4.8/Q1,中山大学用NHANES:膳食烟酸摄入量与非酒精性脂肪肝之间的关联

**文章题目:**Association between Dietary Niacin Intake and Nonalcoholic Fatty Liver Disease: NHANES 2003-2018

**DOI:**10.3390/nu15194128

**中文标题:**膳食烟酸摄入量与非酒精性脂肪肝之间的关联:NHANES 2003-2018

**发表杂志:**Nutrients

**影响因子:**1区,IF=4.8

**发表时间:**2023年9月

**背景:**非酒精性脂肪性肝病(NAFLD)是全球常见的慢性肝脏疾病。膳食因素,尤其是烟酸(维生素B3),可能在预防和管理NAFLD中发挥作用。本研究旨在探讨膳食烟酸摄入与NAFLD之间的关系,利用2003至2018年间参加全国健康与营养检查调查(NHANES)的美国成年人数据。

**方法:**本研究纳入了参加2003 - 2018 年国家健康和营养检查调查 (NHANES) 的 20 岁及以上的受试者。通过两次 24 小时饮食回忆评估膳食烟酸摄入量。使用美国脂肪肝指数 (US-FLI) 定义 NAFLD。加权逻辑回归模型和限制性三次样条函数用于检验膳食烟酸与 NAFLD 之间的关联。

结果分析:

1.研究人群选择

本研究纳入了2003至2018年期间参加NHANES调查的80,312名参与者。在这其中,6540名参与者的US-FLI值大于30,表示他们存在NAFLD,而16,763名参与者的US-FLI值小于30,表示他们没有NAFLD。根据排除标准,进一步剔除有明显酒精使用、乙肝表面抗原阳性、乙型肝炎抗体阳性、乙型肝炎RNA阳性等肝病感染者,以及存在膳食烟酸摄入数据缺失、仅有一次膳食回顾数据、能量摄入不合理(女性<600 kcal或>3500 kcal,男性<800 kcal或>4200 kcal)等参与者后,最终纳入了4378名NAFLD患者和8877名非NAFLD患者。

2.基线特征

研究样本中,共有13,255名参与者(NAFLD组4378人,非NAFLD组8877人)。两组在年龄、性别、BMI、血脂、肝功能等多个方面存在显著差异。与非NAFLD组相比,NAFLD组的参与者年龄较大,男性比例较高,BMI较高,且总能量摄入量和肝功能指标(ALT、AST、甘油三酯(TG))较高,HDL-C水平较低。特别是,NAFLD组的高血压、糖尿病和高胆固醇患病率明显高于非NAFLD组。

3.膳食烟酸摄入与NAFLD的关系

通过多变量回归分析后,我们发现膳食烟酸摄入量与NAFLD的发生存在显著的负相关关系。具体来说,与膳食烟酸摄入量在最低四分位(≤16.3 mg)组相比,第二、第三、第四四分位组的NAFLD患病率依次降低。调整混杂因素后,第二、第三和第四四分位的OR值分别为0.84(95% CI:0.68--1.03)、0.80(95% CI:0.65--0.97)和0.69(95% CI:0.55--0.85),趋势检验p值为0.001,表明烟酸摄入量的增加与NAFLD发生风险的降低相关。

4.分层分析

进一步的分层分析显示,膳食烟酸摄入量与NAFLD之间的关系在不同亚组中存在异质性。在有高血压的群体中,高烟酸摄入量与NAFLD的风险关系较弱(OR:0.96,95% CI:0.64--1.44)。然而,在无高血压的群体中,高烟酸摄入量(第四四分位)显著降低了NAFLD的风险(OR:0.54,95% CI:0.40--0.74)。这种差异表明,高血压可能在膳食烟酸对NAFLD风险的影响中起到一定的调节作用(pinteraction = 0.033)。

文章小结:

本研究发现,较高的膳食烟酸摄入与NAFLD风险较低相关,特别是在无高血压的群体中更为明显。尽管本研究采用横断面设计,无法确定因果关系,但它为后续的前瞻性研究提供了有价值的线索。

大家在科研路上,可以借鉴这种研究方法,为自己的课题添砖加瓦。万层高楼平底起,一起加油呀!

相关推荐
myskybeyond6 小时前
TDengine oss数据的导出和导入
时序数据库·tdengine·数据备份和恢复
微学AI8 小时前
时序数据库选型指南:工业大数据场景下基于Apache IoTDB技术价值与实践路径
大数据·apache·时序数据库
Blossom.11815 小时前
基于深度学习的医学图像分析:使用YOLOv5实现医学图像目标检测
人工智能·深度学习·yolo·目标检测·机器学习·计算机视觉·数据挖掘
能源革命19 小时前
TDengine:用AI改变数据消费范式
时序数据库·tdengine
梦想画家1 天前
深入探索Weaviate:构建高效AI应用的数据库解决方案
人工智能·数据挖掘·weaviate
JosieBook1 天前
【数据库】时序数据库选型指南:从大数据视角看IoTDB的核心优势
大数据·数据库·时序数据库·iotdb
DolphinDB智臾科技1 天前
基于 TextDB 构建 DolphinDB 实时日志高效存查的实践
时序数据库
zuozewei1 天前
随笔之TDengine基准测试示例
大数据·时序数据库·tdengine
zzywxc7871 天前
AI 驱动的软件测试革新:框架、检测与优化实践
人工智能·深度学习·机器学习·数据挖掘·数据分析
Blossom.1182 天前
基于深度学习的医学图像分析:使用CycleGAN实现图像到图像的转换
人工智能·深度学习·目标检测·机器学习·分类·数据挖掘·语音识别