美国成年人通过天然食物来源摄入的膳食铁与腹主动脉钙化可能性之间的关联：一项基于人群的研究

《Food, Nutrition and Health》：Association between dietary iron intake from natural food sources and the likelihood of abdominal aortic calcification in US adults: a population-based study

　　摘要
背景
本研究旨在探讨饮食中铁摄入量与美国中老年成年人腹主动脉钙化（AAC）风险之间的关系。

方法
我们分析了2013-2014年全国健康与营养调查（NHANES）的数据。采用多元线性回归和逻辑回归模型来评估饮食中铁摄入量与AAC评分之间的关联，以及AAC和重度AAC的发生概率。为了探究潜在的非线性剂量-反应关系，我们进行了受限三次样条（RCS）建模。此外，还进行了分层分析和交互作用测试，以评估相关协变量的影响修饰作用。

结果
共有2640名参与者被纳入最终分析。平均AAC评分为1.47±0.14，AAC和重度AAC的患病率分别为27.79%和8.12%。观察到饮食中铁摄入量与AAC评分（β = -0.03；95% CI：-0.04至-0.02）以及重度AAC的发生概率（OR = 0.98；95% CI：0.95至0.99）之间存在负相关。值得注意的是，饮食中铁摄入量最高的三分位数组参与者，其平均AAC评分降低了0.56个单位（β = -0.56，95% CI：-1.24至-0.13），重度AAC的风险显著降低了60%（OR = 0.40，95% CI：0.20至0.81）。然而，未发现饮食中铁摄入量与AAC总体风险之间存在统计学上的显著关联。亚组分析和交互作用测试表明，AAC评分受到年龄、饮酒量和吸烟状态的显著影响。此外，中风病史与重度AAC风险增加显著相关。

结论
我们发现较高的饮食中铁摄入量与AAC评分和重度AAC风险呈负相关。我们的研究结果表明，临床医生需要关注有AAC风险患者的饮食中铁摄入量。

引言
血管钙化（VC）是指脂蛋白、钙、磷和其他矿物质成分在血管壁内的病理性积聚。这种情况主要影响主动脉瓣和冠状动脉，导致血管硬化[1, 2]。糖尿病（DM）、慢性肾病（CKD）和骨质疏松症患者特别容易发生VC[3, 4, 5]。许多研究表明，VC可能是心血管事件的预测指标[6, 7, 8]。近年来，腹主动脉钙化（AAC）作为VC的一个显著部位，引起了公众的广泛关注。在美国，成人中AAC的患病率为28.8%，而在85岁以上的人群中这一比例上升至96%[9, 10]。AAC是评估CKD患者心血管死亡风险的宝贵工具，并且是持续进行腹膜透析患者的预后标志物[11, 12, 13, 14]。Kaupplia评分是一种通过腰椎侧位X光图像量化和分级AAC的方法，能有效反映动脉钙化的严重程度[15]。较高的AAC评分表示更严重的钙化，这一评分系统在以往的研究中被广泛用于评估AAC的严重性[16, 17, 18]。铁是一种必需的微量元素，在多种细胞过程中起着关键作用，包括能量代谢、神经递质合成、线粒体电子传输、DNA合成和维持氧化还原平衡[19, 20, 21, 22]。有研究表明，饮食中铁摄入量与心血管事件风险呈负相关[23]。然而，饮食中铁摄入量与AAC之间的关联尚未得到充分研究。在此背景下，我们利用2013-2014年全国健康与营养调查（NHANES）的数据，探讨了饮食中铁摄入量与AAC评分以及发生AAC和重度AAC的可能性之间的潜在关系。

材料与方法
NHANES是一项全面的全国性横断面研究，旨在评估美国人群的健康和营养状况。其主要目的是提供关于全国个体整体健康状况的宝贵见解。该研究方案获得了国家卫生统计研究中心伦理审查委员会的批准，所有参与者均提供了书面知情同意书。NHANES采用了复杂的分层多阶段概率抽样设计，以确保样本能够准确反映美国人口的多样性。参与者接受了标准化的家庭访谈，并在移动检查中心进行了健康筛查，包括体检和实验室检测，以收集必要的健康数据。有关NHANES研究设计和数据收集方法的更多详细信息，请访问https://www.cdc.gov/nchs/nhanes/。

本研究利用2013-2014年NHANES调查的数据，探讨了饮食中铁摄入量与AAC之间的潜在关联。选择这一特定周期是因为它包含了饮食中铁摄入量和AAC评分的测量数据。AAC评分是通过双能X射线吸收测定法（DXA）扫描来评估的。为了保持一致性，40岁以下的参与者被排除在分析之外，因为DXA扫描仅针对40岁及以上的个体进行。最初共招募了10,175名参与者。排除40岁以下的参与者（n = 6,360）以及饮食中铁摄入量数据缺失（n = 771）或AAC评分数据缺失（n = 404）的参与者后，最终纳入了2,640名40岁及以上的符合条件的参与者（图1）。

图1
国家健康与营养调查（NHANES）2013-2014年样本选择流程图

饮食中铁摄入量的评估
所有NHANES参与者都完成了两次24小时饮食回顾访谈。第一次访谈在移动测试中心当面进行，第二次访谈在3至10天内通过电话完成。饮食中铁摄入量来自总营养摄入文件，其中包含所有食物和饮料的详细营养数据。在我们的分析中，我们使用了基于这两次回顾的平均饮食中铁摄入量。为了更准确地估计不受补充剂影响的天然食物来源的铁摄入量，我们排除了来自膳食补充剂和药物的铁摄入量。这种方法确保了对天然食物来源的铁摄入量进行更准确的评估，并符合以往NHANES研究的标准协议[24, 25, 26, 27, 28]。

腹主动脉钙化的评估
AAC的严重程度通过Kauppila等人开发的AAC评分系统进行评估。该评分是根据腰椎侧位X光图像计算得出的，评分范围为0到24，其中较高的评分表示钙化更严重。如果参与者的评分超过0，则认为其患有AAC。根据已有研究[29, 30, 31]，AAC评分达到6或更高的参与者被归类为重度AAC患者，而评分大于0但小于或等于6的参与者被归类为轻度AAC患者。

协变量
分析中纳入了多个协变量，包括年龄、性别、种族、教育水平、家庭贫困收入比（PIR）、体质指数（BMI）、糖化血红蛋白（HbA1c）、血清肌酐、血清尿酸、血清磷、血清钙、总胆固醇、甘油三酯、高密度脂蛋白（HDL）胆固醇、低密度脂蛋白（LDL）胆固醇、总能量摄入量，以及医疗历史因素，如高血压、糖尿病（DM）、中风、冠心病、尿白蛋白-肌酐比值（ACR）、估算的肾小球滤过率（eGFR）、饮酒量和吸烟状态。所有参与者的BMI分为<25、25-29.9和≥30 kg/m2，分别对应正常体重、超重和肥胖。高血压的定义基于自我报告的诊断，即舒张压≥90 mmHg、收缩压≥140 mmHg或使用降压药物[32]。糖尿病的诊断基于自我报告，在口服葡萄糖耐量测试中2小时血浆葡萄糖水平≥200 mg/dL、HbA1c水平≥6.5%、使用口服降糖药物或空腹血糖水平≥126 mg/dL[33]。有关这些变量的详细信息，请参阅网站www.cdc.gov/nchs/nhanes/。

统计分析
统计分析使用了适当的抽样权重，符合NHANES分析指南，以考虑复杂的多阶段集群调查设计。连续变量以均值和标准差的形式报告，而分类变量以百分比表示。通过加权Student's t检验（对于连续变量）和加权卡方检验（对于分类变量）来评估不同饮食中铁摄入量和AAC分组之间的差异。为了探讨饮食中铁摄入量与AAC之间的关系，我们采用多元线性回归分析AAC评分（连续结果），以及逻辑回归分析AAC风险（AAC评分>0）和重度AAC风险（AAC评分>6）（二分结果），并在三个模型中实施。模型1未进行协变量调整；模型2调整了性别、年龄和种族；模型3额外调整了性别、年龄、种族、教育水平、PIR、BMI、HbA1c、血清肌酐、血清尿酸、血清磷、血清钙、总胆固醇、甘油三酯、HDL胆固醇、LDL胆固醇、总能量摄入量、高血压、糖尿病、中风、冠心病、ACR、eGFR、饮酒量和吸烟状态。进行了亚组分析，以评估不同饮食中铁摄入量和AAC评分、AAC风险及重度AAC风险之间的关联，按年龄、性别、糖尿病、高血压、BMI、中风、饮酒量和吸烟状态等因素分层。包括一个交互项，以评估这些关联在亚组内的潜在异质性。为了探究潜在的非线性关系，我们采用了受限三次样条（RCS）分析，利用三个分段点灵活地考察饮食中铁摄入量与AAC评分以及重度AAC风险之间的关联。所有统计分析均使用R版本4.3.1（http://www.R-project.org, R Foundation）进行。统计显著性标准为p<0.05。

参与者基线特征
表1详细列出了纳入参与者的综合加权基线特征。分析共包括2,640名参与者，平均年龄为57.70±0.37岁。其中52.34%为女性，47.66%为男性。平均AAC评分为1.47±0.14，趋势显示随着饮食中铁摄入量的增加，AAC评分呈下降趋势。第一三分位组的AAC评分为1.96±0.27，第二三分位组为1.39±0.19，第三三分位组为1.09±0.10（P=0.02）。总体而言，参与者的AAC患病率为27.79%，其中8.12%的病例患有重度AAC。值得注意的是，饮食中铁摄入量最高的三分位数组患者的重度AAC发生率最低，为5.63%。

不同饮食中铁摄入量三分位数组在总胆固醇、甘油三酯水平、性别、种族、教育程度、BMI、高血压、中风史和吸烟状态方面存在显著差异（所有p<0.05）。与饮食中铁摄入量最低的组相比，饮食中铁摄入量较高的参与者患高血压和中风病史的可能性显著较低；他们更有可能是女性、非吸烟者，受教育程度较高，并且总胆固醇水平较低。在三个年龄分组中，未观察到年龄、血清肌酐、血清尿酸、血清磷、血清钙、HDL胆固醇、LDL胆固醇、HbA1c、ACR、eGFR、酒精摄入量、糖尿病（DM）和冠心病（所有p > 0.05）的统计学显著差异。表2展示了膳食铁摄入量与AAC评分之间的关系。我们的研究结果表明，较高的膳食铁摄入量与较低的AAC评分相关。这种相关性在各种模型中都显著存在：在原始模型中（β = ?0.03，95% CI：?0.05至?0.01，p = 0.01），在最小调整模型中（β = ?0.02，95% CI：?0.05至?0.03，p = 0.04），以及在完全调整模型中（β = ?0.03，95% CI：?0.04至?0.02，p = 0.04）。这些结果表明存在一致且稳定的负相关关系，即膳食铁摄入量每增加一个单位，AAC评分就会降低0.02个单位。此外，膳食铁摄入量最高的组别参与者平均AAC评分比最低组别低0.56个单位（β = ?0.56，95% CI：?1.24至?0.13，p = 0.01）。

在我们的未调整分析中（模型1），我们没有发现膳食铁摄入量与降低AAC风险之间存在显著关联（OR = 0.98，95% CI：0.96至1.00，p = 0.12）。即使在模型2和模型3中调整了潜在的混杂因素后，膳食铁摄入量仍然与AAC风险无统计学关联。在模型2中，比值比为0.98（95% CI：0.68至1.01，p = 0.12），在模型3中也是如此（0.98，95% CI：0.71至1.05，p = 0.14）（表3）。此外，对膳食铁摄入量与轻度AAC之间的相关性评估也未发现显著关联（补充表1）。在我们的重度AAC分析中，我们发现了膳食铁摄入量与发生重度AAC的可能性之间存在显著且统计学上显著的负相关关系（表4）。在原始模型和最小调整模型中，膳食铁摄入量较高的参与者发生重度AAC的可能性较低。具体来说，在模型1中，比值比为0.97（95% CI：0.95至1.00，p = 0.03），在模型2中也是如此（0.97，95% CI：0.94至1.00，p = 0.04）。经过全面调整后，我们观察到膳食铁摄入量每增加一个单位，重度AAC的风险降低2%（模型3：OR = 0.98，95% CI：0.95至0.99，p = 0.04）。此外，将膳食铁摄入量分为三个组别进行分析时，我们发现了显著的统计学关联。值得注意的是，膳食铁摄入量最高的组别参与者发生重度AAC的风险比最低组别降低了60%（OR = 0.40，95% CI：0.20至0.81，p = 0.01）。

为了进一步探讨膳食铁摄入量与AAC评分以及重度AAC风险之间的关系，我们进行了RCS分析（图2和图3）。我们的研究结果未发现膳食铁摄入量与AAC评分或重度AAC风险之间存在非线性关系（非线性相关性的P值=0.706）。为了进一步控制饮食模式的潜在混杂效应（特别是植物性饮食与肉类饮食），我们通过额外调整总膳食纤维摄入量进行了敏感性分析。调整后，负相关关系仍然显著：较高的膳食铁摄入量继续与较低的AAC评分（β = ?0.45，95% CI：?1.06至?0.16，P = 0.01）和降低的重度AAC风险（OR = 0.45，95% CI：0.21至0.96，P = 0.04）相关，这表明观察到的益处与同时摄入的纤维无关（补充表2）。

为了评估膳食铁摄入量与AAC之间的关联是否在整个群体中一致，并识别不同人群组中的潜在差异，我们根据年龄、性别、糖尿病、高血压、BMI、中风史、酒精摄入量和吸烟状况进行了亚组分析和交互作用测试（图4）。亚组分析证实了膳食铁摄入量与男性和女性的AAC评分及重度AAC风险之间的关联。结果显示，膳食铁摄入量对AAC评分（男性：β = ?0.015，95% CI：?0.052至0.021，P = 0.385；女性：β = 0.001，95% CI：?0.043至0.044，P = 0.967）或重度AAC风险（男性：OR = 0.976，95% CI：0.945至1.007，P = 0.118；女性：OR = 1.003，95% CI：0.936至1.075，P = 0.00925）的影响没有显著性别差异。在60岁及以上的个体、饮酒者（β = ?0.034，95% CI：?0.068至?0.001，P = 0.046）和当前吸烟者（β = ?0.052，95% CI：?0.099至?0.005，P = 0.031）中，观察到膳食铁摄入量与AAC评分之间的显著关系。交互作用测试显示年龄（P = 0.02）和酒精使用（P = 0.004）存在显著交互作用。然而，吸烟状况的交互作用不显著（P = 0.202）。这些结果共同表明，膳食铁摄入量与AAC评分之间的关联取决于年龄和酒精摄入量。在中风史的受试者中，注意到负相关关系（OR = 0.291，95% CI：0.267至0.318，P < 0.0001）（图5）。然而，交互作用项并未表明中风对膳食铁摄入量与重度AAC之间的关系有显著影响（P = 0.116）。鉴于样本量相对较小（n = 114）和交互作用测试不显著，这一发现应谨慎解读，并可能需要在更大的队列中进行验证。此外，我们的交互作用测试在其他分层中未发现显著差异，表明这种负相关关系不受性别、年龄、糖尿病、BMI、高血压、酒精使用或吸烟状况的显著影响（P > 0.05）。

在这项涉及2,640名参与者的横断面研究中，我们的研究结果表明，膳食铁摄入量较高的个体在AAC指数上的评分较低，并且与重度AAC的风险呈负相关。亚组分析和交互作用测试表明，膳食铁摄入量与AAC评分之间的关系显著依赖于年龄、酒精摄入量和吸烟状况等因素。这些结果建议临床医生应优先考虑对有AAC风险的患者增加膳食铁摄入量。我们注意到，在完全调整模型中，膳食铁摄入量最高组别与AAC评分之间的关联置信区间相对较宽（例如，表2，模型3）。这表明这一层面的统计精度有限，可能是由于高铁摄入量参与者数量较少或该亚组内的饮食报告差异较大。因此，尽管点估计显示了强烈的保护作用，但这种关联的确切程度应谨慎解读，并在更大规模的队列中验证。膳食铁摄入量与重度AAC之间的显著负相关与整体AAC（任何AAC）的零发现之间存在明显差异。这种模式可能反映了终点异质性。“整体AAC”将钙化程度轻微或初始的个体与疾病严重的个体合并在一起，如果膳食铁主要参与后期病理生理过程，可能会稀释特定关联。相比之下，重度AAC代表一种不同的、更晚期的表型，与显著更高的心血管和全因死亡率相关[34, 35]。因此，按严重程度分层可能更敏感地检测出临床意义上的差异。此外，这种差异表明可能存在阈值或阶段依赖性效应。血管钙化（VC）是一个动态过程，早期囊泡释放和炎症引发的启动可能与矿物质传播和成骨分化驱动的进展在机制上不同[36]。从生物学角度来看，充足的膳食铁摄入量可能对进展具有更显著的保护作用，可能是通过维持血管平滑肌细胞的表型并防止其转变为成骨细胞（晚期钙化的关键驱动因素）来实现的[37]。因此，铁的保护作用可能仅在结果限于“重度”疾病时才在统计学上显现，反映了钙化进展过程中的累积效应。最后，最近基于NHANES的分析在方法上支持了这一观点，这些分析通常将重度AAC（例如，AAC-24 > 6）视为一个独立的、更具体的实体，以捕捉高风险人群[38, 39]。未来的纵向研究需要结合重复成像来确认膳食铁摄入量是否具体调节钙化进程。

为了帮助解释，我们使用Kauppila AAC-24量表对AAC进行了量化，该量表半定量地评估L1-L4段主动脉前壁和后壁的钙化程度（共8个段），产生0到24的累积评分[15]。在这种情况下，最高组别中观察到的0.56个单位的AAC评分降低相当于整个AAC-24范围的约2.3%，大约是评分系统中一个等级增量的一半。鉴于队列的平均AAC评分为1.47，这种差异代表了平均AAC负担的约38%，即使绝对变化看起来很小，也表明了潜在的有意义的人群变化。重要的是，通过这种方法评估的AAC负担与随后的心血管发病率/死亡率和心肌梗死或中风的发生有关，独立于传统风险因素，支持了AAC严重程度变化的临床相关性[40]。此外，因为“重度AAC”（AAC-24 > 6）反映了高负担表型，最高铁摄入量组中的较低平均AAC评分与观察到的重度AAC风险降低方向一致。据我们所知，这是首次研究膳食铁摄入量与AAC之间的关系，表明较高的摄入量与AAC风险呈负相关。先前的研究强调了膳食铁和铁水平对心血管疾病（CVD）的影响。例如，Ma等人观察到膳食铁摄入量与脂质代谢指标（如总胆固醇与HDL胆固醇比率）之间存在负相关，后者是CVD的强预测因子[41, 42]。Chen等人发现，膳食铁摄入量增加与中国男性非病理性CVD和中风的发生率降低相关[23]。同样，较高的膳食铁摄入量与韩国成年人的中风和心肌梗死发病率降低相关[43]，Xu等人在美国女性中发现了膳食铁摄入量与中风风险之间的负相关[44]。Yin等人还报告了膳食铜、锌和铁摄入量与CVD风险的整体降低相关[45]。然而，Shi等人并未在中国成年人中发现铁相关饮食模式与CVD之间的显著关联[46]。鉴于心力衰竭患者中铁缺乏的高发率，膳食铁补充可能有助于预防心力衰竭发作[47, 48]。总膳食铁摄入量与血压之间存在负相关[49]，另一项研究强调了总膳食铁摄入量与高血压风险之间的负相关[50]。Zhang等人报告了低膳食铁摄入量与高血压之间的更强正相关，后者是CVD的独立风险因素[51]。在我们的研究中，我们观察到较高的膳食铁摄入量与较低的AAC评分和降低的重度AAC风险之间存在显著独立关系。这些发现表明膳食铁摄入量对心血管健康有积极影响。

膳食铁摄入量与AAC之间观察到的负相关背后的确切机制仍有待完全阐明。导致血管钙化（VC）的常见病理途径包括巨噬细胞募集、氧化应激、炎症细胞因子释放、活性氧水平升高以及线粒体功能障碍[52, 53]。铁对于超氧化物歧化酶、过氧化氢酶和谷胱甘肽过氧化物酶的活性至关重要，这些酶在调节细胞功能和氧化应激中起着关键作用[54, 55]。铁缺乏会损害细胞的氧化磷酸化和能量代谢[56]。值得注意的是，在一项针对慢性肾病（CKD）大鼠的研究中，补充铁盐可以减少肾脏组织的炎症和氧化应激，从而抑制与纤维化相关的信号通路的上调[57]。体外研究表明，铁可以通过铁蛋白和铁氧化酶的活性抑制无机磷酸盐诱导的人类主动脉平滑肌细胞的钙化和成骨细胞分化[58]。此外，铁还能减少Runt相关转录因子2（Runx2）在细胞核中的积累，降低骨钙素的分泌，并减少细胞对磷酸盐的摄取[59]。在存在钙化的情况下，铁可能通过诱导细胞自噬来防止磷酸盐诱导的钙沉积进一步进展[60]。动物研究表明，给尿毒症大鼠补充铁可以通过抑制磷酸盐转运蛋白-1的表达来减缓血管钙化的进展[61]。然而，确定补充疗法中的最佳铁剂量非常重要，以防止铁过载，因为铁过载可能会加剧氧化应激并可能促进血管钙化。这一方面需要未来进一步的研究。

我们的亚组分析显示，与40-60岁的人群相比，60岁及以上的参与者从饮食中摄入铁对动脉钙化（AAC）评分特别有益。血管钙化的关键风险因素包括年龄、性别、种族和病变部位。血管钙化的患病率随年龄增长而增加，被认为是一种与年龄相关的改变，并且在男性和女性之间存在差异，年龄增长成为男性血管钙化的独立风险因素[62]。60岁以上的人群通常会经历更高的氧化应激和炎症反应；因此，适量的铁摄入可能通过调节氧化还原平衡和减轻自由基对血管的损害来减缓钙化过程[63,64,65,66,67,68]。老年人血管内皮的功能下降可能会进一步加剧动脉钙化。鉴于铁是许多参与抗氧化防御和修复过程的细胞内酶反应的关键辅因子[69,70,71]，适量补充铁可能增强老年人的细胞代谢功能，减轻钙化对血管壁细胞的损害，并减缓动脉壁的钙化。

此外，我们的亚组分析表明，与不饮酒者相比，饮酒者从饮食中摄入铁对降低AAC评分更有效。鉴于亚组分析的探索性质以及潜在的混杂因素和暴露分类错误（自我报告的饮酒情况而没有详细的剂量/时间轨迹），这一观察结果应谨慎解读。尽管如此，先前的流行病学证据表明，饮酒可能与主动脉钙化有关，包括主动脉弓钙化，这强调了酒精相关的生物学机制可能与钙化途径相互作用，并导致观察到的关联性的异质性（例如，人群、剂量和共病背景）[72]。然而，这一发现从生物学上是合理的。最近的流行病学研究表明，轻度至中度的饮酒与较低的血管钙化患病率和进展有关[73, 74]。从机制上看，酒精与全身铁稳态密切相关。大量证据表明，饮酒可以抑制铁调素并改变铁调素-铁转运蛋白轴，从而增加肠道对铁的吸收和生物利用度[75, 76]。此外，在血管生物学的背景下，适量饮酒可能改善内皮功能和胰岛素敏感性，可能减轻血管平滑肌细胞的成骨分化[77, 78]。一项涉及33名心血管高风险男性的临床试验发现，适量饮用啤酒可能通过促进循环内皮祖细胞的产生来促进内皮修复[79]。此外，适量饮酒可能通过激活Akt/内皮一氧化氮合酶通路和抑制环氧化酶活性来减轻血管氧化损伤[80, 81]。酒精饮料中的非酒精成分，如多酚，也在减少促氧化剂和炎症因子、改善胰岛素抵抗、降低高敏C反应蛋白以及单核细胞、内皮粘附分子和脂质过氧化方面发挥着重要作用[82,83,84,85]。饮酒可能代表了饮食模式或其他未测量行为，两者之间的相互作用可能存在部分混杂。未来需要使用详细的饮酒指标（剂量、模式、持续时间）、铁状态生物标志物（铁蛋白、转铁蛋白饱和度、铁调素）和纵向钙化评估来验证这种效应修饰并明确因果关系。

铁的生物学作用在心血管和血管钙化的病理生理学中越来越被认为是一把“双刃剑”。一方面，铁对细胞稳态至关重要，是抗氧化酶（如过氧化氢酶、过氧化物酶）、线粒体呼吸以及对氧化还原平衡和能量代谢至关重要的铁硫簇蛋白的关键辅因子[21]。铁供应不足可能会损害抗氧化能力，从而增加氧化损伤、炎症和血管功能障碍的风险[86]。另一方面，有大量证据表明，铁过载会促进氧化应激和血管损伤。过量的易氧化铁可以通过芬顿反应催化羟基自由基的形成，诱导内皮功能障碍，激活炎症信号通路（如NF-κB通路），并驱动血管平滑肌细胞向成骨表型转化，这是血管钙化启动和进展的关键过程[87, 88]。事实上，诸如遗传性血色素沉着症或慢性铁过载等病理状态一直与动脉硬度和动脉粥样硬化有关[89, 90]。重要的是，通过考虑暴露情况和剂量范围，可以调和这些看似对立的效果。我们的研究评估了普通人群中来自天然食物来源的铁摄入量，其中摄入量大多在生理范围内，真正的病理性铁过载并不常见。

在这个生理范围内，较高的铁摄入量可能反映了铁的充足性，这有助于支持抗氧化防御和线粒体功能，而不是达到铁介导的氧化毒性的阈值[56, 91, 92]。这一框架有助于解释为什么我们观察到饮食中铁摄入量与AAC评分之间存在线性负相关（图2），而不是U形关系。首先，NHANES人群中饮食中铁摄入量的分布相对狭窄，与临床过载情况相比。其次，最近的证据表明，铁死亡（铁依赖性细胞死亡）和氧化损伤通常需要超生理水平的铁积累或铁处理蛋白（如铁蛋白、铁转运蛋白）的缺陷，而这些在缺乏遗传倾向的情况下不太可能仅由饮食驱动[93,94,95]。因此，在普通人群中，避免铁缺乏和维持强大的酶功能的好处似乎超过了饮食中铁过量的理论风险。未来的研究需要结合特定的铁状态生物标志物（如铁蛋白、转铁蛋白饱和度、铁调素）并包括具有更广泛暴露范围的人群，以确定是否存在一个关系可能逆转的阈值。

一个重要的解释问题是血红素铁和非血红素铁之间的区别。先前的研究表明，血红素铁（主要来自红肉/加工肉类）与不良的心脏代谢和心血管结果有关，而来自植物性和强化食品的非血红素铁可能表现出不同的模式。在西方混合饮食中，血红素铁通常只占总铁摄入量的约10-15%，尽管其吸收率较高[96,97,98,99]。相反，非血红素铁存在于植物性食品和强化谷物中，占西方饮食中总铁摄入量的大部分（>85%[100, 101]。与此一致，基于NHANES的美国饮食分析表明，总铁暴露主要由非血红素来源主导，整体生物利用度主要由非血红素铁和饮食因素决定[102]。同时，最近的证据支持加工和未加工红肉消费与心血管疾病（CVD）风险之间的正相关[103]。我们发现的总铁摄入量与AAC之间的负相关与已知的红肉/血红素铁的风险相反，这意味着我们的结果可能是由主要的非血红素铁部分或来自强化来源的铁所驱动的。为了严格测试这种效应是否仅仅是健康植物性饮食的代理指标，我们进行了敏感性分析，调整了饮食纤维的摄入量。无论纤维摄入量如何，保护性关联仍然存在，这加强了这样的假设：充足的铁供应本身，支持抗氧化酶功能和线粒体健康，可能会带来血管益处，这与富含植物的饮食的广泛效应不同。然而，由于NHANES饮食数据没有直接区分所有食品中的血红素铁和非血红素铁，我们无法完全排除特定食物来源的残余混杂。这是一个关键的限制，因为铁的来源与饮食模式（如红肉/加工肉类与植物性/强化食品）密切相关，这些可能具有独立的血管效应。鉴于有证据将红肉消费与更高的CVD风险联系起来，不能排除铁类型和饮食模式的残余混杂。未来需要使用精确的铁摄入量指标（剂量、模式、持续时间）、铁状态生物标志物（铁蛋白、转铁蛋白饱和度、铁调素）和纵向钙化评估来验证这种效应修饰并明确因果关系。

铁的生物学作用在心血管和血管钙化的病理生理学中越来越被认为是一把“双刃剑”。一方面，铁对细胞稳态不可或缺，是抗氧化酶（如过氧化氢酶、过氧化物酶）、线粒体呼吸以及对氧化还原平衡和能量代谢至关重要的铁硫簇蛋白的关键辅因子[21]。铁供应不足可能会损害抗氧化能力，从而增加氧化损伤、炎症和血管功能障碍的风险[86]。另一方面，我们有大量证据表明，铁过载会促进氧化应激和血管损伤。过量的易氧化铁可以通过芬顿反应催化羟基自由基的形成，诱导内皮功能障碍，激活炎症信号通路（如NF-κB通路），并驱动血管平滑肌细胞向成骨表型转化，这是血管钙化启动和进展的关键过程[87, 88]。事实上，诸如遗传性血色素沉着症或慢性铁过载等病理状态一直与动脉硬度和动脉粥样硬化有关[89, 90]。重要的是，通过考虑暴露情况和剂量范围，可以调和这些看似对立的效果。我们的研究评估了普通人群中来自天然食物来源的铁摄入量，其中摄入量大多在生理范围内，真正的病理性铁过载并不常见。

在这个生理范围内，较高的铁摄入量可能反映了铁的充足性，这有助于支持抗氧化防御和线粒体功能，而不是达到铁介导的氧化毒性的阈值[56, 91, 92]。这一框架有助于解释为什么我们观察到饮食中铁摄入量与AAC评分之间存在线性负相关（图2），而不是U形关系。首先，NHANES人群中饮食中铁摄入量的分布相对狭窄，与临床过载情况相比。其次，最近的证据表明，铁死亡（铁依赖性细胞死亡）和氧化损伤通常需要超生理水平的铁积累或铁处理蛋白（如铁蛋白、铁转运蛋白）的缺陷，而这些在缺乏遗传倾向的情况下不太可能仅由饮食驱动[93,94,95]。因此，在普通人群中，避免铁缺乏和维持强大的酶功能的好处似乎超过了饮食中铁过量的理论风险。未来的研究需要结合特定的铁状态生物标志物（如铁蛋白、转铁蛋白饱和度、铁调素）并包括具有更广泛暴露范围的人群，以确定是否存在一个关系可能逆转的阈值。

一个重要的解释问题是血红素铁和非血红素铁之间的区别。先前的研究表明，血红素铁（主要来自红肉/加工肉类）与不良的心脏代谢和心血管结果有关，而来自植物性和强化食品的非血红素铁可能表现出不同的模式。在西方混合饮食中，血红素铁通常只占总铁摄入量的约10-15%，尽管其吸收率较高[96,97,98,99]。相反，非血红素铁存在于植物性食品和强化谷物中，占西方饮食中总铁摄入量的大部分（>85%[100, 101]。与此一致，基于NHANES的美国饮食分析表明，总铁暴露主要由非血红素来源主导，整体生物利用度主要由非血红素铁和饮食因素决定[102]。同时，最近的证据支持加工和未加工红肉消费与CVD风险之间的正相关[103]。我们发现的总铁摄入量与AAC之间的负相关与已知的红肉/血红素铁的风险相反，这意味着我们的结果可能是由主要的非血红素铁部分或来自强化来源的铁所驱动的。为了严格测试这种效应是否仅仅是健康植物性饮食的代理指标，我们进行了敏感性分析，调整了饮食纤维的摄入量。无论纤维摄入量如何，保护性关联仍然存在，这加强了这样的假设：充足的铁供应本身，支持抗氧化酶功能和线粒体健康，可能会带来血管益处，这与富含植物的饮食的广泛效应不同。然而，由于NHANES饮食数据没有直接区分所有食品中的血红素铁和非血红素铁，我们无法完全排除特定食物来源的残余混杂。这是一个关键的限制，因为铁的来源与饮食模式（如红肉/加工肉类与植物性/强化食品）密切相关，这些可能具有独立的血管效应。鉴于有证据将红肉消费与更高的CVD风险联系起来，不能排除铁类型和饮食模式的残余混杂。未来需要使用精确的铁摄入量指标来进行研究。

这项研究有几个显著的优点。首先，它使用了NHANES数据，这是一个具有强大样本量和严格参与者选择过程的全国代表性人群样本。此外，还实施了细致的协变量调整，以减轻混杂偏差，从而提高了我们发现的可信度。然而，也应承认这项研究的几个局限性。首先，尽管我们调整了广泛的人口统计、社会经济、生活方式、代谢、肾脏和心血管因素，但不能排除残余混杂的可能性。特别是，关于药物使用的详细信息，如他汀类药物、抗高血压药物、铁补充剂或其他可能影响血管钙化或铁代谢的药物，并没有全面纳入模型中，这可能影响了观察到的关联。此外，未测量或测量不准确的共病也可能导致残余偏差。其次，饮食中铁摄入量是使用单一的24小时饮食回忆法来评估的，这可能无法准确反映长期的习惯性摄入量，因为存在日间变化和回忆偏差。尽管NHANES的24小时回忆方法在营养流行病学中是标准化和广泛使用的，但通常的饮食铁暴露分类是不可避免的，可能会减弱真实的关联。第三，NHANES的横断面设计排除了推断饮食中铁摄入量与AAC之间的时间或因果关系。虽然我们的发现表明存在负相关，但不能排除反向因果关系，需要纵向研究来澄清饮食中铁摄入量是否随时间影响血管钙化的进展。第四，由于NHANES的研究设计，AAC仅在≥40岁的成年人中进行了评估，因为DXA基础的AAC测量没有在年轻参与者中进行。因此，我们的发现对40岁以下成年人的普遍性有限，饮食中铁摄入量在血管钙化早期阶段的潜在作用仍不清楚。最后，还有其他需要考虑的局限性。Kauppila AAC评分虽然经过验证并被广泛使用，但它不能区分内膜和中间层的钙化，这两者可能有不同的病理生理学意义。此外，个体之间的铁生物利用度和吸收差异也没有直接测量。我们也无法区分血红素铁和非血红素铁的摄入量；然而，在西方和东方饮食中，非血红素铁占总饮食铁摄入量的大部分[104]。

结论

我们观察到，较高的饮食中铁摄入量与AAC评分和严重AAC的风险呈负相关。我们的发现表明，临床医生需要关注有AAC风险的患者的饮食中铁摄入量。此外，还需要进一步的前瞻性研究来验证我们发现的有效性。