综述：对633,317名个体的元分析显示健康饮食与23个中低收入国家的抑郁、焦虑和压力之间存在关联

背景：与常见精神障碍相关的低质量饮食加剧了全球健康协同流行（syndemics）。然而，目前尚无专门针对低和中等收入国家（Low- and Middle-Income Countries, LMIC）的量化关联综合评估，而这些国家正是这些合并健康负担最普遍的地区。方法：研究人员依据一份系统性证据与差距地图（Evidence and Gap Map, EGM），该地图包含来自Medline、CAB Global Health和PsycINFO数据库（2000–2024年）中超过3,000条记录。研究人员选取了在LMIC中进行的研究，这些研究量化了健康饮食（基于验证的膳食指数或因子分析方法）与抑郁、焦虑和压力的验证筛查测量之间的关联，并设置了健康饮食与不健康饮食的比较组。效应量被标准化为基于Hedges’ g的均值差，并使用三水平元分析（three-level meta-analysis）结合稳健方差估计（Robust Variance Estimation, RVE）进行合并。研究人员评估了偏倚风险，灵敏度分析显示结果在研究设计、膳食测量和国别收入分层之间具有稳健性。结果：来自23个国家的83项符合条件的研究（抑郁 n = 69；焦虑 n = 43；压力 n = 26）以及65个LMIC样本人群，报告了633,317名独特个体的统计指标。将健康饮食与不健康饮食进行比较的标准化均值差（Standardized Mean Differences, SMD）分别为：抑郁 -0.29（95% CI -0.35至-0.23），焦虑 -0.25（95% CI -0.35至-0.16），压力 -0.24（95% CI -0.33至-0.14）。当限制为低偏倚风险（low Risk of Bias）研究时，结果保持稳健。研究发现的方向和幅度在研究设计、膳食测量、诊断工具、国别收入水平以及经社会经济状况调整的估计值之间均相似。方法论上的局限性（例如横断面设计）以及来自低收入国家的研究较少，导致了证据缺口。结论：在LMIC中，健康饮食始终与较低的抑郁、焦虑和压力症状相关。这些发现呼吁在LMIC（以及任何存在不成比例健康脆弱性的环境中）实施整合膳食与心理健康的规划，并在伊朗和中国以外的多样化低收入环境中开展纵向研究和干预研究。

**背景**
研究人员正处在一个全球健康协同流行（syndemics）的时代，在这种背景下，多种疾病在社会和结构性不平等的条件下在人群中协同交互。最脆弱的人群承受着并存的健康负担，加剧了其整体健康风险。常见精神障碍（Common Mental Health Disorders, CMDs）如抑郁和焦虑，在2021年贡献了17.2%的因残疾损失的生命年，且在低和中等收入国家（Low- and Middle-Income Countries, LMIC）报告有更高的CMDs患病率。CMDs既是其他边缘化状况（如粮食不安全和不良饮食）的驱动因素，也是其结果。反过来，2022年全球35%的人口无法负担健康饮食，其中16.8亿人（近60%）生活在LMIC，这些国家平均仅有2.1%的政府卫生支出用于心理健康，而推动膳食趋势的粮食系统公共支出既低且停滞。这在粮食不安全和营养不良最为普遍的背景下尤其成问题。

在LMIC中，CMDs几乎总是通过非专业人员操作的筛查工具（screening tools）进行测量。许多筛查工具是根据诊断标准（例如《精神障碍诊断与统计手册》（Diagnostic and Statistical Manual of Mental Disorders, DSM））开发并验证的。然而，在流行病学研究中，当工具已针对与诊断标准对应的切点进行验证，或用于通过连续测量来评估症状学（symptomatology）时，这些工具可切实用于界定病例。这有助于聚焦于不同人群中常见精神健康症状的范围和程度，以及不良心理健康的影响，例如功能丧失或对健康指标的更广泛影响。

健康饮食由平衡的比例组成，主要包括全谷物、蔬菜、水果、坚果、种子，以及（在可得时）鱼类，同时适量摄入肉类和乳制品，并限制糖、饱和脂肪和超加工食品（ultra-processed foods, UPFs）的消费。简而言之，健康饮食是促进健康和预防疾病的。健康饮食通过许多不同的工具进行测量，包括对（国家）膳食建议的依从性、对特定膳食（如地中海饮食（Mediterranean Diet, MD）或膳食炎症指数（Dietary Inflammatory Index, DII））的依从性、对食品项目进行评分或计数以指示膳食多样性和/或某些被认为有益健康的指标食品（如女性、儿童或家庭的膳食多样性）。营养流行病学中的另一种常见测量方法是主成分分析（Principal Components Analysis, PCA），这是一种先验（a priori）统计方法，将摄入量分组为消费模式或膳食模式。这些指数和测量方法在验证上具有相似性，即它们与营养充足概率的增加相对应（至少在总体水平上）。

从许多生理学和社会学论点来看，健康饮食导致更好的心理健康是合理的。与精神障碍相关的潜在生物学途径包括炎症、氧化应激、肠道微生物组、脑可塑性、线粒体功能障碍、表观遗传学以及下丘脑-垂体-肾上腺（Hypothalamic-Pituitary-Adrenal, HPA）轴等——这些因素可以相互作用并遵循多条路径。证据表明，健康的膳食模式可以有益地调节这些相互关联的系统中的每一个。例如，健康饮食通常被认为更多样化，含有更高量的抗氧化剂（如多酚，包括黄酮和花青素）、长链脂肪酸（如二十碳五烯酸和二十二碳六烯酸）以及其他必需营养素，从而降低营养相关慢性病（如肥胖、糖尿病、癌症）的风险。这些及膳食其他成分可减少炎症。膳食还可以通过脑源性神经营养因子（brain-derived neurotrophic factor, BDNF）增强脑可塑性，从而改善神经传递和神经认知功能。较高的社会经济地位、财富公平和更好的生活方式因素也可能同时支撑更健康的饮食和更好的心理健康。

在反向关系中，不良心理健康可通过多种途径影响膳食质量。抑郁和焦虑与动力减退、认知障碍和执行功能下降相关，所有这些都可能阻碍膳食计划、食品采购和准备。经历不良心理健康的人也可能食欲调节和食物偏好发生改变，导致摄入高能量和超加工食品，尽管现在证据更强烈地指向UPF消费是抑郁的风险因素。心理健康对饮食的影响可能超越个体层面延伸至家庭层面，因为研究表明，患有CMDs的父母（尤其是母亲）的子女更可能经历较差的膳食质量和儿童喂养结果。

关于同时经历不良心理健康和不良膳食质量的世界人口比例，研究人员掌握的有限证据有限。然而，研究表明，这些负担是相互联系的，并可能相互加剧。一些纵向研究和综述研究表明，健康饮食可改善心理健康，包括在青少年中。一些检查双向关系的队列研究也表明，更好的心理健康也可以促进更健康的饮食。膳食干预试验的元分析支持了对心理健康的因果影响证据：一项关于所有膳食干预的元分析发现对抑郁有影响（尤其是女性），尽管对焦虑没有总体效应，而针对已患有抑郁症的人群进行的地中海饮食试验显示抑郁症状减轻。

先前的相关系统综述仅研究了抑郁，只关注少数几个膳食指数，或者是无合并估计值的伞状综述。最重要的是，这些综述未按地理或收入环境分解分析。目前尚无关于LMIC中饮食与心理健康之间相互作用的独立元分析，鉴于这些关系在这些环境中可能不同，且这些国家同时承载着较高的不良膳食质量和CMDs症状负担，这一缺口至关重要。根据一份涵盖与抑郁、焦虑、压力和幸福相关的粮食安全和营养各个方面的证据与差距地图（EGM），研究人员使用了来自LMIC人群的报告，这些报告量化了健康饮食与抑郁、焦虑和压力测量之间的关联。研究人员合并其效应估计值以评估其稳健性并识别证据缺口。

**方法**
本研究的研究筛选和数据提取包括两个步骤。首先，研究人员依赖于一份大型系统性证据与差距地图（EGM）的纳入和排除标准、筛选流程及数据提取，该EGM纳入了同行评审的、英文的研究，这些研究将粮食安全和营养措施与普通人群中的常见心理健康问题（抑郁、焦虑、压力和心理健康）联系起来，发表时间为2000年1月1日至2024年1月31日，遵循PRISMA扩展版（PRISMA-ScR）报告。对于原始EGM，研究人员筛选了2000年至2020年6月间发表的30,896条记录，最终绘成地图并分析了1,945项研究。为更新EGM，研究人员使用相同的检索策略（考虑索引延迟预留一年重叠）筛选了2020年至2024年1月间发表的13,490条额外记录，并纳入了1,107项额外记录。更新后的EGM包含超过3,000项关于该主题的研究。

依托EGM数据库，研究人员选取了一个子集进行元分析，并遵循流行病学观察性研究元分析（Meta-analysis Of Observational Studies in Epidemiology, MOOSE）指南进行报告。对于健康饮食，研究人员选取了所有符合EGM资格标准的研究，这些研究由两位评审员独立筛选，并由一名高级研究员进行额外的资格审查。EGM中的所有研究均基于特定测量和指标进行编码，首先由一名研究员进行，随后由一名高级研究员进行迭代式的全记录和领域特异性检查。然后，与Cena和Calder提出的健康饮食广义定义一致，研究人员使用了EGM中“膳食”领域的相关测量，以捕捉“健康”饮食，例如健康饮食指数（Healthy Eating Index, HEI）及其迭代版本、膳食多样性、膳食炎症指数（DII），以及通过因子分析或食物摄入问卷（例如食物频率问卷（Food Frequency Questionnaire, FFQ））测量的食物聚类确定的膳食模式。所有膳食措施的完整列表见表1。

在EGM的心理健康领域中，研究人员纳入了所有使用任何经过验证工具测量抑郁、焦虑或压力的研究，例如流行病学研究中心抑郁量表（Centre for Epidemiological Studies – Depression Scale, CES-D）、抑郁焦虑压力量表（Depression, Anxiety and Stress Scale, DASS）、广泛性焦虑和抑郁量表（Generalised Anxiety and Depression Scale, GAD）或状态特质焦虑量表（State Trait Anxiety Index, STAI）。在第二步中，研究人员对元分析的排除标准包括：（1）心理健康问题非抑郁、焦虑或压力；（2）膳食测量缺乏可比性（在元分析中无效或不具可比性）；（3）重复数据：与已纳入研究相同样本和相同结果；（4）未报告相关估计值。研究人员排除了任何仅有健康饮食测量而无不健康饮食对照组的研究。详细完整的EGM和元分析的纳入与排除标准列表，包括所有不在范围内的饮食和心理健康测量，详见补充材料1表S3。

研究人员根据所使用的膳食测量将符合条件的研究分组。第1组包括对膳食建议和营养素充足性的依从性与充足性。第2组包括被证明可减少营养相关慢性病的膳食模式，如终止高血压膳食疗法（Dietary Approaches to Stop Hypertension, DASH）、DII和MD。第3组由膳食多样性指数组成，如女性最低膳食多样性（Minimum Dietary Diversity of Women, MDD-W）和个体膳食多样性评分（Individual Dietary Diversity Score, IDDS）以及任何其他膳食多样性评分。第4组包括所有膳食质量指数、全球膳食质量评分（Global Diet Quality Score, GDQS）、全球饮食指数（Global Dietary Index, GDI）以及所有版本的HEI。第1-4组均通过预定义模式和/或特定食物摄入（先验方法）测量，因此将人群中的观察到的膳食模式与预先存在的指数进行比较。第5组包括任何来自因子分析、主成分分析（PCA）或其他数据驱动（后验）方法的测量，这些方法包括研究人群（通常是在“健康模式”和“不健康”模式，如加工、西式、现代或不健康模式之间）中食物摄入聚类模式之间的比较。

对于纳入的研究，两位研究员独立提取效应量（由于大多数研究的描述性特征已在EGM中编码），以及主张类型（关联性或因果性）、暴露尺度（健康或不健康）、样本量、女性人数、女性比例、年龄组、平均年龄、年龄标准差以及报告的统计指标。具体而言，研究人员提取了以下统计效应量：贝塔系数（β）、比值比（Odds Ratio, OR）、调整比值比（Adjusted Odds Ratio, AOR）、风险比（Risk Ratio, RR）、风险比（Hazard Ratio, HR）、皮尔逊相关系数（r）、均值差，以及调整或未调整的估计值、社会经济因素协变量。研究人员确保捕捉到“健康”对心理健康症状影响的效应方向。

效应量被转换为标准化指标以确保研究间可比性。对于比值比（OR）、风险比（RR）和患病率比（Prevalence Ratio, PR），应用Chinn转换以获得Cohen’s d。β系数使用合并标准差进行标准化，而均值差通过组均值差除以合并标准差进行转换。风险比根据其分布特性进行调整。为校正小样本偏倚，计算了Hedges’ g。皮尔逊r从标准化均值差推导得出，并应用Fisher’s z转换对相关性进行归一化。作为主要效应量指标，研究人员选择了由Hedges’ g估计的标准化均值差（Standardized Mean Difference, SMD），因为其在元分析中具有稳健性，允许比较不同研究设计中的均值和回归系数，且更易于解释。

当研究使用来自相同样本人群的数据但报告了不同样本量时，研究人员提取最高数字以估计样本人群。为估计合并效应量，研究人员使用稳健方差估计（RVE）框架进行了三水平元分析。三水平元分析处理了来自相同人群的研究中产生的依赖性，研究人员对数据进行建模以考虑个体效应量、样本内人群和样本间人群的差异。RVE允许对标准误进行调整，并在面临数据依赖性问题时改进统计推断。模型使用限制最大似然（Restricted Maximum-Likelihood, REML）估计器进行估计，并在研究和效应量水平纳入嵌套随机效应。方差分量使用预设相关系数（ρ = 0.5）的结构化方差-协方差矩阵进行估计，以模拟来自相同数据集估计值之间的依赖性。观察值按其逆方差加权，并通过各水平的方差分解（I²）评估异质性。研究人员考虑了置信区间和预测区间，后者是衡量总体（而非样本）水平异质性的更透明指标。为评估研究结果的稳健性，灵敏度分析包括相关系数参数的替代设定、排除有影响力的研究以及不同效应量指标（Hedges’ g、Cohen’s d、Fisher’s z）之间的比较。

异常值和有影响力研究的检测使用学生化残差和Cook距离。如果研究的学生化残差超过标准正态分布的100×（1–0.05/(2×k)）百分位数，则标记为潜在异常值，对k个研究应用Bonferroni校正进行多重比较，双侧α = 0.05。有影响力的研究使用Cook距离识别，其中超过中位数加六倍四分位距（IQR）的值被认为对模型估计有不当影响。

研究人员测试了处理数据依赖性的替代方法。模型比较通过测试简化的两水平模型（移除第二个随机效应）与完整的三水平规格进行，以评估对研究内依赖性建模是否显著改善了模型拟合。完整的三水平模型产生了更低的赤池信息准则（Akaike Information Criterion, AIC）、贝叶斯信息准则（Bayesian Information Criterion, BIC）和校正AIC（AICc）值，以及更高的对数似然（logLik），表明拟合更优。比较两个模型的似然比检验（Likelihood Ratio Test, LRT）返回p值为0.0831，表明虽然拟合改善在常规5%水平上未达到统计显著性，但差异是边缘性的。鉴于数据的层次结构，即多个效应量来自相同研究人群，三水平模型被保留为首选方法，以适当解释依赖性并减少合并估计的偏倚。

为保持一致性，同一名高级研究员使用“预后研究质量”（Quality In Prognosis Studies, QUIPS）工具对所有研究进行偏倚风险评估。此外，12%的研究由两名评审员独立评估，另外10%的研究由第二名研究员重新评审。尽管QUIPS工具是为预后研究设计的，但预后与流行病学中的风险相似。此外，大多数纳入的研究是横断面研究，现有工具无法覆盖所有可能的偏倚的重要领域。QUIPS涵盖了许多已识别的重要领域，包括研究参与、研究流失（对横断面研究省略）、预后因素（替换为暴露）测量、结局测量、研究混杂以及统计分析与报告。对于每个领域，研究被分为低、中或高偏倚风险。然后，研究人员将所有研究分为两组：高偏倚风险（至少有1个领域为高偏倚风险）和低偏倚风险（无领域为高偏倚风险）。

研究人员检查了随时间变化的发表趋势；使用分析时世界银行（2024年）的国家收入分类，检查低收入、中低收入和中高收入国家状态下的效应；并分析了跨地区和国家的地理分布。研究人员纳入了健康饮食与心理健康相关的文献，包括当假设暴露为健康饮食或心理健康时，反之亦然，作为结局或因变量。研究人员使用EGM中的“假设方向”分类来检查这些不同组，并分析潜在的不同人群组（例如成人、老年人、青少年或与儿童配对父母）的差异效应。研究人员按膳食测量组（表1）检查了合并估计。

研究人员进行了几次按不同研究特征的灵敏度分析：研究设计、膳食测量和国家收入分类。研究人员还根据研究是否调整了社会经济状况（Socio-Economic Status, SES）因素进行了亚组分析，呈现调整SES、未调整SES的研究合并估计，并与总体进行比较。所有灵敏度分析首先在全部研究集上进行，然后限制为低偏倚风险研究，最后限制为高偏倚风险研究。

**结果**
**研究选择**
从先前的证据与差距地图（EGM）（总结于图1步骤1），研究人员系统地纳入了一个子集进行元分析。EGM中共有96项研究符合纳入标准，从中排除了13项研究：其中7项的心理健康结局非抑郁、焦虑或压力（例如常见精神障碍和心理健康）；1项报告了与另一项已纳入研究相同的数据和结果；4项缺乏可比性（例如未定义健康与不健康膳食模式）；1项未报告相关数据（仅百分位数），无法计算可比较的统计量。

**样本人群**
共纳入83项研究（抑郁=69项；焦虑=43项；压力=26项），从中提取了139个效应估计（抑郁=70个；焦虑=43个；压力=26个），来自65个独特的样本人群（抑郁=58个；焦虑=31个；压力=20个）。这些估计值合并自633,317名独特个体（抑郁=473,236人；焦虑=146,217人；压力=24,690人）。研究最多的人群是成人（n=42），其次是女性（n=16）、中老年人群（n=12）、孕妇或母亲（n=10）以及青少年（n=7）。纳入研究列表见补充材料1表S5。

**样品设置**
83项研究覆盖23个国家：4个低收入国家、11个中低收入国家和69个中高收入国家（图2），其中1项研究横跨6个国家，其中3个为低收入国家，3个为中低收入国家。大多数研究基于亚洲（n=70），其中39项来自伊朗，17项来自中国（均为中高收入国家）。其余亚洲研究国家包括土耳其、约旦、尼泊尔、孟加拉国和印度。亚洲以外，8项研究来自南美洲（均来自巴西），6项来自非洲（其中3项来自埃塞俄比亚）。低收入国家研究来自布基纳法索、埃塞俄比亚、黎巴嫩、叙利亚和乌干达。尽管本元分析仅纳入LMIC的结果，但研究人员从EGM中识别出另外245项来自高收入国家的研究，这些研究在图2中用于比较目的。全球范围内有188个行政单位（根据Natural Earth地图数据集5.1.1版定义的241个聚合领土中）没有一项关于该主题的研究。

**研究特征**
2000年至2012年间没有关于该主题的已发表研究，之后从2013年的1项稳步增加至2023年的15项。主要研究设计为横断面研究（n=71），其余为纵向研究（n=9）和病例对照研究（n=3）。无论研究设计如何，研究人员对提出的关联方向进行了分类（即饮食作为心理健康结局的暴露，反之亦然）。大多数研究（n=73）将其研究框架设定为研究饮食对心理健康症状的影响，10项研究声称研究心理健康症状对饮食的影响。

**效应总结与偏倚风险**
所有除7个之外的估计值均基于使用验证过筛查工具的心理健康评估。两项研究通过依从性和充足性（G1）测量健康饮食，22项研究通过依从性测量被证明能减少慢性病的膳食模式（G2），分别有15项和19项研究使用膳食多样性和膳食质量指数（G3和G4）。26项研究归入第5组，采用后验方法如因子分析。一项研究使用了来自两个组的膳食测量（表1）。

**效应总结**
从139个效应估计中，研究人员合并了健康饮食与抑郁、焦虑和压力之间关联的效应（图3）。研究发现，与不健康饮食者相比，健康饮食者的抑郁症状更少（SMD = -0.29, 95% CI -0.35至-0.23），两组间抑郁症状标准差的平均差为0.29。类似地，健康饮食与较低的焦虑（SMD = -0.25, 95% CI -0.35至-0.16）和较低的压力（SMD = -0.24, 95% CI -0.33至-0.14）相关。来自个别研究的效应量范围：抑郁为-1.50至0.09，焦虑为-0.89至0.01，压力为-0.89至0.00。预测区间（相对于置信区间）在估计真实总体效应时更为保守。

**证据强度**
41项在任何领域均无“高”偏倚风险的研究被归为总体低偏倚风险组，42项在任一领域至少有一个高偏倚风险评级的研究被归为总体“高”。从总体低偏倚风险的研究中，各组均有略弱的合并效应估计的强大证据：抑郁（SMD = -0.24, CI: -0.31至-0.16; n=266,831），焦虑（SMD = -0.19, CI: -0.29至-0.09; n=116,248），压力（SMD = -0.22, CI: -0.33至-0.11; n=12,338）。纵向研究“研究流失”的排名见补充材料1图S2。

由于大多数研究为横断面设计，最可能的偏倚来源是研究参与（领域1）和混杂（领域4）。研究参与的潜在偏倚排名基于对目标人群来源、识别人群的方法、招募时期、招募地点、纳入和排除标准、充分研究参与以及基线特征的评估。由于除3项研究外均将饮食视为暴露，研究参与偏倚风险源于饮食质量与心理健康之间的关系在健康饮食组和不健康饮食组的参与者中可能不同。当将分析限制为低研究参与偏倚风险的研究时，估计值保持稳健：抑郁（SMD = -0.18, CI: -0.26至-0.10），焦虑（SMD = -0.14, CI: -0.26至-0.02），压力（SMD = -0.11, CI: -0.23至-0.01）。混杂偏倚风险基于以下方面评估：是否测量了重要混杂因素（与健康饮食和心理健康均相关的因素，如财富/收入），这些因素是否有合适的定义、经过验证且可靠地测量，在全体参与者中是否采用统一方法和设定，是否采用了处理缺失数据的有效方法，以及是否在分析中考虑了重要潜在混杂因素。当将分析限制为低混杂偏倚风险的研究时，研究人员发现了类似结果，但压力除外，因为该亚组中仅有2项研究，且由于样本量较小，这些效应的证据较弱（抑郁SMD = -0.26, CI: -0.55至0.02，焦虑SMD = -0.06, CI: -1.05至0.92，压力SMD = -0.25, CI: -0.73至0.22）。合并估计以及研究参与和混杂偏倚风险（全部低与高）见补充材料1表S6。

**异常值和有影响力研究**
基于学生化残差，识别出两项异常值研究：一项针对抑郁（Ibrahim et al., 2021），一项针对焦虑（Ibrahim et al., 2021）。未检测到压力的异常值。关于有影响力研究，三项研究被标记为对抑郁有影响（Faghih et al., 2019, Ibrahim et al., 2021, 和 Chegini et al., 2022），两项对焦虑有影响（Alenko et al., 2021 和 Ibrahim et al., 2021），一项对压力有影响（Faghih et al., 2019）。值得注意的是，Ibrahim et al., 2021在多个结局中始终被识别为异常值和有影响力研究。当将分析限制为低偏倚风险研究时，任何结局均未保留异常值。然而，Chegini et al., 2022仍是对抑郁有影响力的研究。

**亚组与灵敏度分析**
研究结果在国别收入水平、研究设计和膳食测量之间方向与幅度一致。按国别收入分类，低收入国家仅有3个抑郁估计值，1个焦虑估计值，0个压力估计值；中低收入国家仅有4个焦虑估计值和2个压力估计值。对于任何超过4项研究的国别收入组，结果如下：中低收入国家抑郁SMD -0.39（CI: -0.71至-0.07; n=10）；中高收入国家抑郁SMD -0.28（CI: -0.34至-0.22; n=57）；中高收入国家焦虑SMD -0.20（CI: -0.27至-0.13; n=38）；中高收入国家压力SMD -0.26（CI: -0.36至-0.16; n=24）。当按研究设计限制为9项纵向研究时，结果几乎相同。按膳食测量，大多数研究使用先验工具测量与减少营养相关慢性病相关的饮食，仅此一项即产生更强的合并效应量：抑郁SMD -0.36（CI: -0.51至-0.21; n=18）；焦虑SMD -0.25（CI: -0.41至-0.09; n=14）；压力SMD -0.32（CI: -0.56至-0.09; n=12）。结果对不同效应量指标的选择不敏感，研究人员在补充材料1图S4中报告了Cohen’s d和Fisher’s z转换估计。

研究人员进一步在这些研究中尽可能调查了社会经济因素的混杂效应。研究人员发现45%的研究（37/83）通过收入、社会经济因素、财富、家庭富裕程度量表或自我感知经济状况控制了社会经济状况（SES）。图4显示，SES调整后的合并效应在抑郁（SMD -0.27; CI: -0.35至-0.18; n=31）和压力（SMD -0.25; CI: -0.42至-0.08; n=9）方面产生相似的效应量。SES调整后的焦虑效应量（SMD -0.17; CI: -0.25至-0.08; n=18）略小于未调整的效应量（SMD -0.32; CI: -0.48至-0.16; n=25）。

**讨论**
研究人员发现，在合并来自LMIC的符合条件研究时，健康饮食与更好的心理健康之间存在一致关联。抑郁、焦虑和压力的合并效应量幅度相似（分别为-0.29、-0.25和-0.24）。研究人员确信这些结果并非偶然，且相当精确，同时注意到大多数证据来自横断面研究，且无任何研究基于反事实影响评估。研究人员观察到的关系可能源于潜在因素，如社会经济剥夺，尽管研究人员在限制分析为调整SES的估计时发现了相似效应。尽管如此，据研究人员所知，本分析迄今为止提供了关于LMIC中这些关系的最稳健估计。

研究结果显示出显著证据表明存在中等程度的关联，但转换为标准化差异效应可能掩盖人群层面的显著性。因此，为便于解释，研究人员计算得出，如果无法负担LMIC健康饮食的16.8亿人口中有1%转变为“健康饮食”状态，这些变化可能与抑郁几率降低41%相关（OR 0.59, 95% CI 0.53至0.66），相当于每1%的变化可减少90万至127万例抑郁个案。这表明，即使健康饮食与心理健康状态之间存在中等程度的关联，也支撑了通过政策和规划干预实现大规模人群改善的可能性。尤其在饮食构成每天影响全球100%的人口次数的情况下，这一点尤为真实。

研究结果与其他类似的元分析一致。一项元分析的伞状综述包含了非常相似的“健康饮食”测量，但仅关注抑郁，不考虑任何环境或人群，但未从纳入的元分析中合并效应估计。总体而言，Gianfredi等人发现方法学质量低至极低，但确实得出结论，有提示性证据将后验定义的健康饮食与抑郁症状或诊断联系起来，这得到了仅关注后验饮食测量的元分析以及合并8项关于膳食模式与抑郁事件的前瞻性研究结果的支持。Gianfredi等人发现，对地中海饮食较高依从性与较低的DII评分及较低的抑郁风险之间存在更强证据和效应。这些结论与Lassale等人得出的定量估计相似，后者发现来自四项纵向研究中地中海饮食的抑郁相对风险（RR）为0.67（95% CI: 0.55至0.82），而较低的DII同样具有保护作用（RR 0.76; 95% CI: 0.63至0.92）。在老年人群中，基于前瞻性研究，较高的DII评分也与抑郁发生率相关（OR 1.33; 95% CI: 1.04至1.70），尽管他们未发现地中海饮食或“健康饮食”的相关性。Lassale等人对8项前瞻性队列和9项横断面研究仅针对DII的元分析估计，具有较高炎症潜能的饮食使抑郁几率增加45%（95% CI: 1.30至1.62），焦虑增加66%（95% CI: 1.41至1.96）。他们还发现较高的HEI或替代健康饮食指数（Alternate Healthy Eating Index, AHEI）评分的保护效应证据（RR 0.65; 95% CI: 0.50至0.84），来自混合的纵向和横断面研究。Gianfredi伞状综述未发现素食饮食的证据，这也得到了另一项关于该主题的元分析的支持。

这些综合性研究与本研究存在某些相似之处：它们普遍发现更健康的饮食与更好的心理健康相关，甚至效应的方向和幅度也相似。几乎所有人都提及方法学局限性和异质性，正如本研究一样。这些研究在重要方面与本研究分析不同：几乎全部仅关注抑郁，而本研究还包括焦虑和压力。有些混合了心理健康问题的预防和治疗；本研究排除了治疗性研究，因为根据不良健康状况选择参与者进入研究从根本上混淆了本研究希望检验的关系。有些还发现基于饮食测量的差异，而本研究结果在所有纳入测量中相似，即便部分效应证据较弱。先前的分析均未聚焦于LMIC环境。

研究人员发现，大多数LMIC证据来自两个中等收入国家：伊朗和中国（合计占纳入研究的68%），尽管本研究纳入了来自23个LMIC的研究结果。还有一些来自其他地区的研究，如巴西、孟加拉国、埃塞俄比亚或土耳其，但这些研究数量不多或方法学强度不足，无法对这些不同背景得出推论。因此，尽管合并了许多研究，来自低收入环境以及伊朗和中国以外的LMIC仍存在重要的证据缺口。尽管如此，研究人员展示了健康饮食与心理健康症状之间的稳健关系。

研究人员从亚分析中获得了信心和新见解，这些分析显示效应的方向和幅度相似，尽管亚组样本量较小导致统计效能有所损失。例如，当仅纳入低偏倚风险研究时，效应估计仅略微减弱（抑郁从-0.29 SMD降至-0.24；焦虑从-0.25降至-0.19，压力几乎无变化）。这些变化可能归因于更强有力的研究设计（被评为较低偏倚风险），这些设计更好地考虑了影响这些关系的诸多因素，例如控制社会经济因素、心理健康既往史或使用更精确或标准化的饮食测量（例如HEI与因子推导的、依赖样本的膳食模式相比）。当仅合并包括社会经济因素调整的效应时，估计值的相似性也令研究人员感到放心（抑郁：-0.27 vs -0.29，焦虑：-0.17 vs -0.25，压力：-0.25 vs -0.24）。特别是饮食和心理健康评估易受较大的测量偏倚影响，这通常在观察性研究中导致效应减弱。因此，研究结果以及其他研究的结果很可能是低估了饮食与心理健康之间的真实关系。

研究人员在膳食测量、心理健康筛查工具和研究设计之间发现了一致的关联。例如，关于膳食测量，测量定量膳食摄入并计算膳食充足性（G1和G4）可能捕捉“健康饮食”不同方面，不同于定性计数不同食物组（第2组和第3组）或人群膳食数据的因子分析（第5组）。令人放心的是，研究人员在不同膳食测量中发现相似的效应估计，即使类似研究并非如此。此外，研究人员发现某些测量在LMIC中比其他测量更常用。例如，膳食多样性是一种经过验证的女性和儿童膳食质量衡量标准，现已成为LMIC中的标准指标，但在高收入国家（High-Income Countries, HIC）中较不常用。相反，很少有研究使用膳食充足性或对国别指南的依从性，因为国别膳食指南在LMIC中既定义不明确，测量也较少。

尽管研究人员确信结果稳健且精确，但也注意到估计的预测区间，这是衡量总体方差优于样本方差的更好指标。研究结果的预测区间表明，根据纳入研究的异质性，摄入健康饮食的真实平均效应可能具有保护作用，或对心理健康无影响。预测区间的解释与纳入研究的异质性一致，也可能反映出样本人群和环境中可能较小但确实是真实的差异。

本研究受益于严格的方法学，包括对该主题进行广泛、彻底的检索以创建EGM，以及遵循PRISMA-ScR和EGM报告指南的筛选和编码流程以识别研究。研究人员还广泛搜集了相关研究，包括了常见心理健康问题的多种测量，以及“健康饮食”的广义定义，这使研究人员能够比较这些主题多个方面的关联。研究人员能够纳入许多研究，并仔细考虑了数据依赖性，最终采用三水平模型以解释重叠的研究人群。这意味着研究人员中和了来自相同人群的多个报告估计值所产生的偏倚。研究人员探讨了证据的一致性和稳健性，发现了明确的关联。

研究人员通过三个数据库检索文献，截止到2024年1月，因此未包括非英语存储库中索引的研究、非英语研究或此日期后发表的研究。然而，研究人员认为，根据所代表的地理区域以及通常以其主要语言发表文章的国家（如中国、巴西）在研究中的相对充分代表性，结果不会发生有意义的变化。研究人员在本分析时对国家收入状态进行了分类，因此自发表或数据收集以来，某些分类可能已发生变化（几乎总是变为更高收入状态）。

研究人员纳入了关于“健康”饮食的研究，排除了任何仅关注“不健康”饮食而缺乏“健康”组比较的研究。因此，研究人员可能排除了某些实际与较差心理健康相关的膳食测量。实际上，为了合并效应估计，研究人员将研究限制为具有相似比较组的。此外，不健康饮食更难定义。“不健康”可能意味着总体消费过多、过多摄入错误食物（例如与健康问题如糖尿病相关的糖和UPFs）、热量过少（如消瘦和瘦弱）或微量营养素过少（如生长迟缓、免疫力降低和微量营养素缺乏）。还有越来越多的饮食评估层次对应地球健康而非人类健康，例如某些环境下某些作物的水足迹或肥料需求，或特定食品或运输过程的碳排放。这些关系也将对心理健康状态产生影响，但这超出了本分析的范围。尽管大多数心理健康筛查工具经过验证，有些专门针对其使用的环境进行了验证，但它们可能未被正确或谨慎地使用，或未用于其设计的结局，这可能导致测量误差或对它们所代表的心理健康维度的误解。

研究结果与其他相关主题的元分析一起表明，健康饮食与更好的心理健康相关联。研究结果还突显了对证据的迫切需求，以揭示因果机制和影响的路径，包括通过测试影响饮食与心理健康关系改变、调节或中介因素的研究（例如，区分生理效应与社会经济效应）。例如，财富和财富差距的作用，虽然在估计池中经常被调整，但仍可能导致饮食与心理健康之间的混杂或交互关系。研究人员只有通过设计才能回答这些问题：纵向、前瞻性分析，稳健地考虑各种潜在影响因素，减少可能的偏倚来源，并跨越多样化环境。

迫切需要在这一主题上推进干预研究。首先，已有提案旨在标准化和改进营养精神病学干预的实施和报告。有前景的发现表明，通过饮食干预可以改善心理健康，咨询和整合性心理健康干预可以改善营养结果，营养敏感型干预即使在非主要（甚至非次要）结局中也能改善心理健康，或者通过并非专门设计用于改善心理健康的干预组成部分也能改善心理健康。证实这些发现并扩大这一证据基础，将使研究人员能够根据本分析中明确的关联采取行动。健康饮食与更好心理健康之间的潜在协同作用可能成为解决普遍存在的不良心理健康和不良饮食负担的重要杠杆，尤其是在那些最易受贫困和健康不良影响的群体中，以及那些面临日益增加的环境和政治不稳定风险的人。

从政策角度来看，建立在饮食与心理健康相互依赖性基础上的做法尚处于起步阶段，但对于关注基本福祉或预防性护理的政策和规划至关重要。例如，在埃塞俄比亚，卫生部已展现出将心理健康服务纳入国家卫生计划（尤其是初级卫生保健）以及其卫生推广和食品安全社会保障活动（如国家社会保障（National Social Protection, NSP）政策）的坚定承诺，尽管实施面临挑战。具体而言，心理健康整合已在生产性安全网计划（Productive Safety Net Program, PSNP）的特定分支中进行试验，包括护理小组和抑郁人际心理治疗小组（Interpersonal Psychotherapy Group, IPT-G）等组成部分。照料者的心理健康筛查也被提议作为社区急性营养不良管理计划的重要组成部分，并长期被视为初级保健路径中的重要步骤。研究人员已在跨部门营养规划（例如营养敏感型农业、社会保障和学校餐）方面学到了很多。研究结果可以与这些经验相结合，特别是针对旨在实现可持续发展目标多项指标以及整体福祉的政策和规划，这些很可能成为2030年后议程的中心。

**结论**
研究人员发现，总体而言，在LMIC中，健康饮食与较少的抑郁、焦虑和压力相关，其中超过一半的证据来自伊朗和中国的横断面研究。尽管许多研究存在异质性和方法学弱点，但这些结果增强了关联稳健性的信心。研究结果为进一步探究奠定了基础：应推动来自更多LMIC以及伊朗和中国以外地区的研究，并展示迫切需要推进对因果机制理解的研究以及可以进行干预研究，以了解如何在多样化环境中通过政策和规划激活这些机制。

理解改变饮食关系（更广泛地说，粮食安全和营养）与心理健康之间关系的机制和背景因素，将为整合或联合定位的干预提供杠杆，以减少承受不平等份额的并发负担和边缘化人群的健康风险。如果研究人员有意解决全球健康不平等问题，那么这些关系将是改善整体福祉的关键。