盡管超加工食品（UPF）對健康有明顯的不利影響，但UPF攝入量與生物衰老標志物之間的關(guān)聯(lián)幾乎沒有得到研究。該文旨在探討UPF攝入量與生物衰老之間的關(guān)聯(lián)，并評估整體飲食質(zhì)量在多大程度上解釋了這種關(guān)聯(lián)。

膳食攝入量：所有NHANES參與者都進行兩次24小時飲食回憶訪談，根據(jù)食品代碼和SR代碼描述，所有食品都被分配到四個Nova組：未加工/最低限度加工的食品、加工的烹飪成分、加工食品和UPF。計算每個參與者每個Nova組對每日總能量攝入量的貢獻（%）。

使用AHA 2020飲食評分和HEI-2015飲食評分評估整體飲食質(zhì)量。在這兩個飲食質(zhì)量指數(shù)中，分數(shù)越高代表飲食質(zhì)量越高。

生物老化：該文使用PhenoAge測量生物衰老，因為這種方法可以應(yīng)用于常規(guī)收集的臨床數(shù)據(jù)，具有預(yù)測健康壽命的最佳驗證證據(jù)。PhenoAge是通過使用NHANES III參與者的血液化學數(shù)據(jù)對生存概率進行建模而開發(fā)的，該算法包括實際年齡和13種血液分析物。PhenoAge的值可以解釋為個體的死亡風險與NHANES III訓練樣本中的平均值相匹配的年齡。文章使用“BioAge”R軟件包將PhenoAge gap計算為預(yù)測生物年齡與實際年齡之間的差異。

協(xié)變量：人口統(tǒng)計數(shù)據(jù)（年齡、性別、種族、教育程度、貧困收入比）、吸煙狀況、身體測量數(shù)據(jù)（身高和體重）、身體活動、心血管疾病史和糖尿病史。

使用回歸模型來測試UPF攝入量（作為攝入量的連續(xù)變量和五分位數(shù)）與生物衰老之間的關(guān)聯(lián)，包括模型中逐漸全面的協(xié)變量集，以解釋潛在的混雜、反向因果關(guān)系或測試潛在的中介。通過將五分位數(shù)視為單個連續(xù)有序變量來進行線性趨勢檢驗。模型調(diào)整如下：模型1：NHANES周期、實際年齡和性別;模型2：額外調(diào)整了種族、教育和貧困收入比;模型3：額外調(diào)整了身體活動和吸煙狀況;和模型4：額外調(diào)整了體重指數(shù)（BMI）以及心血管疾病和糖尿病病史。除了模型4中使用的協(xié)變量外，還構(gòu)建了其他三個模型，這些模型除了模型4中使用的協(xié)變量外，還針對總能量攝入（模型5）、AHA 2020飲食評分（模型6）和HEI-2015飲食評分（模型7）進行了調(diào)整。

使用加權(quán)限制性三次樣條，以檢查UPF攝入量（作為連續(xù)變量）和PhenoAge gap之間的劑量-反應(yīng)關(guān)系，使用Wald F檢驗來評估模型4中涉及的協(xié)變量的交互作用，根據(jù)具有統(tǒng)計學意義的交互變量進行分層分析。排除能量攝入不合理的參與者進行敏感性分析。

隨著UPF攝入量的增加，飲食質(zhì)量（AHA 2020飲食評分和HEI-2015飲食評分）顯著線性下降。另一方面，總能量攝入和PhenoAge gap顯著線性增加。在UPF攝入量的五分位數(shù)中未觀察到心血管疾病史或糖尿病方面的差異（表1）。

表1 UPF攝入量的五分位數(shù)中的特征分布和測量數(shù)據(jù)

分析顯示，受限三次樣條模型中的非線性證據(jù)很少(coefficient for linear term?=?0.02 (95% CI 0.00,0.04); Wald test for linear term P-value?=?0.046; Wald test for all non-linear terms P-value?=?0.550)。在所有調(diào)整后的模型中，UPF攝入量與PhenoAge gap呈正相關(guān)(P< 0.001)，表明隨著UPF攝入量的增加，生物衰老加速（表2）?；谕耆{(diào)整的模型（模型4），我們觀察到與最低的五分位數(shù)相比，最高的UPF攝入量的百分比五分位數(shù)的PhenoAge gap高0.9（95% CI 0.60，1.20），而觀察到UPF攝入量每增加10%，PhenoAge gap增加0.21(95% CI 0.16,0.26)（表2）。

我們進一步發(fā)現(xiàn)，AHA 2020飲食評分和HEI-2015飲食評分與PhenoAge gap呈反向關(guān)系，堅持健康飲食與較低的PhenoAge gap相關(guān)，而總能量攝入與PhenoAge gap無關(guān)（表3)。進一步調(diào)整能量攝入（模型5）導致UPF和PhenoAge gap之間的效應(yīng)大小與模型4沒有差異。通過AHA 2020飲食評分和HEI-2015飲食評分評估的健康飲食依從性減弱了UPF和PhenoAge gap之間的關(guān)系（從0.21歲到0.14歲，模型6和模型7），盡管在調(diào)整了這兩個飲食質(zhì)量指標中后，這種關(guān)聯(lián)仍然顯著（表2）。

表2 UPF攝入量與PhenoAge gap之間的關(guān)系

表3 PhenoAge gap與AHA、HEI-15和總能量攝入之間的關(guān)系

分析顯示，UPF攝入量與性別、BMI、身體活動、吸煙狀況、心血管疾病史、糖尿病、總能量攝入和兩個飲食質(zhì)量評分（HEI-15和AHA）沒有相互作用（表4).然而，我們觀察到UPF攝入量與實際年齡之間存在相互作用。按年齡組（20-39歲、40-59歲和≥60歲）進行的分層分析，≥60歲組的UPF攝入量與PhenoAge gap之間的相關(guān)性稍強（表5）。研究進一步進行了敏感性分析，排除了那些可能難以置信的能量攝入。結(jié)果基于13881名參與者的數(shù)據(jù)，與主要分析中觀察到的數(shù)據(jù)沒有顯著差異（表6）。

表4 性別、實際年齡、BMI、體力活動、吸煙狀況、心血管疾病史、糖尿病、總能量攝入和飲食質(zhì)量（AHA 2020飲食評分和HEI-2015飲食評分）對美國成年人超加工食品攝入與表型年齡差距之間關(guān)系的影響

表5 UPF攝入量與PhenoAge gap之間關(guān)系的實際年齡分層分析

表6 排除不合理能量攝入的參與者后，UPF攝入量與PhenoAge gap之間的關(guān)系

該研究發(fā)現(xiàn)UPF攝入量較高的成年人往往在生物學上年齡較大，這種關(guān)聯(lián)部分獨立于飲食質(zhì)量，表明食品加工可能導致生物衰老加速，為飲食攝入如何有助于健康長壽提供了新的視角，并對促進更健康的老齡化提供參考。

參考文獻