美国成年人超加工食品摄入量与生物衰老之间的关联：2003-2010年NHANES的结果

尽管超加工食品（UPF）对健康有明显的不利影响，但UPF摄入量与生物衰老标志物之间的关联几乎没有得到研究。该文旨在探讨UPF摄入量与生物衰老之间的关联，并评估整体饮食质量在多大程度上解释了这种关联。

膳食摄入量：所有NHANES参与者都进行两次24小时饮食回忆访谈，根据食品代码和SR代码描述，所有食品都被分配到四个Nova组：未加工/最低限度加工的食品、加工的烹饪成分、加工食品和UPF。计算每个参与者每个Nova组对每日总能量摄入量的贡献（%）。

使用AHA 2020饮食评分和HEI-2015饮食评分评估整体饮食质量。在这两个饮食质量指数中，分数越高代表饮食质量越高。

生物老化：该文使用PhenoAge测量生物衰老，因为这种方法可以应用于常规收集的临床数据，具有预测健康寿命的最佳验证证据。PhenoAge是通过使用NHANES III参与者的血液化学数据对生存概率进行建模而开发的，该算法包括实际年龄和13种血液分析物。PhenoAge的值可以解释为个体的死亡风险与NHANES III训练样本中的平均值相匹配的年龄。文章使用“BioAge”R软件包将PhenoAge gap计算为预测生物年龄与实际年龄之间的差异。

协变量：人口统计数据（年龄、性别、种族、教育程度、贫困收入比）、吸烟状况、身体测量数据（身高和体重）、身体活动、心血管疾病史和糖尿病史。

使用回归模型来测试UPF摄入量（作为摄入量的连续变量和五分位数）与生物衰老之间的关联，包括模型中逐渐全面的协变量集，以解释潜在的混杂、反向因果关系或测试潜在的中介。通过将五分位数视为单个连续有序变量来进行线性趋势检验。模型调整如下：模型1：NHANES周期、实际年龄和性别;模型2：额外调整了种族、教育和贫困收入比;模型3：额外调整了身体活动和吸烟状况;和模型4：额外调整了体重指数（BMI）以及心血管疾病和糖尿病病史。除了模型4中使用的协变量外，还构建了其他三个模型，这些模型除了模型4中使用的协变量外，还针对总能量摄入（模型5）、AHA 2020饮食评分（模型6）和HEI-2015饮食评分（模型7）进行了调整。

使用加权限制性三次样条，以检查UPF摄入量（作为连续变量）和PhenoAge gap之间的剂量-反应关系，使用Wald F检验来评估模型4中涉及的协变量的交互作用，根据具有统计学意义的交互变量进行分层分析。排除能量摄入不合理的参与者进行敏感性分析。

随着UPF摄入量的增加，饮食质量（AHA 2020饮食评分和HEI-2015饮食评分）显著线性下降。另一方面，总能量摄入和PhenoAge gap显著线性增加。在UPF摄入量的五分位数中未观察到心血管疾病史或糖尿病方面的差异（表1）。

表1 UPF摄入量的五分位数中的特征分布和测量数据

分析显示，受限三次样条模型中的非线性证据很少(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)。在所有调整后的模型中，UPF摄入量与PhenoAge gap呈正相关(P< 0.001)，表明随着UPF摄入量的增加，生物衰老加速（表2）。基于完全调整的模型（模型4），我们观察到与最低的五分位数相比，最高的UPF摄入量的百分比五分位数的PhenoAge gap高0.9（95% CI 0.60，1.20），而观察到UPF摄入量每增加10%，PhenoAge gap增加0.21(95% CI 0.16,0.26)（表2）。

我们进一步发现，AHA 2020饮食评分和HEI-2015饮食评分与PhenoAge gap呈反向关系，坚持健康饮食与较低的PhenoAge gap相关，而总能量摄入与PhenoAge gap无关（表3)。进一步调整能量摄入（模型5）导致UPF和PhenoAge gap之间的效应大小与模型4没有差异。通过AHA 2020饮食评分和HEI-2015饮食评分评估的健康饮食依从性减弱了UPF和PhenoAge gap之间的关系（从0.21岁到0.14岁，模型6和模型7），尽管在调整了这两个饮食质量指标中后，这种关联仍然显著（表2）。

表2 UPF摄入量与PhenoAge gap之间的关系

表3 PhenoAge gap与AHA、HEI-15和总能量摄入之间的关系

分析显示，UPF摄入量与性别、BMI、身体活动、吸烟状况、心血管疾病史、糖尿病、总能量摄入和两个饮食质量评分（HEI-15和AHA）没有相互作用（表4).然而，我们观察到UPF摄入量与实际年龄之间存在相互作用。按年龄组（20-39岁、40-59岁和≥60岁）进行的分层分析，≥60岁组的UPF摄入量与PhenoAge gap之间的相关性稍强（表5）。研究进一步进行了敏感性分析，排除了那些可能难以置信的能量摄入。结果基于13881名参与者的数据，与主要分析中观察到的数据没有显著差异（表6）。

表4 性别、实际年龄、BMI、体力活动、吸烟状况、心血管疾病史、糖尿病、总能量摄入和饮食质量（AHA 2020饮食评分和HEI-2015饮食评分）对美国成年人超加工食品摄入与表型年龄差距之间关系的影响

表5 UPF摄入量与PhenoAge gap之间关系的实际年龄分层分析

表6 排除不合理能量摄入的参与者后，UPF摄入量与PhenoAge gap之间的关系

该研究发现UPF摄入量较高的成年人往往在生物学上年龄较大，这种关联部分独立于饮食质量，表明食品加工可能导致生物衰老加速，为饮食摄入如何有助于健康长寿提供了新的视角，并对促进更健康的老龄化提供参考。

参考文献