公众号
“医学论文与统计分析”公众号
扫码关注公众号

统计咨询
“公共数据库与孟德尔随机化”公众号
扫码关注公众号

意见反馈
邮箱:17357190071@163.com
微信:aq566665

NHANES最新研究:喝咖啡大大降低死亡风险,尤其是在这个时间段

Administrator
发布于 2025-07-30 / 18 阅读
0
0

对于众多当代打工人而言,血管中流淌的不是血液而是“咖啡液”,一日不喝咖啡如同“行尸走肉”。过去的多项研究表明,定期喝咖啡有益健康,能降低糖尿病、心血管疾病及死亡风险。

众所周知,昼夜节律在调节进食和新陈代谢方面发挥重要的作用,进食时间可能会改变食物摄入与健康结果之间的关联。但目前,尚不清楚咖啡摄入时间与全因及心血管死亡率的关系。

2024年1月8日,哈佛大学学者用NHANES数据库,在期刊《European Heart Journal》(医学一区top,IF=37.6)发表题为:“Coffee drinking timing and mortality in US adults”的研究论文,旨在探究咖啡摄入时间与全因死亡风险和心血管死亡风险之间的关联。

研究结果表明,与不喝咖啡的人相比,中午12点之前喝咖啡的人全因死亡风险降低了16%,心血管疾病死亡风险降低31%。但与中午之前喝咖啡相比,全天喝咖啡模式并没有降低全因死亡和心血管死亡风险。

公共数据库与孟德尔随机化公众号回复 原文 即可获得文献PDF等资料。想用NHANES发文,看看这个可一键提取和分析数据的NHANES零代码分析平台!如感兴趣请联系郑老师团队,微信号:aq566665

研究团队基于美国国家健康与营养调查(NHANES)数据库1999~2018年的数据,经过纳排,最终纳入了40,725名年龄≥18岁的美国成年人。在中位随访9.8年期间,共记录了4295例全因死亡、1268例CVD死亡和934例癌症死亡。

根据饮用咖啡的时间,研究者将参与者分为两类:

  • 早晨型(36%):摄入咖啡时间集中在中午12点之前;

  • 全天型(16%):咖啡摄入时间分散至一整天。

同时,为了外部验证NHANES中确定的咖啡饮用时间模式,研究还纳入女性和男性生活方式验证研究(WLVS和MLVS)的1, 463名成年人。

主要研究方法:

  • 聚类分析:研究团队进行了两步聚类法来识别咖啡饮用时间的模式,并通过轮廓宽度法估计最佳聚类数量;

  • Cox比例风险回归模型:评估咖啡饮用时间和咖啡摄入量模式与死亡风险(全因、心血管、癌症死亡风险)之间的关系,并使用随访年数作为潜在的时间度量;

  • 交互作用分析:探究咖啡饮用时间模式与分层因素年龄、性别、家庭收入、吸烟状况、诊断为慢性疾病(诊断为糖尿病、高血压或高胆固醇)和睡眠时间短之间是否存在交互作用;

  • 联合作用分析:探究咖啡饮用时间模式和咖啡摄入量如何共同作用于死亡风险;

  • 敏感性分析:研究团队进行了三次敏感性分析,以确保研究结果的稳健性。

图1 结构化图形摘要

咖啡,喝对时间就能减少死亡风险

研究团队发现,相较于早晨不喝咖啡的人群,在早晨喝咖啡的人群的全因死亡风险和CVD死亡风险分别降低了16%、31%。但在全天型喝咖啡的人群中,则未发现这种关联。

表1 咖啡饮用时间与死亡率的关系

同时,乘法交互作用分析结果显示,没有发现喝咖啡时间的模式与分层因素在影响全因死亡风险时存在交互作用(P for interaction均>0.05)

表2 咖啡饮用时间与全因死亡率关系的分层分析

研究团队还进一步进行了敏感性分析,结果与上述一致,表明了结果的稳健性。

最后,研究团队深入探究了咖啡饮用时间模式和咖啡摄入量对死亡风险的联合作用。结果发现,咖啡摄入量与全因死亡风险之间的关系会受咖啡摄入时间的影响(P for interaction=0.031)。

  • 具体而言,与不喝咖啡的人相比,在早晨摄入一杯以上咖啡的人群的全因死亡风险才会更低;

  • 但在全天型喝咖啡的人群中,未发现这种关联。

表3 咖啡摄入量和咖啡饮用时间与死亡风险之间的联合关联

模型根据年龄、性别、种族和民族、全国健康和营养检查调查周期、家庭收入、教育水平、体重指数、糖尿病、高血压、高胆固醇、吸烟状况、戒烟时间、身体活动、替代健康饮食指数、总卡路里摄入量、茶摄入量、含咖啡因的苏打水摄入量、无咖啡因摄入量百分比、睡眠时间短和睡眠困难。

综上所述,这项研究强调了喝咖啡时间的重要性,表明中午之前喝咖啡可能比下午或晚上喝咖啡,更能够显著降低全因死亡风险和心血管疾病死亡风险。

今天分享的这篇文章统计分析方法全面,思路设计严谨,是一篇值得借鉴的高分文章!如果你也想用NHANES发高分SCI,但选题没思路,方法理不清!那郑老师的NHANES一对一统计服务课程绝对能帮上大忙!让你不再为选题和统计分析方法发愁!

欢迎关注“公共数据库与孟德尔随机化”公众号,我们将持续为你提供NHANES数据库的高分思路和统计分析方法解读!


评论