膳食纤维摄入与憩室病风险:前瞻性研究的系统评价和meta分析

Dietary fibre intake and the risk of diverticular disease: a systematic review and meta-analysis of prospective studies

作者信息Dagfinn Aune, Abhijit Sen, Teresa Norat, Elio Riboli
PMID31037341
发布时间2020-03
DOI10.1007/s00394-019-01967-w

实验完整度

低

该研究为观察性研究的meta分析,无原始实验数据,仅基于已发表的队列研究汇总统计,未提供实验方法细节。

主要模型

5项前瞻性队列研究 19,282例憩室病病例 865,829名参与者

重点核对

纳入研究均为前瞻性队列研究 膳食纤维摄入量通过验证的食品频率问卷评估 汇总RR基于随机效应模型计算 剂量-反应分析采用线性每10克/天和分数多项式模型

摘要

背景:多项研究发现高膳食纤维摄入与憩室病风险降低相关;然而,纤维摄入与憩室病风险之间的剂量-反应关系各不相同,且现有研究尚未在meta分析中进行总结。我们进行了前瞻性队列研究的系统评价和meta分析,以阐明膳食纤维摄入、纤维亚型与憩室病风险之间的关联。方法:检索PubMed和Embase数据库,截至2018年8月9日。使用随机效应模型计算汇总相对风险(RR)和95%置信区间(CI),并使用分数多项式模型对非线性关联进行建模。结果:五项前瞻性队列研究,包含19,282例病例和865,829名参与者,被纳入膳食纤维与憩室病风险的分析。每10克/天的汇总RR为0.74(95% CI 0.71–0.78,I2 = 0%)。没有证据表明膳食纤维摄入与憩室病风险之间存在非线性关联,p非线性 = 0.35,与7.5克/天相比,摄入20、30和40克/天的风险分别降低23%、41%和58%。Egger检验无发表偏倚证据,p = 0.58,且在亚组和敏感性分析中关联持续存在。每10克/天的汇总RR,谷物纤维为0.74(95% CI 0.67–0.81,I2 = 60%,n = 4),水果纤维为0.56(95% CI 0.37–0.84,I2 = 73%,n = 2),蔬菜纤维为0.80(95% CI 0.45–1.44,I2 = 87%,n = 2)。结论:这些结果表明高纤维摄入可能降低憩室病风险,每天摄入30克纤维的人与低纤维摄入者相比风险降低41%。需要进一步研究纤维类型与憩室病及憩室炎风险的关系。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
膳食纤维摄入及其亚型与憩室病风险之间的关联是否存在,以及剂量-反应关系的形状如何?
核心机制
高膳食纤维摄入增加粪便体积并缩短转运时间,降低排便时所需压力,从而减少结肠黏膜通过薄弱区域疝出的可能性;此外,纤维的细菌发酵产生短链脂肪酸(如丁酸)为结肠细胞提供燃料,可能降低憩室病风险。
主要证据
基于5项前瞻性队列研究的meta分析,汇总RR每10克/天为0.74(95% CI 0.71–0.78,I2=0%),非线性检验p=0.35,摄入30克/天与7.5克/天相比风险降低41%。
研究意义
研究结果支持增加普通人群膳食纤维摄入的公共卫生建议,并提示纤维摄入与憩室病风险之间存在强且剂量依赖的负相关。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

文献检索与筛选

确定符合纳入标准的前瞻性研究,评估膳食纤维摄入与憩室病风险的关联。

在PubMed和Embase数据库中检索截至2018年8月9日的前瞻性队列研究和巢式病例对照研究,排除灰色文献,最终纳入5项队列研究(4篇出版物)。

2

数据提取与质量评估

提取每项研究的效应估计和协变量,并评估研究质量。

提取每项研究的作者、年份、国家、研究周期、样本量、病例数、暴露、摄入量、RR和95% CI,以及调整变量。使用纽卡斯尔-渥太华量表评估研究质量。

3

统计荟萃分析

汇总研究效应,评估剂量-反应关系和异质性。

使用DerSimonian和Laird随机效应模型计算汇总RR,使用Greenland和Longnecker方法进行线性剂量-反应分析,使用分数多项式模型评估非线性,使用Q和I2统计量评估异质性,使用Egger和Begg检验评估发表偏倚。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
StataStataCorpversion

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据提取
纳入研究的病例定义、膳食纤维评估方法(FFQ)、RR调整变量
阅读提示:表1和Methods部分
统计分析
随机效应模型、剂量-反应增量、非线性模型的选择
阅读提示:Methods的Statistical methods部分
异质性和发表偏倚评估
I2值、Egger检验p值
阅读提示:Results部分和补充图1-2