冠狀病毒大流行將健康推向了許多人的思想的最前沿。 雖然避免COVID-19的最佳方法是 首先不要感染病毒，我們開始理解為什麼有些人得了重病，而另一些人只有輕度或沒有症狀。
年齡和體弱是嚴重COVID-19的最重要風險因素，但我們的數據 COVID症狀研究應用程序已有將近2萬人使用，表明肥胖，心髒病和XNUMX型糖尿病等與飲食有關的疾病 最終因這種疾病而住院的重大危險因素.
在英國， 大約三分之一的成年人肥胖 還有更多超重。 在美國， 大約五分之二的成年人和近五分之一的兒童肥胖。 從廣義的政府營養指南到值得Instagram的時尚飲食，關於如何減肥的建議無止境。 顯然，它不起作用。
這是一個很難解決的難題。 諸如性別，種族，社會經濟地位和健康食品供應等因素都在其中發揮作用。 但就個人而言，我們對每個人應如何飲食以優化自己的健康和體重的了解仍然很少。
通過電子郵件獲取最新信息
為了尋找答案，我們倫敦國王學院的研究團隊與馬薩諸塞州綜合醫院，斯坦福大學和健康科學公司ZOE的同事一起啟動了 預測，是全球同類研究中規模最大的一項。 現在我們的第一個結果是 發表於《自然醫學》.
第一階段
PREDICT-1是PREDICT研究計劃的第一階段，涉及1,000多名成年人（包括數百對雙胞胎），他們連續兩週受到監測，以發現他們對不同食物的反應。
參加者在醫院做了一個初始設置的一天，以便在吃了精心設計的套餐後進行詳細的血液測量和反應測試。 然後，他們按照套餐和自己自由選擇的食物安排在家中完成其餘的研究。 我們測量了各種營養反應和健康指標，從血糖，脂肪，胰島素和炎症水平到運動，睡眠和腸道細菌（微生物組）的多樣性。
通過使用可穿戴技術，這種詳細，持續的分析成為可能。 其中包括連續血糖監測儀和數字活動跟踪器，這意味著我們可以跟踪參與者的血糖和活動水平為24/7。 簡單的手指刺血測試也使我們能夠定期測量他們的血脂水平。
令人驚訝的結果
所有這些測量結果總計達數百萬個數據點，需要使用複雜的機器學習技術（一種人工智能）對其進行分析，以便發現模式並做出預測。
我們注意到的第一件事是，即使是同卵雙胞胎，同一餐的個體胰島素，血糖和血脂反應也存在很大差異。 例如，一個雙胞胎可能對吃碳水化合物有健康的反應，但對脂肪卻沒有，而另一對則相反。 立刻，這告訴我們我們都是獨一無二的，沒有完美的飲食或正確的飲食方式對每個人都有效。
遺傳學僅在決定我們對食物的反應中起次要作用的觀察結果還告訴我們，聲稱確定“基因的正確飲食”的簡單遺傳學檢測無效且具有誤導性。 奇怪的是，同卵雙胞胎隻共享同一腸道微生物物種的約三分之一，這可能有助於解釋營養反應的某些變化，也指出通過操縱微生物組來改善健康和體重的機會。
我們還發現進餐時間以個性化方式影響營養反應。 早餐時，同一頓飯在午餐時對某些人造成不同的營養反應。 但是在其他人中，這沒有什麼區別，這打破了神話，那就是正確的進餐時間對所有人都有效。
另一個令人驚訝的發現是，以卡路里，脂肪，碳水化合物，蛋白質和纖維（宏營養素或“宏觀”）為基礎的膳食組成也對營養反應具有高度個性化的影響。 例如，有些人對碳水化合物的處理要比脂肪好，而其他人的反應則相反。 因此，基於固定卡路里數或大量營養素比例的規定性飲食過於簡單，無法為所有人服務。
但是，儘管參與者之間存在很大差異，但是每個人對不同天在同一時間吃的相同飯菜的反應都非常一致。 這樣就可以 預測某人對食物的反應 基於他們潛在的新陳代謝知識。
炎症發現
有趣的是，我們發現即使在看似健康的人中，血液中的炎症分子水平也變化了多達十倍，而這些炎症標誌物的升高是 與對脂肪的不健康反應有關.
我們使用“飲食炎症”一詞來指代進食後引發的這些不健康的代謝作用。 反復出現由於過度血糖和脂肪反應而引起的飲食炎症與疾病風險增加有關，例如 心臟疾病, 2型糖尿病, 非酒精性脂肪肝 及 肥胖.
從更積極的角度來看，我們的研究結果表明，通過以更加個性化的方式飲食來避免餐後引發不健康的炎症反應，有可能改善體重管理和長期健康。
在體重方面，傳統上我們一直非常重視無法控制的因素，尤其是遺傳因素。 事實是，儘管遺傳起著重要作用，但許多重要因素會影響我們的新陳代謝，體重和健康狀況。 現在是時候擺脫過於籠統的指導方針，流行的飲食習慣和“一刀切”的所有計劃，而應開發出更具個性化，科學的營養方法，以了解並與我們的身體一起工作，而不是與他們對抗。
關於作者
Tim Spector，遺傳流行病學教授， 倫敦國王學院
books_food
