年轻大学生向大学生活过渡期间的时间营养行为与BMI变化：一项前瞻性研究

《Nutrients》：Chrononutrition Behaviors and BMI Change During the Transition to University Life in Young Adults: A Prospective Study

　　

背景：向大学生活的过渡以饮食行为、睡眠-觉醒组织和生活方式模式的显著变化为特征。与时间营养（chrononutrition）相关的行为，包括进餐时间和一天中热量的分布，可能独立于饮食数量影响代谢健康，然而在大学生中的前瞻性证据仍然有限。本研究旨在评估第一学年的身体质量指数（BMI）轨迹，并识别与年轻成年人BMI变化和临床显著体重增加相关的时间营养相关行为。方法：这项前瞻性观察性研究包括921名18-24岁的大学生。在入学时和一年后评估BMI，并计算BMI变化（Diff_BMI）。时间营养相关变量包括进餐频率、主餐身份、早餐习惯和晚进食。使用多变量线性和逻辑回归模型评估时间营养相关行为、BMI变化和临床显著体重增加（Diff_BMI > +1 kg/m²）之间的独立关联。结果：平均Diff_BMI为-0.45 ± 1.07 kg/m²（95%置信区间 -0.52至-0.38；p < 0.001）。总体而言，48.2%的参与者显示BMI降低，38.7%保持体重稳定，13.1%经历BMI增加；临床显著体重增加发生率为7.2%。在多变量分析中，将晚餐作为主餐（相比于午餐）与更大的BMI增加独立相关（β = +0.22 kg/m²；p = 0.004）。男性与较低的BMI增加和较低的临床显著体重增加几率相关。早餐省略与BMI变化呈负相关，而进餐频率和晚进食在调整后与BMI轨迹无独立关联。结论：热量摄入的时间分布，特别是晚进食模式和将主餐移至一天中较晚时段，似乎比单独的进餐频率与大学生活过渡期间的BMI轨迹更强烈相关。这些发现支持了在大学中针对进餐时间和昼夜节律饮食行为的时间营养导向策略的相关性。

年轻成年人在向大学生活的过渡期间，面临饮食行为、睡眠-觉醒模式和生活方式的重要变化，这些变化可能影响代谢健康。传统上，“新生十五磅”概念强调了大学第一年的体重增加，但当代研究表明BMI轨迹存在高度异质性。时间营养学（chrononutrition）强调，进食时间、规律性和与昼夜节律的对齐可能独立于总热量摄入影响代谢健康。然而，现有证据在大学生群体中较为分散，大多研究孤立地关注早餐省略或睡眠，而缺乏同时评估进餐频率、主餐时间、晚进食等多个时间营养维度的前瞻性研究。因此，研究人员开展了一项前瞻性研究，旨在评估年轻成年人（18-24岁）在大学第一学年内的BMI变化，并探索与BMI轨迹相关的时间营养行为，特别是晚进食模式和主餐时间分布对体重变化的独立影响。研究论文发表在《Nutrients》杂志上。

研究人员开展了一项单中心前瞻性观察性研究，样本来源为罗马尼亚“Victor Babe?”医学与药学大学（蒂米什瓦拉）2025-2026学年六个年级的921名学生（558名女性，363名男性），年龄18-24岁。研究使用自填在线问卷收集数据，在入学时（T0）和一年后（T1）通过自报身高体重计算BMI，并计算BMI变化（Diff_BMI）。时间营养相关变量包括每日进餐频率（2-3餐 vs 4-5餐）、自我感知的主餐身份（早餐、午餐或晚餐）、每日早餐消费（是/否）以及晚进食时间（分为<18:00、19:00-20:00、21:00-22:00、>22:00四个类别）。主要结局指标为Diff_BMI和临床显著体重增加（定义为Diff_BMI > +1 kg/m²）。统计方法包括配对t检验、方差分析、非参数检验、多变量线性回归和逻辑回归分析，并进行了调整基线BMI、性别分层和交互作用等敏感性分析。

研究结果如下：

**3.1 研究人群特征**：921名参与者中，60.6%为女性，39.4%为男性；48.1%年龄18-20岁，51.9%年龄21-24岁。基线时，7.8%体重过轻，57.7%正常体重，28.4%超重，6.1%肥胖；一年后，分布向正常体重偏移（6.4%过轻，69.5%正常，19.4%超重，4.7%肥胖）。基线超重者中有107人转为正常体重。通过描述性统计和卡方检验发现，性别与主餐身份和晚进食类别显著关联。

**3.2 一年大学期间的BMI变化**：通过配对t检验（t = -12.78, p < 0.001）和Wilcoxon符号秩检验（W = 108,110.5, p < 0.001），平均Diff_BMI为-0.45 ± 1.07 kg/m²（95% CI -0.52至-0.38），个体范围宽泛（-5.78至+4.83 kg/m²）。按照±0.5 kg/m²阈值，48.2%参与者BMI降低，38.7%稳定，13.1%增加；7.2%符合临床显著体重增加。该结果表明平均BMI下降，但存在异质性。

**3.3 进餐频率与BMI变化**：采用单因素方差分析（F = 0.24, p = 0.624）和Kruskal-Wallis检验（H = 0.70, p = 0.402），每日2-3餐组（n=778）与4-5餐组（n=143）的Diff_BMI无显著差异。Pearson（r=0.016, p=0.624）和Spearman（ρ=0.028, p=0.402）相关分析呈可忽略的关联。结论：总进餐频率与BMI变化无临床意义关系。

**3.4 晚进食与BMI变化**：通过单因素方差分析（F=0.58, p=0.627）和Kruskal-Wallis检验（H=2.31, p=0.510），四个晚进食类别间的Diff_BMI无显著差异。Jonckheere-Terpstra趋势检验（J=144,380.5, z=0.41, p=0.685）和有序线性趋势回归（β=0.015 kg/m²每类别, p=0.711）均不支持剂量-反应关系。结论：绝对晚进食时间与BMI轨迹无独立关联。

**3.5 BMI轨迹和临床显著体重增加的多变量相关因素**：多变量线性回归整体显著（F(7,913)=3.47, p=0.001, 调整R²=0.018）。晚餐作为主餐（vs午餐）与较大BMI增加独立相关（β=0.22 kg/m², 95% CI 0.07-0.37, p=0.004）；男性性别与较低BMI增加相关（β=-0.15, p=0.040）；早餐省略与BMI下降相关（β=-0.19, p=0.013）。晚进食、总进餐频率和年龄无显著关联。多变量逻辑回归显示男性性别是临床显著体重增加的强独立保护因素（aOR=0.36, 95% CI 0.19-0.66, p<0.001）。结论：热量摄入的时间分布（尤其是晚餐主导）比进餐频率更与BMI轨迹相关。

**3.6 敏感性和性别分层分析**：调整基线BMI后，模型解释力增加（调整R²从0.018升至0.126），晚餐做主餐的关联增强（β=0.67, p<0.001），临床显著体重增加aOR升至2.91（p<0.001）；男性性别和早餐省略的关联不显著。按基线BMI分层显示，晚餐做主餐的关联在基线超重/肥胖者（β=0.31, p=0.012）中强于正常/过轻者（β=0.12, p=0.21），且连续基线BMI与晚餐做主餐的交互显著（β交互=0.080/kg/m², p<0.001）。性别分层分析显示晚餐做主餐的β系数在女性和男性中高度相似（女性β=0.23, p=0.037；男性β=0.22, p=0.031），交互项不显著（p=0.899）。结论：晚餐为主餐与BMI增加的关联独立于性别且在基线高BMI者中更突出。

在讨论部分，研究人员指出，本研究的主要发现——晚餐作为主餐与BMI增加独立相关——与时间营养学的核心原理一致：食物摄入的代谢影响不仅取决于数量和质量，还取决于一天中的时间分布。该结果在调整基线BMI后更强，且不受性别影响。相比之下，进餐频率和绝对晚进食与BMI轨迹无独立关联，这可能反映了“晚餐为主餐”与“晚进食”在概念上的区别：前者强调一日中最大热量负荷的时间，后者仅指最后一次进食的绝对时钟时间。早餐省略与BMI下降的负向关联应谨慎解释，可能源于反向因果（如意图性节食）、残留混杂（如压力或经济因素）或体重控制行为，且调整基线BMI后关联减弱。研究人员还强调了本研究的局限性：时间营养行为仅在随访时评估，无法确立时间顺序；缺乏总能量摄入、营养质量、睡眠、昼夜节律类型（chronotype）等重要变量；自报身高体重可能引入测量误差；单中心设计限制外推性。

研究结论部分翻译如下：这项前瞻性研究表明，在大学生活过渡期间，热量摄入的时间分布可能比单独的进餐频率与BMI轨迹更强烈相关。在评估的时间营养相关变量中，自我感知的晚餐主导性是与BMI轨迹和临床显著体重增加最一致相关的时间营养行为，而进餐频率和孤立的晚进食在多变量调整后与BMI轨迹无独立关联。早餐省略与BMI变化的负向关联应谨慎解释，尤其因为它与现有文献相悖，可能反映反向因果、有意的体重控制行为、压力相关的食欲抑制或残留混杂，而非保护性代谢效应。这些发现支持时间营养相关行为可能独立于传统饮食指标与体重调节相关的可能性。然而，由于时间营养行为仅在随访时评估，观察到的关联不应被解释为因果关系。未来需要重复评估和综合性指标的研究。