血症患者报告的总能量、蛋白质、脂肪和碳水化合物日均摄入量较低。这种看似违反直觉的发现在横断面观察性研究中并不罕见，可能反映了反向因果关系或报告偏倚。例如，已被诊断为高脂血症的个体可能已经改变其饮食习惯以管理其状况，导致调查时能量消耗降低。或者，有已知健康状况的参与者可能有意或无意地低估了他们认为不健康的食物摄入量，这是膳食评估中常见的报告偏倚形式。因此，应谨慎解释这一发现，并强调需要进行前瞻性纵向研究，以评估疾病发生前的膳食模式。
大量先前研究已独立强调了饮食模式和肠道微生物生态系统在塑造包括脂质调节在内的代谢健康方面的重要性。在营养方面，富含植物性食物、全谷物和不饱和脂肪的饮食一直与较低的甘油三酯和低密度脂蛋白胆固醇水平以及较低的高脂血症风险相关。例如，对健康饮食指数（HEI）或替代HEI等饮食质量指数的依从性与脂质参数的改善相关，强化了全面饮食质量的关键作用。与此平行，越来越多的证据将肠道微生物群确定为代谢过程的关键调节器。某些微生物谱在高脂血症个体中更常见，包括有益的短链脂肪酸（SCFA）生产者（如Faecalibacterium、Roseburia、Akkermansia）水平降低，以及革兰氏阴性Enterobacteriaceae等促炎菌群的流行率增加。这支持了肠道失调（微生物多样性和功能减少）可能导致脂质代谢紊乱的假设。综合现有数据指向一种动态和相互的关系：滋养多样化微生物群的饮食可能有助于预防脂质紊乱，而不健康的饮食模式可能破坏肠道环境并加剧高脂血症风险。
我们的研究通过应用DI-GM——一种新开发的、基于微生物组的饮食指标——探索脂质调节，为该领域提供了新的证据。据我们所知，这是首次直接考察DI-GM与作为独立临床结果的高脂血症之间的关系。我们的结果与先前发现一致，这些发现将较高的DI-GM评分与代谢综合征和2型糖尿病的较低患病率相关联。这些结果表明，以微生物群为导向的饮食模式可能在包括脂质调节在内的各种代谢健康领域提供广泛益处。值得注意的是，与传统饮食指数相比，采用DI-GM提供了新的视角。像HEI或地中海饮食评分这样的标准指数虽然可以预测心血管风险，但不一定能捕捉饮食与肠道微生物组之间的复杂相互作用。事实上，先前研究表明，这些传统评分与肠道微生物多样性和组成的关联不一致，突显了现有工具在捕捉与微生物组相关的饮食效应方面的局限性。DI-GM明确开发用于解决这一缺点，重点关注对微生物生态有已知影响的特定饮食元素。在本研究中，其应用使我们能够检测到使用更广泛饮食指数可能不明显的与高脂血症的关联。因此，我们的发现强调了微生物组导向饮食指标在营养流行病学中的附加价值，并支持将其进一步整合到代谢健康研究中。
我们的中介分析为进一步了解将微生物群支持性饮食与脂质谱联系起来的潜在途径提供了见解。具体而言，我们发现系统性炎症（通过SII表示）部分介导了较高DI-GM评分与高脂血症患病率降低之间的关联。这表明这些饮食模式可能通过减轻慢性低度炎症过程来改善脂质水平。然而，这一间接途径仅占总效应的17.8%，表明虽然免疫调节效应相关，但保护性关联的大部分（剩余82.2%）可能归因于肠道微生物群调节的其他更直接的生物学机制。
先前研究支持的几种生理途径可能解释这一大剩余效应。一个中心机制涉及膳食纤维被微生物发酵成SCFA，如丁酸盐、丙酸盐和乙酸盐。值得注意的是，SCFA可以直接影响宿主脂质代谢；例如，丁酸盐抑制肝脏3-羟基-3-甲基戊二酰辅酶A（HMG-CoA）还原酶（胆固醇生物合成的限速酶），从而减少内源性胆固醇产生。除了胆固醇合成外，微生物代谢物还调节脂质积累和清除。来自多不饱和脂肪酸（PUFAs）的SCFA和其他代谢物（如共轭亚油酸）可以激活信号级联，如过氧化物酶体增殖物激活受体（PPAR）通路，增加脂肪酸氧化并抑制脂质合成。
此外，肠道微生物群在胆汁酸代谢中起关键作用，这与胆固醇稳态密切相关。共生细菌促进胆汁酸的去结合，促进其粪便排泄。这种胆汁酸的丢失上调肝脏胆固醇摄取以补充胆汁酸池，最终降低血清低密度脂蛋白胆固醇浓度。饮食、微生物代谢物和宿主信号通路之间的这种复杂相互作用突显了微生物群支持性饮食如何对代谢健康产生深远影响，很大程度上独立于SII等系统性炎症标志物。综合起来，这些相互关联的过程表明DI-GM与高脂血症之间的强逆向关联是由微生物副产物的直接代谢调节和系统性炎症减少的较小但显著贡献共同驱动的。
本研究提供了几项重要的方法学优势。首先，使用来自十年NHANES的汇总数据提供了大型、社会经济和种族多样化样本，增强了我们结论对美国成年人群的普遍适用性。其次，DI-GM的纳入使我们能够对饮食摄入进行与微生物组相关评估，为传统饮食指数提供了新颖且机制上明确的替代方案。第三，我们的统计策略包括广泛的协变量调整、分层亚组分析和非线性建模，所有这些都加强了我们发现的可靠性。
然而，应承认几个局限性。由于NHANES的横断面性质，我们无法推断饮食模式与脂质结果之间的时序性或因果关系。饮食摄入使用24小时回忆评估，可能受报告不准确影响，可能无法完全捕捉习惯性饮食。一个重要局限是DI-GM是微生物群支持性饮食的间接替代指标。由于NHANES 2010-2020周期缺乏粪便微生物组分析，我们无法确认我们参与者的较高DI-GM评分是否对应于客观上更健康的肠道微生物组成或功能。我们对DI-GM与纤维/多不饱和脂肪酸摄入量的事后相关性提供了表面效度检查，但不能替代直接的微生物证据。此外，尽管DI-GM开发用于反映与微生物群相关的饮食暴露，但我们的分析未纳入直接微生物组分析数据。最后，尽管进行了严格的多变量调整，但残留混杂因素（如体力活动水平、补充剂使用或未诊断的脂质状况）的影响无法完全排除。
5. 结论
这项全国代表性分析显示，通过DI-GM量化的对肠道微生物群健康支持更大的饮食模式与美国成年人高脂血症可能性降低显著相关。这些结果突显了在脂质调节和更广泛的代谢健康促进策略中使用与微生物组相关的饮食评估工具的相关性。将有益于微生物群的饮食元素整合到公共卫生指南中可能为大规模预防脂质紊乱提供新途径。此外，系统性炎症的部分中介作用表明了连接饮食、肠道微生物组和脂质稳态的潜在免疫代谢通路。未来结合微生物学和炎症标志物的纵向和干预研究对于建立因果机制和指导靶向营养干预的发展至关重要。
【全文结束】
