生活方式和社会经济因素会"因果性"影响糖尿病吗?一项孟德尔随机化研究给出答案

2026年4月27日，Qian Yu等在Journal of Diabetes Investigation发表研究《Causal effects of lifestyle and socioeconomic factors on diabetes and its complications and comorbidities: A Mendelian randomization study》。研究用遗传工具变量，从因果层面评估26个生活方式与社会经济因素对糖尿病、7种并发症和13种共病的影响。

背景

糖尿病负担持续上升，但很多“生活方式相关因素”在观察性研究里容易被混杂因素和反向因果影响。本研究希望回答：哪些生活方式与社会经济因素，真的会因果性改变糖尿病及相关结局风险。

方法

研究采用两样本孟德尔随机化（MR），先做单变量MR（UVMR）筛查，再用多变量MR（MVMR）区分直接效应。暴露包括体力活动、久坐行为、营养、睡眠、吸烟、饮酒、咖啡与咖啡因摄入，以及教育、收入、Townsend剥夺指数等。结局来自FinnGen数据库，涵盖2型糖尿病、1型糖尿病、妊娠期糖尿病，以及多种并发症和共病。主要方法为逆方差加权法（IVW），并用多种敏感性分析控制多效性与异质性；多重检验用FDR校正。

结果

遗传预测的保护因素包括：剧烈体力活动（OR=0.98）、电脑使用时间（OR=0.13）、碳水化合物摄入（OR=0.22）、短睡眠（OR=0.04）和长睡眠（OR=0.62）、适量饮酒（OR=0.13）与咖啡因摄入（OR=0.72）、更高教育水平（OR=0.25–0.67）与更高家庭收入（OR=0.52–0.65）。这些因素与2型糖尿病、妊娠期糖尿病及部分心脑血管结局、睡眠呼吸暂停和焦虑障碍风险降低相关。

风险因素包括：看电视时间（OR=1.39）、开车时间（OR=3.28）、失眠（OR=1.21–1.82）、吸烟相关行为（OR=1.17–1.77）、酒精依赖（OR=1.17–1.28）、咖啡摄入（OR=1.01）以及Townsend剥夺指数（OR=1.51–1.57），与多类糖尿病相关结局风险升高相关。多数结论在FDR校正后仍显著。

结论

研究从遗传因果证据支持：生活方式与社会经济因素不仅“相关”，而且可能“因果性”推动或降低糖尿病及部分并发症、共病风险。公共卫生策略应同时关注健康行为促进与社会经济公平。

1）糖尿病本身

对2型糖尿病：碳水化合物摄入（OR=0.22）、戒烟（OR=0.86）、咖啡因摄入（OR=0.72）、教育水平（OR=0.64）、完成全日制教育年龄（OR=0.58）和家庭收入（OR=0.65）为保护因素。相反，看电视（OR=1.39）、开车（OR=3.28）、失眠（OR=1.32）、吸烟开始（OR=1.17）、终生吸烟指数（OR=1.37）、酒精依赖（OR=1.17）、咖啡摄入（OR=1.01）以及Townsend剥夺指数（OR=1.51）为风险因素。对1型糖尿病：吸烟强度与风险升高相关（OR=1.77）。对妊娠期糖尿病：教育水平（OR=0.64）、完成全日制教育年龄（OR=0.44）和家庭收入（OR=0.52）为保护因素；失眠（OR=1.40）和吸烟开始（OR=1.16）为风险因素。MVMR中，完成全日制教育年龄仍保持较强保护效应。

2）糖尿病并发症

整体上，多数生活方式与社会经济因素与视网膜病变、肾病、神经病变、黄斑病变、Charcot足、黑棘皮病未见稳定因果关联。一个更突出的信号是：终生吸烟指数与新生血管性青光眼风险增加相关（β=7.04）。

3）糖尿病共病

卒中：饮酒量（OR=0.13）与完成全日制教育年龄（OR=0.67）呈保护效应，且MVMR中饮酒量仍显著。冠心病：教育水平呈保护效应（OR=0.21）。心力衰竭：短睡眠（OR=0.04）、完成全日制教育年龄（OR=0.52）和家庭收入（OR=0.62）为保护因素；失眠（OR=1.21）、终生吸烟指数（OR=1.53）、酒精依赖（OR=1.28）与咖啡摄入（OR=1.01）为风险因素。心肌梗死：电脑使用时间与风险降低相关（OR=0.13）。睡眠呼吸暂停：剧烈体力活动为保护因素（OR=0.98），Townsend剥夺指数为风险因素（OR=1.57），MVMR中剧烈体力活动仍显著。非酒精性脂肪肝：失眠（OR=1.59）与吸烟开始（OR=1.32）为风险因素。焦虑障碍：长睡眠（OR=0.62）与教育水平（OR=0.25）为保护因素。进食障碍：失眠（OR=1.82）与吸烟开始（OR=1.36）为风险因素。此外，对高血压、肥胖、高脂血症、抑郁障碍等结局，未观察到稳定因果关联。

本研究全部使用欧洲人群GWAS汇总数据。对每个暴露筛选达到基因组学显著性的SNP作为工具变量，进行LD去相关（r2<0.001，10000kb），剔除回文与不明确SNP，通过PhenoScanner排查混杂关联，并用F统计量控制弱工具变量（F<10剔除）。UVMR以IVW为主，辅以MR-Egger、加权中位数、加权模式、简单模式与MR-PRESSO；显著性以FDR校正后P<0.05为准。MVMR在生物学合理且UVMR显著的暴露中构建模型，输出调整后的直接效应。

这项MR研究把“生活方式”与“社会经济地位”对糖尿病的影响，从相关性推进到了因果证据：久坐与失眠、吸烟和贫困剥夺更像是推动风险上升的因素；而更高教育与收入、合理睡眠、更多体力活动以及咖啡因摄入等与风险下降相关。更重要的是，它提示糖尿病管理不该只盯“血糖”，还需要把行为与社会结构一起纳入干预视野。