046
Intro
Diet Quality and Progression from Health to Chronic Disease, Multimorbidity and Mortality in the UK Biobank 是 Aitana Vázquez-Fernández 等人在 2026 年发表于 BMC Medicine 的 UK Biobank 营养流行病学文章。它研究早期/习惯性饮食质量是否与人群从健康状态走向首次慢病、多病共存和死亡的疾病进展轨迹有关。
Why I Read It
我读这篇主要是因为它不是普通的“饮食质量和某个疾病风险”的单终点研究。作者把状态定义成 healthy、one chronic disease、multimorbidity 和 mortality，然后分别估计饮食质量对每条状态转移的关联。
这对我最近读 UK Biobank 流行病学文章很有参考价值。很多慢病研究其实关心的是 trajectory：一个人什么时候从无病进入第一种慢病，什么时候累积到第二种病，什么时候死亡。把这些过程拆开，比只看 incident multimorbidity 或 all-cause mortality 更能保留疾病进展的信息。
What It Says
作者从 UK Biobank 中有饮食数据的人群开始筛选，要求参与者至少完成两次 Oxford Web-Q 24-hour dietary recall，并排除基线已有研究慢病、能量摄入异常或缺失、关键时间顺序不合适和协变量缺失者，最后纳入 84,293 名基线无病参与者。平均年龄 54.9 岁，56.0% 为女性。
暴露是饮食质量评分。作者用多次 24 小时饮食回忆的平均摄入量计算四个主要评分：aMED、DASH、AHEI-2010 和 hPDI。主分析把每个评分分成 tertiles，用最低组作为参照；补充分析还做了 per 1-SD increase 和 quintiles。另有 uPDI 作为不健康植物性饮食的对照性暴露。
结局不是一个单一事件，而是五条状态转移。所有人基线时都没有九种研究慢病；随访中第一次发生 cancer、COPD、dementia、Parkinson’s disease、stroke、depression、osteoarthritis、diabetes 或 coronary heart disease 中任一种，就进入 one chronic disease；再发生第二种不同慢病，就进入 multimorbidity；死亡来自死亡登记。
作者用 parametric Weibull multi-state model 估计五条 transition 的 HR：healthy 到 one chronic disease，healthy 到 mortality，one chronic disease 到 multimorbidity，one chronic disease 到 mortality，multimorbidity 到 mortality。模型调整年龄、性别、教育、Townsend deprivation index、吸烟、BMI、身体活动、久坐、睡眠、总能量摄入和酒精摄入。
结果的主线很清楚。对于 healthy 到 first chronic disease，aMED、DASH 和 AHEI-2010 最高组风险更低，HR 大约在 0.92 到 0.94 之间；hPDI 的主分析结果不稳定。对于 healthy 到 mortality，只有 aMED 显著，最高组 HR 为 0.72。对于 one chronic disease 到 multimorbidity，DASH 最高组 HR 为 0.90，摘要中也报告 aMED 相关风险较低。对于 one chronic disease 到 mortality，结果没有形成清楚的高分保护梯度。对于 multimorbidity 到 mortality，aMED、DASH 和 AHEI-2010 最高组分别对应较低死亡风险，HR 约为 0.76、0.71 和 0.80。
uPDI 的方向相反。较高不健康植物性饮食评分与 healthy 到 one chronic disease、healthy 到 mortality、one chronic disease 到 multimorbidity 的较高风险相关。这一点让文章的解释更稳：问题不是“植物性”这个标签本身，而是饮食组成的质量。
What I Take From It
这篇最值得学的是状态转移框架。作者先定义健康、一病、多病和死亡这些状态，再用随访中的疾病日期和死亡日期构建实际进展路径。这样同一个早期饮食暴露可以分别对应不同疾病阶段的风险，而不是被压成一个模糊的复合结局。
我的理解是，文章的结论可以收束为一句话：早期/习惯性饮食质量越高，整体上越不容易沿着“健康到首次慢病到多病共存到死亡”的不良轨迹推进。不过这个结论不能说得太满，因为不是所有评分、所有转移都显著。aMED 和 DASH 最一致，AHEI-2010 次之，hPDI 最弱。
对营养流行病学来说，这篇也提醒我不要把“健康饮食”当作一个单一变量。aMED、DASH、AHEI-2010 和 hPDI 重叠但不等价。hPDI 的结果较弱，可能和它统一惩罚动物性食物有关；鱼、乳制品、禽肉等食物并不一定都和更差健康结局同向。相比之下，uPDI 结果更好解释：不健康植物性食物越多，疾病进展风险越高。
Note
这篇文章的时间线非常关键。进入分析的人基线都是 disease-free；中间的 one chronic disease 和 multimorbidity 都是在随访过程中发生出来的状态。作者还排除了第一种和第二种慢病同日发生的人，因为这种情况无法清楚排序。
疾病定义也不是统一来自一个来源。Cancer 来自肿瘤登记；COPD、dementia、Parkinson’s disease 和 stroke 使用 UK Biobank algorithmically defined outcomes；depression、osteoarthritis、diabetes 和 CHD 则结合住院诊断、自报、用药、生化或 OPCS-4 手术操作码。死亡来自死亡登记。读这种文章时，必须把 source、case definition 和 event date 拆开看，否则很容易误解结局。
证据边界也要保留。饮食来自自报 Web-Q，虽然至少两次 recall 的平均值比单日饮食好，但仍有测量误差。饮食和协变量没有随疾病状态转移动态更新，因此结果更像是早期 habitual diet 与后续疾病轨迹的关联，不是患病后改变饮食的效果。UK Biobank 本身也有健康志愿者和社会经济选择偏倚；如果饮食-疾病关联在低 SES 人群中不同，估计值不一定能直接外推。
最后，multimorbidity 定义只包括九类高负担慢病，没有包括 chronic kidney disease、liver disease 等重要疾病。这个选择让状态转移更清楚，但也会低估或窄化多病共存。