百万人大队列：白肉/素食，死亡风险仅低1-5%

一项追踪99.8万名美国成年人、最长38年的队列研究发现：只吃白肉或素食的人，全因死亡风险比高红肉摄入者仅低1%–5%，多数差异未达统计学显著。”素食=长寿”？这个被广泛相信的说法，在百万人大数据面前并不成立。

别为”纯素/纯白肉”焦虑，均衡饮食更重要

如果你正在纠结”要不要戒红肉、改吃素”，先别焦虑：数据显示，从高红肉降到低红肉，死亡风险只降1%–5%。与其追求”纯素””纯白肉”的标签，不如把重点放在整体饮食质量上——蔬菜水果、全谷物、优质蛋白都吃够，才是更实在的事。

“素食=长寿”，被百万人大数据打脸

“吃素更长寿””白肉比红肉健康”——这些说法你多半不陌生。但一项覆盖99.8万名美国成年人、随访最长38.5年的研究给出了反常识的答案：只吃白肉或素食的人，全因死亡风险只比高红肉摄入者低1%–5%，多数差异还不显著。你为”纯素”付出的努力，可能并没有换来想象中的长寿红利。

你是不是也以为”少吃肉就能长寿”？

你平时是不是觉得，把红肉换成白肉、甚至干脆吃素，就能明显延长寿命？但研究告诉你：这种”换法”带来的死亡风险下降，可能只有1%–5%。真正拉开差距的，不是”吃不吃肉”这个标签，而是整体饮食质量。别被”纯素神话”绑架，也别把红肉妖魔化。换句话说，与其纠结”换不换肉”，不如先看看自己的餐盘里，蔬菜、水果、全谷物、豆类够不够——这些才是真正拉开健康差距的地方。

99.8万人，38年，五类吃法

从高红肉降到低红肉，只降1-5%研究基于美国癌症协会癌症预防研究队列，1982年纳入99.8万名成年人，随访至2020年，最长38.5年，共62.6万人死亡。与高红肉/加工肉摄入者相比，低摄入者的全因、心脏病、癌症死亡风险仅降低1%–5%。

只吃白肉，男性降7%只吃白肉（不吃红肉）的人，男性全因死亡风险降低7%（HR 0.93）；50–64岁人群降6%。在80岁以上人群中，只吃白肉者的癌症死亡风险降低9%（HR 0.91）——这是少数几个显著的结果。

素食者，多数亚组不显著素食组在多数亚组中，死亡风险降低均未达统计学显著；仅在50–64岁人群出现边界显著（降6%，HR 0.94）。“素食=长寿”的说法，在百万人大数据里没有得到支持。

1-5%、7%、9%，降幅远小于想象

从高红肉降到低红肉只降1-5%、只吃白肉男性降7%、80岁以上癌症死亡降9%。一组数字拼出的现实是：饮食结构调整带来的死亡风险下降，远小于大众预期。健康长寿的账，不能只算”吃不吃肉”这一笔。

别让”纯素””纯白肉”绑架你的餐桌

1 只吃白肉或素食，死亡风险仅低1%–5%，多数差异不显著。

2 “素食=长寿”缺乏百万级数据支持，别为标签牺牲生活乐趣。

3 整体饮食质量比”吃不吃肉”更重要——蔬果、全谷物、优质蛋白都吃够：均衡，才是长寿的底色。

别把”吃法”当成”生死符”

① 单次评估：饮食仅1982年基线一次调查，未反映数十年变化。
② 样本失衡：纯白肉组仅占0.9%、素食组仅占0.4%，统计效力有限。
③ 人群局限：94%为非西语裔白人，外推中国人群需谨慎。
④ 观察性研究：无法证明饮食与死亡风险存在直接因果关联。

参考资料：Kelly CC, Sabaté J, Hartman TJ, et al. Associations between White Meat-Only and Vegetarian Diets with Mortality from All Causes, Heart Diseases, Cancers, and Stroke in the American Cancer Society’s Cancer Prevention Study-II. Current Developments in Nutrition (2026) 10(8):109438. https://doi.org/10.1016/j.cdnut.2026.109438

类黄酮饮食最高组，帕金森风险低25%

UK Biobank 12.4万人的前瞻性队列、中位随访13.7年发现：类黄酮饮食依从性最高的人群，相比最低人群，医院记录的帕金森病（PD）发病风险降低25%（HR=0.75，95%CI：0.61-0.93）。但调整咖啡摄入后信号变弱，解读需谨慎。

如果你想护脑，日常多吃茶、浆果、苹果、洋葱

如果你在意神经系统健康，可以在日常饮食里多放几类食物：红茶绿茶、浆果葡萄、苹果橙子、洋葱甜椒、黑巧克力——它们都是类黄酮的主要来源。把它当成”顺手做”的饮食偏好，而不是需要吃补剂的负担。

防帕金森，可能藏在你每天的早餐里

一说预防神经退行性疾病，很多人想到吃药、打针、高科技。但一项覆盖12.4万英国人、随访13.7年的研究提示：答案可能更朴素——就是每天那杯茶、那把浆果、那个苹果。类黄酮吃得最多的人，帕金森风险低25%。

你盘子里的颜色，大脑可能正在记账

你平时是不是觉得，神经系统的病离自己很远，等退休再操心？但帕金森病从起病到确诊往往跨越多年，而饮食是少数你每天都能”投票”的变量。类黄酮这类植物化合物，被认为能抗炎、抗氧化、保护线粒体——大脑的账，从这一餐就开始记。

12.4万人、13.7年，一个保护信号

11组食物拼出类黄酮评分：研究者基于英国生物样本库（UK Biobank）队列，用饮食问卷构建类黄酮饮食评分，涵盖红茶、绿茶、红葡萄酒、苹果、浆果、葡萄、橙子、柚子、甜椒、洋葱、黑巧克力11个食物组，最终纳入123,655名基线无帕金森病、膳食数据完整的参与者。

最高组风险低25%：随访期间共记录796例新发帕金森病。与评分最低的四分之一人群相比，评分最高人群的发病风险低25%（HR=0.75，95%CI：0.61-0.93）。评分每增加1个标准差，风险约降7%（HR=0.93，95%CI：0.86-1.00），接近统计学显著。

咖啡一调整，信号就变弱：研究也提示混杂的存在：调整咖啡摄入后，关联变为边界性（p=0.056）；排除随访早期病例后方向一致，但在更长的滞后窗口里估计减弱。也就是说，保护信号真实存在，但强度可能被夸大，不能排除”喝咖啡的人整体更健康”这类因素。

蛋白组学：24种蛋白方向一致：在探索性蛋白组学分析中，研究者发现24种蛋白与类黄酮饮食和帕金森病同时关联且方向一致，涉及免疫与细胞黏附相关通路，提示可能的生物学线索。但作者强调这是探索性发现，不构成因果证据。

25%的保护，别当成定论

从风险降低25%（最高组对比）到每标准差7%，再到调整咖啡后变弱——这条证据链给出了”有信号、但不确定”的诚实图景。方向值得重视，幅度不要照单全收。

记住这三件事

1 第一，类黄酮饮食与帕金森风险降低25%相关，12.4万人、13.7年随访支撑。

2 第二，来源是食物不是补剂，茶、浆果、苹果、洋葱、黑巧克力，都是顺手能吃的选择。

3 第三，这是观察性研究，咖啡等混杂因素仍可能干扰结论，把类黄酮当日常偏好，别当护脑神药。

别把”相关”当成”因果”

① 观察性设计：无法排除残余混杂，喝茶的人可能整体生活方式更健康。
② 自我报告饮食：膳食数据来自问卷，存在回忆偏差和测量误差。
③ 人群局限：参与者以欧洲裔为主，结论推广到中国人群需谨慎。
④ 滞后分析减弱：6-10年滞后窗口内估计不再有统计学支持，时机依赖性强。
⑤ 亚类不明确：没有任何单一食物来源或类黄酮亚类在多重校正后显著。

参考资料：Yang W, et al. Flavonoid-rich dietary patterns and incident hospital-recorded Parkinson’s disease: a prospective UK Biobank study. Frontiers in Nutrition (2026). https://doi.org/10.3389/fnut.2026.1893517

爱吃海鲜的人，体内PFAS浓度最高

韩国国家环境健康调查（KoNEHS）4239名成年人数据显示：饮食行为聚类中，”基本饮食+海鲜倾向”组血清PFAS浓度最高，跨组差异接近一倍。

如果你常吃海鲜又在意PFAS，少用食品包装、关注来源

不用为此戒海鲜，但可以了解自己的暴露结构：研究同时显示，更多使用食品接触包装的人群PFOA偏高；关注官方饮用水与食品监测信息是合理的。

你的”吃法”，正在给体内的PFAS记账

PFAS（全氟和多氟烷基物质，几乎不降解、会在人体内积累几十年，人称”永久化学品”）——多数人以为这是工业污染的事。但韩国一项4239人的调查发现：很大程度是你每天吃什么在决定体内PFAS含量——爱吃海鲜的人，浓度最高。

化学污染离你的餐桌，可能只有一顿饭的距离

你平时是不是也觉得”化学品污染”是工厂烟囱、河水发臭的事，离餐桌很远？研究发现不同吃法的人，血液里的PFAS可以差出将近一倍。

4239人的”吃法”，对应不同化学品账单

4239人，被机器学习分成几种”吃法”：研究使用韩国国家环境健康调查（KoNEHS）第4期（2018-2020年）成人数据，共4239人，属横断面二次分析。研究者用无监督学习，把饮食、烹饪方式、包装接触、摄入行为映射到潜在空间并聚类，再比较各组血液、尿液中的环境污染物水平。

“海鲜族”血液里的PFAS：“基本饮食+海鲜倾向”组血清PFAS浓度最高：全氟辛烷磺酸（PFOS）加权几何均值在10.998到21.767 µg/L之间（跨聚类范围），全氟辛酸（PFOA）在5.082到8.323 µg/L之间。

“包装接触族”的另一个信号：倾向使用食品包装/接触材料的人群，校正后PFOA浓度更高；血铅也呈现升高方向，但经过多重比较校正后不再稳健。

没坐实的结果，也要说清楚：双酚类化合物和尿镉在不同聚类间的差异，在校正混杂因素和多重比较后不再稳健——作者提示，单次尿液测量、暴露评估不确定性等因素可能影响了结果。作者也提醒，把复杂多样的饮食行为聚成少数几类，本身是一种简化，具体到个人未必能对号入座。

一组数字，一份”暴露账单”

PFOS从约11到21.8 µg/L、跨组接近一倍；PFOA从5.1到8.3 µg/L；4239人、四类行为维度（吃、烹饪、包装、摄入）——你的日常”吃法”，正在给体内的”永久化学品”记账。需要提醒的是，暴露评估本身存在不确定性，这些数字更适合理解为群体层面的趋势，而非个体体内的精确值。

三条信息，不必焦虑但要知情

1 爱吃海鲜的人，血液PFAS浓度更高，这是韩国全国代表性调查给出的信号。

2 食品包装接触也是一个风险方向，校正后PFOA在”包装接触族”中偏高。

3 横断面研究不能证明”吃海鲜会让PFAS升高”，但“吃什么”和”体内化学品”的关联值得认真对待。

先把”相关”和”因果”分开

① 横断面设计：饮食行为与暴露水平同时测量，无法判断先后与因果。
② 聚类方法探索性：无监督聚类结果依赖参数选择，分组的可重复性需更多验证。
③ 单次尿测：双酚类和尿镉基于单次测量，波动大，可能掩盖真实差异。
④ 暴露评估不确定：未纳入所有可能的暴露源，PFAS来源复杂（饮用水、消费品等）。

参考资料：Hong S, Lee J, Kim HJ. Unsupervised dietary-behavioral profiling identifies PFAS (per- and polyfluoroalkyl substances) and metal exposure patterns in Korean adults. Scientific Reports（2026）. https://doi.org/10.1038/s41598-026-64855-4

糖和饱和脂肪在”喂”抑郁，蛋白和纤维在”拦”抑郁

美国国家健康与营养调查（NHANES）3万余名成年人数据显示：蛋白质与膳食纤维摄入越高，抑郁症状风险越低；糖和饱和脂肪摄入越高，抑郁风险与抑郁水平越高。

如果你常情绪低落，先把含糖零食换成高蛋白高纤维食物试试

如果最近总提不起劲、情绪低落，可以先从饮食下手：正餐多吃鱼、蛋、豆类和深色蔬菜，把下午的甜点换成无糖酸奶或一小把坚果——成本低，且没有任何副作用。

深夜那口甜食，可能在”喂”你的坏心情

晚上emo了，很多人会下意识点一杯奶茶、拆一包薯片。但2026年一项基于美国3万余名成年人的研究，把矛头指向了一个你未必想承认的方向：糖和饱和脂肪吃得越多，抑郁症状风险越高；而蛋白质和膳食纤维，是明显的”保护因素”。

你缺的不是”想开点”，是盘子里那点蛋白质

是不是常听到”抑郁就是想太多、矫情”？情绪当然与心理、社会因素有关，但这项研究提醒：每天吃进去的东西，也在悄悄参与情绪调控。你可能在”情绪解压”上花了不少钱，却漏掉了最日常的变量——盘子里有什么。

3万人数据，机器学习点名两个”保镖”

先说这3万人是谁：研究纳入NHANES 2005-2023年数据，共30,285名美国成年人（平均48岁，47%为男性），用抑郁量表评估情绪状态，同时记录详细的膳食摄入。统计上同时用了多元回归、非线性模型和机器学习三种方法交叉验证。

蛋白质：最稳定的”情绪保镖”：调整多种混杂因素后，蛋白质摄入越高，抑郁水平得分越低（β=−1.159，P<0.001），出现抑郁症状的风险也显著更低（比值比OR=0.414，P<0.001）。

糖和饱和脂肪：反面角色：脂肪摄入与抑郁水平升高相关（β=0.437，P<0.001），抑郁风险也上升（OR=1.274，P<0.001）；糖的摄入显著增加抑郁风险与水平；饱和脂肪同样与更高的抑郁水平相关。

膳食纤维：保护作用最强：纤维的表现最亮眼：抑郁风险OR=0.173（P<0.001），在所有宏量营养素里保护力度最大。机器学习与SHAP（一种解释模型预测的算法）分析也把蛋白质和纤维列为预测抑郁最重要的两个因素。

OR从0.17到1.27，情绪天平的两端

纤维OR=0.173 vs 脂肪OR=1.274，蛋白β=−1.159 vs 糖”显著升高”——同样是每天吃进嘴里的东西，方向截然相反。连脂肪酸细分都呈现两极：辛酸、二十碳四烯酸与抑郁风险降低相关，十二烷酸与风险升高相关。这提示宏量营养素的”质”，比”量”更值得琢磨。

这盘菜，值得你认真吃

1 高蛋白、高纤维饮食与更低抑郁风险相关，这是3万人数据给出的信号。

2 糖和饱和脂肪是情绪的反向指标，常吃甜食油炸的人抑郁风险更高。

3 这是横断面关联、尚不能证明因果，但调整饮食几乎没有成本：先吃对饭，再谈情绪。

别把”相关”当”因果”

① 横断面设计：同一次调查里同时测量饮食与情绪，无法判断先后与因果。
② 膳食自报偏倚：宏量营养素来自饮食回忆，可能存在记忆偏差。
③ 反向因果可能：情绪低落的人可能更想吃甜食、更没胃口吃正餐，饮食差异未必全在”前”。
④ 美国人群外推：饮食结构与中国人差异大，直接套用需谨慎。

参考资料：Wang C, Gong B, Wang Y. Decoding how macronutrients influence depressive symptoms: Combined insights from regression, nonlinear modeling, and machine learning: a cross-sectional study using NHANES data. Medicine（2026）. https://doi.org/10.1097/MD.0000000000050112

更环保地吃，死亡风险低14%

基于中国健康与营养调查（CHNS）的1.9万人前瞻队列发现：越贴近”中国行星健康饮食”的人，全因死亡风险越低——评分最高组比最低组低14%，且温室气体排放、用水、用地也更少。

如果你想兼顾健康和地球，多吃全谷物蔬果豆类，少红肉精制糖

不必一次到位，先把红肉换成豆类、把精制甜食换成水果，就能往”环保又长寿”的方向挪一步；具体搭配可参考中国居民膳食指南。

环保饮食=牺牲健康？这份中国数据说不

一说”环保饮食”，很多人第一反应是”又要牺牲健康换地球了”。但2026年一项基于中国1.9万名成年人、最长追踪18年的研究给出相反答案：越环保的吃法，全因死亡风险越低——最高分组比最低组低14%。

你默认的”两码事”，数据说可能是一件事

你是不是也默认”健康饮食”和”环保饮食”是两码事：一个为身体，一个为地球？数据说它们可能是一件事——既能少排碳、省水省地，又能让吃饭的人活得更久。

一份给中国胃的”环保食谱”，藏着长寿信号

1.9万人，从1991年追踪到现在：研究使用中国健康与营养调查（CHNS）1991-2015年数据，纳入19,660名基线无心血管病、无癌症的成年人。该调查覆盖多个省份的城乡社区，是国内少见的长期追踪加详细膳食记录的全国性队列。饮食用连续3天24小时回顾法反复评估，死亡信息通过家庭随访获得，中位随访9.1年，共记录1654例死亡。

14组分140分，一份中国胃的环保考卷：研究者构建了中国行星健康饮食评分（CPHDS），共14个组分、满分140分，融合了2019年《柳叶刀》行星健康饮食委员会的建议与中国居民膳食指南，并针对中国人的饮食习惯做了本土化调整。人群平均得分50.3分（标准差11.3）。

最高组比最低组，死亡风险低14%：与评分最低的四分之一人群相比，评分最高的四分之一人群全因死亡风险低14%（HR=0.86，95%CI 0.75-0.99，趋势检验P=0.044）；评分每提高10%，死亡风险再降约7%（HR=0.93，95%CI 0.88-0.98）。

顺带的”地球账”：评分每提高10%，与饮食相关的温室气体排放减少0.039公斤二氧化碳当量、用水减少0.106立方米、用地减少0.173平方米——这些数字单看很小，但胜在稳定：评分越高，三个环境指标同时走低。人和地球，在同一张餐桌上受益。

同一个评分，给人和地球一起”减负”

死亡风险降14%（HR=0.86）；评分每提高10%，风险再降7%（HR=0.93），碳排放同步减少0.039公斤当量——19,660人、1654例死亡、9.1年随访，两个方向的数据指向同一个结论。

这顿饭，两头都值得

1 越贴近”中国行星健康饮食”，全因死亡风险越低，最高组比最低组低14%。

2 环保和健康不是对立面，这个评分每提高10%，碳排放和死亡风险一起下降。

3 这是观察性队列、尚不能证明因果，但方向与全球证据一致：从今天这顿饭开始调整，两头都受益。

别把评分高分当成长寿保证

① 观察性设计：队列研究不能排除残余混杂，健康意识高的人可能整体习惯更好。
② 饮食自报：24小时回顾依赖回忆，存在测量误差。
③ 随访跨度大：1991-2015年饮食结构随时间变化，评分可能无法完全反映长期暴露。
④ 地域差异：中国人群内部差异大，评分未必适合所有个体。

参考资料：Lu J, Wang W, Peng T, Zhou Y, Tan P, et al. Adherence to a Chinese planetary health diet, environmental impacts, and all-cause mortality risk: a prospective cohort study from the China Health and Nutrition Survey. European Journal of Nutrition（2026）. https://doi.org/10.1007/s00394-026-04078-5