核心发现

肥胖在所有分析模型中始终与新发糖尿病相关，且在使用时变暴露评估时观察到更强的关联。

重度饮酒（≥30g/天）在乘法、加性两类模型中均稳定升高糖尿病发病风险；轻中度饮酒仅在加性风险模型中可见人群层面额外发病负荷。

未观察到肥胖与饮酒之间存在正向的相乘或相加交互作用。

这项研究的独特之处？——双暴露、双模型创新构架

2026年7月，这项发表于糖尿病领域顶级期刊Diabetologia的大型前瞻性队列研究，重点探究了肥胖、饮酒对糖尿病发病风险的交互效应。研究依托韩国基因组与流行病学研究（KoGES）安山-安城队列，纳入2001~2002年招募的7817名基线无糖尿病、年龄≥40岁社区居民，随访至2017~2018年；平均随访11.8年，中位随访15.3年。

研究的独特之处在于采用了“双暴露、双模型”的创新设计：

双暴露：同步纳入基线静态暴露与每2年更新的时变暴露数据，既分析基线单次检测指标，也纵向更新受试者肥胖、饮酒状态。

双模型：同时使用Cox比例风险模型（乘法尺度，估算相对风险HR）与Aalen加性风险模型（加性尺度，估算绝对风险，即千人年发病增量），量化肥胖、不同饮酒量对新发糖尿病的独立效应与联合作用，并分别评估相乘、相加尺度下的交互效应。

这一设计在同类研究中具有独特的方法学价值。流行病学中，加法交互结果对公共卫生防控更具直接参考价值，因为它直接回答“每千人年额外增加多少病例”。两套模型交叉验证，能够规避单一统计模型掩盖真实风险关联的局限。

独立风险：肥胖、重度饮酒稳定升高糖尿病发病风险

肥胖：始终如一的“头号推手”

无论采用何种统计模型、何种暴露评估方式，肥胖（BMI≥25 kg/m²，采用亚太标准）都是糖尿病最强劲的风险因素。

在时变动态模型中，肥胖可使糖尿病相对风险升高91%（HR=1.91，95%CI：1.75~2.09），对应每1000人年额外新增21.9例糖尿病（95%CI：20.0~23.8）；基线静态模型HR=1.73，每1000人年额外新增18.7例。单次基线测量低估肥胖影响约17%——这意味着单次体检可能错失风险的真实规模，动态追踪体重变化能更准确地识别高危个体。

15年随访期内，非肥胖人群糖尿病累积发病率19.9%，肥胖人群高达32.3%，差值超12个百分点。这一差距在人群中意味着巨大的疾病负担。

饮酒：量级决定一切，尺度决定“看见”

饮酒与糖尿病的关系远非“喝一点有益”那么简单。

重度饮酒（≥30g/天）是唯一在相乘、相加模型中均显著升高发病风险的暴露因素。时变模型显示，重度饮酒使糖尿病相对风险增加23%（HR=1.23，95%CI：1.05~1.44），每1000人年额外新增14.6例（95%CI：11.1~18.1）。

轻中度饮酒（<10g/天、10~29.9g/天）则呈现出有趣的分裂：常规Cox乘法模型中相对风险无统计学意义；但在Aalen加性模型中，分别对应着每1000人年多10.0例和15.3例的额外糖尿病病例。

研究者对此给出的解释是：糖尿病是一种常见病，基线风险本身已经很高，人群基线风险本就偏高；即便相对风险小幅波动，换算至绝对发病数仍具备公共卫生意义。解读危险因素联合效应时，需同步呈现相对风险与绝对风险，单一依靠相对风险指标可能会低估饮酒带来的人群疾病负担。

核心发现：两类交互模型结论完全相反

相乘交互：无统计学显著交互作用

无论基线静态或时变暴露数据，肥胖与各饮酒分层的相乘交互P值均＞0.05，不存在统计学显著的相乘交互。

以时变数据为例：肥胖×饮酒<10g/天交互HR=1.10（P=0.425）；肥胖×10~29.9g/天交互HR=0.84（P=0.249）；肥胖×饮酒≥30g/天交互HR=0.86（P=0.278），均无统计学差异。

相加交互：存在显著负向拮抗交互

这可能是本研究最反直觉的发现。当肥胖与饮酒同时存在时，两者在加性尺度上的交互效应竟然是负值——即拮抗交互作用。这不是说饮酒“降低”了肥胖者的糖尿病风险，而是说两者同时存在时的新增病例数，小于各自单独效应的算术之和。

具体数据如下（时变模型）：

肥胖且饮酒<10g/天：联合效应下新发病例比“加法预期”少12.8例/1000人年（95%CI：-17.4~-8.2）

肥胖且饮酒10~29.9g/天：少15.9例/1000人年（95%CI：-22.1~-9.8）

肥胖且饮酒≥30g/天：少14.6例/1000人年（95%CI：-22.0~-7.2）

所有交互P值均<0.001，统计学极其显著。这意味着：假设一位肥胖者不喝酒，他每1000人年有26.7例额外糖尿病风险；若他同时每天饮酒≥30g，额外风险是30.8例——虽然绝对值更高，但"肥胖单独效应"（26.7）加"饮酒单独效应"（18.7）的预期总和是45.4例，实际观察到的30.8例远低于这个预期，呈现“1+1<2”的拮抗特征。

研究者特别强调：千万不要将"拮抗"误解为"保护"。拮抗交互不代表饮酒有益，仅说明肥胖本身基线糖尿病风险极高，叠加饮酒后风险增幅被稀释，肥胖仍是绝对主导风险因素。若简单假设肥胖和饮酒效应可以线性相加，会高估肥胖饮酒者的实际糖尿病风险，高估幅度约为47%~65%。

联合暴露分层：肥胖人群无论饮多少酒，风险均更高

以“非肥胖+不饮酒”为参照，所有肥胖亚组糖尿病发病风险均显著上升，其中肥胖+每日≥30g重度饮酒人群风险最高：

基线静态模型HR=2.12，额外新增31.8例/1000人年；

时变动态模型HR=2.21，额外新增30.8例/1000人年；

非肥胖人群中，仅重度饮酒存在显著相对风险升高（HR=1.33）；轻中度饮酒相对风险无统计学差异，但绝对患病增量仍显著上升。

研究同时开展敏感性分析，仅纳入基线当前饮酒者、饮酒<10g/天为参照组，交互、分层结果与主分析完全一致，排除了既往饮酒人群带来的反向因果偏倚干扰。

临床与公共卫生启示

研究证实肥胖是糖尿病发病的首要危险因素，无论暴露评估采用基线还是纵向时变数据，这一点都成立，且时变暴露分析能更准确地反映真实风险。饮酒相关的风险效应较弱且依赖于分析尺度的选择——仅重度饮酒会持续升高糖尿病风险，轻中度饮酒叠加肥胖几乎不增加额外相对风险。

本研究存在一定局限性：饮酒数据依赖受试者自我报告，且样本仅来自韩国城乡社区，结论外推至其他族群需谨慎。但研究结果明确了两项关键糖尿病防控方向：首要任是体重管控，其次严格限制每日≥30g的重度饮酒。至于“每天一杯红酒有益健康”这一说法，这项长达15年的东亚人群随访研究并未提供支撑证据。相比纠结“喝多少算适量”，不如将有限的自律资源优先投入体重管理——这才是证据最坚实的预防路径。

参考文献：Yoon J, Jeon S, Park B. Baseline and longitudinal joint associations of alcohol consumption and obesity with diabetes risk: evaluating multiplicative and additive interactions. Diabetologia. 2026 Jul 2. doi: 10.1007/s00125-026-06790-7.

本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。