［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.
植物固醇壞處 在 膽固醇含量高的食物、鰻魚禁忌、鰻魚壞處在PTT/mobile01 ... 的推薦與評價
總體來說脂肪肝患者的飲食原則是低脂肪高蛋白高維生素，各種油膩的肉類儘量少吃，多吃含蛋白質多的食物，最好是植物蛋白，例如各種豆類以及豆類製品。 ... <看更多>