糖尿病（diabetes mellitus）是一种常见的慢性非传染性疾病。国际糖尿病联盟在2017年公布的数据表明，全球的2型糖尿病患者约有4.25亿，患病率为8.8%；我国成年人糖尿病患病率为10.91%，1.14亿的患病人数居世界第一^[1]。饮食因素作为糖尿病危险因素中可以控制的重要因素，针对其与糖尿病联系的研究越来越多。众多研究探索了单一食物或某种营养素与糖尿病之间的联系^[2-4]，但是由于人们在日常生活中并不是只食用某一种食物或只摄入某种营养素，而是不同食物、不同营养素混合摄取。因此，近些年的研究更多的是从饮食整体水平的角度出发，探索膳食模式与糖尿病的关联。

本研究旨在通过1:1个体匹配的病例对照研究，探究上海市松江地区部分≥40岁居民的膳食模式与2型糖尿病之间的联系，为深入研究饮食和2型糖尿病的联系提供一定的依据。

对象与方法

1.研究对象：本研究为1:1个体匹配的病例对照研究。研究对象来自上海市“高峰计划”松江人群队列，队列包括35 920名20~70岁的社区居民。基于人群队列基线调查资料，本研究纳入≥40岁、无糖尿病家族史的居民，同时要求2型糖尿病患者患病时间＜10年；并排除患有脂肪肝、慢性肾病、高脂血症、恶性肿瘤等可能影响日常饮食选择疾病的居民。经纳入排除标准筛选后，得到559名2型糖尿病患者（病例组）和13 886名非患者。对照组的确定按照与病例组年龄相等、性别相同及饮酒情况相同的原则，采用Excel VBA编程完成个体匹配，最终得到559对病例-对照组合。

2.研究方法：2016年4月至2017年7月，在上海市松江区和嘉定区的7个社区，对纳入队列的35 920名居民进行问卷调查、体检（包括体格检查、心电图及B超等）和采集生物学样本（血液、粪便标本等），获得人群的基线信息。

采用复旦大学公共卫生学院设计的结构化的《社区居民健康调查个人问卷》开展问卷调查，调查内容包括：人口学信息（性别、民族、年龄等）、既往疾病史及家族史（冠心病、高血压、糖尿病等）、个人生活习惯（饮酒、吸烟等）、体力活动情况、膳食调查。其中，体力活动情况调查量表参考国际体力活动问卷，根据研究对象的特征进行修改设计，调查结果根据《国际体力活动问卷中体力活动水平的计算方法》进行计算和分类^[5]；膳食调查使用根据当地饮食行为特点设计的食物频率调查表，调查人群在过去12个月内29种（类）食物的食用频率和每次的进食量。

BMI=体重（kg）/身高（m）²，并按照BMI≥28.0 kg/m²为肥胖，24.0~kg/m²为超重，18.5~kg/m²为体重正常，＜18.5 kg/m²为体重过低；男性腰围≥85 cm，女性腰围≥80 cm为腹型肥胖的标准判断研究人群是否超重、肥胖及是否属于腹型肥胖。

3.统计学方法：使用SPSS 22.0软件进行数据分析及处理；所有统计学分析以α=0.05（双侧）为检验水准，P＜0.05为差异有统计学意义。

（1）研究对象的基本情况：分类变量的数据采用构成比或率表示，并使用皮尔森χ²检验进行组间比较。定量资料的数据先对其正态性进行检验，符合正态分布的数据资料使用x±s表示，并使用配对t检验进行组间比较；不符合正态分布的数据资料使用中位数及四分位数间距表示，使用非参数检验（如秩和检验）进行组间比较。

（2）建立膳食模式：根据2009年版的《中国食物成分表》，对膳食调查中涉及的食物进行分类整理，最终得到15类食物：谷类及制品、薯类、淀粉及制品、蔬菜类及制品、干豆类及制品、菌藻类、水果及制品、坚果、种子类、禽肉类及制品、畜肉类及制品、蛋类及制品、鱼虾蟹贝类、饮料类、糖、蜜饯类、小吃、甜饼、调味品类；并计算出每人每日各类食物的摄入量（单位：g）。采用因子分析建立膳食模式：计算统计量KMO（Kaiser-Meyer-Olkin）及进行Bartlett球形检验来判断是否适合进行因子分析；采用主成分法提取公因子，以特征根＞1的因子作为公因子；经方差最大正交旋转以便于解释各因子的实际意义，根据因子载荷较大的因子对膳食模式进行命名。计算调查对象在每种膳食模式上的因子得分，并将因子得分按四分位数划分为四组，用于后续的统计分析。

（3）探究膳食模式与2型糖尿病间的关联：由于采用1:1配对设计的病例对照研究，因此使用条件logistic回归模型（CLRM）探究膳食模式与2型糖尿病的关联，以及膳食模式之间的相乘交互作用与2型糖尿病的关联。

结果

1.基本情况：共纳入1 118人，年龄（62.20±7.24）岁，最小43岁，最大75岁；其中男性534人，女性584人。经检验，病例组和对照组除在文化程度（χ²=10.938，P=0.012）、肥胖情况（χ²=12.415，P=0.006）和腹型肥胖（χ²=18.078，P＜0.001）上的差异有统计学意义外，在年龄、性别、婚姻状况、职业类型、吸烟、饮酒及体力活动上的分布差异无统计学意义。见表 1。

2.膳食模式：将整理后的15类食物组纳入因子分析模型中，并用主成分法提取公因子。因子分析相关性检验的结果：KMO值=0.798＞0.7，Bartlett球形检验χ²=1 843.197，P＜0.001，纳入分析的各食物组间相关性较强，适用于因子分析。根据Kaiser准则，本研究保留特征根＞1的因子，保留的6个因子的累计方差贡献率为57.674%。经方差最大正交旋转后，得到食物组的因子载荷矩阵。见表 2。本研究将因子载荷＞0.5的食物组保留在模式中，并作为膳食模式命名的依据。最终得到6种膳食模式，即：肉类模式（畜禽肉及制品和鱼虾蟹等水产品为主）、甜品杂粮模式（以坚果、干豆等杂粮以及甜饼为主）、调味品蛋类模式（以泡菜等调味品以及鸡蛋等为主）、饮料模式（以饮用较多饮料为主）、谷薯类模式（以谷薯类及制品为主）、水果蔬菜模式（以蔬菜、水果和蜜饯等为主）。

3.膳食模式与2型糖尿病的相关性分析：将6种膳食模式的因子得分由低到高按四分位数划分为Q1（参考）、Q2、Q3、Q4组，经单因素条件logistic回归分析后，膳食模式中调味品蛋类模式、饮料模式、谷薯类模式和水果蔬菜模式与2型糖尿病的相关性有统计学意义，并且与2型糖尿病的发病呈现负相关。多因素条件logistic回归分析的结果显示，在调整文化程度、职业类型、腹型肥胖和体力活动后，调味品蛋类模式、饮料模式、谷薯类模式和水果蔬菜模式与2型糖尿病的发病呈现负关联且有统计学意义，这4种模式中Q4组的研究对象与Q1组的相比，患2型糖尿病的风险分别降低了45.7%、41.0%、40.8%和39.6%。见表 3。

将6种膳食模式不同水平（Q2、Q3、Q4）间的两两相乘交互作用纳入条件logistic回归模型中，在调整了文化程度、职业类型、腹型肥胖和体力活动之后，将交互项的调整OR（aOR）作图。见图 1。肉类模式与调味品蛋类模式的相乘交互项有统计学意义，并且与2型糖尿病的发病风险升高有关；谷薯类模式与肉类模式、水果蔬菜模式的相乘交互项与2型糖尿病发病风险降低有关，且有统计学意义。

讨论

本研究通过食物频率调查表获得研究对象各类食物的摄入量，并通过因子分析得到研究人群的6种膳食模式，分别为肉类模式、甜品杂粮模式、调味品蛋类模式、饮料模式、谷薯类模式、水果蔬菜模式。本研究得出的膳食模式分组与上海地区的部分研究结果相似^[6-9]，但由于不同研究的研究对象不同以及研究者对膳食模式的定义方式不同，不同研究间的结果有一定的差异，如以谷薯类及制品为主同时摄入适量畜禽肉类的谷薯类模式也常被称为“传统模式”^[6-7]；以畜禽肉及水产品为主的肉类模式也常被称为“西方型（化）模式”^[7-8]。

在本研究中，肉类模式与调味品蛋类模式的相乘交互项与2型糖尿病的患病风险增高有关（aOR=5.789，95%CI：1.759~19.057）。众多研究表明摄入肉类较多的膳食模式会增加患2型糖尿病的风险^{[2, 10-12]}，也有研究指出高盐饮食会增加患2型糖尿病的风险^[13-15]。在本研究中，谷薯类模式、水果蔬菜模式及二者的相乘交互项均能降低2型糖尿病的患病风险，与以往研究的结果一致^{[3, 6, 10-12, 16]}。以水果、蔬菜及谷物为主的膳食模式对2型糖尿病具有保护作用，可能与其中富含膳食纤维和镁元素有关^[17-18]。谷薯类模式与肉类模式的相乘交互作用在日常饮食中所代表的结构与钱孝琳等^[6]得到的“谷蔬猪肉模式”相似，这种结构的膳食也更加接近我国居民传统的膳食模式，即以谷类、薯类的摄入较高，同时摄入适量的肉类，说明传统的膳食模式与2型糖尿病的发病风险降低有关。

本研究从膳食整体的层面探讨了饮食和2型糖尿病的联系，与从单一食物或单一营养素的层面探讨饮食和2型糖尿病的联系相比，结果更具有实际意义。但由于纳入本研究的2型糖尿病患者并不是新发病例，患者可能在患病后改变饮食习惯，研究结果可能会因此受到影响，如由于患者饮食改变，本研究发现饮料模式和甜品杂粮模式与2型糖尿病发病风险降低有关，该结论与过往研究相悖^[19-20]。另外，膳食调查中也存在一定程度的回忆偏倚。所以在将来开展膳食模式与2型糖尿病联系的研究中，在研究方法上最好使用队列研究，或者使用病例组为新发病例的病例对照研究；此外，在膳食调查过程中应当加强质量控制，提高研究结果的准确性。

综上所述，在本研究得出的6种膳食模式中，谷薯类模式和水果蔬菜模式可能在预防2型糖尿病上更具有实际的意义。此外，以谷类、薯类为主，搭配适量肉类，减少调味品摄入的膳食模式对降低2型糖尿病的患病风险可能也有积极作用。因此，在日常生活中应当注意膳食的合理搭配，在膳食层面上做好2型糖尿病的预防。

利益冲突  所有作者均声明不存在利益冲突