饮食、运动、睡眠与衰老：尚无协同效应证据

采用抗炎饮食、保持高水平身体活动并睡得好，与更缓慢的生物学衰老和更低的全因死亡率相伴出现。一项大型英国生物样本库分析并未显示人们最想提出的主张：将三者结合会产生超出各自益处之和的特殊倍增效应。

这种区别很重要。三种有益习惯可以累积形成显著差异，而不必以某种戏剧性的、超加性的方式发生生物学相互作用。现有证据支持前一种说法，但尚未检验后一种说法。

该研究在最健康的组合中观察到最佳结果

在Ce Liu 等人于 2024 年开展的一项前瞻性英国生物样本库队列研究中，研究人员按膳食炎症指数（DII）、身体活动和睡眠质量对参与者进行分组。他们构建了 18 个联合生活方式类别：三个 DII 分层、三个身体活动分层和两个睡眠质量类别。

身体活动分析纳入了一个经加速度计验证、包含 103,659 人的子样本。低身体活动量为每周不足 600 MET-分钟，中等身体活动量为每周 600 至 3,000 MET-分钟，高身体活动量超过每周 3,000 MET-分钟。健康睡眠评分至少为 4 分。处于最有利联合类别的参与者，在 PhenoAge、Klemera-Doubal 生物学年龄（KDM-BA）和稳态失调（HD）方面的生物学年龄加速程度最低，且全因死亡风险也最低。

这些都是有意义的终点，但它们并不能互相替代。PhenoAge、KDM-BA 和 HD 是基于临床生物标志物和生理指标构建的生物学年龄测量方法。死亡率则是患者结局。该研究将这一生活方式模式与两者联系起来，但观察性关联无法确立改变该模式导致了任一结果。

该论文的设计也无法判定这三种习惯是否存在相互作用。研究人员比较了不同类别；他们没有报告正式的乘性交互作用项、乘积项回归估计值，或由交互作用导致的相对超额风险。若没有这些分析，一个有利的三因素类别看起来可能优于一个单因素类别，原因很简单：它包含三种有利暴露因素。

该研究支持联合获益，但并未量化协同增益。

身体活动呈现出最清晰的实际梯度

在主要分析中，每周超过 3,000 MET-分钟的高身体活动组，其生物学衰老结局优于中等和低活动组。这一结果使每周 600 MET-分钟这一标准公共卫生最低值有了相应的背景：它可能是一个有用的下限，但在这项分析中并不对应最有利的衰老时钟类别。

不过，该研究并未提供精确的处方建议。其身体活动暴露采用的是分类变量，而不是连续的剂量-反应模型。它无法告诉读者，在 600 至 3,000 MET-分钟之间获益是否稳步增加、获益从何处开始趋于平缓，或某个特定的每周总量是否最适合某个人。高活动类别大致相当于每天 60 至 70 分钟的中等强度活动，但生物学年龄数据并未证明这是一项阈值。

饮食质量可能很重要；DII 是一个不完美的观察视角

在 Liu 及其同事的研究中，较低、抗炎性更强的 DII 是有利模式的一部分。但 DII 是源自饮食回忆的评分，而非炎症的血液检测。一次 24 小时回忆可能遗漏日常的正常波动，回忆误差也会使任何个体评分不够精确。

膳食炎症潜力也与更广泛的饮食质量重叠。Cong Zhang 等人于 2025 年开展的一项英国生物样本库分析比较了 DII、膳食抗氧化能力和地中海饮食依从性与生物学衰老的关系。这些指标显示出不同的关联，提示 DII 可能捕捉到与地中海式饮食并不完全相同的信息。两者仍存在大量重叠，因此现有证据无法清楚地区分炎症效应与总体更健康饮食的效应。

更广泛的饮食信号也出现在英国生物样本库之外。一项 2024 年 NHANES 分析涵盖 1999 至 2018 年，发现美国人群中更健康的饮食模式与较低的 HD、KDM-BA 和 PhenoAge 相关。这一重复结果提高了人们对饮食质量与生物学年龄测量相关的信心，但它并未检验三因素组合或 DII 本身。

所提出的炎症途径也需要谨慎对待。一项 2023 年关于 Life's Simple 7 的研究——这是一个包含饮食和身体活动的生活方式评分——发现其与循环白细胞介素-6和 C 反应蛋白呈负相关。这使生活方式与炎症之间的联系在生物学上具有合理性。然而，Life's Simple 7 并不是 DII，而合理性并不证明 DII 是通过这些生物标志物改变衰老的。在一项中国素食者-杂食者队列中，Cenyu Wang 等人指出，早期使用单一炎症生物标志物的 DII 研究总体上得出了不一致的结果。

睡眠属于这一模式，但其个体效应在此难以分离

健康睡眠是有利联合类别的一部分，但主要研究将睡眠作为二元变量处理。这种设计限制了精确性。它无法显示哪些睡眠组成部分最重要、各组成部分贡献了多少，或在联合类别框架内将睡眠与饮食和活动完全分离后，睡眠是否仍具有独立关联。

这是生活方式流行病学中的一个常见问题：这些行为会聚集在一起。经常锻炼的人也可能有不同的饮食、有不同的工作时间表、较少吸烟、更早寻求医疗服务，或在研究开始时健康状况更好。统计调整有所帮助，但无法测量塑造行为和结局的每一种差异。

为何生物学年龄时钟值得关注——以及为何它们不是诊断工具

生物学年龄测量具有一定的现实意义。一项 2025 年针对 1,966 名 50 岁及以上美国成年人的 NHANES 研究发现，在调整年龄、吸烟和慢性病后，五种 DNA 甲基化年龄估计器——HorvathAge、HannumAge、PhenoAge、GrimAge 和 GrimAge2——均与全因死亡和特定死因死亡独立相关。

这一发现支持更广泛的命题，即衰老时钟可以预测日后的健康风险。但它并不能证明，与生活方式相关的 PhenoAge、KDM-BA 或 HD 差异会转化为特定的寿命延长。这些测量方法是相关工具，并非同一项检测；没有任何一种能以体温计诊断发热的方式诊断一个人的衰老速度。

另一项2025 年英国生物样本库行为模式分析也将生活方式因素与表观遗传生物学年龄加速联系起来。其与 Liu 研究结果的一致性支持这样一种观点：行为模式与衰老轨迹相伴变化。它同样没有提供饮食、活动和睡眠之间的正式交互作用估计。

这些局限性足以影响结论

所有这些证据均为观察性证据。反向因果关系仍有可能：疾病可能在被诊断前降低活动量或改变饮食。生存偏倚也可能很重要，因为健康状况较差的人可能在入组前死亡。英国生物样本库参与者通常比更广泛的英国人口更健康、受教育程度更高且更重视健康，该队列也以英国白人为主。这些特征限制了可推广性，尤其是对于其含义可能因饮食文化而异的膳食评分。

年龄和性别也可能修饰生物学年龄关联。一项 2024 年涵盖 22 项研究的荟萃分析发现，在精神分裂症研究中，性别、病程和多基因因素修饰了表观遗传年龄加速。这并不能确立生活方式研究中存在同样的修饰作用，但它提醒我们，衰老时钟反映的不只是生活方式。主要研究报告的女性和 60 岁以下人群中更强的关联，需要经过正式的效应修饰检验，才能被视为已确定的生物学差异。

如何看待这些证据

应建立完整的模式，因为每个组成部分都有合理的证据基础：持续遵循地中海饮食取向、具有抗炎性的饮食模式；超出最低类别的规律身体活动；以及持续健康的睡眠。在英国生物样本库分析中，这种组合模式与最佳的生物学衰老和死亡率结局相关。

不要宣称这种组合会形成“超级衰老”防护盾。尚无随机干预试验针对这些生物学年龄结局检验结构化的 DII 加身体活动加睡眠方案，也没有任何被引用的队列分析正式显示超加性交互作用。更合理、也更有用的结论不那么吸睛：同时做到这三点，很可能会获得三者各自的优势。它们的组合是否会带来额外收益，仍未得到解答。