Skip to main content

Search: #健康干预

知识分享官
知识分享官

  1. 全球女性乳腺癌负担 33 年全景：2023 年 230 万新发病例，预计 2050 年将达 356 万

    乳腺癌是全球女性最主要的癌症死因之一，但不同收入水平的国家正经历截然不同的命运。这项基于全球疾病负担研究（GBD 2023）的系统分析，覆盖 204 个国家和地区、横跨 1990-2023 年共 33 年数据，首次完整描绘了全球乳腺癌的发病率、死亡率、伤残调整生命年（DALYs）及归因风险因素的演变轨迹，并预测至 2050 年。

    2023 年全球女性新发乳腺癌约 230 万例，死亡 76.4 万例，造成 2410 万 DALYs。数据揭示了一个残酷的不平等：高收入国家发病率最高（75.7/10万），但死亡率最低且持续下降（1990-2023 下降 29.9%）；低收入国家发病率虽低（44.2/10万），死亡率却最高（24.1/10万），且 33 年间发病率飙升 147.2%、死亡率上升 99.3%。饮食风险、烟草使用和高空腹血糖等因素合计贡献了 28.3% 的乳腺癌 DALYs。预测显示，到 2050 年全球女性乳腺癌新发病例将达 356 万例，死亡 137 万例。

    高收入国家乳腺癌发病率稳定且死亡率持续下降，反映了筛查、诊断和治疗体系的成功。然而低收入和中等收入地区发病率和死亡率双升，暴露了严重的卫生系统缺陷。如不采取有效干预，许多国家将无法实现 WHO 全球乳腺癌倡议提出的"2040 年前年均降低 2.5% 年龄标准化死亡率"这一目标——乳腺癌负担正不成比例地压在全球最脆弱的人群身上。

    有钱的国家查得出、治得好，死亡率一路降；没钱的国家发现即晚期，33 年死亡率翻了一倍。同一个病，两个世界。

    📖The Lancet Oncology
    🗓2026-03

    #乳腺癌 #全球疾病负担 #健康不平等 #癌症流行病学

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    ❤️ 3 🤔 1 🤯 1 😇 1

  2. 负面社交关系或加速衰老：研究发现“社交压力源”的潜在危害

    日常生活中，我们常被“社交压力源”困扰，比如难缠的同事、挑剔的家人。这些负面社交联系可能比我们想象的更影响健康。一项新研究揭示，这些“hasslers”（负面社交关系）不仅影响情绪，还可能加速生物衰老。

    研究团队通过分析印第安纳州样本的社交网络数据，发现近30%的人有至少一个负面关系。这些关系通常处于社交网络边缘，通过弱联系形成。更关键的是，暴露于负面关系的人群更易出现健康问题，如女性、吸烟者、健康状况差或童年经历不良者。研究发现，每增加一个负面关系，生物衰老速度加快约1.5%，相当于生物年龄增加约9个月。值得注意的是，亲属和非亲属的负面关系有负面影响，而配偶关系则无显著关联。

    该研究强调了负面社交联系作为慢性压力源的角色，提示我们社交健康同样重要。不过，研究样本和测量方法仍需更多验证，且未完全解释所有负面关系的具体机制。未来可能需要更多干预措施，帮助人们减少有害社交暴露，促进健康衰老。

    社交关系里的小摩擦，可能比想象中更伤身体？🤯


    来源：Proceedings of the National Academy of Sciences of the United States of America

    #负面社交关系 #加速衰老 #社会压力 #健康影响 #生物衰老

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    😢 4 ❤️ 1

  3. 🤖 ChatGPT Health"体检不合格"：紧急与不紧急情况易出错，漏诊风险高

    随着AI健康助手越来越普及，我们是否应该相信它能准确判断是否需要紧急就医？一项新研究对ChatGPT Health进行了严格测试，结果却揭示了令人担忧的漏洞。

    研究团队模拟了960个临床场景，发现系统在处理极端情况时表现最差。比如，对于糖尿病酮症酸中毒等紧急情况，系统竟有52%的漏诊率，建议患者等待24-48小时，而非立即去急诊。更奇怪的是，当家人或朋友淡化症状时，AI的分诊建议会显著偏向不紧急，风险比高达11.7倍。此外，在处理自杀意念时，危机干预信息有时会错误激活。

    这些发现表明，AI分诊系统在真实世界应用中可能存在严重的安全隐患。虽然患者种族、性别等因素未显著影响结果，但置信区间未排除临床意义差异，意味着仍需更多研究。研究警告，在缺乏充分验证前，不应将此类系统大规模用于消费者健康服务。

    AI分诊也怕极端情况，紧急和没病都容易搞错🤯


    来源：Nature medicine

    #AI医疗 #分诊系统 #ChatGPT #健康助手 #医疗AI #安全风险

    via: 热心群友

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  4. 晚睡习惯或增加心血管风险？研究发现与生活方式干预有关

    很多人觉得“晚睡晚起”可能影响健康，但具体如何与心血管疾病（CVD）挂钩，一直有研究在探索。一项针对英国生物银行（UK Biobank）的长期研究显示，属于“晚型”的人，其心血管健康风险可能更高，且这种关联与生活方式质量密切相关。

    研究分析了322777名39至74岁无已知心血管疾病的人，通过自评问卷判断昼夜节律类型。结果显示，“确定晚型”人群的“生命基本8项”（LE8）健康分数较低的比例，比“中间型”人群高约72%（HR 1.72）。在13.8年的随访中，“确定晚型”与“确定早型”相比，总CVD风险升高16%（HR 1.16），而LE8分数低解释了其中约75%的关联。

    这意味着，晚型人群可能更易出现健康行为不佳（如饮食、运动不足等），导致LE8分数低，进而增加心血管风险。研究提示，针对晚型人群的健康干预，可能通过改善生活方式来降低风险，但需注意，这是观察性研究，因果关系尚需更多实验验证。

    晚睡党要警惕心血管风险啦，早睡早起身体好，但别太焦虑哦~😴


    来源：Journal of the American Heart Association

    #昼夜节律 #心血管疾病 #生命基本8项 #UKBiobank #健康行为

    via: 热心群友

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    🙏 5 😇 2 ❤️ 1

  5. 生物钟类型影响肌肉量？晚睡晚起的人要注意了

    很多人在健身或衰老过程中会担心肌肉流失，而新研究指出，你的“生物钟类型”可能也悄悄影响着肌肉质量。研究发现，习惯晚睡晚起（晚型）的人，肌肉流失风险可能更高，这背后与睡眠、饮食和运动习惯的节律紊乱有关。

    具体来说，晚型人群通常睡眠质量差、饮食不规律、运动量不足，这些行为会干扰体内“时钟基因”（如BMAL1、PER2等）的表达。这些基因调控蛋白质合成和能量代谢，当它们紊乱时，会导致肌肉分解加速、恢复能力下降，进而影响肌肉量和力量。与早型（早睡早起）人群相比，晚型者更容易出现肌肉减少症和代谢问题。

    研究强调，通过调整生活方式，让饮食、睡眠和运动与生物钟同步，可能有助于维持肌肉健康。例如，早型者可能更适合晨间锻炼，而晚型者则需确保夜间充足睡眠。不过，目前研究多为观察性，具体干预效果仍需更多实验验证。

    生物钟不对，肌肉都掉光光！🤯


    来源：Nutrients

    #昼夜节律 #肌肉健康 #健身 #生物钟 #衰老

    via: 热心群友

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    ❤️ 7

  6. 全球癌症超三成可防：吸烟、感染和饮酒成主因

    癌症是全球健康的主要威胁，但研究显示，超过三分之二的癌症病例与可改变的风险因素有关。这意味着，通过调整生活方式和行为，我们可能有效预防大量癌症的发生。

    一项发表在《自然医学》上的研究估计，2022年全球新发癌症中，约37.8%（约710万例）可归因于30种可改变的风险因素。其中，吸烟（15.1%）、感染（10.2%）和酒精消费（3.2%）是主要贡献者。研究通过分析185个国家的36种癌症数据，计算了人群归因分数（PAF），并考虑了暴露的重叠效应。结果显示，男性中可预防癌症的比例（28.1%-57.2%）高于女性（24.6%-38.2%），不同地区存在显著差异。

    该研究强调，加强针对吸烟、感染和酒精等风险因素的预防措施至关重要。肺癌、胃癌和宫颈癌等癌症占可预防癌症的近一半。尽管研究提供了重要的全球视角，但不同地区的具体干预策略仍需根据当地流行情况调整，且部分风险因素（如某些感染）的预防仍面临挑战。

    戒烟！戒酒！预防感染！


    来源：Nature medicine

    #癌症预防 #可改变风险因素 #全球癌症负担 #吸烟 #健康生活方式

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    🔥 8

  7. 每天多动5分钟，或能避免6%死亡？小改变的大影响

    我们总听说“多运动少久坐”有益健康，但具体到“每天多动5分钟”这样的小改变，真能显著降低死亡风险吗？一项新研究给出了答案——通过荟萃分析多国大型队列数据，科学家发现，对于久坐不动的人群，每天增加5分钟中等至高强度运动（MVPA），可能预防6%的死亡；而如果将这一改变推广至所有非最活跃人群，则能预防10%的死亡。此外，每天减少30分钟久坐时间，也能在不同风险人群中预防3-7.3%的死亡。

    研究采用个体参与者数据荟萃分析，整合了挪威、瑞典、美国等7个队列（共40327人，4895例死亡）及英国生物银行数据（94719人，3487例死亡）。分析显示，5分钟/天的MVPA增加在高风险群体（最不活跃20%）的死亡预防比例达6%（95%置信区间4.3-7.4%），若推广至除最活跃20%外的所有人群，该比例升至10%（6.3-13.4%）。减少30分钟/天久坐时间在高风险人群中预防3%死亡（2.0-4.1%），在人群基础模型中则达7.3%（4.8-9.6%）。

    这意味着，微小的行为调整就能带来可观的死亡风险降低，无需剧烈运动即可实现健康益处。不过研究也指出，这些数据基于现有队列，未来仍需更多研究验证在不同人群中的普适性。

    小改变大回报，看来“动起来”真的能救命🏃‍♂️


    来源：Lancet (London, England)

    #身体活动 #久坐时间 #死亡率 #健康干预

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    ❤️ 5 🔥 1

  8. 大学生游戏时长与不健康生活方式的关联：研究揭示“玩得越多，可能越不健康

    很多大学生都热衷于玩游戏，但游戏真的会影响我们的健康吗？一项针对澳大利亚大学生的研究为我们提供了新的线索，发现游戏频率与饮食质量、睡眠和体重等健康指标存在关联。

    研究调查了317名西澳大利亚大学学生，将他们分为低、中、高游戏频率组（每周0-5小时、6-10小时、超过10小时）。结果显示，高频游戏者饮食质量评分更低（中位数45 vs 50），BMI更高（中位数26.3 vs 22.2 kg/m²），睡眠质量也更差（PSQI得分7 vs 6）。相关分析进一步证实，游戏频率与饮食质量呈负相关（相关系数r=-0.26），与BMI呈正相关（r=0.38）。多元回归分析显示，总游戏时间独立预测饮食质量下降，即使控制了人口学和生活习惯因素。

    这些发现提示，过度游戏可能对大学生的健康产生负面影响，包括饮食不健康、体重增加和睡眠质量下降。不过，这项是横断面研究，无法确定因果关系，未来需要长期追踪研究来验证。公共健康领域应关注大学生群体的高游戏行为，通过干预措施促进健康生活方式。

    游戏一时爽，健康两行泪🤣


    来源：Nutrition (Burbank, Los Angeles County, Calif.)

    #大学生 #游戏 #健康 #饮食质量 #睡眠质量

    via: 热心群友

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    ⚡ 8 ❤️ 2 💔 1 😇 1

  9. 睡觉打呼噜需警惕！研究证实其与帕金森风险增加有关

    很多人认为打呼噜只是睡得香，但阻塞性睡眠呼吸暂停（OSA）可能潜藏健康危机。最新研究发现，这种常见的睡眠障碍竟然与帕金森病的发病风险存在关联，提醒我们关注睡眠质量的重要性。

    这项针对超过1100万名美国退伍军人的大型队列研究显示，患有OSA的人群在确诊6年后，每千人中帕金森病的发病人数比未患病者多出1.61例。更有趣的是，这种关联在女性中更为显著，且如果在疾病早期使用持续气道正压通气（CPAP）治疗，能显著降低病例数量。

    研究表明OSA是帕金森病的独立风险因素，而早期干预CPAP可能成为保护大脑健康的有效手段。不过，由于研究对象主要为退伍军人，且属于观察性研究，未来仍需更多样化的研究来进一步证实这一结论。

    睡觉别打呼噜了，小心大脑报警！🚨


    来源：JAMA neurology

    #帕金森 #睡眠呼吸暂停 #CPAP #健康

    via: 热心群友

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    😨 9 🤯 2

  10. Nature新研究：肠道微生物健康排名出炉，饮食干预或能“调教”菌群结构

    随着全球代谢性疾病（如肥胖、糖尿病）的发病率攀升，肠道微生物与饮食的关系成为研究热点。传统上，我们常关注饮食本身对健康的影响，却较少深入探究肠道菌群在其中扮演的角色。一项发表于《自然》的研究，通过分析超过3.4万名美国和英国参与者的肠道菌群、饮食、体格和健康状况数据，首次构建了“ZOE微生物健康排名2025”系统，该系统根据微生物与人体健康指标（如BMI、疾病风险）的相关性，对已知和未培养的肠道微生物物种进行排序。

    研究团队发现，与人体健康指标更相关的“友好型”微生物，在摄入健康饮食的人群中更易富集；而“不友好型”微生物则与高BMI和疾病风险相关。在后续的饮食干预临床试验中，参与者的“友好型”微生物数量随时间显著增加，“不友好型”则减少，这为饮食通过调节肠道菌群影响健康提供了直接证据。该排名系统不仅揭示了菌群与健康的强关联，也为未来探究饮食与微生物的因果关系提供了重要工具。

    该研究的意义在于为理解饮食-菌群-健康之间的动态关系提供了新视角，但需注意，目前的研究仍无法完全确定因果关系，未来仍需更多前瞻性研究来验证这一关联的因果性。

    新的一年要好好吃饭，养出好细菌哦😘


    来源：Nature

    #肠道微生物 #健康饮食 #代谢疾病 #菌群干预

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    ❤️ 4

  11. 每天只需5000步！哈佛研究揭示运动如何延缓老年痴呆症

    缺乏身体活动是阿尔茨海默公认的风险因素 ，但运动究竟如何保护大脑，机制尚不明确 。近日，《自然·医学》期刊发表了哈佛大学衰老大脑研究的一项新成果 。研究证实，在已有阿尔茨海默病早期病理（淀粉样蛋白升高）的年长者中，保持较高的身体活动水平确实能延缓认知和功能的衰退 。

    这项研究追踪了296名认知健康的年长者长达14年 。团队创新地使用计步器客观测量每日步数 ，并结合纵向的Aβ（淀粉样蛋白）和tau蛋白PET脑扫描及年度认知评估 。令人惊讶的发现是，运动带来的好处与Aβ的清除无关 。真正的机制在于：更高的步数与较慢的tau蛋白积聚速率相关 。正是这种对tau蛋白的抑制，介导了运动对延缓认知衰退的保护作用 。

    那么，到底走多少步才有效？研究显示，这种保护作用在每天5,001到7,500步时达到峰值后趋于平稳 。这意味着，对于久坐的年长者来说，一个相对温和的步数目标（而非流行的1万步）就可能有效改变AD的病程 。这项发现为通过干预生活方式来减缓tau蛋白病理、推迟AD症状提供了重要支持 。

    跑1万步的理由-1，每天摸鱼遛弯的理由+1。🤪


    来源：Nature Medicine

    #阿尔茨海默病 #运动 #健康管理

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    ❤️ 8 🤗 3

  12. 睡得久未必健康，睡眠节律才是关键！

    一项发表于《健康数据科学》（Health Data Science）的最新研究，通过腕式设备客观测算了超过 8.8 万名成年人的睡眠数据，颠覆了我们对睡眠与健康的传统认知。研究发现，许多以往认为与“长时间睡眠”相关的疾病风险，如缺血性心脏病，实际上可能是一种误解。

    核心创新点在于，研究揭示了许多自认为“睡得久”的人，客观上的睡眠时间其实很短且质量不佳，而正是这种客观的短睡眠带来了健康风险。 与以往过分关注睡眠时长不同，该研究首次系统性地证实，被长期忽视的睡眠节律（即每日作息的规律性）是影响健康的关键因素。不规律的睡眠节律与多达 172 种疾病显著相关，并首次发现了其与慢性阻塞性肺病（COPD）、肾衰竭等疾病的关联。

    这项研究展望，未来的健康建议应从单纯追求睡眠时长，转向更全面的睡眠健康管理，特别是维持稳定的睡眠节律。 同时，它也凸显了可穿戴设备等客观测量手段在精准健康研究中的重要价值，有助于纠正过往因依赖主观报告而产生的偏误，为疾病预防和干预开辟了新的视角。

    闹钟：以前骂我扰人清梦，现在求我当再生父母？


    Health Data Science

    #健康管理 #睡眠节律
    ❤️ 5 👍 1 🌭 1

  13. 大模型精准预测生理年龄，重塑健康管理

    近日，发表在《自然-医学》上的一项开创性研究指出，大语言模型（LLMs）能够仅通过常规体检报告，精准预测个体的整体及器官特定生理年龄。这项研究开发并利用了基于LLMs的框架，并在超过1000万参与者的六个大型队列中验证了其有效性和可靠性，预示着未来个性化健康评估和疾病预防的新范式。研究表明，与传统方法（如端粒长度、衰弱指数、表观遗传年龄和机器学习模型）相比，LLMs预测的生理年龄在评估疾病风险方面表现出显著优势，例如全因死亡率预测达到0.757的一致性指数，并在预测冠心病、中风、肾衰竭以及其他20多种健康结局上表现更佳。

    这项创新性的LLMs评估框架，不仅能提供全面且经济高效的衰老评估，还能通过“年龄差”（即生理年龄与实际年龄的差距）有效识别潜在健康风险。研究团队发现，年龄差与多种衰老相关表型和疾病风险紧密相关，例如加速衰老与全因死亡率的风险增加1.055倍。此外，LLMs还能动态评估衰老进程，并识别出与加速衰老相关的蛋白质生物标志物，其中超过一半是此前未被报道的新发现。

    这项研究的突破在于，LLMs无需昂贵的基因组或表观遗传数据，仅凭日常健康报告即可进行高效分析，大大降低了衰老评估的门槛。其强大的泛化能力和实时学习特性，使其在大规模人群健康管理中具备巨大潜力，为个性化健康干预和精准医疗提供了全新的工具。尽管如此，目前该模型在老年人群中的泛化能力仍有待提升，且主要依赖文本数据，未来有望整合更多模态数据以实现更全面的衰老评估。

    以后体检完，AI直接告诉我“你比实际年龄老了五岁，该运动了！”——这感觉是福是祸呢？

    Nature Medicine

    #衰老 #大语言模型 #健康管理