芬兰国家级及国际级女性运动员中，特定运动项目存在相对能量不足（Relative Energy Deficiency in Sport, REDs）风险的普遍程度

《Journal of Science and Medicine in Sport》：Sport-specific prevalence of relative energy deficiency in sport (REDs) risk among Finnish female national- and international-level athletes

　　M. Wynne-Ellis | A. Kuljukka | R.S. Mikkonen | A.C. Hackney | I. Heikura | J. Hulmi | M. Valtonen | J.K. Ihalainen
芬兰于韦斯屈莱大学运动科学系

**摘要**
**目的**
确定芬兰国家级和国际级女性运动员以及活跃的非运动员中相对能量缺乏（REDs）的风险及与运动相关的REDs指标的模式。

**方法**
对NoREDS（运动表现与营养）队列中女性基线数据进行了横断面比较，包括耐力运动（n=50）、速度与力量运动（n=50）、团队运动和间歇运动（n=37）以及习惯性活跃的非运动员（n=20）。

**结果**
总体而言，70%的参与者被归类为REDs风险较高。耐力运动员中的患病率为82%，而非耐力运动员中为65%，耐力运动员的REDs风险几率是其他群体的2.4倍。17.9%的耐力运动员存在严重的REDs风险，而非运动员中没有任何人被归类为最严重的类别。耐力运动员在与REDs相关的指标上也表现最差：30%有自我报告的闭经情况，48.9%的游离三碘甲状腺原氨酸水平较低，44%的静息代谢率比率较低。47.6%的耐力运动员和50%的速度与力量运动员有骨应力损伤，而其他组的这一比例低于20%。

**结论**
REDs风险在芬兰各级别的女性运动员中普遍存在，尤其在耐力、速度和力量运动中更为明显，这表明需要针对不同运动类型进行特定的REDs筛查和解读。

**引言**
相对能量缺乏（REDs）是一种综合征，其特征是生理和/或心理功能受损，与能量供应不足有关。
关于女性运动员中REDs相关指标的患病率估计范围从20%到80%不等，具体取决于所研究的运动类型和评估方法。
耐力运动员的REDs相关指标患病率通常较高，而团队运动的患病率较低。然而，由于能源需求、训练特点和方法学方法的差异，不同运动之间的直接比较仍具有挑战性。
尽管能量供应不足被认为是REDs的核心机制，但最新研究表明，类似的能量缺口可能导致不同个体的不同结果，这表明其他因素（如运动类型、训练负荷、心理压力和遗传因素）也可能起作用。

**方法细节**
REDs风险评估使用了四级别的REDs-CAT2框架（绿色=无/低风险；黄色/橙色/红色=有风险）。还描述性地检查了临床、激素、代谢和骨骼相关指标。使用ANOVA/Kruskal–Wallis检验和χ2检验来测试组间差异，并通过逻辑回归估计REDs风险几率。

**数据来源**
数据来自芬兰于韦斯屈莱大学进行的NoREDS（运动表现与营养）研究，该研究为期三年，涵盖388名国家级至国际级的男女运动员（16-35岁）。

**参考文献**
（此处应列出所有参考文献）总分范围为0到36分，分数越高表示饮食失调态度和身体形象问题越明显。建议使用≥15分的临界值来识别有临床饮食失调风险的个体。13 在本研究中，EDE-QS不是用于诊断饮食失调，而只是作为REDs-CAT2评估的一部分来筛查饮食失调行为。尽管REDS-CAT2模型基于完整的EDE-Q，但由于研究中使用了大量的问卷，因此选择了EDE-QS以减少参与者的负担。

食物日记和能量消耗
参与者通过在线食物日记应用程序（MealLogger，Wellness Foundry，赫尔辛基，芬兰）自我报告他们的食物摄入情况。参与者拍摄了所有的餐食、补充剂、饮料和零食，并就份量（用自己称体重或家庭测量方法）和质量（例如，品牌名称、脂肪百分比、糖分含量）进行了评论，持续了四天。能量和宏量营养素的摄入量使用国家营养数据库Fineli（芬兰国家健康与福利研究所，赫尔辛基）进行分析。对于缺失的数据，通过国家食物图谱和餐食照片进行了估算。在记录期间要求有一天的休息日。如果需要进一步澄清食物项目，会联系参与者。

每日身体活动通过同一应用程序自我报告，包括运动类型、持续时间、距离和强度（根据感知的努力程度或心率监测器数据）。运动能量消耗（EEE）使用Ainsworth Compendium中的特定活动MET值进行估算，29 并根据REE进行调整。因为食物日记是单独分析的，并且并非所有参与者都有测量的RMR，所以使用Cunningham公式30 根据DXA得出的瘦体重来估算REE：REE（千卡/天）= 500 + 22 × 瘦体重（千克）。运动能量消耗（EEE）计算公式为：REE × [(MET ? 1) × t / 24]，其中t是活动的持续时间（小时）。能量可用性（EA）计算公式为：(能量摄入量 ? EEE) / 无脂质量。能量摄入量来自食物日记，EEE来自自我报告的训练量和强度，无脂质量通过DXA评估。

2.2 统计分析
所有分析均在IBM SPSS Statistics 28版（IBM公司，阿蒙克，纽约，美国）中进行。双侧α值设为0.05。连续变量的分布假设通过Shapiro–Wilk检验和直方图/QQ图的视觉检查来确定；我们将p值>0.05解释为没有反对正态性的证据。正态分布的变量以平均值±标准差（95%置信区间）表示，非正态变量以n（%）或指定方式表示。

对于连续结果，当假设满足时，我们使用单因素方差分析（ANOVA）（Levene的齐性检验），并进行Bonferroni校正的事后检验，总体的p值设为<0.05。如果不符合正态性或同方差性，我们使用Kruskal–Wallis检验和Bonferroni校正的成对Mann–Whitney U检验。对于四组设计，六对比较的Bonferroni校正阈值是p≤0.0083。效应量分别用ANOVA的η2和Kruskal–Wallis的ε2表示，以及在适当情况下用Cohen's d表示。

使用Pearson的卡方独立性检验检查了四种REDs-CAT2风险类别在运动组间的分布。鉴于风险尺度的序数性质，我们还报告了线性相关性检验的趋势。当预期的单元计数<5时，我们使用似然比χ2和/或精确程序（Fisher–Freeman–Halton/Monte-Carlo，如适用）来确认结果。

为了回答描述性模式提出的问题，将运动类型重新编码为耐力型与非耐力型。我们首先使用Pearson的χ2和Fisher的精确检验比较了二元的REDs风险状态（“有风险”[黄色/橙色/红色] vs “无风险”[绿色]）。然后我们进行了二元逻辑回归，以REDs状态为因变量，运动类型（耐力=1，非耐力=0）为预测变量。结果以比值比（OR）和95%置信区间表示。

此外，我们通过排除使用激素避孕药的运动员进行了敏感性分析。原始运动员人数从156人减少到84人，其中36人是耐力运动员，48人是其他运动的运动员或非运动员。这些分析作为补充材料提供。

所有分析仅使用了可用的数据；对于某个变量有缺失数据的参与者，从该分析中逐个排除。没有进行数据插补。排除有超过10%核心REDs指标缺失的参与者后的敏感性检查得出了类似的结论。

3. 结果
3.1 基本特征
非运动员比速度/力量运动员略老，但差异显著（p=0.004）。耐力运动员比速度/力量运动员（p≤0.001）和团队/间歇运动员（p=0.007）体重更轻（表2）。

表2. 按运动组划分的运动员的描述性特征（平均值±标准差）
| 特征 | 耐力运动（n=50） | 速度/力量运动（n=50） | 团队/间歇运动（n=37） | 积极的非运动员（n=20） |
|------------|------------|--------------|--------------|---------------|
| 年龄（岁） | 22.3±4.3 | 22.3±3.7 | 26.4±3.8 | 23.8±5.6 |
| 身高（厘米） | 169.8±5.2 | 172.6±8.6 | 167.4±4.9 | 168.5±4.3 |
| 体重（千克） | 59.9±5.2 | 169.7±11.2 | 267.3±10.7 | 263.0±6.2 |
| BMI（千克/平方米） | 20.8±1.7 | 123.3±2.8 | 224.0±3.6 | 222.2±2.1 |
| 脂肪百分比 | 17.1±5.4 | 126.5±8.0 | 226.4±8.6 | 226.3±5.9 |
| 无脂质量（千克） | 50.0±4.5 | 52.0±8.3 | 249.6±4.4 | 47.1±5.3 |
| 使用激素避孕药 | 25% | 25% | 72% | 33% | 27% |
| 训练时间（小时/周） | 13.4±4.0 | 21.5±4.3 | 21.9±5.3 | 26.3±3.9 |
| 能量摄入量（千卡/天） | 2598±582 | 2127±517 | 2216±456 | 2096±360 |
| 能量可用性（千卡/千克无脂质量/天） | 39.2±12.3 | 132.3±9.4 | 235.5±8.1 | 38.1±9.6 |
| 脂肪摄入量（克/天） | 85±27 | 78±22 | 81±23 | 78±19 |
| 碳水化合物摄入量（克/天） | 319±77 | 125±72 | 223±61 | 232±44 |
| 蛋白质摄入量（克/天） | 112±27 | 120±41 | 110±38 | 94±18 |
| 膳食纤维摄入量（克/天） | 39±14 | 33±12 | 33±11 | 33±11 |

3.2 统计分析
所有分析均在IBM SPSS Statistics 28版（IBM公司，阿蒙克，纽约，美国）中进行。双侧α值设为0.05。连续变量的分布假设通过Shapiro–Wilk检验和直方图/QQ图的视觉检查来确定；我们将p值>0.05解释为没有反对正态性的证据。正态分布的变量以平均值±标准差（显示95%置信区间）表示，非正态变量以n（%）或指定方式表示。

对于连续结果，当假设满足时，我们使用单因素方差分析（ANOVA）（Levene的齐性检验），并进行Bonferroni校正的事后检验，总体的p值设为<0.05。如果不符合正态性或同方差性，我们使用Kruskal–Wallis检验和Bonferroni校正的成对Mann–Whitney U检验。对于四组设计，六对比较的Bonferroni校正阈值是p≤0.0083。效应量分别用ANOVA的η2和Kruskal–Wallis的ε2表示，以及在适当情况下用Cohen's d表示。

3.3 结果的进一步分析
使用Pearson的卡方独立性检验检查了四种REDs-CAT2风险类别在运动组间的分布。鉴于风险尺度的序数性质，我们还报告了线性相关性的趋势。当预期的单元计数<5时，我们使用似然比χ2和/或精确程序（Fisher–Freeman–Halton/Monte-Carlo，如适用）来确认结果。

3.4 至关指标的结果
根据描述性模式提出的先验问题，将运动类型重新编码为耐力型与非耐力型。我们首先使用Pearson的χ2和Fisher的精确检验比较了二元的REDs风险状态（“有风险”[黄色/橙色/红色] vs “无风险”[绿色】。然后我们进行了二元逻辑回归，以REDs状态为因变量，运动类型（耐力=1，非耐力=0）为预测变量。结果以比值比（OR）和95%置信区间表示。

此外，我们通过排除使用激素避孕药的运动员进行了敏感性分析。原始运动员人数从156人减少到84人，其中36人是耐力运动员，48人是其他运动的运动员或非运动员。这些分析作为补充材料提供。

3.5 敏感性分析
所有分析仅使用了可用的数据；对于某个变量有缺失数据的参与者，从该分析中逐个排除。没有进行数据插补。排除有超过10%核心REDs指标缺失的参与者的敏感性检查得出了类似的结论。

3.6 结果的讨论
3.6.1 基本特征
非运动员比速度/力量运动员稍老，但差异显著（p=0.004）。耐力运动员比速度/力量运动员（p≤0.001）和团队/间歇运动员（p=0.007）体重更轻（表2）。

表2. 按运动组划分的运动员的描述性特征（平均值±标准差）
| 特征 | 耐力运动（n=50） | 速度/力量运动（n=50） | 团队/间歇运动（n=37） | 积极的非运动员（n=20） |
|------------|------------|--------------|--------------|---------------|
| 年龄（岁） | 22.3±4.3 | 22.3±3.7 | 26.4±3.8 | 23.8±5.6 |
| 身高（厘米） | 169.8±5.2 | 172.6±8.6 | 167.4±4.9 | 168.5±4.3 |
| 体重（千克） | 59.9±5.2 | 169.7±11.2 | 267.3±10.7 | 263.0±6.2 |
| BMI（千克/平方米） | 20.8±1.7 | 123.3±2.8 | 224.0±3.6 | 222.2±2.1 |
| 脂肪百分比 | 17.1±5.4 | 126.5±8.0 | 226.4±8.6 | 226.3±5.9 |
| 无脂质量（千克） | 50.0±4.5 | 52.0±8.3 | 249.6±4.4 | 47.1±5.3 |
| 使用激素避孕药 | 25% | 25% | 72% | 33% | 27% |
| 训练时间（小时/周） | 13.4±4.0 | 21.5±4.3 | 211.9±5.3 | 26.3±3.9 |
| 能量摄入量（千卡/天） | 2598±582 | 2127±517 | 2216±456 | 2096±360 |
| 能量可用性（千卡/千克无脂质量/天） | 39.2±12.3 | 132.3±9.4 | 235.5±8.1 | 38.1±9.6 |
| 脂肪摄入量（克/天） | 85±27 | 78±22 | 81±23 | 78±19 |
| 碳水化合物摄入量（克/天） | 319±77 | 125±72 | 223±61 | 232±44 |
| 蛋白质摄入量（克/天） | 112±27 | 120±41 | 110±38 | 94±18 |
| 膳食纤维摄入量（克/天） | 39±14 | 33±12 | 33±11 | 33±11 |

3.6.2 两组间的统计学差异
基于（p<0.05），BMI在速度/力量和团队/间歇运动员中显著高于耐力运动员。耐力运动员的脂肪百分比显著低于所有其他组（所有三项比较均p<0.001）。所有运动员组的训练时间（每周小时数）都比非运动员多，其中耐力运动员报告的训练时间最长。耐力运动员的能量摄入量和碳水化合物摄入量显著高于所有其他组（两项均p<0.001）。非运动员使用激素避孕药的比例高于运动员。

3.6.3 REDs风险的流行情况
描述性上，82%（41/50）的耐力运动员、64%（32/50）的速度/力量运动员、67%（25/37）的团队/间歇运动员和65%（13/20）的非运动员被分类为REDs风险（黄色/橙色/红色）（图2）。严重风险（红色）发生在17.9%的耐力运动员、4.5%的速度/力量运动员、8.3%的团队/间歇运动员和0%的经常活动的非运动员中。

在第二次分析中，将运动类型分为耐力型与非耐力型。在这种二元比较中，82.0%（41/50）的耐力运动员有风险，而非耐力运动员中为65.4%（70/107）（见表3）。差异具有统计学意义（χ2=4.52，df=1，p=0.034）。二元逻辑回归证实了这种关联，耐力运动员的REDs风险（属于黄色、橙色或红色组）的概率大约是非耐力运动员的2.4倍（OR=2.41，95% CI=1.06–5.51，p=0.036）（见表4）。

表3. 耐力与非耐力运动员的REDs风险（二元分类）流行情况
| 组别 | 无风险（绿色）（n） | 有风险（黄色/橙色/红色）（n） |
|-------|------------|-------------|
| 耐力运动（n=50） | 94 | 18 |
| 非耐力运动（n=107） | 37 | 70 |
| 总计（n=157） | 146 | 117 |
| 统计检验：Pearson χ2（df=1，N=157）= 4.52，p=0.034 |
| Fisher's精确检验 = 0.036（双侧）。 |
| 二元逻辑回归：OR=2.41，95% CI=1.06–5.51，p=0.036。 |

表4. 不同类型运动中的REDs指标及风险比例
| 指标 | 耐力运动运动员 | 速度和力量运动员 | 团队和间歇运动员 | 经常活动的非在一项针对芬兰耐力运动员的专项研究中，77%的女性运动员（n=44）被归类为具有中等到高度的风险，这与我们研究中的耐力运动员群体观察到的高风险情况相当。在我们的研究中，REDs风险的总患病率为70.1%，但这种风险分布并不均匀，尤其在耐力运动员中更为明显。因此，我们的研究结果将之前针对耐力运动员的观察扩展到了更广泛的体育运动领域，并强调了进行特定运动项目的REDs筛查和风险解读的必要性。导致高风险的具体原因只能通过推测；然而，先前的研究表明，许多年轻的芬兰女性越野滑雪运动员没有摄入足够的能量和碳水化合物，且芬兰的耐力运动员可能缺乏相关的营养知识。将更年轻的运动员纳入研究样本也可能导致了这一高风险的结果。近五分之一的耐力运动员被归类为最高风险类别，而非运动员中则没有一人属于这一类别。众所周知，对体重敏感的运动项目，尤其是耐力项目，与非运动员群体相比，更容易出现饮食失调和追求苗条的倾向，这可能部分解释了这一发现。非运动员的平均EDE-QS评分也低于耐力运动员（3.3分对比4.9分），与非运动员中饮食失调行为的较低发生率一致。非运动员中没有出现严重病例可能部分反映了参与者的选择偏差，因为具有明显饮食失调症状或其他健康问题的个体可能不太可能自愿参加研究。相比之下，一些被归类为具有高度REDs风险的运动员仍在训练，甚至在为比赛做准备。这表明，在积极参与运动的运动员中，严重的REDs风险可能仍未被及时发现，因此需要系统性的筛查来更早地识别高风险个体。

除了正式的REDs-CAT2风险分类外，我们还考察了不同运动项目和经常进行体育活动的非运动员中的主要、次要及潜在的REDs相关指标。根据未使用激素避孕药的运动员的自我报告的月经史，耐力运动员中的闭经发生率最高（36%），其次是速度和力量型运动员（33.3%）以及团队和间歇训练运动员（16.7%），而非运动员中未观察到任何闭经病例。这些发现与先前的研究结果一致，即大约30%的女性耐力运动员存在某种形式的闭经。总体而言，我们的研究结果支持了先前关于体重敏感运动项目中闭经更为常见的证据。然而，在解释非运动员的数据时需要谨慎，因为大多数非运动员使用了激素避孕药，这限制了对与月经状态相关的指标的评估。排除使用激素避孕药的运动员后，耐力运动员与REDs风险之间的关联更为明显。在完整样本中，82.0%的耐力运动员和65.4%的非耐力运动员被归类为高风险，而在排除使用激素避孕药的运动员后的分析中，相应比例分别为83.3%和52.1%。排除激素避孕药后的分析中较高的比值比表明，如果将月经状态指标纳入REDs-CAT2评估，可能会提高风险检测的准确性。这种模式可能反映了在使用激素避孕药的运动员中REDs风险的检测率较低，也可能部分反映了耐力运动员使用激素避孕药的比率低于其他群体。

耐力运动员的T3水平、基础代谢率和胰岛素浓度低于其他组别，这与早期研究结果一致，这些发现与能量供应不足和骨骼健康状况较差有关。然而，在我们的数据中，耐力运动员的估计能量供应和碳水化合物摄入量却较高。速度和力量型运动员的T3浓度较高，骨骼健康指数也更好，尽管她们也有相似比例的骨骼应力损伤。尽管骨密度较高，但仍发生应力性骨折，这凸显了REDs的多因素性质，支持在临床实践中同时评估骨密度和骨骼应力损伤史的必要性。耐力运动员的静息心率也低于其他运动组和非运动员。虽然低静息心率可能是REDs的一个相关指标，但它也是高强度有氧训练的一个公认适应现象。这表明需要在特定的运动背景下解释这些生理发现，而不能孤立地看待。我们的研究结果表明，芬兰国家级和国际级的女性运动员中REDs风险普遍较高，尤其是在耐力运动员中。然而，计算的能量供应量在耐力组中最高。因此，在这种橫断面研究中，通过食物日记得出的能量供应量与REDs风险之间的关联并不明显。这可能表明，短期估计的能量供应量并不能完全反映REDs风险的复杂性，因为REDs风险可能是由多种因素共同作用的结果。如早期文献所讨论的，能量摄入的时间也可能影响生理结果。需要纵向研究来确定通过食物日记得出的能量供应量和相关营养数据在预测后续REDs风险方面的价值。

本研究存在一些局限性。由于REDs-CAT2工具旨在支持更广泛的临床诊断过程中的风险分类，我们的发现应被视为REDs风险及其相关指标的差异，而非REDs的明确诊断。此外，这种横断面设计无法排除其他可能导致个别指标变化的原因。月经状态是自我报告的，由于没有记录闭经的持续时间，我们无法区分长期闭经和短期闭经。此外，对于使用激素避孕药的组和未使用激素避孕药的组，REDs-CAT2的发现不可直接比较，因为月经状态在激素避孕药使用组中不是一个评估指标。血压是在仰卧位测量的，而通常在坐姿临床评估中使用的90/60毫米汞柱的阈值可能被低估，因此低血压可能被低估为一个潜在的REDs风险指标。由于参与是自愿的，并且对照组是通过广告招募的，因此无法排除选择偏差。自我报告的数据也可能受到报告偏见的影响，食物日记和能量供应量的估计可能无法准确反映一年中的日常饮食和训练情况。较小的子组规模可能限制了某些比较的统计效力，研究结果可能无法推广到其他女性群体或男性运动员。

该研究的优势在于使用了来自多个运动项目的国家级和国际级女性运动员的明确特征化的队列，这使得能够直接比较耐力、速度和力量型运动以及团队和间歇训练运动。我们还包括了年龄匹配的、经常进行体育活动的非运动员，这在REDs研究中较为罕见，并提供了超出竞技体育范围的背景信息。此外，结合自我报告、生理和生化指标的使用，使得能够多维度地评估REDs相关指标。

总体而言，这项研究进一步证明了REDs风险存在于各种运动项目中，但分布并不均匀。耐力运动员表现出最高的REDs风险和最不利的REDs相关指标特征，这强调了在REDs筛查和随访中特别关注这一群体的必要性。对于使用激素避孕药的运动员，应谨慎解读REDs-CAT2的分类结果，因为在这一组中无法以相同方式评估月经状态指标。此外，评估不应依赖于任何单一指标，因为骨骼应力损伤史和骨密度可以在不同运动项目中提供互补的信息。最后，一些REDs相关指标也出现在经常进行体育活动的非运动员中，这表明REDs风险不仅限于竞技体育；然而，这是否反映了非竞技体育中的REDs风险、某些指标的特异性不足，或者两者兼而有之，目前尚不确定，需要进一步研究。

MWE拥有所有数据的访问权限，进行了统计分析并起草了手稿。JKI对最终内容负主要责任。JKI、AK、RM、JH、AH、IH和MWE参与了研究的 conceptualization 和设计以及数据的收集。所有作者都对结果的解释做出了贡献，对手稿进行了关键内容的修订，并阅读并批准了最终版本。

本研究遵循了《赫尔辛基宣言》的标准，并得到了于韦斯屈莱大学伦理委员会的批准（编号：NoREDS 514/13.00.04.00/2021）。所有参与者在参与研究前都签署了书面知情同意书。

所有程序均符合《赫尔辛基宣言》的要求，并获得了于韦斯屈莱大学伦理委员会的批准（编号：NoREDS 514/13.00.04.00/2021）。