J Nutri 3万人膳食网络发现：这三种吃饭模式直接决定心血管风险与寿命长短

心血管疾病常年霸占全球致死疾病榜首，世卫 2019 年统计数据显示，全年约 1790 万人死于各类心血管病变，占到全球总死亡人数的 32%，而不合理膳食是所有可干预致病因素里权重最高的一环。

长久以来，大众和营养学研究都执着于拆解单一食材好坏，网红 “超级食物”“避雷食材” 层出不穷，但这套分析逻辑存在天然短板：现实里没有人单独只吃某一种食物，鸡蛋常搭配培根、杂粮总会和豆类坚果同食，各类食材之间存在复杂共存、拮抗关系，如果孤立评判单一食物，很容易忽略饮食搭配组合带来的整体健康影响。

当下 AI、机器学习在科研领域全面普及，营养学家也顺势转换研究思路，不再单独审视食材，而是搭建食物关联网络，像分析社交好友关系一样挖掘真实膳食群落与慢病、寿命的深层联系。

近期发表于《The Journal of Nutrition》的一项加拿大大型队列研究，依托机器学习网络分析技术重构膳食研究范式，跳出传统单一食材相关性分析的局限，重点挖掘普通人日常自然形成的食物搭配群落，量化不同饮食模式和全因死亡、心血管发病、预期寿命之间的关联强度。

研究团队整合 2004、2015 两轮加拿大全国营养普查数据，合计近 3 万名成年人完整膳食记录，并且将饮食问卷数据和加拿大官方死亡数据库、住院病案系统做长期纵向关联随访，完整追踪人群十余年间心血管发病与死亡事件，依托真实全民人群数据保证结论的普适参考价值。

这项研究搭建膳食网络的核心工具是半参数高斯联结图模型（SGCGM），专门适配膳食摄入量普遍极度偏斜、大量人群单日某类食物摄入为 0 的数据特征。模型中将每一类食材定义为网络节点，通过计算

条件依赖关系

绘制连线，也就是剔除其余所有食材干扰后，两类食物依旧稳定共存或反向排斥的真实关联，以此筛除虚假间接共现关系，只保留食材间直接相互作用。随后搭配无监督 Louvain 社群识别算法，自动聚类出三类边界清晰、贴合普通人真实三餐的膳食群落，无需研究者提前人为划定饮食标准，完全从民众真实进食数据中自然提炼饮食模式。

基于2004年加拿大社区健康调查（n=15,835）构建的成年人膳食网络。节点颜色代表经非监督Louvain算法识别的食物社区归属，连边表示食物组之间的条件依赖关系（实线为正相关，虚线为负相关），边权重对应偏相关系数。

第一类被命名为

蔬菜丰富型膳食群落（VR）

，网络核心为葱蒜类蔬菜，搭配橙红蔬菜、十字花科菜、杂豆豆制品、米面主食、植物油、汤品，快餐与该群落所有核心食材呈显著负向关联，意味着常吃大量新鲜蔬菜、豆类的人群，很少摄入油炸快餐。第二类是

高糖饮料低果群落（HSBLF）

，甜味饮料是整个网络中心，精制谷物、咸味零食会和含糖饮料同步高频食用；而全谷物、新鲜完整水果、酸奶、坚果则与甜饮料存在强负相关，爱喝奶茶汽水的人普遍少吃鲜果杂粮。第三类为

高脂早餐群落（HFB）

，以固态油脂为中心，聚集咖啡、鸡蛋、加工肉制品、煎饼甜点、精制糖，唯一反向搭配食材只有茶饮，是西式高脂早餐典型组合。

为了把群体膳食网络转化成每个人可量化的健康标尺，研究团队设计专属群落评分体系。算法引入特征向量中心性计算每种食材在群落里的权重：不只是看一种食材关联多少其他食物，还要衡量它相连食材的重要程度，权重最高食材定为群落核心；再根据食材与核心食材正负关联赋予正负权重，把受试者标准化食材摄入量乘以对应权重，同群落内全部数值相加，得到个人专属膳食得分，分数越高代表日常饮食越贴合该群落的搭配特征，这套评分完整保留食材网络结构信息，不会简单粗暴做加减扣分。

长达十余年的随访生存分析给出极具参考价值的分层对比结果，研究专门对比各膳食得分第 90 百分位（高度贴合该饮食模式）与第 10 百分位（极少遵循该模式）人群的健康差异。坚持蔬菜丰富膳食模式的人群，全因死亡风险整体下降 51%，其中女性获益更突出，死亡风险降低 59%，男性降幅为 48%；同时心血管发病风险同步下降 45%。换算成大众最关心的寿命指标，45 岁同年龄阶段，长期遵循高蔬菜搭配的女性预期寿命多 8.3 年，男性平均多活 6.1 年。

与之相反，高糖饮料低果模式会显著抬升死亡风险：该膳食高分人群整体全因死亡风险上涨 31%，其中男性风险增幅达到 39，女性群体未观测到统计学显著关联。而高脂早餐群落和全因死亡、心血管发病均无明确显著关联，背后核心原因是这套饮食内部食材利弊相互抵消：加工肉类、饱和脂肪提升慢病风险，但咖啡被大量研究证实具备心血管保护作用，两种效应互相中和，也直观证明脱离食材搭配讨论单一食物好坏存在巨大偏差。

这项研究最大创新在于打破传统营养分析的固有思维，以往研究只计算单一食材和疾病简单相关，机器学习膳食网络能够捕捉食材间相互协同、拮抗的深层结构，提炼普通人真实自发的饮食组合，而非实验室理想化膳食方案。配套的个人群落评分工具，还能直接落地公共卫生干预：公共健康部门可依据区域人群膳食得分，针对性推行减甜饮、增加蔬果豆类的饮食科普；普通人也能对照自身饮食结构，直观判断自己更贴近哪一类膳食群落，针对性调整食材搭配。

同时研究也客观说明自身局限：作为观察性队列研究，仅能证实饮食模式和慢病、寿命存在关联，无法直接推导因果；数据全部来自加拿大人群，不同国家饮食文化差异巨大，结论不能直接完全照搬至国内饮食环境；研究仅覆盖基础全谷物、蔬果、甜饮料大类，未细分加工、原生食材差异，后续还需结合代谢组、肠道微生物数据深挖膳食影响人体内在机制。

参考文献：

Yifei Wang,Jason M Sutherland,Mahsa Jessri.

Cardiovascular Disease Events and Life Expectancy Lost Attributable to Machine Learning-Derived Dietary Networks: Evidence from Canadian National Nutrition Survey Linked to Routinely Collected Administrative Databases

, The Journal of Nutrition (2026). DOI:10.1016/j.tjnut.2026.101598