［哪一種低碳飲食死亡率最低？］
過去許多碳水比例跟死亡率的爭議，生酮派強調「極低碳 #高動物性脂肪跟蛋白質」，素食者則是「低動物性蛋白質跟脂肪還有高碳水」，而生酮派認為素食者不健康，素食者認為生酮者不健康，究竟 #誰才是低死亡率飲食？
答案可以從今年四月發表在《Clinical Nutrition》的研究揭曉：這個研究是用 #日本人來進行大規模前瞻性研究（prospective cohort study)，分析死亡率和低碳水化合物飲食（LCD）之間的關係。
比起過去以歐美國家為對象，此研究 #更適合亞洲人作為參考。其中納入了45-75歲，43008名男性和50646名女性日本人進行長達16.9年的追蹤研究。這個研究將蛋白質、脂肪的比例做積分， 分數越高表示碳水越少，蛋白質跟脂肪越高，分數越低表示碳水越多，蛋白質跟脂肪越少，其中動物性跟植物性的蛋白質/脂肪也有分開來探討。
‼️結果發現：
1️⃣動植物混在一起看，低碳飲食（LCD）與全因死亡率（all-causes morality)、心血管疾病（CVD）和心臟疾病的死亡率相關性呈現U型
➡️表示無論「高碳+低蛋白脂肪」或「低碳+高蛋白質脂肪」都會有較高的死亡率。
2️⃣那我們將 #動植物分開來，若單純看 #動物性蛋白脂肪計算的LCD積分，會發現與全因死亡率的相關性也呈U型
➡️表示不止「高碳+低動物性蛋白脂肪」有高死亡率，低碳水若搭配的是較高的動物性蛋白質跟脂肪，那 #死亡率也會上升。
3️⃣若單純看 #植物蛋白脂肪計算的LCD積分，發現與 #較低的全因死亡率、心臟病和腦血管疾病死因 #呈線性相關。
➡️越低的碳水搭配越高的植物性蛋白質跟脂肪，死亡率越低；高碳水+低植物性蛋白脂肪，死亡率高。
⚠️結論：高動物蛋白/脂肪的LCD飲食方式和低動物蛋白/脂肪的高碳水化合物飲食都與 #較高的死亡率相關，而 #富含植物性蛋白質/脂肪的LCD與 #較低的全因死亡率和心血管疾病等死亡率相關。
所以過去生酮飲食的研究 #會有錯覺好像很健康，是因為過去研究沒把動植物分開來看，若只看到「高碳水+低動物性蛋白脂肪」的結果，就會錯誤解讀成：「碳水越低越好+動物性蛋白質脂肪要多吃」，而事實上，低碳比高碳好是確定的，但是前提是動物性蛋白質跟脂肪不能高，太多死亡率一樣升高，而真正能 #降低死亡率的是高植物性蛋白質跟脂肪。
為何植物性蛋白質/脂肪能夠降低全死亡率呢？
因為豆類食物的蛋白質有較少的甲硫胺酸，減少代謝產物對身體的負擔，也沒有高磷的問題。而且植物的脂肪通常富含「植物固醇」（Phytosterol）可以降低腸道對膽固醇的吸收，降低「低密度膽固醇」而不影響「高密度膽固醇」的量，另外也有 #抑制腫瘤和調節免疫的作用。（所以擔心乳癌的不要再問我豆漿豆腐了，吃肉都不怕了怕吃豆？豆類是抗癌食物第一名！）
而這樣的結果已被2018年《Journal of Functional Foods》期刊證實跟植物固醇可增加一群有益的腸道微生物，進而阻斷身體對膽固醇的吸收有關。
另外 #植物性單元不飽和脂肪酸和 #多元不飽和脂肪酸（如 α-亞麻酸）都跟死亡率和心血管、腦血管疾病的 #風險降低相關。動物性飽和脂肪的壞處就不用贅述了，隨便在Pubmed 搜尋關鍵字都可以跑出一堆有害身體的研究。
所以生酮這種狂吃肉的低碳只會增加全死亡率，但素食者也要注意，如果是吃高碳水或是一堆加工食品（素料、百頁豆腐），這種過度加工的豆類製品的植物性蛋白質很低，一樣高全因性、心血管疾病死亡率。
地球的生態系要維持平衡，草食性動物一定要多於肉食性動物，這是 #食物鏈的自然準則。身體的腸道菌生態系亦然， #植物性來源的食物多於動物性來源的食物，才能維持生生不息。
R2飲食，就是非常典型的高植物性蛋白質/脂肪、低碳水、低動物性蛋白質/脂肪的飲食，還加上了高纖維又杜絕過度加工食品。
這些研究雖然沒有做腸道菌的比對，但是可以發現，能夠有益腸道菌的飲食方式，的確就是最能夠降低全因性死亡率的飲食呢！
3年前我review腸道菌跟所有營養學的期刊研究結果，而創立了4+2R代謝飲食法，這幾年來陸陸續續出來的國際研究，也越來越證實我當初的假說跟推論完全就是走在正確的道路上呢☺️
#低碳低飽和脂肪高植物性蛋白質脂肪才是王道
Reference: AKTER, Shamima, et al. Low carbohydrate diet and all cause and cause-specific mortality. Clinical Nutrition, 2021, 40.4: 2016-2024.
膽固醇 壞處 在 吃西藥降膽固醇有哪些好處和壞處？ - YouTube 的必吃
無事不登三寶殿健康篇012022 主持人：Lea吃西藥降 膽固醇 有哪些好處和 壞處 ？幹細胞醫療專家陳昌平醫生無事不登三寶殿為您解答各式在美國生活中所遇到的 ... ... <看更多>