分层个体异质性与判别精度分析（MAIHDA）：理解肥胖风险如何随多重生活方式行为建议的组合而变化

为何日常习惯要放在一起看

我们大多数人都听过常见建议：多吃蔬菜、保持活动、保证充足睡眠、适度饮酒并远离香烟。但在现实生活中，这些习惯并非单独发生——它们常常成簇出现。本研究提出了一个简单却有力的问题：当同时考虑多项生活方式习惯时，某些特定组合会不会显著改变一个人的肥胖风险，还是这些影响主要只是简单相加？

在真实生活中观察多种习惯

研究人员利用来自英国生物样本库（UK Biobank）超过26万名成年人（年龄40–69岁）的数据。对每位参与者，研究关注了五种日常行为：水果和蔬菜摄入、体育活动、睡眠时长、酒精消费和吸烟状况。在其中四项中，他们按国家指南对是否达标进行编码——例如，每晚7–9小时睡眠、每周足够的身体活动、酒精摄入控制在推荐限度内、以及每天至少五份水果和蔬菜。吸烟则分为当前吸烟者、既往吸烟者和从不吸烟。通过将这些简单的二元（或三分）类别组合起来，他们构建了48种不同的“生活方式轮廓”，例如一个既有良好睡眠、积极运动、适度饮酒、摄入足够蔬果且从未吸烟的人，与一个大多数建议都没达标且曾经吸烟的人形成对比。

观察风险模式的新方法

为了解这些生活方式轮廓与体型的关系，研究团队采用了一种统计框架，称为分层个体异质性与判别精度分析（MAIHDA）。MAIHDA不同于单独考察每一项习惯的方法，它将每一种生活方式轮廓视为一个群组，并提出两个问题。首先，有多少BMI和肥胖的变异是由这些生活方式群组之间的差异造成的，而有多少是同一群组内个体之间的差异？其次，是否存在某些行为组合产生额外的“交互”效应，使整体效应大于（或小于）各部分之和？研究者分别对男女建立模型，逐步加入生活方式习惯和背景因素，如年龄、区域水平的贫困程度、族裔和就业状况。

更多健康习惯，较低的肥胖风险

这些模式极为一致。无论男女，平均BMI最低且肥胖概率最低的生活方式轮廓，往往是那些满足大多数或全部建议的轮廓。例如，男性中既往不吸烟、积极运动、每晚睡7–9小时、酒精控制在限度内并摄入足够水果蔬菜的人，其预测BMI最低，且患肥胖的概率约为三分之一。反之，在那些未达成大多数建议且为既往吸烟者的群体中，预测BMI大约高出4–5个单位，肥胖概率接近五分之四。跨性别比较显示，肥胖风险最低的轮廓几乎总是包含达到体育活动和睡眠指南，这表明这些行为是维持更健康体重的关键支点。

大多是相加效应，而非特殊组合

人们可能预期某些生活方式组合——比如睡眠不足加重度饮酒——会以某种方式相互作用，从而大幅放大肥胖风险。但MAIHDA的结果描绘出更为实际的图景。仅有一小部分BMI和肥胖风险的差异可以归因于人们属于哪一种生活方式轮廓。相反，大部分变异来自同一轮廓内的个体差异，这反映了诸如工作负担、社区环境或本研究未捕捉到的详细饮食模式等其他影响因素。当研究者将每项生活习惯作为独立因素考虑后，不同轮廓之间剩余的差异显著缩小。这一模式表明这些行为的影响主要是相加的：你每多达成一项指南，风险就朝更健康的方向轻微移动，但几乎没有证据显示存在强大的“超级组合”效应。仅有一个小群体——目前吸烟但仅达到体育活动指南的男性——显示出明确的真实交互效应迹象。

这对日常选择意味着什么

对普通读者而言，这项研究的信息令人耳目一新且直截了当。肥胖风险并不依赖于某种神秘的、完美的生活习惯组合。相反，每一项健康选择——保持活动、摄入充足水果和蔬菜、保证足够睡眠、限制酒精、不吸烟——都各自带来有益影响。你达成的建议越多，平均BMI越低，患肥胖的可能性也越小。与此同时，同一生活方式轮廓内个体之间存在的大差异提醒我们，更广泛的环境与生活境遇也起着重要作用。不过，这项研究表明稳步累积健康习惯——一项一项地达成指南——是将概率朝有利方向改变的现实、循证方法。

引用: Swain, A., Pearson, N., Willis, S.A. et al. Multilevel analysis of individual heterogeneity and discriminatory accuracy (MAIHDA) to understand how obesity risk varies according to multiple lifestyle behavior recommendations. Int J Obes 50, 819–829 (2026). https://doi.org/10.1038/s41366-025-02010-1

关键词: 肥胖, 生活方式行为, 体育活动, 睡眠, BMI