中国南方中老年人膳食模式的时间变迁及其与超重和肥胖的关联：来自2002—2022年四轮营养监测的证据

Temporal Transitions in Dietary Patterns and Their Associations with Overweight and Obesity Among Middle-Aged and Older Adults in Southern China: Evidence from Four Rounds of Nutrition Surveillance, 2002-2022

作者信息Shuaijing Zhang, Yunkai Lin, Jianhang Li, Jiewen Peng, Jian Wen, Zihui Chen, Qi Jiang, Panpan Huang, Xingfen Yang, Guiyuan Ji, Wei Wu

PMID42884674

期刊Nutrients

发布时间2026-09-29

DOI10.3390/nu18193222

来源查看原文

实验完整度

中

基于四轮横断面营养调查，采用k-means聚类识别膳食模式并做多因素logistic回归关联分析，无体内外功能或机制验证

主要模型

广东省中老年居民（年龄≥45岁）四轮中国居民营养与健康状况调查（CNNS）2002、2012、2015、2022年调查人群

重点核对

膳食模式：基于23个食物组的k-means聚类，保留三聚类解膳食摄入评估：连续3天24小时膳食回顾结合家庭食物称重法结局定义：超重BMI 24.0–27.9 kg/m2、肥胖BMI≥28.0 kg/m2，中心性肥胖男性腰围≥90 cm、女性≥85 cm 关联模型：多因素logistic回归Model 1–4逐步校正年龄、性别、调查年份、地区、教育、收入、吸烟、饮酒、体力活动和总能量摄入趋势检验：Rao–Scott校正卡方检验及含调查年份线性项和二次项的survey-weighted logistic回归，FDR校正

摘要

背景：近几十年来中国经历了显著的膳食转型，同时超重和肥胖负担不断加重。然而，中老年人膳食模式的长期变化及其与肥胖的关联仍缺乏充分刻画。方法：我们分析了广东省四轮（2002—2022年）中国居民营养与健康状况调查中8502名年龄≥45岁成年人的数据。基于23个食物组，采用k-means聚类分析识别膳食模式。膳食模式分布的时间变化采用Rao–Scott校正卡方检验和纳入调查年份线性项与二次项的 survey-weighted logistic 回归模型评估。采用多因素logistic回归模型检验膳食模式与超重、肥胖及中心性肥胖的关联。结果：共识别出三种膳食模式：传统谷物型模式、过渡混合型模式和动物性食物丰富多样型模式。传统谷物型模式的患病率从2002年的15.8%降至2022年的0.4%，而动物性食物丰富多样型模式从19.2%升至47.0%。趋势分析在错误发现率校正后证实所有膳食模式均存在显著的时间变化。与传统谷物型模式相比，过渡混合型模式和动物性食物丰富多样型模式与更高的超重/肥胖 odds 相关，校正 OR 分别为1.57（95% CI：1.29–1.90）和1.42（95% CI：1.14–1.77）。中心性肥胖也观察到类似关联，相应校正 OR 分别为1.54（95% CI：1.26–1.89）和1.35（95% CI：1.08–1.71）。结论：2002—2022年间广东省中老年人发生了显著的膳食转型。以较高动物性食物和能量密集食物摄入为特征的膳食模式与更高的超重/肥胖和中心性肥胖 odds 相关。这些发现提示，在营养转型期间，膳食多样性本身未必代表更健康的膳食模式，并强调在肥胖预防策略中考虑整体膳食构成和能量平衡的潜在重要性。

调查人群与膳食数据采集

获取广东省中老年人跨四轮调查的可比膳食与健康信息

选取2002、2012、2015、2022年四轮CNNS广东省数据，通过面对面 household 访谈收集人口学、社会经济和生活方式信息；采用连续3天24小时膳食回顾结合家庭食物称重法评估膳食摄入。

膳食模式识别

基于食物组摄入经验性识别膳食模式

将食物条目归类为23个食物组，按标准人系数标准化并以z分数能量校正后，比较K-means与Ward法、平均连接层次聚类，依据轮廓系数、CH指数、DB指数、Dunn指数、簇大小分布和营养可解释性选择三聚类K-means解；并以重抽样ARI评估聚类稳定性。

膳食模式时间变化分析

评估2002—2022年各膳食模式分布的变化趋势

采用Rao–Scott校正卡方检验比较各调查年份膳食模式总体分布，并对每种模式拟合含调查年份线性项和二次项的survey-weighted logistic回归，联合Wald检验评估总体显著性，FDR校正多重检验。

膳食模式与肥胖结局关联分析

检验各膳食模式与超重/肥胖及中心性肥胖的关联

以膳食模式为主要暴露，超重/肥胖和中心性肥胖为因变量，构建四个逐步校正的多因素logistic回归模型，并开展按性别、年龄、居住地和调查年份的交互与分层分析，以及排除慢性病患者的敏感性分析。

环节	核对要点
调查人群与膳食数据采集	调查轮次（2002、2012、2015、2022年）、地区（广东省）、年龄≥45岁、最终样本量8502人、膳食回顾天数及工作日/周末日构成阅读提示：Methods 2.1 Study Design and Subjects 与 2.2 Data Collection and Dietary Assessment；Figure 1 研究人群流程图
膳食模式识别	23个食物组定义、标准人系数标准化方法、能量校正z分数、聚类算法与候选簇数k=2–5、最终三聚类K-means解的选择依据、ARI稳定性结果阅读提示：Methods 2.3 Dietary Pattern Identification；Supplementary Table S8、Figure S1、Table S1
膳食模式时间变化分析	Rao–Scott卡方检验、含线性和二次年份项的survey-weighted logistic回归、以2012年为中心、FDR校正及显著性阈值阅读提示：Methods 2.6 Data Analysis；Results 3.3；Table 2
膳食模式与肥胖结局关联分析	超重/肥胖与中心性肥胖的BMI和腰围切点、80岁以上年龄别BMI标准、Model 1–4校正变量、总能量摄入作为连续协变量、交互与分层分析变量、敏感性分析排除的慢性病种类阅读提示：Methods 2.4 Outcome、2.5 Covariates、2.6 Data Analysis；Figure 4；Table S4–S7

环节

核对要点

调查人群与膳食数据采集

调查轮次（2002、2012、2015、2022年）、地区（广东省）、年龄≥45岁、最终样本量8502人、膳食回顾天数及工作日/周末日构成

阅读提示：Methods 2.1 Study Design and Subjects 与 2.2 Data Collection and Dietary Assessment；Figure 1 研究人群流程图

膳食模式识别

23个食物组定义、标准人系数标准化方法、能量校正z分数、聚类算法与候选簇数k=2–5、最终三聚类K-means解的选择依据、ARI稳定性结果

阅读提示：Methods 2.3 Dietary Pattern Identification；Supplementary Table S8、Figure S1、Table S1

膳食模式时间变化分析

Rao–Scott卡方检验、含线性和二次年份项的survey-weighted logistic回归、以2012年为中心、FDR校正及显著性阈值

阅读提示：Methods 2.6 Data Analysis；Results 3.3；Table 2

膳食模式与肥胖结局关联分析

超重/肥胖与中心性肥胖的BMI和腰围切点、80岁以上年龄别BMI标准、Model 1–4校正变量、总能量摄入作为连续协变量、交互与分层分析变量、敏感性分析排除的慢性病种类

阅读提示：Methods 2.4 Outcome、2.5 Covariates、2.6 Data Analysis；Figure 4；Table S4–S7

大家都在搜

大家都在搜