**摘要**
**背景**
尽管主要的临床实践指南认可膳食豆类有助于降低胆固醇和冠心病风险，但其摄入量仍然较低。目前没有任何豆类产品被明确标注具有降低胆固醇的健康功效，这可能会影响其普及。因此，我们进行了系统评价和剂量-反应荟萃分析，以研究不同类型的全豆类膳食对血脂指标的影响。
**方法**
我们检索了截至2025年3月的MEDLINE、Embase和Cochrane图书馆中的随机对照试验，筛选出持续时间≥3周的研究。主要结局指标是低密度脂蛋白胆固醇（LDL-C）。次要结局指标包括其他血脂指标。独立评审员提取数据并评估偏倚风险。证据确定性通过“推荐分级、评估与发展”（GRADE）方法进行评估。
**结果**
共纳入38项试验（52个试验对比，n=2095），平均干预时间为6周，每日摄入量为130克（0.5–0.67杯）。结果显示，全豆类膳食可降低LDL-C（平均差异为-0.14 mmol/L [95% CI, -0.19至-0.08]）、非高密度脂蛋白胆固醇（-0.22 mmol/L [95% CI, -0.30至-0.14]）和载脂蛋白B（apoB）（-0.08 g/L [95% CI, -0.13至-0.03]）水平，但对其他血脂指标无显著影响。按豆类类型分析结果相似。对于豆类，每日摄入量不超过1杯时，LDL-C和非高密度脂蛋白胆固醇与摄入量呈线性负相关（系数分别为-0.25 mmol/L/0.5杯 [95% CI, -0.48至-0.02]和-0.45 mmol/L/0.5杯 [95% CI, -0.71至-0.18]）。除apoB外，所有结局的推荐分级均为中等到高。
**结论**
全豆类膳食可能对血脂指标产生小幅但重要的降低作用，但对高密度脂蛋白胆固醇的影响较小。不同类型的豆类具有相似的效果，且每日摄入量不超过1杯时呈现剂量-反应负相关关系。未来有必要进一步研究鹰嘴豆、干豌豆和扁豆的作用。
**注册信息**
网址：https://www.crd.york.ac.uk/PROSPERO/view/CRD42023432826；唯一标识符：CRD42023432826
**非标准缩写和缩略词**
GRADE：推荐分级、评估与发展（Grading of Recommendations, Assessment, and Development）
MD：平均差异（Mean Difference）
MID：最小重要差异（Minimally Important Difference）
ROB：偏倚风险（Risk of Bias）
**临床意义**
• 最新的系统评价和荟萃分析表明，全豆类膳食可降低LDL-C、非高密度脂蛋白胆固醇和载脂蛋白B，证据确定性为中等，且不同类型的豆类效果相似。
• 对于豆类，每日摄入量不超过1杯时，LDL-C和非高密度脂蛋白胆固醇与摄入量呈线性负相关。
**临床启示**
我们的研究结果强调了豆类膳食对血脂指标的益处，支持相关健康声明和公共卫生建议，有助于推动临床实践指南的落实，从而鼓励人们增加豆类摄入以降低心血管疾病风险。
心血管疾病（CVD）仍是加拿大乃至全球的主要死亡原因和医疗系统负担。LDL-C是动脉粥样硬化性心血管疾病的致病因素，也是CVD的主要风险因素。然而，高风险人群往往难以达到血脂目标，原因包括他汀类药物效果不佳、副作用、用药依从性差和治疗惰性。主要营养治疗指南推荐以植物性食物和植物性蛋白质为主的饮食模式来降低心血管风险。大豆蛋白（每日25克）和坚果（每日42克或1.5盎司）被标注具有降低胆固醇和冠心病风险的功效，而豆类则没有此类标注。食品标签可影响消费者选择，是促进营养素摄入的关键策略。根据联合国粮食及农业组织的数据，全球人均豆类摄入量仅为每天21克，过去30年没有显著变化。如果豆类具有明确健康功效，其摄入量有望增加。
豆类属于豆科植物中的非油性种子，如干豆、干豌豆、鹰嘴豆和扁豆。传统研究表明，全豆类食品对心血管健康有益。先前的系统评价和荟萃分析显示，每天摄入130克（约半杯）豆类可显著降低LDL-C 0.17 mmol/L。自该荟萃分析发表以来，膳食指南越来越重视植物性食物，相关随机对照试验也越来越多。为制定更完善的心血管疾病指南和健康声明，我们进行了这项研究。
**参考文献**
（具体参考文献信息请参见原文链接）如果一项研究的排除导致结果的异质性增加，或者效应的显著性、方向或幅度变化超过了每个结局的最小重要差异（MID）（预先指定为LDL-C、非HDL-C、HDL-C和甘油三酯为0.1 mmol/L [5%]，apoB为0.04 g/L），则认为该研究具有影响力。12, 40, 41, 42 为了确定总体结果是否对不同的荟萃分析方法（随机效应与固定效应）以及交叉试验中的不同相关系数具有鲁棒性，我们分别使用了固定效应（对于包含超过5项研究的结局）以及相关系数为0.25和0.75进行了敏感性分析。当有≥10项研究时，我们使用随机效应荟萃回归（显著性水平P<0.05）43, 44 来探讨研究间异质性的来源，并逐一考虑了以下调节因素：脉冲类型、膳食脉冲的剂量、脉冲蛋白质能量、脉冲纤维能量（g/1000 kcal）、脉冲加工方法（干燥、罐装、制成食品、烘焙食品）、参与者健康状况、性别、年龄、降胆固醇药物的使用情况、基线结局、对照组、随访持续时间（≤12周、>12周）、研究设计（交叉设计、平行设计）、干预措施相对于基础饮食的能量平衡（正向、中性或负向）、能量水平（替代、添加）、干预组和对照组之间的饱和脂肪和纤维含量差异、MD类型（从基线的变化、最终差异）、资金来源以及ROB领域。我们使用荟萃回归分析来分类和连续评估每个亚组的显著性（在适用的情况下）。当有≥6项研究时，我们使用广义最小二乘趋势估计模型和样条曲线建模（MKSPLINE程序）来评估线性和非线性剂量-反应关系。这些模型假设误差呈正态分布，并且样条曲线在各个区间内是平滑连续的。根据Harroll的原则45，在观察到的剂量分布的第15、50和95百分位数处放置样条曲线的节点。这种方法允许灵活的非线性关联，同时保持尾部的线性。对于包含多个剂量比较的研究，模型考虑了同一研究内剂量水平之间的相关性，同时将不同研究的估计值视为独立的。当有≥10项研究时，我们通过观察增强轮廓的漏斗图并进行Egger和Begg检验（由于这些检验的统计功效有限，显著性水平为P<0.10）46, 47, 48 来评估小样本效应（发表偏倚）的存在。如果存在小样本效应的证据，我们通过调整漏斗图的不对称性并使用Duval和Tweedie的trim-and-fill方法49 来量化潜在的发表偏倚或其他不对称性的大小。尽管Egger和Begg检验以及trim-and-fill方法在包含的研究较少时统计功效有限且噪声较高，但这些正式的检验方法得到了漏斗图观察的支持，并在Cochrane手册中推荐使用。22亚组分析没有进行多重检验校正，应将其视为探索性分析。
证据的确定性我们使用GRADE方法和软件（GRADEpro GDT，麦克马斯特大学和Evidence Prime）50 来评估证据的确定性。两位独立审稿人（S.B.、S.Y.）进行了GRADE评估，任何分歧由资深作者（L.C.）通过共识或仲裁解决。证据被评定为高确定性、中等确定性、低确定性或非常低确定性。最初，随机对照试验默认被评定为高确定性，然后根据预先指定的标准进行降级或升级。降级证据的原因包括ROB（使用Cochrane ROB工具评估）、不一致性（显著且无法解释的研究间异质性，定义为I2 ≥50% 和 PQ<0.10）、间接性（限制结果普遍性的因素的存在）、不精确性（效应估计的95% CI与MID重叠或敏感性分析缺乏鲁棒性）以及发表偏倚（存在小样本效应的显著证据）。升级证据的原因包括存在支持汇总效应估计方向的显著剂量-反应梯度。51, 52, 53, 54, 55, 56 我们根据GRADE指南57, 58, 59 使用预先指定的MIDs和效应大小类别来评估汇总估计的重要性，具体如下：大效应（≥5× MID）；中等效应（≥2× MID）；小而重要的效应（≥1× MID）；微不足道的/不重要的效应（<1 MID）。
**结果**
图1概述了我们的系统搜索结果，表S4列出了从搜索中获取的所有研究及其在每个审查阶段被排除的原因。我们从系统搜索中识别出4934份报告，其中4599份因标题或摘要被排除。在全面审查的335份报告中，有38项研究符合我们的纳入标准。这38项研究提供了52项试验比较的数据（LDL-C 49项，非HDL-C 51项，HDL-C 52项；甘油三酯49项，apoB 3项），涉及2095名参与者。60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97
**图1. 整体膳食脉冲对血脂影响的文献流程图。**
apoB表示载脂蛋白B；HDL-C表示高密度脂蛋白胆固醇；LDL-C表示低密度脂蛋白胆固醇；非HDL-C表示非高密度脂蛋白胆固醇。
**试验特征**
表1和表S5描述了纳入研究的特征。LDL-C、非HDL-C、HDL-C和甘油三酯试验的参与者中位数人数为23至28人（范围从5人到150人）；apoB试验的参与者中位数人数为25人（范围从20人到114人）。参与者包括患有或未患2型糖尿病或高胆固醇的成年人。男性和女性成年人的比例大致相等。LDL-C、非HDL-C、HDL-C和甘油三酯的参与者中位年龄为52岁（范围从21岁到64岁），apoB的参与者中位年龄为37岁（范围从26岁到48岁）。大多数试验在门诊环境中进行（88–100%），其中大部分在美国（16项）和加拿大（13项）进行，其次是伊朗（7项）、新西兰（6项）、墨西哥（2项）、英国（2项）、巴基斯坦（2项）、新加坡（1项）和南非（1项）。大多数试验采用交叉设计（53%–67%），喂养控制主要是补充剂（56%–59%），其次是代谢干预（22%–27%）、饮食建议（14%–16%）以及代谢干预和饮食建议的结合（2%）。所有apoB的研究都使用了补充剂。整体膳食脉冲的中位剂量为每天130克（范围从24克到377克），apoB为每天90克（范围从90克到253克）。试验中使用的脉冲类型主要是豆类（LDL-C、非HDL-C、HDL-C和甘油三酯中占54%–57%，apoB中占66%），以及混合来源（LDL-C、非HDL-C、HDL-C和甘油三酯中占22%–27%，apoB中占33%），少数研究使用扁豆（6%）、鹰嘴豆（2%）和豆类混合物（大豆和膳食脉冲的混合物）（8%）。对于LDL-C、非HDL-C、HDL-C和甘油三酯的试验，膳食脉冲以整粒形式、罐装形式提供（47%–51%），其次是整粒罐装调味脉冲（14%）、提取后制成食品和混合加工（12%–18%），以及少量烘焙食品和整粒干燥形式（2%–6%）。对于apoB的试验，膳食脉冲以整粒形式、烘焙食品形式、提取后制成食品或混合加工形式提供。LDL-C、非HDL-C、HDL-C和甘油三酯试验的对照组主要是常规饮食（37%–39%）或碳水化合物（27%–29%），其次是动物蛋白和蔬菜（8%–10%）、其他饮食模式（DASH饮食、高血糖指数饮食、低碳水化合物饮食）或其他或混合对照组（2%–6%）。所有apoB的研究都将脉冲干预与常规饮食进行了比较。大多数试验表明，对照组的给药形式和热量贡献与干预组相匹配（LDL-C、非HDL-C、HDL-C和甘油三酯中为98%；apoB中为66%）。随访的中位时间为6周（范围从3周到52周），apoB为6周（范围从4周到16周）。试验的资金来源包括机构和行业（LDL-C、非HDL-C、HDL-C和甘油三酯中占44%–47%；apoB中占33%），其次是机构（31%–33%），行业（LDL-C、非HDL-C、HDL-C和甘油三酯中占14%–18%；apoB中占33%），少数未报告（各结果中占0%–6%）。
**表1. 评估整体膳食脉冲对血脂影响的纳入研究特征总结**
**亚组分析未进行多重检验校正，应视为探索性分析。**
**证据的确定性**
我们使用GRADE方法和软件（GRADEpro GDT，麦克马斯特大学和Evidence Prime）50 来评估证据的确定性。两位独立审稿人（S.B.、S.Y.）进行了GRADE评估，任何分歧由资深作者（L.C.）通过共识或仲裁解决。证据被评定为高确定性、中等确定性、低确定性或非常低确定性。最初，随机对照试验默认被评定为高确定性，然后根据预先指定的标准进行降级或升级。降级证据的原因包括ROB（使用Cochrane ROB工具评估）、不一致性（显著且无法解释的研究间异质性，定义为I2 ≥50% 和 PQ<0.10）、间接性（限制结果普遍性的因素的存在）、不精确性（效应估计的95% CI与MID重叠或敏感性分析缺乏鲁棒性）以及发表偏倚（存在小样本效应的显著证据）。升级证据的原因包括存在支持汇总效应估计方向的显著剂量-反应梯度。51, 52, 53, 54, 55, 56 我们根据GRADE指南57, 58, 59 使用预先指定的MIDs和效应大小类别来评估汇总估计的重要性，具体如下：大效应（≥5× MID）；中等效应（≥2× MID）；小而重要的效应（≥1× MID）；微不足道的/不重要的效应（<1 MID）。
**搜索结果**
图1概述了我们的系统搜索结果，表S4列出了从搜索中获取的所有研究及其在每个审查阶段被排除的原因。我们从系统搜索中识别出4934份报告，其中4599份因标题或摘要被排除。在全面审查的335份报告中，有38项研究符合我们的纳入标准。这38项研究提供了52项试验比较的数据（LDL-C 49项，非HDL-C 51项，HDL-C 52项；甘油三酯49项，apoB 3项），涉及2095名参与者。60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97
**图1. 整体膳食脉冲对血脂影响的文献流程图。**
apoB表示载脂蛋白B；HDL-C表示高密度脂蛋白胆固醇；LDL-C表示低密度脂蛋白胆固醇；非HDL-C表示非高密度脂蛋白胆固醇。
**试验特征**
表1和表S5描述了纳入研究的特征。LDL-C、非HDL-C、HDL-C和甘油三酯试验的参与者中位数人数为23至28人（范围从5人到150人）；apoB试验的参与者中位数人数为25人（范围从20人到114人）。参与者包括患有或未患2型糖尿病或高胆固醇的成年人。男性和女性成年人的比例大致相等。LDL-C、非HDL-C、HDL-C和甘油三酯的参与者中位年龄为52岁（范围从21岁到64岁），apoB的参与者中位年龄为37岁（范围从26岁到48岁）。大多数试验在门诊环境中进行（88–100%），其中大部分在美国（16项）和加拿大（13项）进行，其次是伊朗（7项）、澳大利亚（6项）、新西兰（2项）、墨西哥（2项）、英国（2项）、巴基斯坦（2项）、新加坡（1项）和南非（1项）。大多数试验采用交叉设计（53%–67%），喂养控制主要是补充剂（56%–59%），其次是代谢干预（22%–27%）、饮食建议（14%–16%）以及代谢干预和饮食建议的结合（2%）。所有apoB的研究都使用了补充剂。整体膳食脉冲的中位剂量为每天130克（范围从24克到377克），LDL-C、非HDL-C、HDL-C和甘油三酯的试验如此，apoB为每天90克（范围从90克到253克）。试验中使用的脉冲类型主要是豆类（LDL-C、非HDL-C、HDL-C和甘油三酯中占54%–57%，apoB中占66%），以及混合来源（LDL-C、非HDL-C、HDL-C和甘油三酯中占22%–27%，apoB中占33%），少数研究使用扁豆（6%）、鹰嘴豆（2%）和干豌豆（4%）以及豆类混合物（大豆和膳食脉冲的混合物）（LDL-C、非HDL-C、HDL-C和甘油三酯中占8%）。对于LDL-C、非HDL-C、HDL-C和甘油三酯的试验，膳食脉冲以整粒形式、罐装形式提供（47%–51%），其次是整粒罐装调味脉冲（14%）、提取后制成食品和混合加工（12%–18%），以及少量烘焙食品和整粒干燥形式（2%–6%）。对于apoB的试验，膳食脉冲以整粒形式、烘焙食品形式、提取后制成食品或混合加工形式提供。LDL-C、非HDL-C、HDL-C和甘油三酯试验的对照组主要是常规饮食（37%–39%）或碳水化合物（27%–29%），其次是动物蛋白和蔬菜（8%–10%）、其他饮食模式（DASH饮食、高血糖指数饮食、低碳水化合物饮食）或其他或混合对照组（2%–6%）。所有apoB的研究都将脉冲干预与常规饮食进行了比较。大多数试验表明，对照组的给药形式和热量贡献与干预组相匹配（LDL-C、非HDL-C、HDL-C和甘油三酯中为98%；apoB中为66%）。随访的中位时间为6周（范围从3周到52周），apoB为6周（范围从4周到16周）。试验的资金来源包括机构和行业（LDL-C、非HDL-C、HDL-C和甘油三酯中占44%–47%；apoB中占33%），其次是机构（31%–33%），行业（LDL-C、非HDL-C、HDL-C和甘油三酯中占14%–18%；apoB中占33%），少数未报告（各结果中占0%–6%）。
**表1. 评估整体膳食脉冲对血脂影响的纳入研究特征总结**负能量平衡指的是正常能量摄入的不足。#能量控制指的是干预组与对照组之间的能量摄入差异，其中替代指的是干预组和对照组之间的能量匹配，增加指的是干预组与对照组之间的能量过剩，减少指的是干预组与对照组之间的能量不足。**机构资金来源包括政府、大学或非营利组织。大部分行业资金来自通过产品销售获得收入的贸易组织。**
偏倚风险
图S1至S5使用Cochrane偏倚风险工具2.0对各个试验进行了ROB（风险偏倚）评估。在所有结果中，大多数试验在报告结果的选择（82%）、结果测量（100%）、缺失结果数据（92%）、偏离预定干预措施（82%）和随机化（96%）方面都被评估为具有较低的ROB。只有1个试验在偏离预定干预措施和随机化过程方面被评估为具有较高的ROB（2%）。在交叉试验中，大多数试验因周期效应和延续效应而被评为低ROB（68%），只有少数试验被评为高ROB（28%）。大多数试验总体被评为低风险（54%），一些试验被评为有某些问题（36%），1个试验被评为高风险（10%）。
主要结果
图2和图S6显示了全谷物豆类对LDL-C的影响。全谷物豆类的摄入显著降低了LDL-C（49项试验；MD，−0.14 mmol/L [95% CI，−0.19至−0.08]；PMD<0.001；异质性较大：I2=57.32%；PQ<0.001）。不同类型的豆类之间没有交互作用（P=0.976）；然而，豆类在总重量中占比超过50%（57%），这表明豆类类型可能对总体效应估计有潜在影响，因此需要分别考虑每种豆类类型。按豆类类型分析时，豆类（28项试验；MD，−0.17 mmol/L [95% CI，−0.26至−0.07]；PMD<0.001；异质性较大：I2=61.83%；PQ<0.001）、鹰嘴豆（1项试验；MD，−0.18 mmol/L [95% CI，−0.35至−0.01]；PMD=0.043）、豆类干预（4项试验；MD，−0.13 mmol/L [95% CI，−0.23至−0.03]；PMD=0.011；无异质性：I2=0.00%）和混合来源（11项试验；MD，−0.13 mmol/L [95% CI，−0.22至−0.05]；PMD=0.001；无显著异质性：I2=41.26%；PQ=0.074）均显著降低了LDL-C。
图2. 随机对照试验中全谷物豆类对血脂影响的汇总图。数据以加权平均差异表示，并使用通用逆方差方法（≥5项试验比较）或固定效应（<5项试验比较）荟萃分析得出95%置信区间。使用Cochran Q统计量评估研究间异质性，其中PQ<0.10被认为是统计学上显著的，并通过I2统计量量化，I2≥50%被认为是存在显著异质性的证据。不同来源的全谷物豆类的效应估计用钻石符号表示，并标记为“总体”。使用Cochrane手册推荐的标准Q检验通过荟萃回归评估不同来源的豆类之间的效应差异（交互作用显著性P<0.10）。个别豆类蛋白类型的效应估计用方块表示。任何统计学上显著的降低用绿色突出显示。随机对照试验的GRADE评估为“高”证据确定性，可以根据5个标准降级或升级1个标准。白色方块表示没有降级，实心黑色方块表示每个结果的单一降级或升级，带有白色“2”的黑色方块表示每个结果的双重降级。
由于所有纳入的试验都是随机对照试验，因此所有结果的确定性默认被评为高，然后根据预先规定的标准进行降级或升级。降级的标准包括ROB（如果大多数试验的ROB较高则降级）；不一致性（如果存在显著且无法解释的异质性：I2≥50%；PQ<0.10）；间接性（如果存在限制结果普遍性的参与者、干预措施或结果相关因素）；不精确性（如果95%置信区间超出LDL-C、非HDL-C、HDL-C和甘油三酯的MID（分别为0.1 mmol/L，非HDL-C和apoB为±0.04 g/L），或者对估计的稳健性有疑虑）；以及发表偏倚（如果基于漏斗图不对称性或Egger's或Begg's检验有发表偏倚的证据，并通过Duval和Tweedie的trim-and-fill分析确认小样本效应）。升级的标准包括支持汇总效应估计方向的显著剂量-反应梯度。有关GRADE评估的详细信息，请参见表S6。
对于效应大小的解读，我们使用了MIDs（见a）根据GRADE指南57、58、59将效应大小的重要性分为：大效应（≥5× MID）；中等效应（≥2× MID）；小效应（≥1× MID）；微不足道/不重要的效应（<1 MID）。
*由于HDL-C与其他结果在益处或危害信号方面的方向性不同，MD的符号进行了调整。apoB表示载脂蛋白B；GRADE表示推荐、评估、发展和评价的等级；HDL-C表示高密度脂蛋白胆固醇；LDL-C表示低密度脂蛋白胆固醇；MD表示平均差异；MID表示最小重要差异；非HDL-C表示非高密度脂蛋白胆固醇；PMD表示平均差异的P值；PQ表示异质性的P值；ROB表示偏倚风险。
次要结果
图2和图S7至S10展示了全谷物豆类对次要结果的影响，包括非HDL-C、apoB、HDL-C和甘油三酯。全谷物豆类的摄入显著降低了非HDL-C（51项试验；MD，−0.22 mmol/L [95% CI，−0.30至−0.14]；PMD<0.001），异质性较大（I2=71.35%；PQ<0.001），apoB（3项试验，MD，−0.08 g/L [95% CI，−0.13至−0.03]；PMD=0.003），异质性较大（I2=93.41%；PQ<0.001），以及HDL-C（52项试验；MD，−0.03 mmol/L [95% CI，−0.05至−0.01]；PMD=0.005），异质性较大（I2=55.39%；PQ<0.001）。对甘油三酯没有影响（49项试验；MD，−0.02 mmol/L [95% CI，−0.05, 0.02]；PMD=0.356），异质性不大（I2=0.00%；PQ=0.554）。在apoB的分析中发现了豆类类型的交互作用（Pinteraction=0.006），但在其他结果中没有。然而，豆类在其他结果的分析中占总重量的50%以上（55%–57%），这表明豆类类型可能具有潜在影响。按豆类类型分析时，豆类（28项试验；MD，−0.24 mmol/L [95% CI，−0.36至−0.11]；PMD<0.001；异质性较大：I2=76.29%；PQ<0.001）、豆类干预（4项试验；MD，−0.19 mmol/L [95% CI，−0.31至−0.07]；PMD=0.002；无异质性：I2=0.00%）和混合来源（13项试验；MD，−0.27 mmol/L [95% CI，−0.43至−0.10]；PMD=0.002；异质性较大：I2=76.22%；PQ<0.001）显著降低了非HDL-C，豆类显著降低了apoB（2项试验；MD，−0.13 g/L [95% CI，−0.19至−0.07]；PMD<0.001；异质性较大：I2=95.61%）和HDL-C（28项试验；MD，−0.05 mmol/L [95% CI，−0.07至−0.03]；PMD<0.001；无异质性：I2=0.00%；PQ=0.709）。其他豆类类型对其他次要结果没有显著影响。
敏感性分析
图S11至S36展示了全谷物豆类效应的个别试验影响分析。移除Jimenez-Cruz等人84或Shams等人93的研究部分解释了全谷物豆类效应的显著异质性（原始值：I2=57%，PQ<0.001；移除后：I2=45%，PQ<0.001和I2=49%，PQ<0.001）对LDL-C的影响，但不影响效应的大小或方向。移除Jimenez-Cruz等人的研究部分解释了豆类对LDL-C效应的显著异质性（原始值：I2=62%，PQ<0.001；移除后：I2=43%，PQ=0.010），但不影响效应的大小或方向。尽管移除Chamberlin等人的研究完全解释了扁豆对LDL-C效应的显著异质性（原始值：I2=69%，PQ=0.040；移除后：I2=0%，PQ=0.904），但效应的方向发生了变化（原始值：MD，−0.09 mmol/L；移除后：MD，0.02）。移除Hosseinpour-Niazi等人（CC+TT携带者）64的研究导致豆类干预对LDL-C效应的显著性降低（原始值MD，−0.13 mmol/L [95% CI，−0.23至−0.03]，P=0.011；移除后：MD，−0.13 mmol/L [95% CI，−0.27至−0.01]，P=0.050）。移除Chamberlain等人的研究使扁豆对非HDL-C效应的显著性增加（原始值MD，−0.13 mmol/L [95% CI，−0.35至0.09]，P=0.234；移除后：MD，−0.23 mmol/L [95% CI，−0.38至−0.08]，P=0.002）。尽管移除Escobedo等人的研究完全解释了膳食豆类对apoB效应的显著异质性（原始值：I2=93%，PQ<0.001；移除后：I2=0%，PQ=0.873），但效应的方向发生了变化（原始值：MD，−0.08 mmol/L；移除后：MD，0.02 mmol/L）。移除Escobedo等人86的研究导致豆类对apoB效应的显著性降低（原始值MD，−0.13 g/L [95% CI，−0.19至−0.07]，P<0.001；移除后：MD，0.03/L [95% CI，−0.06至−0.12]，P=0.506）。移除Kazemi等人68或Mizelman等人（女性（F）69的研究部分解释了全谷物豆类对HDL-C效应的显著异质性（原始值：I2=55%，PQ<0.001；移除后：I2=47% PQ<0.001）。尽管移除Chamberlin等人的研究完全解释了扁豆对HDL-C效应的显著异质性（原始值：I2=86%，PQ<0.001；移除后：I2=0%，PQ=0.728），但效应的方向发生了变化（原始值：MD，−0.05 mmol/L；移除后：MD，0.02 mmol/L）。移除Hosseinpour-Niazi等人（CC）64的研究使豆类干预对HDL-C效应的显著性增加（原始值MD，−0.02 mmol/L [95% CI，−0.09至−0.05]，P=0.515；移除后：MD，−0.06 mmol/L [95% CI，−0.11至−0.00]，P=0.021），移除Wu等人96的研究改变了豆类干预对HDL-C效应的方向（移除后：MD，0.01 mmol/L [95% CI，−0.02至−0.04]，P=0.357）。移除Duane等人的研究使混合来源的膳食豆类对甘油三酯效应的显著性增加（原始值MD，−0.05 mmol/L [95% CI，−0.12至−0.02]，P=0.196；移除后：MD，−0.07 mmol/L [95% CI，−0.14至−0.00]，P=0.045）。
表S6展示了使用固定效应荟萃分析的敏感性分析。这些不同方法的使用没有改变任何结果的效应方向、大小或显著性的异质性证据。
表S7展示了在交叉试验的配对分析中使用不同相关系数（0.25和0.75）的敏感性分析。这些不同相关系数的使用没有改变效应的方向、大小或显著性的异质性证据，除了在全谷物豆类对LDL-C的分析中，使用相关系数0.25时异质性不显著（I2=48.09%，PQ<0.001）。
亚组分析
图S37至S72展示了全谷物豆类效应的分类和连续荟萃回归分析，其中至少有10项试验比较。全谷物豆类和豆类对LDL-C和非HDL-C的效应受到比较组的显著影响修改，其中包含高血糖指数的1项试验和3项低碳水化合物比较组的试验显示出更大的降低效果；纤维差异也导致了更大的降低效果。豆类对LDL-C和非HDL-C的效应还受到健康状态的显著影响修改，其中2型糖尿病的3项试验显示出更大的降低效果；通过喂养控制，使用饮食建议的1项试验显示出更大的降低效果；通过豆类加工方式，使用整粒豆类、罐装豆类和调味豆类的试验显示出更大的降低效果。混合来源对非HDL-C和甘油三酯的效应也受到平均差异类型的显著影响修改，其中从基线变化的试验显示出更大的降低效果。
连续亚组分析显示，全谷物豆类和豆类对LDL-C和非HDL-C的效应受到组间总体饮食纤维差异的显著影响修改，其中干预组中纤维含量较高的试验显示出更大的降低效果。其他亚组的影响并不显著，但在不同结果中并不一致。通过随机分配（ROB）进行的亚组分析显示，全谷物豆类和混合豆类对非高密度脂蛋白胆固醇（non-HDL-C）的影响存在显著的效应修饰：在高ROB值的试验中，降脂效果更为明显；然而，在某些类别中，混合豆类对非HDL-C的降低效果更为显著。对于高密度脂蛋白胆固醇（HDL-C），在高ROB值的试验中，全谷物豆类的效果表现为增加；而在混合豆类中，无论ROB值如何，效果均无显著差异。对于甘油三酯（triglycerides），在高ROB值的试验中，全谷物豆类的效果表现为降低。
剂量-反应分析（Dose–Response Analyses）：图S73至S99展示了线性和非线性剂量-反应分析结果。无论是线性还是非线性分析，均未发现全谷物豆类或不同类型豆类对低密度脂蛋白胆固醇（LDL-C）的剂量-反应关系。然而，研究发现，1杯豆类摄入量对LDL-C和非HDL-C有显著的非线性剂量反应（P=0.040和P=0.030）。线性分析显示，1杯豆类摄入量对LDL-C和非HDL-C具有负线性剂量反应（系数为-0.499 mmol/L/杯[179.8 g]，95%置信区间为-0.095至-0.048，P=0.030；系数为-0.890 mmol/L/杯[179.8 g]，95%置信区间为-1.416至-0.364，P<0.001）。混合豆类对LDL-C也有显著的非线性剂量反应（P=0.033），尤其是在半杯摄入量时（P=0.027）。全谷物豆类对HDL-C也有显著的非线性剂量反应（P<0.001），在半杯和1杯摄入量时尤为明显（P=0.004和P=0.016）。对于甘油三酯，全谷物豆类的剂量-反应不明显。
小样本效应（Small-Study Effects）：图S100至S117展示了所有具有≥10项试验比较的结果的小样本效应轮廓图和评估。视觉和统计上都检测到全谷物豆类对LDL-C（P=0.021，Egger's检验）、豆类对LDL-C（P=0.034，Egger's检验）、全谷物豆类对非HDL-C（P=0.018，Egger's检验和P=0.087，Begg's检验）、豆类对非HDL-C（P=0.069，Egger's检验）、混合来源对非HDL-C（P=0.064，Egger's检验和P=0.044，Begg's检验）以及混合来源对HDL-C（P=0.075，Egger's检验）存在显著的出版偏倚。通过“修剪和填充”（trim-and-fill）分析并未发现小样本效应的证据，因为纳入替代研究并未改变效应的显著性、幅度或方向，除了豆类对LDL-C的影响。尽管豆类对LDL-C存在小样本效应的证据，但其方向和幅度并未改变；而对于与非HDL-C高度相关的指标，也未发现小样本效应。其他分析未发现漏斗图不对称或出版偏倚。
GRADE评估（GRADE Assessment）：图2和表S8展示了GRADE评估结果。全谷物豆类对LDL-C（小而重要的效应）和非HDL-C（中等效应）的证据确定性为中等，这是由于不精确性和不一致性的原因导致的降级；对于载脂蛋白B（apoB，中等效应）的确定性为非常低，这是由于不一致性、间接性和不精确性的原因导致的降级；而对于HDL-C（微不足道的效应）和甘油三酯（无效应），证据确定性为高。豆类对LDL-C和非HDL-C的效应确定性为高（中等效应），这是由于不一致性和不精确性的原因导致的降级；对于HDL-C（微不足道的效应）和甘油三酯（无效应），确定性也为高，这是由于不一致性和不精确性的原因导致的降级。豆类干预措施和混合来源对LDL-C（小而重要的效应）和非HDL-C（小而重要的效应和中等效应）的确定性分别为低和中等，这是由于不一致性和不精确性的原因导致的降级。对于鹰嘴豆对LDL-C的效应，确定性非常低，这是由于不精确性和间接性的双重降级所致，因为相关研究数量较少，限制了结果的普遍性。表S6的脚注1至27解释了所有降级的具体原因。其他分析的确定性均被评估为中等至非常低。
讨论（Discussion）：这项系统评价和荟萃分析包括了52项试验比较，涉及2095名中年成人，他们患有或未患有高胆固醇血症或2型糖尿病，研究的主要是不同类型豆类的效果，中位日摄入量为130克，中位随访时间为6周。结果显示，全谷物豆类的摄入导致LDL-C显著降低0.14 mmol/L，非HDL-C降低0.22 mmol/L，载脂蛋白B降低0.08 g/L，而HDL-C仅略有降低0.03 mmol/L，对甘油三酯无显著影响。在各项分析中，豆类占总体摄入量的约50%，但除载脂蛋白B的分析外，不同类型豆类并未导致效应的显著修饰。按豆类类型分析显示，豆类、鹰嘴豆、豆类干预措施和混合来源均能降低LDL-C和非HDL-C（鹰嘴豆除外），而只有豆类能同时降低载脂蛋白B和HDL-C。扁豆和干豌豆的效应在统计上不显著，但趋势与其他豆类一致。剂量-反应分析显示，1杯豆类摄入量对LDL-C和非HDL-C具有线性剂量反应（分别为-0.499 mmol/L/杯和-0.89 mmol/L/杯）。
与文献的关系（Findings in Relation to the Literature）：这项系统评价和荟萃分析更新了十年前关于膳食豆类对血脂目标影响的先前研究，重点考察了不同类型全谷物豆类的效果，并进行了剂量-反应分析和GRADE评估。新增28项试验比较后，我们的荟萃分析显示，每天摄入130克全谷物豆类可降低LDL-C 0.17 mmol/L（95%置信区间为-0.25至-0.09）。我们还发现非HDL-C显著降低了0.22 mmol/L（95%置信区间为-0.30至-0.14）。尽管这些结果不显著，但仍显示出降低趋势（-0.09 mmol/L [95%置信区间为-0.19至-0.00]）。这两种降低幅度均符合血脂目标的中等降低范围（±0.1 mmol/L），相当于心血管疾病（CVD）风险降低1%至2%。先前的研究未发现豆类类型之间的交互作用；虽然我们发现某种豆类（干豆）的摄入量较高，但豆类、鹰嘴豆和豆类干预措施及混合来源的降低效果相似，尤其是扁豆和干豌豆。对于干豆，我们还发现了线性剂量反应（0.25 mmol/L/半杯至1杯摄入量）。
尽管本研究未发现性别对效应的修饰作用，但先前的分析发现了性别差异，尽管方向相反。提取豆类蛋白的荟萃分析显示，女性较多的研究中LDL-C和非HDL-C的降低幅度更大；而全谷物豆类的旧荟萃分析则显示，男性较多的研究中LDL-C的降低幅度更大，而非HDL-C无性别差异。本研究中未发现性别差异可能是由于研究数量较多（n=52项试验比较，而之前的荟萃分析分别为14项和26项），且数据未按性别分层，大多数研究中的男女比例相当。这提示未来的研究应分层并按性别报告数据，以更好地了解是否存在性别差异。性别差异可能是由于女性通过干预措施获得的蛋白质比例较高所致，因为在所有研究中，男女摄入的提取豆类蛋白绝对量相同。此外，包括性别角色在内的性别相关数据也有助于理解性别对结果的影响，因为女性通常摄入更多的豆类食品。未来的研究还应考虑可能影响性别效应的因素，如女性的更年期状态和基线水平。
全谷物豆类可能通过提供蛋白质和膳食纤维来降低胆固醇。本研究中，干预措施中的纤维含量差异导致了效应的修饰：纤维含量较高的研究显示LDL-C的降低幅度更大。虽然我们未发现豆类蛋白的显著效应修饰，但豆类蛋白含量较高的试验显示LDL-C和非HDL-C的降低幅度更大。此外，在先前的提取豆类蛋白荟萃分析中，豆类摄入量中位数为35克时，LDL-C降低了0.24 mmol/L。我们的结果也与最近的一项系统评价和荟萃分析相似，该研究分析了14项试验，其中豆类蛋白的中位摄入量为每天35克，结果显示提取豆类蛋白可降低LDL-C 0.23 mmol/L（95%置信区间为-0.36至-0.10）。这些研究也未发现豆类类型之间的交互作用或剂量反应，这可能是由于大多数研究的剂量范围有限（25-35克蛋白），而我们的剂量范围较广（23-377克豆类或2-29克蛋白）。我们发现HDL-C降低了0.03 mmol/L（95%置信区间为-0.05至-0.01），这主要是由豆类类型分析得出的结果。这种HDL-C的降低在之前的系统评价和荟萃分析中未被评估或复制。根据我们确定的HDL最低重要差异（±0.1 mmol/L，相当于服用他汀类药物时心血管疾病风险降低1%），这种降低幅度低于临床意义的范围。考虑到我们观察到的两个治疗性血脂目标的降低幅度（LDL-C和非HDL-C分别降低了4%和6%），这与美国和加拿大的其他食品的健康声明相当。
尽管本研究未发现性别对效应的修饰作用，但先前的分析发现了性别差异，尽管方向相反。提取豆类蛋白的荟萃分析显示，女性较多的研究中LDL-C和非HDL-C的降低幅度更大；而全谷物豆类的旧荟萃分析则显示，男性较多的研究中LDL-C的降低幅度更大，而非HDL-C无性别差异。本研究中未发现性别差异可能是由于研究数量较多（n=52项试验比较，而之前的荟萃分析分别为14项和26项），且数据未按性别分层，大多数研究中的男女比例相当。这限制了按性别进行的亚组分析。未来的研究应分层并按性别报告数据，以更好地了解是否存在性别差异。性别差异可能是由于女性通过干预措施获得的蛋白质比例较高，因为在所有研究中，男女摄入的提取豆类蛋白绝对量相同。此外，包括性别角色在内的性别相关数据也有助于理解性别对结果的影响，因为女性通常摄入更多的豆类食品。未来的研究还应考虑可能影响性别效应的因素，如女性的更年期状态和基线水平，这些因素会影响对性别效应的解释。
全谷物豆类可能通过提供蛋白质和膳食纤维来降低胆固醇。本研究中，干预措施中的纤维含量差异导致了效应的修饰：纤维含量较高的研究显示LDL-C的降低幅度更大。虽然我们未发现豆类蛋白的显著效应修饰，但豆类蛋白含量较高的试验显示LDL-C和非HDL-C的降低幅度更大。此外，在先前的提取豆类蛋白荟萃分析中，豆类摄入量中位数为35克时，LDL-C降低了0.24 mmol/L。考虑到我们发现豆类摄入量中位数为1杯（约180克）时的线性剂量反应，这表明11克豆类蛋白或每天130克豆类可降低LDL-C 0.10 mmol/L。相对于本研究中每半杯豆类降低0.25 mmol/L的结果，蛋白质可能是主要驱动因素，再加上纤维和其他营养素（如多酚）的附加效应。有证据表明，大豆蛋白（属于豆类）中的生物活性肽可以结合胆汁酸，减少肠道胆固醇的吸收，并增加肝脏中载脂蛋白B含颗粒的清除。还有证据表明，膳食豆类中的可溶性和不可溶性纤维可以干扰胆固醇的肠肝循环，通过结合肠道内的胆汁酸来促进其排泄，从而降低血液中的胆固醇水平。从平均每天摄入130克全谷物豆类的数据中观察到的低密度脂蛋白胆固醇（LDL-C）降低了0.14 mmol/L，即降低了4%，这一效果与多种声称具有降低胆固醇或冠心病风险功效的食品的效果相似（例如：每天摄入25克大豆蛋白、45克坚果、3克β-葡聚糖燕麦纤维、7克车前子壳、2克植物甾醇）。鉴于全球人均每日仅摄入21克豆类，现有证据可以支持这些健康声明，并为临床实践指南和公共卫生建议提供依据，以促进人们摄入豆类，从而维护心血管健康并帮助医疗保健提供者实施这些指南。
**优势与局限性**
我们这项系统评价和荟萃分析的优势包括：采用了全面且可重复的搜索策略；仅纳入了随机对照试验以减少偏倚风险；全面分析了可能的异质性来源；研究了剂量-反应关系的形态和强度；并应用了GRADE方法来评估证据的确定性。
研究的局限性包括：由于数据不一致性，我们对全谷物豆类对非高密度脂蛋白胆固醇（non-HDL-C）和载脂蛋白B（apoB）的影响进行了降级评估；对于某些类型的豆类，也因未解释的异质性而进行了降级。对于载脂蛋白B的影响，由于仅纳入了3项涉及156名（中位年龄37岁）年轻人的试验，导致普遍性受到限制；对于涉及3项或更少试验的豆类类型，由于年龄和健康状况范围较窄，进一步降低了证据的确定性。此外，全谷物豆类对LDL-C和apoB的影响存在严重的不确定性，因为合并效应估计的95%置信区间超出了预先设定的中间值（MIDs），这意味着这些结果可能在临床实践中并不具有实际意义。
综合这些优势与局限性，全谷物豆类对LDL-C和非HDL-C的影响证据的确定性为中等，对高密度脂蛋白胆固醇（HDL-C）和甘油三酯的影响证据确定性较高，而对载脂蛋白B的影响证据确定性非常低。对于豆类对所有指标的影响，证据确定性为中等至非常低（载脂蛋白B的影响确定性非常低）。
**结论**
我们的系统评价和荟萃分析共纳入了52项随机对照试验，涉及2095名患有或未患高胆固醇或2型糖尿病的成年人，研究了不同豆类对治疗性血脂指标的影响。综合分析表明，每天摄入平均130克豆类可显著降低LDL-C（-0.14 mmol/L），同时非HDL-C（-0.22 mmol/L）和载脂蛋白B（-0.08 g/L）也有所下降，而HDL-C仅略有下降（-0.03 mmol/L），且对甘油三酯没有影响。按豆类类型分析显示：豆类能轻微降低LDL-C和非HDL-C；混合来源的豆类也可能降低LDL-C；豆类可能降低载脂蛋白B，鹰嘴豆也可能降低LDL-C，但相关证据尚不充分；扁豆和干豌豆没有统计学上的显著效果，但其趋势与其他豆类一致。剂量-反应分析显示，每天摄入最多1杯豆类时，LDL-C（每0.5杯降低0.25 mmol/L）和非HDL-C（每0.5杯降低0.45 mmol/L）呈现线性剂量反应。全谷物豆类效果的主要不确定性来源是LDL-C的测量不精确、非HDL-C的不一致性，以及载脂蛋白B的不确定性、测量不精确性和间接性（由于可用试验较少）。为解决这些不确定性，仍需要更多高质量、涵盖更多豆类类型（包括扁豆、鹰嘴豆和干豌豆）的随机对照试验。这些证据强调了豆类对治疗性血脂指标的益处，支持了相关健康声明和公共卫生建议，并有助于推动临床实践指南的更新，以鼓励人们摄入豆类以降低心血管风险。
**资金来源**
本研究的资金由阿尔伯塔省豆类种植者协会提供。Shuting Yang获得了Banting and Best糖尿病中心Charles Hollenberg夏季奖学金的支持；Songhee Back获得了Mount Saint Vincent大学2022至2023年的内部休假研究资助、多伦多大学营养科学系的本科生研究机会计划奖以及多伦多3D知识综合夏季奖学金的补充资助；Antonio Rossi获得了多伦多3D研究奖学金的资助；Sabrina Ayoub-Charette获得了加拿大卫生研究院（CIHR）的博士研究生奖学金（资助编号476251）；Shannan M. Grant获得了Mount Saint Vincent大学2022至2023年的内部休假研究资助、内部旅行资助以及该校的研究与出版委员会（CRP）资助；Victoria Chen获得了多伦多3D研究奖学金、加拿大卫生研究院的研究生奖学金（硕士研究奖）以及多伦多大学营养科学系的奖学金；Andreea Zurbau获得了多伦多3D博士后奖学金的资助；Joseph Beyene感谢麦克马斯特大学健康研究方法、证据与影响系John D. Cameron遗传决定因素讲席的资助；David J. A. Jenkins获得了加拿大政府的加拿大研究主席基金会的资助；Laura Chiavaroli部分获得了多伦多3D新研究员奖的资助。资助方未参与研究的设计、数据收集与分析、文章撰写或结果发表的决定。
**致谢**
Megan Gray（理学硕士、注册营养师、博士生）在Mount Saint Vincent大学担任研究协调员期间，为研究团队提供了研究管理和方法学方面的支持。
打赏
