摘要：目的：探索肉类的摄入对中国成年人高血压患病风险的影响。方法：利用中国健康与营养调查的数据，筛选出5319名调查对象，构建一项2009——2011年间的队列研究，以研究对象的高血压患病情况为结局，其肉类摄入量为暴露，其社会人口学因素、身体健康信息、生活习惯及其他饮食因素为协变量，利用Logistic 回归进行探索。结果: 红肉的摄入量与高血压患病风险无关(P=0.3956) ，而白肉摄入量越高，高血压患病风险越低( OR=0.997，P=0.019 3) ；白肉摄入能够降低60岁以下成年人(OR=0.997) 、女性(OR=0.995) 、农村居民(OR= 0.997) 及体重正常者(OR=0.993) 的高血压患病风险( P＜0.05) 。结论：白肉摄入是高血压的保护因素，尤其对于60岁以下成年人、女性、农村居民和体重正常者。
关键词：中国；成年人；肉类摄入；高血压；队列研究
高血压在全球范围内是患病率最高的慢性病之一，也是重要的死亡危险因素。据统计，2010年全球高血压患病率已达29.8%，2012年我国高血压的患病率为25.2%，而且知晓率很低。高血压是中风的头号危险因素，而且能够加速其他心脑血管疾病的进展。高血压对人体健康的损害和生活质量的降低已成为共识，它已是我国乃至全世界公共卫生领域的重大挑战。既往研究显示，除性别、年龄、遗传因素等自身条件外，饮食状况等生活习惯也会对高血压的患病风险造成巨大影响，之前提出的DASH饮食就是一种已被广泛认可的能够有效预防高血压的膳食模式。随着研究的逐渐深入，人们发现除了各类营养素自身，其食物来源情况也会对高血压患病风险造成影响。国内的一些研究曾指出，减少红肉摄入能够降低成年人高血压患病风险，但这些研究多为横断面研究，并忽视了一些与高血压密切相关的混杂因素，且并没有对该结论在不同人群亚组内进行检验。据此，本研究利用中国健康与营养调查( China Health and Nutrition Survey，CHNS)的调查数据，对中国成年居民的肉类摄入与高血压患病风险开展了较为深入的探索，以期更加具体地指导人们如何从饮食角度预防高血压的发生。
1 对象和方法
1.1 研究对象与研究设计
本研究所使用数据来自中国疾病预防控制中心与北卡莱罗纳大学教堂山分校合作开展的CHNS项目。该调查从1989年开展至今，是一个累计覆盖超过30000人的大型流动性队列，每隔几年对中国居民的一般信息、健康情况及营养状况等进行调查。本研究选择先后参与过2009年及2011年两轮调查且在2009年时无高血压及其他重大疾病( 包括其他心脑血管疾病、癌症等) 的居民作为研究对象，并将其中信息缺失较为严重及出现明显错误的对象剔除，最终将5319名研究对象纳入研究。本研究采用队列研究的设计，以2009年的调查作为基线调查，2011年的调查作为结局随访。
1.2 膳食评估
CHNS通过入户调查，采用3d 24h回顾法与称重法相结合的方式，对调查对象的膳食信息进行调查。根据膳食调查的结果，计算得到调查对象每日碳水化合物、脂肪及蛋白质的总摄入量，并依据《中国食物成分表》2002年及2004年版，对调查对象每日摄入的食物进行分类，计算出其每日摄入调味品、水果、蔬菜、大豆及其制品、红肉及白肉的总摄入量。本研究中，红肉主要包含各种畜肉及其制品，白肉则包含禽肉、动物性水产品及其制品。用2009年及2011年调查所得数据的均值评估调查对象在这一期间内的膳食摄入情况。
1.3 高血压诊断
在结局随访时，满足以下条件之一即被确定为高血压患者：(1)由医生给出的高血压诊断；(2)曾进行过抗高血压治疗；(3)收缩压不低于140mmHg或舒张压不低于90mmHg。调查对象的血压由CHNS项目组派出医生按标准流程完成3次测量，以3次测量的均值作为其最终血压。
1.4 协变量纳入
根据既往研究结论和专业知识，本研究纳入了年龄、性别、居住地三项社会人口学信息，BMI、吸烟状况、饮酒状况、体力活动状况及睡眠时间四项生活习惯作为膳食因素之外的协变量。其中，年龄、性别及居住地通过问卷调查获得，采用基线调查时的数据；BMI通过体检测得的身高和体重来计算；生活习惯信息通过问卷调查获得，吸烟状况按是否吸过烟进行划分，饮酒状况通过过去1年内是否曾饮用酒精饮料判断，这两项信息以结局随访的调查结果为准，体力活动状况则根据调查问卷的信息，依据国际体力活动量表短问卷的评分标准计算出其MET评分，MET评分和睡眠时间纳入模型时均采用基线和结局两次调查的均值。
1.5 统计分析
经CHNS项目组许可后下载数据，对数据进行相应清理。采用均数及标准差对正态分布的数值变量进行描述，中位数及上下四分位数对非正态分布的数值变量进行描述，频数及百分比对分类变量进行描述。利用t检验判断正态分布数值型变量的组间分布差异，Kruskal-Wallis检验判断非正态分布数值变量的组间分布差异，卡方检验判断分类变量的组间分布差异。以是否患有高血压为因变量，膳食摄入情况及上述纳入的协变量作为自变量，进行Logistic回归分析，以α＜0.05为存在统计学差异的标准。所有的数据清理及统计分析过程均通过SAS University Condition软件完成。
2 结果与分析
2.1 调查对象的基本情况
研究共纳入5319名调查对象，其中男性2429人，占全部对象的45.67%；城市居民较少，共1739人，占32.69%；1634人(30.72%) 有吸烟史；1749人( 32. 88%) 在过去1年中曾饮用过酒精饮料; 调查对象平均年龄为48.15±13.99岁，其中1065人(20.02%)为60岁及以上老年人；平均BMI为23.11±3.39，其中体重过轻者( BMI＜18.5)占7.35%，超重者(BMI≥24)占35.31%；平均睡眠时间为7.83±1.27h，基本充足；平均MET评分为8413.05±5459.75MET-min，体力活动较多(表1)。
2.2 高血压状况与调查对象基本情况的关联
高血压患者相比于非患者，男性、农村居民、吸烟者及饮酒者比例更高，高血压患者的平均年龄与BMI均高于非患者，红肉的摄入量和白肉的摄入量均低于非患者，以上结果均具有统计学差异(P＜0.05) 。是否为高血压患者与其睡眠时间、体力活动情况和宏量营养素摄入状况无统计学差异(P＞0.05)(表2)。
表1 调查对象的膳食基本情况(n=5319)
| 特征 | 取值 |
| 总热量（kcal) | 2107.55±767.82 |
| 总碳水（g） | 285.61±87.06 |
| 总脂肪（g） | 76.02±66.31 |
| 总蛋白质（g） | 65.51±18.66 |
| 红肉（g） | 76.05±58.08 |
| 白肉（g） | 33.33（0.00,75.00）* |
注: *白肉摄入量为非正态分布，采用中位数及上下四分位数表示其分布
2.3 高血压的影响因素
男性相比于女性患高血压的风险更高，城市居民相比农村居民患高血压的风险更低，高血压的患病风险随年龄的增长而提升，BMI越高，高血压的患病风险越高，吸烟情况、饮酒情况、睡眠时间和身体活动状况与高血压患病情况的关联没有统计学意义。膳食因素中，碳水化合物和脂肪的摄入能够降低高血压的患病风险，蛋白质摄入则是高血压的危险因素，具体到食物种类，豆制品、蔬菜、水果、调味品及红肉的摄入量与高血压的患病风险无关，而白肉的摄入量越高，患高血压的风险就越低(表3)。
2.4 不同人群中肉类摄入与高血压患病风险的关联
对于不满60岁的成年人、女性、农村居民以及体重处于正常范围内的人，白肉的摄入是高血压的保护因素；而对于60岁以上的老年人、男性、城市居民和体重过轻或超重者，白肉的摄入量不会影响其高血压患病风险；在各人群中，红肉的摄入量与高血压患病风险的关联均不具备统计学意义(表4)。
3 讨论
相比于既往研究，本研究采用队列的研究设计，考虑了生活习惯、体力活动等多方面的混杂因素，且样本量较大，人群覆盖全国范围，这些都能够使结果更为可靠、更具代表性。2年的队列研究的结果显示，肉类摄入对我国成年人高血压发病风险的影响主要是通过白肉的摄入量来实现。
在对高血压患病状况和其潜在影响因素的相关性进行分析后，发现性别、居住地、吸烟情况、饮酒情况、年龄、BMI和红肉、白肉的摄入量均与高血压患病状况有关；而睡眠时间、体力活动情况、宏量营养素的总摄入量则与之无关，但既往研究中这些因素经常被认为是高血压的影响因素，因此，这些协变量最终都纳入了Logistic回归模型；而总热量的摄入几乎完全由三大宏量营养素的摄入量决定，为避免自变量间的相互干扰，便在回归模型中剔除了这一因素。
表2 高血压患者及非高血压患者的特征分布
| 特征 | 数目 | t/X2 | P | ||
| 高血压 | 无高血压 | ||||
| 性别 | 男 | 318（51.62%） | 2111（44.89%） | 9.96 | 0.0002* |
| 女 | 298（48.38%） | 2592（55.11%） | |||
| 居住地 | 城市 | 164（26.62%） | 1575（33.49%） | 11.67 | ＜0.0001* |
| 农村 | 452（73.38%） | 3128（66.51%） | |||
| 吸烟情况 | 是 | 229（37.18%） | 1405（29.87%） | 13.64 | ＜0.0001* |
| 否 | 387（62.82%） | 3298（70.13%） | |||
| 饮酒情况 | 是 | 223（36.20%） | 1526（32.45%） | 3.48 | 0.0064* |
| 否 | 393（63.80%） | 3177（67.55%） | |||
| 年龄（岁） | 54.93±13.01 | 47.26±13.87 | 13.00 | ＜0.0001* | |
| BMI（kg/m2) | 24.22±3.33 | 22.96±3.37 | 8.81 | ＜0.0001* | |
| 睡眠时间（h） | 7.78±1.23 | 7.83±1.27 | 0.95 | 0.3434 | |
| 体力活动（MET-min/周） | 8504.00±5599.00 | 8402.30±5443.80 | 0.35 | 0.7252 | |
| 总热量（kcal) | 2087.50±671.80 | 2110.20±779.50 | 0.69 | 0.4910 | |
| 总碳水（g） | 286.90±91.70 | 285.4±86.44 | 0.39 | 0.6984 | |
| 总脂肪（g） | 72.40±48.54 | 76.50±68.29 | 1.44 | 0.1489 | |
| 总蛋白质（g） | 65.16±19.75 | 65.56±18.52 | 0.50 | 0.6167 | |
| 红肉（g） | 69.34±54.04 | 76.93±58.54 | 3.05 | 0.0023* | |
| 白肉（g）** | 33.33（0.00,66.67） | 33.33（0.00,75.00） | 6.58 | 0.0103* | |
注: *P＜0.05，该特征在高血压患者及非高血压患者间的分布存在统计学差异。＊＊白肉摄入量为非正态分布，采用中位数及上下四分位数表示其在两组的分布，并使用Kruskal-Wallis检验方法判断其在两组间的分布是否存在统计学差异。
表3 高血压危险因素的Logistic回归模型
| 特征 | OR | OR的95%置信区间 | P | ||
| 下限 | 上限 | ||||
| 性别 | 女 | — | — | — | — |
| 男 | 1.400 | 1.029 | 1.906 | 0.0321* | |
| 居住地 | 农村 | — | — | — | — |
| 城市 | 0.630 | 0.472 | 0.84 | 0.0017* | |
| 吸烟情况 | 否 | — | — | — | — |
| 是 | 0.913 | 0.687 | 1.213 | 0.5303 | |
| 饮酒情况 | 否 | — | — | — | — |
| 是 | 0.934 | 0.715 | 1.218 | 0.6124 | |
| 年龄 | 1.046 | 1.036 | 1.056 | ＜0.0001* | |
| 睡眠时间 | 0.968 | 0.888 | 1.055 | 0.4578 | |
| MET | 1.000 | 1.000 | 1.000 | 0.4949 | |
| BMI | 1.146 | 1.112 | 1.181 | ＜0.0001* | |
| 总碳水 | 0.998 | 0.996 | 1.000 | 0.0490* | |
| 总脂肪 | 0.996 | 0.992 | 1.000 | 0.0496* | |
| 总蛋白 | 1.012 | 1.002 | 1.023 | 0.0197* | |
| 豆制品 | 1.000 | 0.998 | 1.002 | 0.7443 | |
| 蔬菜 | 1.001 | 1.000 | 1.001 | 0.1305 | |
| 水果 | 1.001 | 0.999 | 1.002 | 0.3378 | |
| 调味品 | 1.002 | 0.995 | 1.009 | 0.5715 | |
| 红肉 | 0.999 | 0.997 | 1.001 | 0.3956 | |
| 白肉 | 0.997 | 0.995 | 1.000 | 0.0193* | |
注:*P＜0.05，该特征对高血压患病风险的影响存在统计学意义
表4 肉类摄入与高血压患病风险的不同亚组分析
| 特征 | 人数 | |||
| 红肉 | 白肉 | |||
| 年龄 | ＜60 | 4254 | 0.998（0.996,1.001） | 0.997（0.994,0.999） |
| ≥60 | 1065 | 1.001（0.994,1.007） | 0.997（0.990,1.004） | |
| 性别 | 男 | 2429 | 1.000（0.997,1.002） | 0.098（0.995,1.001） |
| 女 | 2890 | 0.997（0.993,1.001） | 0.995（0.990,1.000）* | |
| 居住地 | 城市 | 1739 | 1.000（0.995,1.005） | 0.999（0.994,1.004） |
| 农村 | 3580 | 0.999（0.996,1.002） | 0.997（0.994,0.999）* | |
| BMI（kg/m2） | ＜18.5 | 391 | 0.905（0.684,1.198） | 1.059（0.808,1.387） |
| 18.5～24（不含24） | 3050 | 0.997（0.994,1.001） | 0.993（0.989,0.997）* | |
| ≥24 | 1878 | 0.999（0.996,1.002） | 0.998（0.995*，1.002） | |
注:*P＜0.05，在该亚组内，该特征对高血压患病风险的影响存在统计学意义
回归模型的结果显示，性别、年龄、居住地及BMI这几项因素能够影响高血压患病风险。年龄是包括高血压在内的几乎所有慢性病的危险因素，而性别能够影响高血压患病状况也被广泛认可。在全国范围内，城市和农村的社会条件仍存在较大差异，城市居民往往享有更好的生活及医疗条件，因此，本研究中城市居民表现为高血压的保护因素。一项有关我国居民高血压危险因素的Meta分析曾指出，超重是仅次于糖尿病史的高血压第二大危险因素，甚至超过了高血压的家族史，本研究的结果同样支持这一结论。
既往研究曾发现，适度体力活动能够改善血压状况，但这些研究中没有考虑研究对象的BMI，而体力活动对血压状况的影响很有可能是通过对体重的调节实现的。另外，尽管本研究采用MET评分对研究对象的1周总运动量进行评估，但运动量是否适度及其时间安排也有可能影响到血压状况。因此，本研究未能发现体力活动对高血压的影响。而睡眠时间对高血压患病风险的影响并非简单的线性关系，曾有一项荟萃分析指出，睡眠时间不超过6h 及睡眠时间过长都是高血压的危险因素，而睡眠时间不超过7h 则不会增加高血压患病风险，本研究将睡眠时间作为一项数值变量纳入回归模型，并没有发现该因素与高血压风险的相关性。
饮酒是一项被广泛认可的高血压危险因素，而饮酒的量和频率的不同都会对高血压患病状况造成影响，本研究中对饮酒的判断为过去1年内是否饮用过酒精饮料，这样的判断可能存在较大的偶然性，所以未检验出饮酒与高血压风险的相关性。而吸烟对高血压的影响虽然从理论上能够建立起一定联系，但既往的人群研究中也没有得到高度统一的结论。美国的一项研究发现，尽管吸烟可能提高女性高血压患病风险，但当日吸烟超过15支时相关性才十分显著。
在考虑其他膳食因素尤其是蛋白质的总摄入量后，本研究发现，肉类摄入影响高血压患病风险的核心因素为白肉的摄入量而非红肉。国内外的一些研究都曾指出红肉是高血压的危险因素，但这些研究中对其他膳食因素并未加以限制，因此其研究结论实际可能是白肉摄入降低所导致的。事实上，之前的很多研究都证实了DASH饮食及地中海饮食能够降低高血压的患病风险，DASH饮食强调了减少摄入动物性油脂，地中海饮食提倡摄取充足的鱼及海产品，其本质都是在选择肉类的摄入时倾向于白肉，这些都与本研究的结论相吻合。
将研究对象细分为不同人群后，红肉摄入仍然不会对高血压的患病风险造成影响，这进一步验证了上述结论。对于60岁及以上的老年人、男性、城市居民及体重过轻或超重者，白肉摄入也不会影响其高血压患病风险，可能由于这些限定因素自身就是比白肉摄入更为显著的高血压保护因素或危险因素，使得白肉摄入在这些特定人群中对高血压患病风险的影响减弱。
本研究发现，对于我国的成年居民，日常饮食中，白肉摄入得越多，患高血压的风险则越低，尤其是60岁以下成年人、男性、农村居民及体重正常者，更应该关注饮食中白肉的摄入量，从而帮助高血压的预防。
