现代预防医学

集群	脂肪供能占比(%)	碳水化合物供能占比(%)	蛋白质供能占比(%)	样本量
1	25.0～37.5	50.0～62.5	12.5～25.0	5 190.00
2	25.0～37.5	37.5～50.0	12.5～25.0	4 401.00
3	37.5～50.0	37.5～50.0	12.5～25.0	4 137.00
4	37.5～50.0	25.0～37.5	12.5～25.0	1 356.00
5	25.0～37.5	50.0～62.5	0.0～12.5	1 662.00
6	12.5～25.0	50.0～62.5	12.5～25.0	804.00
7	37.5～50.0	37.5～50.0	0.0～12.5	715.00
8	12.5～25.0	62.5～75.0	12.5～25.0	667.00

集群	脂肪供能占比(%)	碳水化合物供能占比(%)	蛋白质供能占比(%)	样本量
1	25.0～37.5	50.0～62.5	12.5～25.0	5 190.00
2	25.0～37.5	37.5～50.0	12.5～25.0	4 401.00
3	37.5～50.0	37.5～50.0	12.5～25.0	4 137.00
4	37.5～50.0	25.0～37.5	12.5～25.0	1 356.00
5	25.0～37.5	50.0～62.5	0.0～12.5	1 662.00
6	12.5～25.0	50.0～62.5	12.5～25.0	804.00
7	37.5～50.0	37.5～50.0	0.0～12.5	715.00
8	12.5～25.0	62.5～75.0	12.5～25.0	667.00

变量	总人数（n=18 932）	Non-Nafld （n=10 502）	Nafld （n=8 430）	统计量	P值
年龄（岁，）	50.90±17.46	48.88±18.26	53.41±16.06	7.747	<0.001
性别[n(%)]				237.195	<0.001
男性	12 298.00(64.96)	6 319.00(60.17)	5 979.00(70.93)
女性	6 634.00(35.04)	4 183.00(39.83)	2 451.00(29.07)
种族[n(%)]				114.962	<0.001
墨西哥裔美国人	2 442.00(12.90)	1 153.00(10.98)	1 289.00(15.29)
非西班牙裔黑人	3 556.00(18.78)	2 003.00(19.07)	1 553.00(18.42)
非西班牙裔白人	10 082.00(53.25)	5 583.00(53.16)	4 499.00(53.37)
其他种族	2 852.00(15.06)	1 763.00(16.79)	1 089.00(12.92)
教育水平[n(%)]				83.575	<0.001
低于高中学历	3 039.00(16.05)	1 556.00(14.82)	1 483.00(17.59)
高中或等同高中学历	3 922.00(20.72)	2 004.00(19.08)	1 918.00(22.75)
高中以上学历	11 971.00(63.23)	6 942.00(66.10)	5 029.00(59.66)
婚姻状况[n(%)]				157.225	<0.001
已婚/同居	12 835.00(67.80)	6 901.00(65.71)	5 934.00(70.39)
离婚/丧偶/分居	3 342.00(17.65)	1 771.00(16.86)	1 571.00(18.64)
从未结婚	2 755.00(14.55)	1 830.00(17.43)	925.00(10.97)
贫困收入比[n(%)]				16.619	<0.001
<1.5	3 638.00(19.22)	1 976.00(18.82)	1 662.00(19.72)
1.5~3.5	6 991.00(36.93)	3 782.00(36.01)	3 209.00(38.07)
>3.5	8 303.00(43.86)	4 744.00(45.17)	3 559.00(42.22)
卡路里()	2 173.54±811.32	2 160.23±802.23	2 190.12±822.25	8.667	0.004
脂肪供能比	34.46±6.79	33.98±6.73	35.06±6.83	1.923	<0.001
碳水供能比	48.87±7.98	49.43±7.91	48.17±8.00	2.320	<0.001
蛋白质供能比	16.02±3.29	15.93±3.32	16.13±3.26	5.363	<0.001
集群[n(%)]				133.965	<0.001
1	5 190.00(27.41)	3 039.00(28.94)	2 151.00(25.52)
2	4 401.00(23.25)	2 463.00(23.45)	1 938.00(22.99)
3	4 137.00(21.85)	2 076.00(19.77)	2 061.00(24.45)
4	1 356.00(7.16)	639.00(6.08)	717.00(8.51)
5	1 662.00(8.78)	1 003.00(9.55)	659.00(7.82)
6	804.00(4.25)	481.00(4.58)	323.00(3.83)
7	715.00(3.78)	399.00(3.80)	316.00(3.75)
8	667.00(3.52)	402.00(3.83)	265.00(3.14)
糖尿病				963.298	<0.001
否	16 239.00(85.78)	9 750.00(92.84)	6 489.00(76.98)
是	2 693.00(14.22)	752.00(7.16)	1 941.00(23.02)
高血压				965.326	<0.001
否	10 076.00(53.22)	6 650.00(63.32)	3 426.00(40.64)
是	8 856.00(46.78)	3 852.00(36.68)	5 004.00(59.36)

变量	总人数（n=18 932）	Non-Nafld （n=10 502）	Nafld （n=8 430）	统计量	P值
年龄（岁，）	50.90±17.46	48.88±18.26	53.41±16.06	7.747	<0.001
性别[n(%)]				237.195	<0.001
男性	12 298.00(64.96)	6 319.00(60.17)	5 979.00(70.93)
女性	6 634.00(35.04)	4 183.00(39.83)	2 451.00(29.07)
种族[n(%)]				114.962	<0.001
墨西哥裔美国人	2 442.00(12.90)	1 153.00(10.98)	1 289.00(15.29)
非西班牙裔黑人	3 556.00(18.78)	2 003.00(19.07)	1 553.00(18.42)
非西班牙裔白人	10 082.00(53.25)	5 583.00(53.16)	4 499.00(53.37)
其他种族	2 852.00(15.06)	1 763.00(16.79)	1 089.00(12.92)
教育水平[n(%)]				83.575	<0.001
低于高中学历	3 039.00(16.05)	1 556.00(14.82)	1 483.00(17.59)
高中或等同高中学历	3 922.00(20.72)	2 004.00(19.08)	1 918.00(22.75)
高中以上学历	11 971.00(63.23)	6 942.00(66.10)	5 029.00(59.66)
婚姻状况[n(%)]				157.225	<0.001
已婚/同居	12 835.00(67.80)	6 901.00(65.71)	5 934.00(70.39)
离婚/丧偶/分居	3 342.00(17.65)	1 771.00(16.86)	1 571.00(18.64)
从未结婚	2 755.00(14.55)	1 830.00(17.43)	925.00(10.97)
贫困收入比[n(%)]				16.619	<0.001
<1.5	3 638.00(19.22)	1 976.00(18.82)	1 662.00(19.72)
1.5~3.5	6 991.00(36.93)	3 782.00(36.01)	3 209.00(38.07)
>3.5	8 303.00(43.86)	4 744.00(45.17)	3 559.00(42.22)
卡路里()	2 173.54±811.32	2 160.23±802.23	2 190.12±822.25	8.667	0.004
脂肪供能比	34.46±6.79	33.98±6.73	35.06±6.83	1.923	<0.001
碳水供能比	48.87±7.98	49.43±7.91	48.17±8.00	2.320	<0.001
蛋白质供能比	16.02±3.29	15.93±3.32	16.13±3.26	5.363	<0.001
集群[n(%)]				133.965	<0.001
1	5 190.00(27.41)	3 039.00(28.94)	2 151.00(25.52)
2	4 401.00(23.25)	2 463.00(23.45)	1 938.00(22.99)
3	4 137.00(21.85)	2 076.00(19.77)	2 061.00(24.45)
4	1 356.00(7.16)	639.00(6.08)	717.00(8.51)
5	1 662.00(8.78)	1 003.00(9.55)	659.00(7.82)
6	804.00(4.25)	481.00(4.58)	323.00(3.83)
7	715.00(3.78)	399.00(3.80)	316.00(3.75)
8	667.00(3.52)	402.00(3.83)	265.00(3.14)
糖尿病				963.298	<0.001
否	16 239.00(85.78)	9 750.00(92.84)	6 489.00(76.98)
是	2 693.00(14.22)	752.00(7.16)	1 941.00(23.02)
高血压				965.326	<0.001
否	10 076.00(53.22)	6 650.00(63.32)	3 426.00(40.64)
是	8 856.00(46.78)	3 852.00(36.68)	5 004.00(59.36)

变量	模型1	模型2	模型3
集群1	参考	参考	参考
集群2	1.007(0.852~1.191)	0.935	0.993(0.841~1.173)	0.937	0.973(0.827~1.145)	0.740
集群3	1.396(1.176~1.657)	<0.001	1.382(1.160~1.646)	<0.001	1.367(1.142~1.636)	<0.001
集群4	1.628(1.265~2.093)	<0.001	1.618(1.259~2.079)	<0.001	1.462(1.137~1.879)	0.003
集群5	0.954(0.739~1.231)	0.714	0.994(0.761~1.298)	0.964	1.028(0.790~1.339)	0.834
集群6	0.870(0.672~1.127)	0.290	0.853(0.648~1.124)	0.256	0.918(0.707~1.192)	0.517
集群7	1.167(0.897~1.519)	0.248	1.211(0.908~1.614)	0.191	1.227(0.889~1.693)	0.212
集群8	0.742(0.550~1.001)	0.051	0.744(0.549~1.007)	0.056	0.772(0.560~1.063)	0.112

变量	模型1	模型2	模型3
集群1	参考	参考	参考
集群2	1.007(0.852~1.191)	0.935	0.993(0.841~1.173)	0.937	0.973(0.827~1.145)	0.740
集群3	1.396(1.176~1.657)	<0.001	1.382(1.160~1.646)	<0.001	1.367(1.142~1.636)	<0.001
集群4	1.628(1.265~2.093)	<0.001	1.618(1.259~2.079)	<0.001	1.462(1.137~1.879)	0.003
集群5	0.954(0.739~1.231)	0.714	0.994(0.761~1.298)	0.964	1.028(0.790~1.339)	0.834
集群6	0.870(0.672~1.127)	0.290	0.853(0.648~1.124)	0.256	0.918(0.707~1.192)	0.517
集群7	1.167(0.897~1.519)	0.248	1.211(0.908~1.614)	0.191	1.227(0.889~1.693)	0.212
集群8	0.742(0.550~1.001)	0.051	0.744(0.549~1.007)	0.056	0.772(0.560~1.063)	0.112

自变量	协变量	P-交互
集群	性别	0.269
	种族	0.093
	教育程度	0.140
	婚姻状况	0.729
	贫困收入比	0.300
	糖尿病	0.328
	吸烟状况	0.498
	高血压	0.053

自变量	协变量	P-交互
集群	性别	0.269
	种族	0.093
	教育程度	0.140
	婚姻状况	0.729
	贫困收入比	0.300
	糖尿病	0.328
	吸烟状况	0.498
	高血压	0.053

变量		OR(95%CI)	P-交互
集群	高血压(ref：否)		0.053
1	是	3.759(3.021~4.679)
2	是	3.053(2.478~3.762)
3	是	2.554(2.025~3.221)
4	是	2.080(1.367~3.160)
5	是	2.427(1.753~3.359)
6	是	3.967(2.360~6.670)
7	是	1.853(0.974~3.528)
8	是	3.023(1.643~5.563)

变量		OR(95%CI)	P-交互
集群	高血压(ref：否)		0.053
1	是	3.759(3.021~4.679)
2	是	3.053(2.478~3.762)
3	是	2.554(2.025~3.221)
4	是	2.080(1.367~3.160)
5	是	2.427(1.753~3.359)
6	是	3.967(2.360~6.670)
7	是	1.853(0.974~3.528)
8	是	3.023(1.643~5.563)

集群	脂肪供能聚类中心值(%)	蛋白质供能聚类中心值(%)	碳水供能聚类中心值(%)	集群样本量
1	33.54	53.36	13.49	4 143
2	37.40	46.61	15.29	4 965
3	27.04	59.13	14.14	3 285
4	43.48	40.11	15.82	3 212
5	27.52	49.30	19.42	2 676
6	33.33	37.77	20.75	2 240
7	19.97	68.13	13.28	1 230
8	48.17	29.13	19.89	1 171

集群	脂肪供能聚类中心值(%)	蛋白质供能聚类中心值(%)	碳水供能聚类中心值(%)	集群样本量
1	33.54	53.36	13.49	4 143
2	37.40	46.61	15.29	4 965
3	27.04	59.13	14.14	3 285
4	43.48	40.11	15.82	3 212
5	27.52	49.30	19.42	2 676
6	33.33	37.77	20.75	2 240
7	19.97	68.13	13.28	1 230
8	48.17	29.13	19.89	1 171

变量	模型1	模型2	模型3
集群1	参考	参考	参考
集群2	1.070(0.915~1.251)	0.396	1.042(0.889~1.223)	0.608	1.056(0.896~1.244)	0.516
集群3	0.930(0.773~1.120)	0.441	0.912(0.753~1.102)	0.338	0.971(0.800~1.179)	0.764
集群4	1.495(1.244~1.797)	<0.001	1.446(1.194~1.750)	<0.001	1.416(1.157~1.734)	<0.001
集群5	0.902(0.769~1.057)	0.201	0.883(0.749~1.040)	0.135	0.902(0.770~1.056)	0.196
集群6	1.308(1.075~1.591)	0.008	1.235(1.009~1.512)	0.041	1.200(0.972~1.483)	0.090
集群7	0.802(0.623~1.031)	0.085	0.825(0.635~1.072)	0.149	0.876(0.660~1.162)	0.356
集群8	1.627(1.295~2.045)	<0.001	1.583(1.255~1.996)	<0.001	1.459(1.143~1.863)	0.003

变量	模型1	模型2	模型3
集群1	参考	参考	参考
集群2	1.070(0.915~1.251)	0.396	1.042(0.889~1.223)	0.608	1.056(0.896~1.244)	0.516
集群3	0.930(0.773~1.120)	0.441	0.912(0.753~1.102)	0.338	0.971(0.800~1.179)	0.764
集群4	1.495(1.244~1.797)	<0.001	1.446(1.194~1.750)	<0.001	1.416(1.157~1.734)	<0.001
集群5	0.902(0.769~1.057)	0.201	0.883(0.749~1.040)	0.135	0.902(0.770~1.056)	0.196
集群6	1.308(1.075~1.591)	0.008	1.235(1.009~1.512)	0.041	1.200(0.972~1.483)	0.090
集群7	0.802(0.623~1.031)	0.085	0.825(0.635~1.072)	0.149	0.876(0.660~1.162)	0.356
集群8	1.627(1.295~2.045)	<0.001	1.583(1.255~1.996)	<0.001	1.459(1.143~1.863)	0.003

变量	模型1	模型2	模型3
集群1	参考	参考	参考
集群2	0.911(0.569~1.461)	0.688	0.946(0.572~1.567)	0.817	0.981(0.568~1.697)	0.939
集群3	1.114(0.802~1.546)	0.505	1.124(0.803~1.573)	0.467	1.124(0.761~1.659)	0.510
集群4	1.551(1.093~2.201)	0.016	1.651(1.152~2.367)	0.010	1.608(1.031~2.507)	0.039
集群5	1.173(0.665~2.070)	0.568	1.257(0.686~2.304)	0.430	1.429(0.713~2.863)	0.270
集群6	1.004(0.416~2.423)	0.994	1.097(0.402~2.992)	0.846	1.207(0.411~3.543)	0.698
集群7	1.682(0.922~3.070)	0.087	1.848(0.975~3.505)	0.059	2.127(1.019~4.441)	0.046

变量	模型1	模型2	模型3
集群1	参考	参考	参考
集群2	0.911(0.569~1.461)	0.688	0.946(0.572~1.567)	0.817	0.981(0.568~1.697)	0.939
集群3	1.114(0.802~1.546)	0.505	1.124(0.803~1.573)	0.467	1.124(0.761~1.659)	0.510
集群4	1.551(1.093~2.201)	0.016	1.651(1.152~2.367)	0.010	1.608(1.031~2.507)	0.039
集群5	1.173(0.665~2.070)	0.568	1.257(0.686~2.304)	0.430	1.429(0.713~2.863)	0.270
集群6	1.004(0.416~2.423)	0.994	1.097(0.402~2.992)	0.846	1.207(0.411~3.543)	0.698
集群7	1.682(0.922~3.070)	0.087	1.848(0.975~3.505)	0.059	2.127(1.019~4.441)	0.046

宏量营养素供能比例组合与非酒精性脂肪性肝病的关联

PDF下载

张琪振 ¹ , 刘素彤 ¹ , 张丽慧 ¹ , 宋艺佳 ² , 管雅捷 ² , 刘鸣昊 ¹^,³^,⁴

现代预防医学 | 营养与食品卫生 2026,53(4): 615-622

收起

现代预防医学 |营养与食品卫生 2026 , 53 (4) : 615 -622

宏量营养素供能比例组合与非酒精性脂肪性肝病的关联

全屏

张琪振¹, 刘素彤¹, 张丽慧¹, 宋艺佳², 管雅捷², 刘鸣昊¹^,³^,⁴

作者信息

^1.河南中医药大学第一附属医院肝病（脾胃）诊疗中心，河南郑州 450000

^2.河南中医药大学第一临床医学院

^3.中西医防治重大疾病河南省协同创新中心

^4.豫药全产业链研发河南省协同创新中心

通讯作者:

刘鸣昊，E-mail: liumh015@163.com

作者简介:

张琪振（1999—），男，硕士，医师，研究方向：中医药防治消化系统疾病

Association of macronutrient energy proportion combinations with Non-Alcoholic Fatty Liver Disease

Qi-zhen ZHANG¹, Su-tong LIU¹, Li-hui ZHANG¹, Yi-jia SONG², Ya-jie GUAN², Ming-hao LIU¹^,³^,⁴

Affiliations

Liver Disease (Spleen and Stomach) Diagnosis and Treatment Center, The First Affiliated Hospital of Henan University of Chinese Medicine, Zhengzhou, Henan 450000, China

出版时间: 2026-02-25 doi: 10.20043/j.cnki.MPM.202510002

文章导航

摘要

收起

目的

探讨不同宏量营养素供能比例组合与非酒精性脂肪性肝病（NAFLD）之间的关联。

方法

基于1999—2018年美国国家健康与营养调查数据库成年参与者数据，计算脂肪、碳水化合物和蛋白质供能比，采用三维营养素空间逐步划分法构建营养集群。运用加权逻辑回归分析集群与NAFLD的关联，并进行交互和亚组分析，使用K-means聚类作为敏感性分析。

结果

与最常见供能比例（集群1：中等脂肪、中高碳水化合物、中等蛋白质）相比，以中高脂肪、中/中低碳水化合物和中等蛋白质为特征的集群（集群3和4）显著增加NAFLD风险。在完全调整模型中，集群3（OR=1.367,95% CI:1.142～1.636）和集群4（OR=1.462,95% CI:1.137～1.879）均显示风险升高。交互作用分析均未发现显著交互作用（P>0.05）。敏感性分析结果与主要发现一致。

结论

宏量营养素比例组合与NAFLD风险密切相关，中高脂肪搭配中/低碳水化合物、中等蛋白模式风险更高，提示应重视膳食结构调控以指导NAFLD防治。

关键词

非酒精性脂肪性肝病 / 宏量营养素 / NHANES

Abstract

收起

Objective

To investigate the association between different macronutrient energy supply proportion combinations and non-alcoholic fatty liver disease (NAFLD).

Methods

Using data from adult participants in the National Health and Nutrition Examination Survey (NHANES) 1999—2018, the energy supply proportions of fat, carbohydrate, and protein were calculated. Nutrient clusters were constructed using a three-dimensional nutrient space sequential partitioning method. Weighted logistic regression was employed to analyze the association between clusters and NAFLD, along with interaction and subgroup analyses. K-means clustering was used as a sensitivity analysis.

Results

Compared with the most common energy supply pattern (Cluster 1: moderate fat, medium-high carbohydrate, moderate protein), clusters characterized by medium-high fat, medium/low-medium carbohydrate, and moderate protein (Cluster 3 and 4) were significantly associated with an increased risk of NAFLD. In the fully adjusted model, both Cluster 3 (OR=1.367, 95% CI: 1.142-1.636) and Cluster 4 (OR=1.462, 95% CI:1.137-1.879) showed elevated risks. Interaction analysis indicated a borderline significant interaction with hypertension (P=0.053), while no significant interactions were found for other covariates (P>0.05). Sensitivity analysis results were consistent with the main findings.

Conclusion

Macronutrient proportion combinations are significantly associated with NAFLD risk. A dietary pattern of medium-high fat paired with medium/low carbohydrate is associated with higher risk, highlighting the importance of dietary structure regulation for guiding NAFLD prevention and management.

Key words

Nonalcoholic fatty liver disease / Macronutrients / NHANES

引用本文

张琪振, 刘素彤, 张丽慧, 宋艺佳, 管雅捷, 刘鸣昊. 宏量营养素供能比例组合与非酒精性脂肪性肝病的关联. 现代预防医学, 2026 , 53 (4) : 615 -622 . DOI: 10.20043/j.cnki.MPM.202510002

Qi-zhen ZHANG, Su-tong LIU, Li-hui ZHANG, Yi-jia SONG, Ya-jie GUAN, Ming-hao LIU. Association of macronutrient energy proportion combinations with Non-Alcoholic Fatty Liver Disease[J]. Modern Preventive Medicine, 2026 , 53 (4) : 615 -622 . DOI: 10.20043/j.cnki.MPM.202510002

正文

收起

非酒精性脂肪性肝病（Nonalcoholic Fatty Liver Disease, NAFLD）已是全球最常见的慢性肝病，成人患病率约32%^[1-2]。该病与肥胖^[3]、2型糖尿病^[4]及代谢综合征^[5]密切相关，并显著心血管疾病、慢性肾病风险^[6-7]，带来重大公共卫生负担。

营养干预是NAFLD防治的基石，宏量营养素（脂肪、碳水化合物和蛋白质）的摄入比例对代谢健康具有重要影响。研究表明，过量摄入果糖可通过促进肝脏脂肪新生和内质网应激等途径驱动肝脂肪变性与炎症^[8]；高饱和脂肪酸能经TLR4/MyD88通路激活胰岛β细胞炎症反应^[9]；而多不饱和脂肪酸则可抑制NLRP3炎症小体激活，并通过FFAR4介导的肠肝轴改善NAFLD^[10-11]。

然而，饮食行为涉及多种营养素的复杂组合，研究重点已从单一营养素转向整体膳食模式。例如，高热量、低营养密度的西方饮食可加速肝脂肪变性和炎症^[12]；富含不饱和脂肪酸和膳食纤维的地中海饮食则有助改善炎症与氧化应激^[13]。此外研究表明碳水化合物亚型、不同脂肪酸类型与NAFLD的关系，强调高脂、高糖及总能量过剩的关键作用^[14-15]。横断面研究进一步分析了各类糖、脂肪酸与蛋白质来源与NAFLD的关联，并借助营养素替代探讨其相互影响^[16-17]。这些研究深化了对多重营养素与NAFLD关系的理解，但对三大宏量营养素供能比例组合进行系统评估的研究仍较为缺乏。

为此，本研究利用NHANES数据库，结合营养几何学方法，系统评估不同宏量营养素供能比例组合与NAFLD风险的关系，旨在为膳食指导和公共卫生策略提供依据。

1　材料与方法

收起

1.1　数据来源

研究数据基于1999—2018周期的NHANES，已获得美国国家卫生统计中心伦理审查委员会的批准，所有参与者获得了知情同意。

研究参与者的筛选流程如下：从初始101 316名NHANES参与者，排除年龄<18岁的个体（n=42 112）、乙型或丙型肝炎感染者（n=906）、孕妇（n=1 548）、过量饮酒者（n=23 575）、缺乏膳食摄入数据、NAFLD诊断信息的参与者（n=10 253）以及总能量摄入值异常（<400千卡/天）或营养素供能比异常（偏离平均值>3个标准差）的个体。最终共22 922名成人纳入分析（图1）。

1.2　三维营养素空间构建

研究采用三维立方体法，以脂肪、碳水化合物和蛋白质的供能百分比分别作为坐标轴，构建三维营养素空间^[18]。将每位参与者的膳食数据映射为三维空间中的一个点。通过以50%、25%和12.5%为阈值划分各营养素的坐标轴，利用坐标轴不同区间的组合成多个立方体单元，每个单元即为一个营养素集群（Cluster），通过列举所有立方体以识别宏量营养素供能比例组合（见图2A）。

首先，以50%阈值将三条坐标轴各自划分为两段，形成8个立方体。分布显示，集群1（脂肪0%～50%，碳水化合物0%～50%，蛋白质0%～50%）占54.85%，集群2（脂肪0%～50%，碳水化合物50%～100%，蛋白质0%～50%）占43.16%，其余集群占1.99%（图2B）。将两个主要立方体按25%阈值细分，得到16个集群，其中三个主要集群分别占总体的50.35%、33.81%和8.63%。最后，对这3个集群以12.5%阈值进行划分，得到24个子集群，选取样本量较大的8个（共18 932人）用于分析。为提升结果的可读性与可比性，本研究将每种营养素供能水平按不同百分比分为：低、中低、中等、中高、高五个等级（见图3）。

1.3　肝脂肪变性评估

依据周期不同采用两种方法。1999—2016周期采用脂肪肝指数（Fatty Liver Index, FLI），以FLI≥60为肝脂肪变性的判定标准^[19]，FLI=[e^{0.953×ln（TG）+0.139×BMI+0.718×ln（GGT）+0.053×WC-15.745}]/[1+e^{0.953×ln（TG）+0.139×BMI+0.718×ln（GGT）+0.053×WC-15.745}]×100，其中TG为甘油三酯（Triglycerides, TG），GGT为γ-谷氨酰转移酶（Gamma glutamyl transferase, GGT），WC为腰围（Waist Circumference, WC），其中TG以mg/dL为单位，GGT以U/L为单位，WC以厘米为单位。2017—2018周期采用瞬时弹性成像获取受控衰减参数（Controlled Attenuation Parameter,CAP），当CAP值≥274 dB/m，则定义为肝脂肪变性^[20]。

1.4　协变量的选择

协变量包括年龄、性别、种族、教育程度、婚姻状况、贫困收入比（Poverty Income Ratio, Pir），吸烟状况，糖尿病和高血压以及总能量摄入。种族/民族分为：墨西哥裔美国人、非西班牙裔白人、非西班牙裔黑人及其他种族。教育程度分为：高中以下学历、高中或同等学历以及高中以上学历。Pir分为低水平（Pir<1.30）、中等水平（Pir:1.30~3.50）和高水平（Pir>3.50）^[21]。婚姻状况分为已婚/与伴侣同居、离婚/分居/丧偶、从未结婚。吸烟状况分为从不吸烟（吸烟<100支）、既往吸烟（≥100支且已戒）和当前吸烟（≥100支且仍在吸）^[22]。过量饮酒定义为：男性每天>3杯，女性每天>2杯^[23]。

糖尿病定义为符合以下任一标准：空腹血糖≥126 mg/dl，糖化血红蛋白≥6.5%，自述被医生诊断为糖尿病，或正在使用降糖药^[24]。高血压定义为血压超过130/80 mm Hg或开始药物治疗^[25]。

1.5　统计学方法

所有统计分析均考虑NHANES复杂抽样设计，并纳入抽样权重。数据清理与分析采用R软件（版本4.4.1）及决策链软件（版本1.0版本，https://www.statsape.com/）。

连续型变量，若变量满足正态性与方差齐性，使用独立样本t检验进行组间比较，结果以

表示；若不满足正态分布或方差齐性，采用Wilcoxon秩和检验，结果以[M（P₂₅,P₇₅）]表示。分类变量的组间比较采用χ²检验，若理论频数小于5则使用Fisher精确检验，统计结果以例数（n）和百分比（%）表示。

采用多因素逻辑回归模型分析营养素组合模式与NAFLD风险的关联；并通过交互作用与亚组分析探讨不同人群特征的效应修饰。敏感性分析中，基于三种宏量营养素供能比进行Kmeans数据驱动聚类并重复回归；此外，基于2015—2018周期数据，采用代谢相关脂肪肝病（Metabolic Associated Fatty Liver Disease，MAFLD）的诊断标准验证结果的稳健性。

2　结果

收起

2.1　不同营养素组合集群特征

基于三维营养素空间划分最终得到8个集群，Cluster 1以中等脂肪（25%～37.5%）、中高碳水（50%～62.5%）和中等蛋白质（12.5%～25%）为主要特征，是最常见的集群；Cluster 3与Cluster 4具有较高脂肪供能比例（37.5%～50%），但碳水分别处于中等（37.5%～50%）、中低（25%～37.5%），表现为“中高脂+中或中低碳水”结构。其余集群（Cluster 2、Cluster 5～8）表现为低脂或低碳水等特征（见表1）。

2.2　研究人群的基线特征

最终分析共纳入18 932名参与者，其中NAFLD患者8 430例。NAFLD人群年龄较大（48.88vs.53.41岁），男性比例更高（70.93%vs.60.17%）。非西班牙裔白人比例更高、脂肪供能比更高（35.06% vs. 33.98%）、蛋白质供能比略高（16.13% vs. 15.93%），糖尿病和高血压更为常见，碳水供能比更低（48.17% vs.49.43%）。

经三维空间构建纳入的8个集群（Clusters）显示，Cluster 1（脂肪:25%～37.5%,碳水化合物:50%～62.5%,蛋白质:12.5%～25%）在NAFLD和non-NAFLD人群中均占较大比例，是最常见的组合。NAFLD患者较非NAFLD的Cluster 3（脂肪:37.5%～50%,碳水化合物:37.5%～50 %,蛋白质:12.5%～25%）与Cluster 4（脂肪:37.5%～50%,碳水化合物:25%～37.5%,蛋白质:12.5%～25%）的分布比例更高（见表2）。

2.3　不同营养素比例组合与NAFLD的关联

以样本量最大、最常见的集群1作为参考组，以获得稳定的风险估计，并直观解释其他集群相对于常见集群的差异。未调整模型1中，以Cluster 1为参考，Cluster 3（P<0.001）与Cluster 4（P<0.001）的NAFLD风险显著升高；在调整年龄、性别、种族、教育水平、婚姻状况、Pir、总能量摄入等全部变量的模型3中，关联仍然稳健：Cluster 3的OR值=1.367（P<0.001），Cluster 4的OR值=1.462（P=0.003）。其余集群（Cluster 2、5～8）未见与NAFLD风险的显著关联（见表3）。

2.4　交互与亚组分析

交互作用分析显示，性别、种族、教育水平等协变量与营养集群间均无显著交互作用（所有P-交互>0.05）（见表4）。亚组分析中，高血压在多数集群中与NAFLD风险呈正向关联，但部分集群（如Cluster 7）置信区间跨越1，结果解读需谨慎（见表5）。

2.5　敏感分析

2.5.1　基于K-means聚类方法的验证

采用K-means聚类法对三种宏量营养素供能进行分析，将参与者划分为8类，各集群分布差异明显（表6）。以“中等脂肪、中高碳水化合物、中等蛋白质”为特征的Cluster 1（聚类中心值：脂肪33.54%、碳水53.36%、蛋白13.49%）为参照，Cluster 4（中高脂肪、中等碳水化合物、中等蛋白质）和Cluster 8（中高脂肪、中低碳水化合物、中等蛋白质）的NAFLD风险显著增加，Cluster 4（P<0.001）、Cluster 8（P=0.003）（见表7）。此外，将聚类数设置为5时，其结果与8类模型及主分析一致（附表1、2），进一步支持结论的稳健性。

2.5.2　基于MAFLD为定义的验证

为检验在MAFLD的适用，基于2015—2018周期数据，依据最新标准重新定义MAFLD病例，并在相应人群（n=2 575）中复现三维营养素空间构建流程，最终形成与主分析结构一致的7个营养素集群，构建多因素逻辑回归模型。结果显示，与参照组（Cluster 1：中等脂肪、中高碳水化合物、中等蛋白质）相比，Cluster 4（中高脂肪、中低碳水化合物、中等蛋白质）与MAFLD风险显著相关（P=0.039）（见表8），高风险营养素组合的情况与主分析一致。

3　讨论

收起

本研究基于NHANES数据，系统评估了宏量营养素比例组合与NAFLD风险的关联。结果显示，较于最常见的饮食模式（Cluster 1：中等脂肪、中高碳水化合物、中等蛋白质），以中高脂肪配合中/中低碳水化合物及中等蛋白质为特征的饮食模式（Cluster 3和4）显著增加了NAFLD风险，该关联在敏感性分析中保持稳健。

在现实饮食结构中，即使碳水摄入比例适度降低，若脂肪供能比显著升高，仍会增加NAFLD风险，多项研究证实过量脂肪摄入对肝脏具有显著危害。如，西方饮食模式（高糖饮料、加工肉类等）短期内即可促进肝脂肪变性^[26]，在每日额外摄入1 000 kcal脂肪酸的条件下，摄入高饱和脂肪酸的人群甘油三酯含量比摄入多不饱和脂肪酸者高出40%^[27]，显著提升NAFLD风险。动物研究证据也证实，过量高脂饮食不仅导致肝脏脂质沉积，还会引发胰岛素抵抗与全身性炎症^[28-29]。

中高脂肪搭配中/中低碳水化合物的饮食模式可能通过多途径促进NAFLD发展。脂毒性是核心因素：游离胆固醇和脂肪酸在肝细胞内蓄积，触发内质网应激、线粒体功能障碍、氧化应激及炎症小体激活，共同导致肝细胞损伤、炎症与纤维^[30-31]。脂肪酸过载超过线粒体氧化能力，引发活性氧爆发并导致脂质过氧化与细胞凋亡；同时β-氧化上调伴氧化磷酸化偶联受损，进一步增加活性氧生成^[32-33]。长链饱和脂肪酸激活TLR4/NF-κB通路，诱导TNF-α、IL-6等促炎因子表达^[34]；脂质过载产生的活性氧和胆固醇晶体还可激活NLRP3炎症小体，引起Caspase-1依赖的肝细胞焦亡，放大炎症反应^[35]。此外，高脂饮食破坏肠道菌群结构，增加NAFLD相关致病菌的丰度，加剧代谢紊乱、胰岛素抵抗^[36-37]，例如，高脂摄入（即使碳水摄入降低）仍可增强肝脏JNK与C/EBP同源蛋白的磷酸化水平，提高肠道厚壁菌门的相对丰度^[38]。菌群多样性降低与肠屏障完整性受损增加肠道通透性，促进内毒素进入门脉系统，内毒素通过TLR4-NF-κB信号通路激活Kupffer细胞，促使TNF-α、IL-1β等释放，推动NAFLD的进展^[39-40]。

本研究存在以下局限性。首先，依赖24小时膳食回顾法，数据可能受回忆偏倚影响；其次，横断面设计难以推断因果关系；第三，本研究基于美国人群数据，考虑到中美在膳食结构（如碳水化合物来源与脂肪类型）及NAFLD患病特征的差异，研究结果在中国的适用性（外推性）需谨慎解读。第四，未区分脂肪类型和蛋白质来源，未充分反映膳食质量的影响。最后，不同聚类方法所得集群结构存在差异。未来需在中国开展前瞻性队列研究，并深入分析营养素质量，以提供更高级别的证据。

基金

收起

国家自然科学基金资助项目(82575010; 81904154)
河南省科技研发计划联合基金（优势学科培育类）(242301420096)
河南省科技攻关计划(242102310500)
河南省“双一流”创建学科中医学科学研究专项(HSRP-DFCTCM-2023-1-10)
河南省卫生健康委员会中医药传承创新专项(2023ZXZX1162)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

Paternostro

, Trauner

. Current treatment of non-alcoholic fatty liver disease[J]. Journal of Internal Medicine, 2022, 292(2): 190-204.

[2]

Riazi

, Azhari

, Charette

, et al. The prevalence and incidence of NAFLD worldwide: a systematic review and meta-analysis[J]. Lancet Gastroenterol Hepatol, 2022, 7(9): 851-861.

[3]

Quek

, Chan

, Wong

, et al. Global prevalence of non-alcoholic fatty liver disease and non-alcoholic steatohepatitis in the overweight and obese population: a systematic review and meta-analysis[J]. Lancet Gastroenterol Hepatol, 2023, 8(1): 20-30.

[4]

En li cho

, Ang

, Quek

, et al. Global prevalence of non-alcoholic fatty liver disease in type 2 diabetes mellitus: an updated systematic review and meta-analysis[J]. Gut, 2023, 72(11): 2138-2148.

[5]

Radu

, Potcovaru

, Salmen

, et al. The Link between NAFLD and Metabolic Syndrome[J]. Diagnostics (Basel), 2023, 13(4): 614.

[6]

Mantovani

, Csermely

, Petracca

, et al. Non-alcoholic fatty liver disease and risk of fatal and non-fatal cardiovascular events: an updated systematic review and meta-analysis[J]. Lancet Gastroenterol Hepatol, 2021, 6(11): 903-913.

[7]

Mantovani

, Petracca

, Beatrice

, et al. Non-alcoholic fatty liver disease and risk of incident chronic kidney disease: an updated meta-analysis[J]. Gut, 2022, 71(1): 156-162.

[8]

Todoric

, Di Caro

, Reibe

, et al. Fructose stimulated de novo lipogenesis is promoted by inflammation[J]. Nat Metab, 2020, 2(10): 1034-1045.

[9]

Liang

, Chu

, Chen

, et al. The gut-adipose/pancreas axis: A novel perspective on glycolipid metabolism dysregulation in MAFLD and T2DM pathogenesis[J]. Frontiers in Endocrinology, 2025, 16: 1664233.

[10]

Zhu

, Zhang

, Cen

, et al. High endogenously synthesized N-3 polyunsaturated fatty acids in fat-1 mice attenuate high-fat diet-induced insulin resistance by inhibiting NLRP3 inflammasome activation via akt/GSK-3β/TXNIP pathway[J]. Molecules, 2022, 27(19): 6384.

[11]

Jiang

, Yang

, Qu

, et al. Endogenous n-3 PUFAs improve Non-Alcoholic fatty liver disease through FFAR4-Mediated Gut-Liver crosstalk[J]. Nutrients, 2023, 15(3): 586.

[12]

Guo

, Ge

, Lu

, et al. Diet and risk of Non-Alcoholic fatty liver disease, cirrhosis, and liver cancer: a large prospective cohort study in UK biobank[J]. Nutrients, 2022, 14(24): 5335.

[13]

Gualtieri

, Marchetti

, Frank

, et al. Antioxidant-Enriched Diet on oxidative stress and inflammation gene expression: a randomized controlled trial[J]. Genes, 2023, 14(1): 206.

[14]

Hydes

, Alam

, Cuthbertson

. The impact of macronutrient intake on non-alcoholic fatty liver disease (NAFLD): too much fat, too much carbohydrate, or just too many calories?[J]. Front Nutr, 2021, 8: 640557.

[15]

Hashemi kani

, Alavian

, Haghighatdoost

, et al. Diet macronutrients composition in nonalcoholic Fatty liver disease: a review on the related documents[J]. Hepatitis Monthly, 2014, 14(2): e10939.

[16]

Alferink

, Kiefte-de Jong

, Erler

, et al. Association of dietary macronutrient composition and non-alcoholic fatty liver disease in an ageing population: the Rotterdam Study[J]. Gut, 2019, 68(6): 1088-1098.

[17]

Amirkalali

, Khoonsari

, Sohrabi

, et al. Relationship between dietary macronutrient composition and non-alcoholic fatty liver disease in lean and non-lean populations: a cross-sectional study[J]. Public Health Nutrition, 2021, 24(18): 6178-6190.

[18]

, Chen

, Li

, et al. Specific macronutrient clusters associated with lower mortality risk: Evidence from NHANES 1999-2018[J]. Journal of Advanced Research, 2025, 78: 533-542.

[19]

Chung

, Kim

, et al. Fatty liver index as a simple and useful predictor for 10-year cardiovascular disease risks determined by framingham risk score in the general korean population[J]. Journal of Gastrointestinal and Liver Diseases : JGLD, 2021, 30(2): 221-226.

[20]

, Zhou

, Zhao

, et al. Inflammatory burden index (IBI) and body roundness index (BRI) in gallstone risk prediction: insights from NHANES 2017-2020[J]. Lipids in Health and Disease, 2025, 24(1): 63.

[21]

, Zhang

, Li

, et al. Association between the neutrophil-to-lymphocyte ratio and cancer in adults from NHANES 2005-2018: a cross-sectional study[J]. Scientific Reports, 2024, 14(1): 23678.

[22]

Zhu

, Ji

, He

, et al. Association of smoking and osteoarthritis in US (NHANES 1999-2018)[J]. Scientific Reports, 2023, 13(1): 3911.

[23]

Zhang

, Wang

, Tang

, et al. Association of triglyceride glucose-related parameters with all-cause mortality and cardiovascular disease in NAFLD patients: NHANES 1999-2018[J]. Cardiovascular Diabetology, 2024, 23(1): 262.

[24]

Liu

, Chien

. Predictive role of Neutrophil-Percentage-to-Albumin ratio (NPAR) in nonalcoholic fatty liver disease and advanced liver fibrosis in nondiabetic US adults: evidence from NHANES 2017-2018[J]. Nutrients, 2023, 15(8): 1892.

[25]

Jones

, Ferdinand

, Taler

, et al. 2025 AHA/ACC/AANP/AAPA/ABC/ACCP/ACPM/AGS/AMA/ASPC/NMA/PCNA/SGIM guideline for the prevention, detection, evaluation and management of high blood pressure in adults: a report of the American college of cardiology/American heart association joint committee on clinical practice guidelines[J]. Hypertension, 2025, 82(10): e212-e316.

[26]

Zelber-Sagi

, Salomone

, Mlynarsky

. The Mediterranean dietary pattern as the diet of choice for non-alcoholic fatty liver disease: Evidence and plausible mechanisms[J]. Liver International, 2017, 37(7): 936-949.

[27]

Luukkonen

, Sädevirta

, Zhou

, et al. Saturated fat is more metabolically harmful for the human liver than unsaturated fat or simple sugars[J]. Diabetes Care, 2018, 41(8): 1732-1739.

[28]

, Chen

, Li

, et al. Multiomics reveals the ameliorating effect and underlying mechanism of aqueous extracts of polygonatum sibiricum rhizome on obesity and liver fat accumulation in high-fat diet-fed mice[J]. Phytomedicine, 2024, 132: 155843.

[29]

Pan

, Deng

, Qiu

, et al. Shenling baizhu powder alleviates non-alcoholic fatty liver disease by modulating autophagy and energy metabolism in high-fat diet-induced rats[J]. Phytomedicine, 2024, 130: 155712.

[30]

Horn

, Morales

, Savard

, et al. Role of Cholesterol-Associated steatohepatitis in the development of NASH[J]. Hepatol Commun, 2022, 6(1): 12-35.

[31]

, Yang

, Ye

, et al. Updated mechanisms of MASLD pathogenesis[J]. Lipids in Health and Disease, 2024, 23(1): 117.

[32]

Shi

, Wang

, van der Laan

LJW

, et al. Mitochondrial dysfunction and oxidative stress in liver transplantation and underlying diseases: new insights and therapeutics[J]. Transplantation, 2021, 105(11): 2362-2373.

[33]

, Xie

, Song

, et al. Mitochondria homeostasis: Biology and involvement in hepatic steatosis to NASH[J]. Acta Pharmacol Sin, 2022, 43(5): 1141-1155.

[34]

Huang

, Rutkowsky

, Snodgrass

, et al. Saturated fatty acids activate TLR-mediated proinflammatory signaling pathways[J]. Journal of Lipid Research, 2012, 53(9): 2002-2013.

[35]

, Wang

, Liu

. NLRP3 inflammasome activation in liver disorders: from molecular pathways to therapeutic strategies[J]. Journal of Inflammation Research, 2025, 18: 8277-8294.

[36]

Zheng

, Xiang

, Shi

, et al. Gut microbiota and mycobiota change with feeding duration in mice on a high-fat and high-fructose diet[J]. BMC Microbiology, 2024, 24(1): 504.

[37]

Liu

, Liu

, Ren

, et al. Short-term and long-term high-fat diet promote metabolic disorder through reprogramming mRNA m6A in white adipose tissue by gut microbiota[J]. Microbiome, 2025, 13(1): 75.

[38]

Velázquez

, Enos

, Bader

, et al. Prolonged high-fat-diet feeding promotes non-alcoholic fatty liver disease and alters gut microbiota in mice[J]. World Journal of Hepatology, 2019, 11(8): 619-637.

[39]

Dmytriv

, Storey

, Lushchak

. Intestinal barrier permeability: The influence of gut microbiota, nutrition, and exercise[J]. Frontiers in Physiology, 2024, 15: 1380713.

[40]

Vajro

, Paolella

, Fasano

. Microbiota and gut-liver axis: A mini-review on their influences on obesity and obesity related liver disease[J]. Journal of Pediatric Gastroenterology and Nutrition, 2013, 56(5): 461-468.

2026年第53卷第4期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.20043/j.cnki.MPM.202510002

接收时间：2025-10-01
首发时间：2026-11-02
出版时间：2026-02-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2025-10-01

基金

国家自然科学基金资助项目(82575010; 81904154)

河南省科技研发计划联合基金（优势学科培育类）(242301420096)

河南省科技攻关计划(242102310500)

河南省“双一流”创建学科中医学科学研究专项(HSRP-DFCTCM-2023-1-10)

河南省卫生健康委员会中医药传承创新专项(2023ZXZX1162)

作者信息

^1.河南中医药大学第一附属医院肝病（脾胃）诊疗中心，河南郑州 450000

^2.河南中医药大学第一临床医学院

^3.中西医防治重大疾病河南省协同创新中心

^4.豫药全产业链研发河南省协同创新中心

通讯作者:

刘鸣昊，E-mail: liumh015@163.com

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/xdyfyx/CN/10.20043/j.cnki.MPM.202510002

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

集群	脂肪供能占比(%)	碳水化合物供能占比(%)	蛋白质供能占比(%)	样本量
1	25.0～37.5	50.0～62.5	12.5～25.0	5 190.00
2	25.0～37.5	37.5～50.0	12.5～25.0	4 401.00
3	37.5～50.0	37.5～50.0	12.5～25.0	4 137.00
4	37.5～50.0	25.0～37.5	12.5～25.0	1 356.00
5	25.0～37.5	50.0～62.5	0.0～12.5	1 662.00
6	12.5～25.0	50.0～62.5	12.5～25.0	804.00
7	37.5～50.0	37.5～50.0	0.0～12.5	715.00
8	12.5～25.0	62.5～75.0	12.5～25.0	667.00

集群

脂肪供能占比(%)

碳水化合物供能占比(%)

蛋白质供能占比(%)

样本量

25.0～37.5

50.0～62.5

12.5～25.0

5 190.00

25.0～37.5

37.5～50.0

12.5～25.0

4 401.00

37.5～50.0

12.5～25.0

4 137.00

37.5～50.0

25.0～37.5

12.5～25.0

1 356.00

25.0～37.5

50.0～62.5

0.0～12.5

1 662.00

12.5～25.0

50.0～62.5

12.5～25.0

804.00

37.5～50.0

0.0～12.5

715.00

12.5～25.0

62.5～75.0

12.5～25.0

667.00

变量	总人数（n=18 932）	Non-Nafld （n=10 502）	Nafld （n=8 430）	统计量	P值
年龄（岁，）	50.90±17.46	48.88±18.26	53.41±16.06	7.747	<0.001
性别[n(%)]				237.195	<0.001
男性	12 298.00(64.96)	6 319.00(60.17)	5 979.00(70.93)
女性	6 634.00(35.04)	4 183.00(39.83)	2 451.00(29.07)
种族[n(%)]				114.962	<0.001
墨西哥裔美国人	2 442.00(12.90)	1 153.00(10.98)	1 289.00(15.29)
非西班牙裔黑人	3 556.00(18.78)	2 003.00(19.07)	1 553.00(18.42)
非西班牙裔白人	10 082.00(53.25)	5 583.00(53.16)	4 499.00(53.37)
其他种族	2 852.00(15.06)	1 763.00(16.79)	1 089.00(12.92)
教育水平[n(%)]				83.575	<0.001
低于高中学历	3 039.00(16.05)	1 556.00(14.82)	1 483.00(17.59)
高中或等同高中学历	3 922.00(20.72)	2 004.00(19.08)	1 918.00(22.75)
高中以上学历	11 971.00(63.23)	6 942.00(66.10)	5 029.00(59.66)
婚姻状况[n(%)]				157.225	<0.001
已婚/同居	12 835.00(67.80)	6 901.00(65.71)	5 934.00(70.39)
离婚/丧偶/分居	3 342.00(17.65)	1 771.00(16.86)	1 571.00(18.64)
从未结婚	2 755.00(14.55)	1 830.00(17.43)	925.00(10.97)
贫困收入比[n(%)]				16.619	<0.001
<1.5	3 638.00(19.22)	1 976.00(18.82)	1 662.00(19.72)
1.5~3.5	6 991.00(36.93)	3 782.00(36.01)	3 209.00(38.07)
>3.5	8 303.00(43.86)	4 744.00(45.17)	3 559.00(42.22)
卡路里()	2 173.54±811.32	2 160.23±802.23	2 190.12±822.25	8.667	0.004
脂肪供能比	34.46±6.79	33.98±6.73	35.06±6.83	1.923	<0.001
碳水供能比	48.87±7.98	49.43±7.91	48.17±8.00	2.320	<0.001
蛋白质供能比	16.02±3.29	15.93±3.32	16.13±3.26	5.363	<0.001
集群[n(%)]				133.965	<0.001
1	5 190.00(27.41)	3 039.00(28.94)	2 151.00(25.52)
2	4 401.00(23.25)	2 463.00(23.45)	1 938.00(22.99)
3	4 137.00(21.85)	2 076.00(19.77)	2 061.00(24.45)
4	1 356.00(7.16)	639.00(6.08)	717.00(8.51)
5	1 662.00(8.78)	1 003.00(9.55)	659.00(7.82)
6	804.00(4.25)	481.00(4.58)	323.00(3.83)
7	715.00(3.78)	399.00(3.80)	316.00(3.75)
8	667.00(3.52)	402.00(3.83)	265.00(3.14)
糖尿病				963.298	<0.001
否	16 239.00(85.78)	9 750.00(92.84)	6 489.00(76.98)
是	2 693.00(14.22)	752.00(7.16)	1 941.00(23.02)
高血压				965.326	<0.001
否	10 076.00(53.22)	6 650.00(63.32)	3 426.00(40.64)
是	8 856.00(46.78)	3 852.00(36.68)	5 004.00(59.36)

变量

总人数
（n=18 932）

Non-Nafld
（n=10 502）

Nafld
（n=8 430）

统计量

P值

年龄（岁，

）

50.90±17.46

48.88±18.26

53.41±16.06

7.747

<0.001

性别[n(%)]

237.195

<0.001

男性

12 298.00(64.96)

6 319.00(60.17)

5 979.00(70.93)

女性

6 634.00(35.04)

4 183.00(39.83)

2 451.00(29.07)

种族[n(%)]

114.962

<0.001

墨西哥裔美国人

2 442.00(12.90)

1 153.00(10.98)

1 289.00(15.29)

非西班牙裔黑人

3 556.00(18.78)

2 003.00(19.07)

1 553.00(18.42)

非西班牙裔白人

10 082.00(53.25)

5 583.00(53.16)

4 499.00(53.37)

其他种族

2 852.00(15.06)

1 763.00(16.79)

1 089.00(12.92)

教育水平[n(%)]

83.575

<0.001

低于高中学历

3 039.00(16.05)

1 556.00(14.82)

1 483.00(17.59)

高中或等同高中学历

3 922.00(20.72)

2 004.00(19.08)

1 918.00(22.75)

高中以上学历

11 971.00(63.23)

6 942.00(66.10)

5 029.00(59.66)

婚姻状况[n(%)]

157.225

<0.001

已婚/同居

12 835.00(67.80)

6 901.00(65.71)

5 934.00(70.39)

离婚/丧偶/分居

3 342.00(17.65)

1 771.00(16.86)

1 571.00(18.64)

从未结婚

2 755.00(14.55)

1 830.00(17.43)

925.00(10.97)

贫困收入比[n(%)]

16.619

<0.001

<1.5

3 638.00(19.22)

1 976.00(18.82)

1 662.00(19.72)

1.5~3.5

6 991.00(36.93)

3 782.00(36.01)

3 209.00(38.07)

>3.5

8 303.00(43.86)

4 744.00(45.17)

3 559.00(42.22)

卡路里(

)

2 173.54±811.32

2 160.23±802.23

2 190.12±822.25

8.667

0.004

脂肪供能比

34.46±6.79

33.98±6.73

35.06±6.83

1.923

<0.001

碳水供能比

48.87±7.98

49.43±7.91

48.17±8.00

2.320

<0.001

蛋白质供能比

16.02±3.29

15.93±3.32

16.13±3.26

5.363

<0.001

集群[n(%)]

133.965

<0.001

5 190.00(27.41)

3 039.00(28.94)

2 151.00(25.52)

4 401.00(23.25)

2 463.00(23.45)

1 938.00(22.99)

4 137.00(21.85)

2 076.00(19.77)

2 061.00(24.45)

1 356.00(7.16)

639.00(6.08)

717.00(8.51)

1 662.00(8.78)

1 003.00(9.55)

659.00(7.82)

804.00(4.25)

481.00(4.58)

323.00(3.83)

715.00(3.78)

399.00(3.80)

316.00(3.75)

667.00(3.52)

402.00(3.83)

265.00(3.14)

糖尿病

963.298

<0.001

否

16 239.00(85.78)

9 750.00(92.84)

6 489.00(76.98)

是

2 693.00(14.22)

752.00(7.16)

1 941.00(23.02)

高血压

965.326

<0.001

否

10 076.00(53.22)

6 650.00(63.32)

3 426.00(40.64)

是

8 856.00(46.78)

3 852.00(36.68)

5 004.00(59.36)

变量	模型1	模型2	模型3
集群1	参考	参考	参考
集群2	1.007(0.852~1.191)	0.935	0.993(0.841~1.173)	0.937	0.973(0.827~1.145)	0.740
集群3	1.396(1.176~1.657)	<0.001	1.382(1.160~1.646)	<0.001	1.367(1.142~1.636)	<0.001
集群4	1.628(1.265~2.093)	<0.001	1.618(1.259~2.079)	<0.001	1.462(1.137~1.879)	0.003
集群5	0.954(0.739~1.231)	0.714	0.994(0.761~1.298)	0.964	1.028(0.790~1.339)	0.834
集群6	0.870(0.672~1.127)	0.290	0.853(0.648~1.124)	0.256	0.918(0.707~1.192)	0.517
集群7	1.167(0.897~1.519)	0.248	1.211(0.908~1.614)	0.191	1.227(0.889~1.693)	0.212
集群8	0.742(0.550~1.001)	0.051	0.744(0.549~1.007)	0.056	0.772(0.560~1.063)	0.112

变量

模型1

模型2

模型3

OR(95%CI)

P值

OR(95%CI)

P值

OR(95%CI)

P值

集群1

参考

集群2

1.007(0.852~1.191)

0.935

0.993(0.841~1.173)

0.937

0.973(0.827~1.145)

0.740

集群3

1.396(1.176~1.657)

<0.001

1.382(1.160~1.646)

<0.001

1.367(1.142~1.636)

<0.001

集群4

1.628(1.265~2.093)

<0.001

1.618(1.259~2.079)

<0.001

1.462(1.137~1.879)

0.003

集群5

0.954(0.739~1.231)

0.714

0.994(0.761~1.298)

0.964

1.028(0.790~1.339)

0.834

集群6

0.870(0.672~1.127)

0.290

0.853(0.648~1.124)

0.256

0.918(0.707~1.192)

0.517

集群7

1.167(0.897~1.519)

0.248

1.211(0.908~1.614)

0.191

1.227(0.889~1.693)

0.212

集群8

0.742(0.550~1.001)

0.051

0.744(0.549~1.007)

0.056

0.772(0.560~1.063)

0.112

自变量	协变量	P-交互
集群	性别	0.269
	种族	0.093
	教育程度	0.140
	婚姻状况	0.729
	贫困收入比	0.300
	糖尿病	0.328
	吸烟状况	0.498
	高血压	0.053

自变量

协变量

P-交互

集群

性别

0.269

种族

0.093

教育程度

0.140

婚姻状况

0.729

贫困收入比

0.300

糖尿病

0.328

吸烟状况

0.498

高血压

0.053

变量		OR(95%CI)	P-交互
集群	高血压(ref：否)		0.053
1	是	3.759(3.021~4.679)
2	是	3.053(2.478~3.762)
3	是	2.554(2.025~3.221)
4	是	2.080(1.367~3.160)
5	是	2.427(1.753~3.359)
6	是	3.967(2.360~6.670)
7	是	1.853(0.974~3.528)
8	是	3.023(1.643~5.563)

变量

OR(95%CI)

P-交互

集群

高血压(ref：否)

0.053

是

3.759(3.021~4.679)

是

3.053(2.478~3.762)

是

2.554(2.025~3.221)

是

2.080(1.367~3.160)

是

2.427(1.753~3.359)

是

3.967(2.360~6.670)

是

1.853(0.974~3.528)

是

3.023(1.643~5.563)

集群	脂肪供能聚类中心值(%)	蛋白质供能聚类中心值(%)	碳水供能聚类中心值(%)	集群样本量
1	33.54	53.36	13.49	4 143
2	37.40	46.61	15.29	4 965
3	27.04	59.13	14.14	3 285
4	43.48	40.11	15.82	3 212
5	27.52	49.30	19.42	2 676
6	33.33	37.77	20.75	2 240
7	19.97	68.13	13.28	1 230
8	48.17	29.13	19.89	1 171

集群

脂肪供能聚类中心值(%)

蛋白质供能聚类中心值(%)

碳水供能聚类中心值(%)

集群样本量

33.54

53.36

13.49

4 143

37.40

46.61

15.29

4 965

27.04

59.13

14.14

3 285

43.48

40.11

15.82

3 212

27.52

49.30

19.42

2 676

33.33

37.77

20.75

2 240

19.97

68.13

13.28

1 230

48.17

29.13

19.89

1 171

变量	模型1	模型2	模型3
集群1	参考	参考	参考
集群2	1.070(0.915~1.251)	0.396	1.042(0.889~1.223)	0.608	1.056(0.896~1.244)	0.516
集群3	0.930(0.773~1.120)	0.441	0.912(0.753~1.102)	0.338	0.971(0.800~1.179)	0.764
集群4	1.495(1.244~1.797)	<0.001	1.446(1.194~1.750)	<0.001	1.416(1.157~1.734)	<0.001
集群5	0.902(0.769~1.057)	0.201	0.883(0.749~1.040)	0.135	0.902(0.770~1.056)	0.196
集群6	1.308(1.075~1.591)	0.008	1.235(1.009~1.512)	0.041	1.200(0.972~1.483)	0.090
集群7	0.802(0.623~1.031)	0.085	0.825(0.635~1.072)	0.149	0.876(0.660~1.162)	0.356
集群8	1.627(1.295~2.045)	<0.001	1.583(1.255~1.996)	<0.001	1.459(1.143~1.863)	0.003

变量

模型1

模型2

模型3

OR(95%CI)

P值

OR(95%CI)

P值

OR(95%CI)

P值

集群1

参考

集群2

1.070(0.915~1.251)

0.396

1.042(0.889~1.223)

0.608

1.056(0.896~1.244)

0.516

集群3

0.930(0.773~1.120)

0.441

0.912(0.753~1.102)

0.338

0.971(0.800~1.179)

0.764

集群4

1.495(1.244~1.797)

<0.001

1.446(1.194~1.750)

<0.001

1.416(1.157~1.734)

<0.001

集群5

0.902(0.769~1.057)

0.201

0.883(0.749~1.040)

0.135

0.902(0.770~1.056)

0.196

集群6

1.308(1.075~1.591)

0.008

1.235(1.009~1.512)

0.041

1.200(0.972~1.483)

0.090

集群7

0.802(0.623~1.031)

0.085

0.825(0.635~1.072)

0.149

0.876(0.660~1.162)

0.356

集群8

1.627(1.295~2.045)

<0.001

1.583(1.255~1.996)

<0.001

1.459(1.143~1.863)

0.003

变量	模型1	模型2	模型3
集群1	参考	参考	参考
集群2	0.911(0.569~1.461)	0.688	0.946(0.572~1.567)	0.817	0.981(0.568~1.697)	0.939
集群3	1.114(0.802~1.546)	0.505	1.124(0.803~1.573)	0.467	1.124(0.761~1.659)	0.510
集群4	1.551(1.093~2.201)	0.016	1.651(1.152~2.367)	0.010	1.608(1.031~2.507)	0.039
集群5	1.173(0.665~2.070)	0.568	1.257(0.686~2.304)	0.430	1.429(0.713~2.863)	0.270
集群6	1.004(0.416~2.423)	0.994	1.097(0.402~2.992)	0.846	1.207(0.411~3.543)	0.698
集群7	1.682(0.922~3.070)	0.087	1.848(0.975~3.505)	0.059	2.127(1.019~4.441)	0.046

变量

模型1

模型2

模型3

OR(95%CI)

P值

OR(95%CI)

P值

OR(95%CI)

P值

集群1

参考

集群2

0.911(0.569~1.461)

0.688

0.946(0.572~1.567)

0.817

0.981(0.568~1.697)

0.939

集群3

1.114(0.802~1.546)

0.505

1.124(0.803~1.573)

0.467

1.124(0.761~1.659)

0.510

集群4

1.551(1.093~2.201)

0.016

1.651(1.152~2.367)

0.010

1.608(1.031~2.507)

0.039

集群5

1.173(0.665~2.070)

0.568

1.257(0.686~2.304)

0.430

1.429(0.713~2.863)

0.270

集群6

1.004(0.416~2.423)

0.994

1.097(0.402~2.992)

0.846

1.207(0.411~3.543)

0.698

集群7

1.682(0.922~3.070)

0.087

1.848(0.975~3.505)

0.059

2.127(1.019~4.441)

0.046