島民 No.86991066的知識庫

[How To] AI 時代的 Excel 資料整理術：別再把原始資料直接餵給生成式 AI，用 Power Query、Codebook 與規格化提示打造可重複執行的自動化流程

2026-04-20T23:30:00.001+08:00

生成式 AI 出現之後，很多人處理 Excel 的第一反應，就是把資料貼進對話框，要求 AI 直接幫忙整理、分類、統計，甚至輸出報表。但如果你真的需要的是一套可重複、可維護、可驗證的資料流程，那麼更好的做法不是把原始資料交給 AI，而是把初始 M 語法、欄位規格、處理需求與輸出格式交給 AI，讓它協助你產生可直接貼進 Power Query 的語法。

這篇文章會用一組仿真去識別化的藥品許可證資料，完整示範如何從 Excel 載入資料、調整欄位屬性、建立 Codebook、撰寫給生成式 AI 的四段式需求、驗證 Power Query 結果，並逐步優化成一套可以長期重複使用的工作流。對經常處理藥證、產品、供應商、主成分、劑型或許可證資料的人來說，這套方法通常比直接把 Excel 丟給 AI 更穩、更安全，也更有效率。

這篇文章的核心不是「怎麼把 Excel 餵給 AI」，而是「怎麼把資料規格講清楚，讓 AI 幫你寫出能在 Power Query 穩定執行的流程」。

這篇文章適合誰？ 如果你已經在用 Excel、正在學 Power Query，或經常需要反覆整理格式固定但欄位複雜的資料，這篇會比單純的「AI 幫我整理一下」更有長期價值。

為什麼不要直接把 Excel 資料丟給生成式 AI

很多人對生成式 AI 的期待，建立在一種很自然的想像上：既然 AI 會寫程式、會整理文字、會分析資料，那我是不是只要把 Excel 貼進去，它就能直接幫我整理完？問題在於，資料整理真正困難的地方，通常不是看懂資料，而是理解規則。

同樣一個欄位，有時候看起來是文字，其實是代碼，不能轉成數值；有時候看起來是一串成分名稱，實際上卻是多值欄位，需要依分隔符號拆開、去空白、排序、去重複，再重新串回；有時候公司名稱看似可以直接分組，但同一家公司在不同資料來源中可能有不同寫法；有時候某個欄位明明叫品名，卻根本不能拿來當唯一鍵。這些事情 AI 不是做不到，而是如果你沒有先把規則講清楚，它很容易用「看起來合理」但不符合你需求的方式處理。

更現實的問題是資料安全。很多工作資料不適合直接貼進外部工具，尤其當資料涉及許可證、產品代碼、供應商名單、內部公司資料或尚未公開的營運資訊時，把整份原始資料直接餵給 AI，風險通常比想像中高。你真正需要的，往往不是讓 AI 看見全部明細，而是讓它理解你的資料長什麼樣、有哪些欄位、欄位規則是什麼、你想做什麼轉換。

最後，是可維護性。今天你把資料貼給 AI，AI 幫你整理出一個結果；下次資料更新時，你通常又要重新貼一次、重新講一次、重新檢查一次。這不是自動化，而比較像把手工整理的一部分外包給 AI。真正有價值的做法，是把規則固定下來，做成 Power Query 查詢，之後資料一更新，只要重新整理即可。

更聰明的做法：把 AI 當成規格翻譯器

這篇文章最核心的觀點很簡單：不要把 AI 當成資料倉庫，要把它當成規格翻譯器。

你真正要交給 AI 的，不是整份原始資料，而是四種資訊：第一，你目前的初始 M 語法；第二，欄位規格；第三，你想做的處理需求；第四，你希望得到的輸出格式。AI 根據這些資訊，幫你寫出可直接貼進 Power Query 進階編輯器的語法，最後由 Excel 在你自己的環境裡執行。

這種分工看起來比較麻煩，但實際上更強。因為一旦你建立了這套工作流，之後很多資料整理任務都會變得非常穩定。你不必每次都重貼原始資料，不必每次都從頭解釋一次，也不必把資料安全與結果可追溯性交給運氣。你做的是把需求結構化，而不是把資料暴露出去。

實戰案例：仿真去識別化的藥品許可證資料

為了讓這篇文章不只停留在概念層次，下面直接用一組仿真去識別化的藥品許可證資料來示範。這份資料保留藥證資料的欄位結構與整理難點，同時對許可證字號、產品名稱、公司名稱與製造商名稱進行仿真匿名化處理。它看起來像真實資料，但不能回推出原始主體，適合拿來做 Excel、Power Query 與 AI 協作教學。

你可以先在 Excel 建立一張工作表，命名為 匿名藥證資料。考量手機版閱讀與首屏效能，本文只展示節錄資料；實際練習時可自行擴充列數。

匿名藥證資料節錄
許可證字號	中文品名	劑型	主成分略述	申請商名稱	製造廠國別
教藥製字第M000101號	霽寧胃舒錠	錠劑	SODIUM BICARBONATE;;MAGNESIUM OXIDE;;DIASTASE	霽川製藥工業股份有限公司	TW
教藥製字第M000118號	嵐清利敏液	內服液劑	CHLORPHENIRAMINE MALEATE;;DL-METHYLEPHEDRINE HCL;;AMMONIUM CHLORIDE	嵐汐藥品股份有限公司	TW
教藥製字第M000173號	曜舒感冒糖衣錠	糖衣錠	ACETAMINOPHEN;;ETHENZAMIDE;;CAFFEINE ANHYDROUS;;DL-METHYLEPHEDRINE HCL;;CHLORPHENIRAMINE MALEATE	曜安化學製藥股份有限公司	TW
教藥製字第M000244號	泓澤舒咳膠囊	膠囊劑	GUAIACOL GLYCERYL ETHER (EQ TO GUAIFENESIN);;NOSCAPINE HCL;;DL-METHYLEPHEDRINE HCL	泓澤藥品工業股份有限公司	TW
教藥製字第M000344號	霽寧胃舒錠加強版	錠劑	SODIUM BICARBONATE;;MAGNESIUM OXIDE;;DIASTASE;;SIMETHICONE	霽川製藥工業股份有限公司	TW
教藥製字第M000388號	嵐清日舒錠	錠劑	ACETAMINOPHEN;;CHLORPHENIRAMINE MALEATE;;CAFFEINE ANHYDROUS	嵐汐藥品股份有限公司	TW

這組資料很適合拿來練習幾件事：主成分略述 是典型多值欄位，適合示範拆分、排序、去重複、重組；申請商名稱 會重複，適合做公司分組統計；中文品名 有相近名稱，但不適合直接當唯一鍵，這能幫助讀者理解為什麼資料整理不能只看表面欄位名稱。

第一步：先載入 Power Query，做好欄位屬性調整

很多人一拿到資料就急著貼進 AI，其實最好的第一步是自己先做基礎清理，也就是把資料載入 Power Query，確認欄位型別與基本屬性。這不只是為了整理資料，也是為了讓後續 AI 能理解你的起始點。

在 Excel 中把資料整理成表格後，點選「資料」→「從表格/範圍」，將資料載入 Power Query。進入查詢編輯器後，先做最基本的欄位型別設定。這一步很重要，因為你後面貼給 AI 的不是一張截圖，而是一段初始 M 語法。

欄位屬性調整時要注意什麼

許可證字號 必須明確設成文字，因為它屬於代碼欄位，不是數值。主成分略述 也應設為文字，因為它本質上是一個多值字串欄位。製造廠國別 雖然只有兩碼，但同樣應設為文字而非數值。這種型別設定看起來只是前置作業，但實際上會直接影響後續 AI 產出的語法品質。

初始 M 語法

let
    來源 = Excel.CurrentWorkbook(){[Name="匿名藥證資料"]}[Content],
    已變更類型 = Table.TransformColumnTypes(
        來源,
        {
            {"許可證字號", type text},
            {"中文品名", type text},
            {"英文品名", type text},
            {"適應症", type text},
            {"劑型", type text},
            {"主成分略述", type text},
            {"申請商名稱", type text},
            {"製造商名稱", type text},
            {"製造廠國別", type text}
        }
    )
in
    已變更類型

第二步：先建立最小可用的 Codebook

與其給 AI 一堆資料樣本，不如先給它一份欄位規格表。這份欄位規格表通常會被叫做 Codebook、譯碼簿或資料字典。它的目的不是描述每一筆資料，而是描述每一個欄位。也就是說，你要告訴 AI 的不是某幾列資料長什麼樣，而是每個欄位應該怎麼被理解、怎麼被處理。

Codebook 欄位規格表
欄位名稱	資料型別	是否可空白	格式規則	分隔符號	業務規則
許可證字號	text	否	固定前綴 + 代碼	無	不可轉數值，不建議拆掉前綴
中文品名	text	否	不固定	無	不建議當唯一鍵
劑型	text	否	分類值	無	可作分組與標準化
主成分略述	text	是	多值字串	;;	拆分後需去空白、排序、去重複，再串回
申請商名稱	text	否	不固定	無	可作公司分組統計
製造廠國別	text	否	兩碼國別	無	可作國別分類

這張表看起來很簡單，但它往往比貼十列樣本更有價值。因為樣本只能讓 AI 猜規則，Codebook 則是直接把規則講明。

第三步：怎麼把需求講給生成式 AI

很多人對 AI 的提問還停留在一句話，例如「幫我整理這份資料」或「請幫我寫 Power Query」。這種問法不是完全不能用，但通常不夠精準。你真正需要的，是把需求拆成固定結構，讓 AI 有足夠資訊產出可直接執行的語法。

我建議至少分成四段：第一段是目前的初始 M 語法；第二段是欄位規格；第三段是處理需求；第四段是輸出需求。

可直接貼給生成式 AI 的四段式提示詞

第一段：目前初始 M 語法
let
    來源 = Excel.CurrentWorkbook(){[Name="匿名藥證資料"]}[Content],
    已變更類型 = Table.TransformColumnTypes(
        來源,
        {
            {"許可證字號", type text},
            {"中文品名", type text},
            {"英文品名", type text},
            {"適應症", type text},
            {"劑型", type text},
            {"主成分略述", type text},
            {"申請商名稱", type text},
            {"製造商名稱", type text},
            {"製造廠國別", type text}
        }
    )
in
    已變更類型

第二段：欄位規格
- 許可證字號：文字欄位，不可轉成數值，保留完整字串
- 中文品名：文字欄位，不建議當唯一鍵
- 劑型：文字欄位，可作分組
- 主成分略述：多值欄位，以 ;; 分隔，拆分後需 Trim、排序、去重複，再用 ;; 串接回來
- 申請商名稱：文字欄位，可用來分組統計
- 製造廠國別：兩碼國別代碼

第三段：處理需求
1. 清理主成分略述欄位：依 ;; 拆分、去除前後空白、排序、去重複，再重新用 ;; 串接
2. 新增一欄「主成分數量」，計算主成分略述拆分後有幾個成分
3. 新增一欄「同申請商許可證張數」，依申請商名稱統計同公司共有幾張許可證
4. 依劑型分組後，新增一欄「劑型筆數」
5. 最後保留原始資料列，不要先彙總成單一列

第四段：輸出需求
- 請直接產出可貼進 Power Query 進階編輯器的完整 M 語法
- 請保留以下欄位順序：
  許可證字號、中文品名、劑型、主成分略述、主成分數量、申請商名稱、同申請商許可證張數、製造商名稱、製造廠國別、劑型筆數
- 若有需要，請加入中繼步驟名稱，方便後續除錯

第四步：拿到語法後，怎麼驗證結果

就算 AI 產出的 Power Query 語法可以執行，也不代表它一定正確。資料整理的專業，不在於讓語法跑起來，而在於確認它是不是照著你的規則跑。

我建議至少驗證三件事。第一，主成分略述 是否真的被標準化，例如是否已去除空白、排序一致、去除重複。第二，統計欄位是否正確 merge 回原始表，而不是只停留在分組表。第三，欄位型別是否仍維持正確，尤其是代碼欄與數量欄。

第五步：第一次做不好，怎麼優化流程

第一次拿到 AI 產生的語法，如果結果不夠好，很多人會直接重問一次。這種做法不是不能用，但效率很低，而且容易讓問題越滾越大。更好的做法，是像在和工程師協作一樣，針對特定問題補規格。

補規格的範例寫法

請保留你上一版的整體結構，但修正以下三點：
1. 主成分略述重組前，請先移除空白字串，再按字母排序
2. 主成分數量只計算非空白成分，不計入 null 或空字串
3. 劑型筆數請 merge 回原始資料表，讓每一列都可看到對應劑型的總筆數
其他欄位與順序維持不變，請重新提供完整 M 語法

這種方式通常比從頭再貼一次完整需求更有效，因為 AI 已經有前一版上下文，你只是在做更精準的修正。

第六步：把一次性操作變成可重複使用的工作流

如果你只是偶爾整理一張表，做到前面這裡已經夠用了。但如果你真正想提升資料整理能力，下一步應該是把這套流程固定下來，變成可反覆使用的工作流。

最基本的做法，是固定保留這幾樣東西：原始資料查詢、Codebook、主要清理查詢，以及輸出查詢。原始資料查詢負責把 Excel 資料讀進來並設定基本型別；Codebook 負責記錄欄位名稱、型別、是否可空白、分隔符號、唯一性與業務規則；主要清理查詢負責主成分拆分、排序、去重複、重新串接、統計與分組；輸出查詢則提供報表或後續分析使用。

實際可貼上的 Power Query 範例語法

下面這一段可以直接貼進 Power Query 進階編輯器。它會讀取 匿名藥證資料，清理 主成分略述 欄位，依 ;; 拆分、移除空白、排序、去重複、重組；之後計算主成分數量、依申請商統計許可證張數、依劑型統計筆數，最後再把統計結果合併回原始資料表。

let
    來源 = Excel.CurrentWorkbook(){[Name="匿名藥證資料"]}[Content],
    已變更類型 = Table.TransformColumnTypes(
        來源,
        {
            {"許可證字號", type text},
            {"中文品名", type text},
            {"英文品名", type text},
            {"適應症", type text},
            {"劑型", type text},
            {"主成分略述", type text},
            {"申請商名稱", type text},
            {"製造商名稱", type text},
            {"製造廠國別", type text}
        }
    ),

    清理主成分 = Table.AddColumn(
        已變更類型,
        "主成分清單",
        each
            let
                原始值 = [主成分略述],
                拆分清單 = if 原始值 = null or Text.Trim(原始值) = "" then {} else Text.Split(原始值, ";;"),
                去空白 = List.Transform(拆分清單, each Text.Trim(_)),
                去除空字串 = List.Select(去空白, each _ <> ""),
                去重複 = List.Distinct(去除空字串),
                排序後 = List.Sort(去重複, Order.Ascending)
            in
                排序後,
        type list
    ),

    重組主成分 = Table.AddColumn(
        清理主成分,
        "主成分標準化",
        each Text.Combine([主成分清單], ";;"),
        type text
    ),

    計算主成分數量 = Table.AddColumn(
        重組主成分,
        "主成分數量",
        each List.Count([主成分清單]),
        Int64.Type
    ),

    申請商統計表 = Table.Group(
        計算主成分數量,
        {"申請商名稱"},
        {{"同申請商許可證張數", each Table.RowCount(_), Int64.Type}}
    ),

    劑型統計表 = Table.Group(
        計算主成分數量,
        {"劑型"},
        {{"劑型筆數", each Table.RowCount(_), Int64.Type}}
    ),

    合併申請商統計 = Table.NestedJoin(
        計算主成分數量,
        {"申請商名稱"},
        申請商統計表,
        {"申請商名稱"},
        "申請商統計",
        JoinKind.LeftOuter
    ),

    展開申請商統計 = Table.ExpandTableColumn(
        合併申請商統計,
        "申請商統計",
        {"同申請商許可證張數"},
        {"同申請商許可證張數"}
    ),

    合併劑型統計 = Table.NestedJoin(
        展開申請商統計,
        {"劑型"},
        劑型統計表,
        {"劑型"},
        "劑型統計",
        JoinKind.LeftOuter
    ),

    展開劑型統計 = Table.ExpandTableColumn(
        合併劑型統計,
        "劑型統計",
        {"劑型筆數"},
        {"劑型筆數"}
    ),

    移除中繼欄位 = Table.RemoveColumns(
        展開劑型統計,
        {"主成分清單", "主成分略述"}
    ),

    重新命名欄位 = Table.RenameColumns(
        移除中繼欄位,
        {
            {"主成分標準化", "主成分略述"}
        }
    ),

    重新排序欄位 = Table.ReorderColumns(
        重新命名欄位,
        {
            "許可證字號",
            "中文品名",
            "英文品名",
            "適應症",
            "劑型",
            "主成分略述",
            "主成分數量",
            "申請商名稱",
            "同申請商許可證張數",
            "製造商名稱",
            "製造廠國別",
            "劑型筆數"
        }
    )
in
    重新排序欄位

一份真正實用的 AI 協作模板

如果你想把這套流程變成日常習慣，可以把下面這個模板存起來。之後每次要請 AI 幫你寫 Power Query，就直接照這個格式填空。

我現在要處理 Excel / Power Query 資料，請根據我提供的初始 M 語法、欄位規格、處理需求與輸出需求，直接產出可貼進 Power Query 進階編輯器的完整 M 語法。

【一、初始 M 語法】
（貼上目前進階編輯器內容）

【二、欄位規格】
- 欄位A：型別、是否可空白、格式規則、是否唯一、特殊說明
- 欄位B：型別、分隔符號、是否多值、處理方式
- 欄位C：...

【三、處理需求】
1. 要做哪些清理
2. 要做哪些分組或統計
3. 要不要保留原始資料列
4. 哪些欄位要新增
5. 哪些欄位要重新命名

【四、輸出需求】
- 最後保留哪些欄位
- 欄位順序
- 是否要拆成中繼查詢
- 是否要保留除錯用步驟名稱

常見問題

沒有原始資料，也能請 AI 幫我寫 Power Query 嗎？

可以，但前提是你要提供足夠清楚的規格，至少包含初始 M 語法、欄位型別、分隔符號、處理需求與輸出要求。對 AI 來說，規格通常比少量樣本更重要。

為什麼一定要先做欄位屬性調整？

因為型別會直接影響後續邏輯。像許可證字號這類代碼欄若沒先設定為文字，後續就可能在比對、排序或合併時出問題。

這種做法和直接把 Excel 貼給 AI，差別在哪裡？

差別在於可維護性與可重複性。直接貼資料通常只會得到一次性答案；把規格講清楚並寫成 Power Query 查詢，才會得到可重複執行、可驗證、可持續優化的流程。

結語：不要把資料交給 AI，要把規格交給 AI

如果你讀到這裡，只想帶走一句話，那就是：不要把資料交給 AI，要把規格交給 AI。

當你開始這樣做之後，生成式 AI 在資料整理中的角色會完全改變。它不再只是聊天工具，也不只是一次性的代工助手，而會變成你在 Excel 與 Power Query 工作流中的協作夥伴。你負責定義欄位、規則與輸出，AI 幫你把這些需求翻成 M 語法，Power Query 則負責在你的本地環境中穩定執行。

如果你真的想在 AI 時代提升資料整理能力，最值得投資的第一步，不是學會更多花式提示詞，而是現在就開始做兩件事：第一，為你常用的資料建立一份簡單的 Codebook；第二，把你每次的整理需求寫成可以交給 AI 的四段式規格。只要你開始這樣做，很快就會發現，你不只是學會了一種問 AI 的方法，而是真正建立了一套可複用、可維護、可擴充的資料整理系統。

[How To] Excel Power Query ：多列資料歸戶教學

2026-04-18T19:00:00.001+08:00

如果你的 Excel 資料裡，同一個配方代號會對應到多筆不同的保健食品原料，而你想把這些原料整理成一列，並且用逗號串接起來，那麼用 Power Query 會比公式更適合。這篇文章用一組完全虛構的保健食品假資料示範，教你如何把同一個配方代號下的多筆原料做資料歸戶，整理成一筆配方內容，並且自動去除重複值。

一、建立假資料：保健食品配方範例

先在 Excel 建立一張工作表，名稱可以叫做「保健配方來源」。欄位名稱這次改成完全不同的假欄位：

配方代號
保健食品原料

範例假資料如下：

配方代號	保健食品原料
H001	維生素C
H001	鋅
H001	蜂膠
H001	維生素C
H002	魚油
H002	維生素E
H003	葉黃素
H003	玉米黃素
H003	維生素A
H004	益生菌
H004	果寡糖
H004	菊糖
H005	膠原蛋白
H005	玻尿酸
H005	維生素C
H006	鎂
H006	維生素D3
H006	鈣

這裡故意把 H001 的維生素C重複出現兩次，是為了示範 Power Query 如何在整理時自動去重複。

二、整理後想得到的結果

我們想把同一個「配方代號」底下的多筆「保健食品原料」，整理成一列，並用逗號加空格串接。整理後的結果會像這樣：

配方代號	配方內容
H001	維生素C, 鋅, 蜂膠
H002	魚油, 維生素E
H003	葉黃素, 玉米黃素, 維生素A
H004	益生菌, 果寡糖, 菊糖
H005	膠原蛋白, 玻尿酸, 維生素C
H006	鎂, 維生素D3, 鈣

也就是說，Power Query 要幫我們完成三件事：先依配方代號做分組，再抓出同組內的所有原料，最後把重複值去掉並串成一格。

三、先把 Excel 資料轉成表格

在 Power Query 讀資料之前，建議先把來源資料轉成 Excel 表格。做法如下：

選取整份資料。
按 Ctrl + T。
確認「我的表格具有標題列」有打勾。
按下確定。

完成後，建議把這個 Excel 表格命名為 tbl_保健配方。這個名稱之後會在 Power Query 的 M 程式碼中用到。

四、Power Query 操作步驟

步驟 1：將資料載入 Power Query

點選表格中的任一儲存格，接著到 Excel 上方功能區選擇：

資料 → 從表格/範圍

Power Query 編輯器就會開啟。

步驟 2：確認欄位格式

請確認以下兩個欄位都是文字格式：

配方代號
保健食品原料

如果不是文字，可以手動改成「文字」。

步驟 3：先修剪文字

這一步很重要。若同樣的原料名稱前後多了一個空格，Power Query 會視為不同內容，去重複時就會失效。

先選取「配方代號」欄，再到：

轉換 → 格式 → 修剪

接著選取「保健食品原料」欄，同樣執行：

轉換 → 格式 → 修剪

步驟 4：排除空白列

如果來源資料可能有空白列，建議在這一步先濾掉。你可以點欄位右側的篩選箭頭，把空白與 null 取消勾選。

步驟 5：使用「分組依據」

這一步是核心步驟。請到：

常用 → 分組依據

請注意，繁體中文介面是叫做 分組依據。

進入視窗後，先點選上方的「進階」模式，再依以下設定填入：

分組欄位：配方代號
新欄名稱：配方內容
作業：選擇「所有資料列」旁的自訂選項，直接在公式欄輸入以下內容：

each Text.Combine(List.Distinct(List.RemoveNulls([保健食品原料])), ", ")

這段公式的作用是：

從每一組的「保健食品原料」清單中移除空值。
將重複原料去除。
最後用逗號加空格串成一個字串。

按下確定後，你會看到每個配方代號只剩一列，而「配方內容」欄位裡已經是串接好的結果，不會出現中間的小表格欄位。

⚠️ 若找不到「所有資料列」選項，請確認使用的是 Excel 2016 以後的版本，或 Microsoft 365 最新版。

步驟 6：將結果載回 Excel

最後點選：

常用 → 關閉並載入

如果你想把結果放到另一張指定工作表，例如「配方整理結果」，也可以用：

關閉並載入至…

再指定載入位置即可。

五、直接貼上的 M 程式碼

如果你不想一步一步操作，也可以直接把下面這段 M 程式碼貼進 Power Query 的「進階編輯器」。前提是你的 Excel 表格名稱叫做 tbl_保健配方。

請到：

常用 → 進階編輯器

然後把內容改成下面這段：

let
    Source = Excel.CurrentWorkbook(){[Name="tbl_保健配方"]}[Content],
    #"變更型別" = Table.TransformColumnTypes(Source, {
        {"配方代號", type text},
        {"保健食品原料", type text}
    }),
    #"修剪文字" = Table.TransformColumns(#"變更型別", {
        {"配方代號", Text.Trim, type text},
        {"保健食品原料", Text.Trim, type text}
    }),
    #"篩除空白列" = Table.SelectRows(#"修剪文字", each
        [配方代號] <> null and [配方代號] <> "" and
        [保健食品原料] <> null and [保健食品原料] <> ""
    ),
    #"分組依據" = Table.Group(#"篩除空白列", {"配方代號"}, {
        {"配方內容", each Text.Combine(List.Distinct([保健食品原料]), ", "), type text}
    }),
    #"排序結果" = Table.Sort(#"分組依據", {{"配方代號", Order.Ascending}})
in
    #"排序結果"

這段 M 程式碼對應的操作邏輯，與前述 UI 步驟一致：變更型別 → 修剪文字 → 篩除空白列 → 分組依據（含去重複與串接）→ 排序。貼上後可直接按「完成」，不需要額外刪除中間欄位。

六、常見錯誤與注意事項

1. Power Query 讀的是表格名稱，不是工作表名稱

很多人會以為工作表叫做「保健配方來源」，Power Query 就會直接用這個名稱讀取資料。實際上，Power Query 在這個情境裡抓的是 Excel 表格名稱，所以你要確認表格名稱是不是 tbl_保健配方。

2. 去重複是依完全相同的文字判斷

例如「維生素C」與「維生素C 」看起來很像，但後面多了一個空格，Power Query 會視為不同值。因此正式資料最好先做「修剪」。

3. 串接順序通常跟原始資料順序有關

本文這種寫法，配方內容通常會依原始資料出現順序來串接。如果你先把來源資料排序過，最後配方內容的排列順序也可能會改變。

4. 若想連大小寫也一起標準化，可以再多做一步

如果你的資料來源有時是 Vitamin C、有時是 vitamin c，也可以在 Power Query 中先做大小寫統一，再做分組依據與去重複。

七、結語

這類「同一代號對應多筆原料，最後要資料歸戶整理成一列」的需求，用 Power Query 很實用。因為你只要設定好一次流程，未來更新來源資料後，只要按重新整理，就能重新產出新的配方整理結果。對於保健食品、藥品成分、原料清單或其他需要歸戶彙整的資料來說，這種做法通常會比手動複製貼上更穩定。

[How To] Excel Power Query 教學：將一格中的多個項目拆成多列

2026-04-15T13:44:00.001+08:00

在整理 Excel 資料時，常會遇到一種情況：一筆資料中的多個內容被放在同一個儲存格內，並以逗號分隔。這樣的格式雖然方便閱讀，但不利於後續篩選、比對、統計與資料清理。這篇文章示範如何利用 Excel 的 Power Query，將同一格中的多個項目拆成多列，讓資料結構更整齊，也更方便後續分析。

假資料範例

以下用一組假資料示範，欄位名稱也完全重新命名，不使用原始欄位：

配方編碼	原料組合	配方型態
P001	GINGER EXTRACT, LICORICE POWDER, PEPPERMINT OIL	綜合配方
P002	CALCIUM CARBONATE, MAGNESIUM OXIDE	綜合配方
P003	VITAMIN C, ZINC GLUCONATE, ELDERBERRY EXTRACT	綜合配方
P004	CHAMOMILE EXTRACT, LEMON BALM, PASSIONFLOWER	綜合配方

我們要得到的結果

例如第一筆資料 P001 原本在同一格中有三個原料：

GINGER EXTRACT
LICORICE POWDER
PEPPERMINT OIL

拆分後，希望結果變成這樣：

配方編碼	單一原料
P001	GINGER EXTRACT
P001	LICORICE POWDER
P001	PEPPERMINT OIL
P002	CALCIUM CARBONATE
P002	MAGNESIUM OXIDE
P003	VITAMIN C
P003	ZINC GLUCONATE
P003	ELDERBERRY EXTRACT
P004	CHAMOMILE EXTRACT
P004	LEMON BALM
P004	PASSIONFLOWER

操作步驟：用 Power Query 拆成多列

第一步：先把資料轉成表格

先選取整份資料，按下 Ctrl + T，將資料範圍轉成 Excel 表格，並確認「我的表格具有標題列」已勾選。

第二步：將表格載入 Power Query

在 Excel 上方功能區點選：

資料 → 從表格/範圍

這樣就會進入 Power Query 編輯器。

第三步：依需要篩選資料

如果你只想處理特定類型的資料，例如只處理「綜合配方」，可以先在 配方型態 欄做篩選，保留需要的列。

第四步：將原料組合欄依逗號拆開

選取 原料組合 這一欄，然後依序點選：

分割資料行 → 依分隔符號

接著設定：

分隔符號：選擇逗號
分割方式：選擇 每次出現分隔符號
進階選項：選擇 分割成資料列

這一步很重要。不要選「分割成資料行」，而是要選 分割成資料列，這樣同一筆資料才會展開成多筆。

第五步：去除多餘空白

因為逗號後面通常會帶一個空格，例如：

GINGER EXTRACT, LICORICE POWDER, PEPPERMINT OIL

拆完之後，第二個與第三個原料前面可能會有空白，所以建議再做一次清理。

選取拆分後的欄位，點選：

轉換 → 格式 → 修剪

這樣可以去掉每個項目前後多餘的空白字元。

第六步：保留需要的欄位

整理完成後，你可以只保留：

配方編碼
原料組合（此時已是一列一個原料）

如果需要，也可以把欄位名稱重新改成 單一原料，讓表格更清楚。

第七步：載回 Excel

最後點選：

常用 → 關閉並載入

Power Query 就會把拆分完成的資料重新匯回 Excel 工作表。

這種做法的優點

適合處理一格內有多個值的資料
比手動複製貼上更快，也更不容易出錯
原始資料更新後，只要重新整理查詢即可重跑流程
很適合後續做查找、比對、樞紐分析或統計

結語

如果你的 Excel 資料中，常常出現「一筆資料裡面塞了多個項目」的情況，那麼 Power Query 會是比公式更穩定、更容易維護的做法。特別是在需要把同一格中的多個值拆成多列時，使用「依分隔符號分割成資料列」這個功能，通常就是最有效率的解法。

只要第一次設定好流程，之後遇到同樣格式的新資料，通常只需要重新整理，就能快速完成拆分與清理。

[health] 每十個新癌症患者，有一個和體重過重有關——從機制到減重介入，最新研究怎麼說

2026-04-05T12:00:00.001+08:00

在台灣，癌症已連續四十年高居十大死因之首。每年新增的癌症診斷中，我們談基因、談環境污染、談飲食，卻少有人提起體重。然而，美國的流行病學資料顯示，每年新增癌症案例中，約有一成與過重或肥胖直接相關。在子宮內膜癌與肝膽道癌等特定癌種，這個比例甚至高達五成。

2026 年 3 月，《美國醫學會雜誌》（JAMA）刊出一篇轉譯科學回顧，由肯塔基大學與紀念史隆凱特琳癌症中心的研究者執筆，系統性整合了肥胖如何從生物學機制促進腫瘤發展，以及現有減重介入——包括手術與 GLP-1 受體促效劑（glucagon-like peptide 1 receptor agonists，GLP-1 RA）——是否真的能降低癌症風險的最新證據。^[1]

📌 本文為 Article in Press（已接受待刊），卷期與頁碼尚待補全。

哪些癌症與肥胖的觀察性關聯最為確立？
脂肪組織如何影響腫瘤的發展環境？
減重多少，才可能看到差異？
GLP-1受體促效劑：165萬人資料帶來的初步訊號
一個反直覺的發現：停經前乳癌與肥胖
這份回顧的侷限，讀者應該知道
小結
參考資料

哪些癌症與肥胖的觀察性關聯最為確立？

國際癌症研究機構（International Agency for Research on Cancer，IARC）目前認定 12 種癌症與過重及肥胖具有觀察性關聯，涵蓋：大腸癌、子宮內膜癌、停經後乳癌、膽囊癌、腎癌、肝癌、食道腺癌、卵巢癌、胰臟癌、胃癌、多發性骨髓瘤，以及甲狀腺癌。

在量化風險方面，2008 年發表於《刺胳針》（Lancet）的一篇大型系統性回顧暨統合分析，整合多達 500 萬人以上的觀察性資料，估算 BMI 每增加 5 單位（kg/m²），各癌種發生率的相對風險（relative risk，RR）變化如下：^[2]

子宮內膜癌（女性）：RR 1.59（95% CI 1.50–1.68）
食道腺癌（男性）：RR 1.52（95% CI 1.33–1.74）
腎癌（女性）：RR 1.34（95% CI 1.25–1.43）
大腸癌（男性）：RR 1.24（95% CI 1.20–1.28）
停經後乳癌（女性）：RR 1.12（95% CI 1.08–1.16）

這些數字背後有一個值得留意的細節：效果量因癌種而異，且並非所有癌種都達到統計顯著。例如胰臟癌在男性的估計值（RR 1.07，95% CI 0.93–1.23）信賴區間涵蓋無效值，說明關聯尚不確定。BMI 每增加 5 單位是一個不小的幅度，這些數字呈現的是族群層次的統計關聯，而非個別風險的精確預測。

此外，另一項納入 15 個世代研究、超過 500 萬人的統合分析發現，「代謝不健康的過重或肥胖者」（即 BMI 超標且合併高血壓、血脂異常或胰島素阻抗至少一項）罹患任何癌症的相對風險為 1.21（95% CI 1.02–1.44）。這提示單純體重超標以外，代謝功能失調可能是更精準的風險因子。

脂肪組織如何影響腫瘤的發展環境？

過重或肥胖不只是「多了脂肪組織」這麼單純。當脂肪細胞持續累積、超出正常儲存容量，整個組織的功能就開始出現系統性失調，形成有利於腫瘤發展的局部與全身環境。本文整合了五條主要機制路徑。

一、慢性發炎：從脂肪到腫瘤的橋梁

肥大的脂肪細胞死亡後，周邊的巨噬細胞會形成環繞狀的組織學結構，稱為「冠狀結構」（crown-like structures，CLS）。CLS 是脂肪組織慢性發炎的組織病理學標記，也是目前認為最具臨床潛力的生物標記之一。研究顯示，乳房脂肪組織中 CLS 陽性者，日後發展為乳癌的勝算比（odds ratio，OR）達 6.8（95% CI 1.4–32.4）。

CLS 陽性代表局部發炎活躍，會促進芳香化酶（aromatase）表現，催化更多雌激素在脂肪組織中合成，進而刺激乳癌、卵巢癌、子宮內膜癌等激素敏感性腫瘤的增殖。同時，發炎介質包括前列腺素 E2（prostaglandin E2）、介白素（IL-1β、IL-6）和腫瘤壞死因子 α，可直接促進腫瘤微環境的形成。

二、荷爾蒙失衡：脂聯素下降，瘦素上升

肥胖狀態下，脂肪組織分泌的脂聯素（adiponectin）顯著下降。脂聯素在前臨床模型中具有胰島素敏感化與抑制腫瘤增殖的效應；脂聯素濃度下降，意味著這層保護作用削弱。相反地，瘦素（leptin）在肥胖時升高，會活化 CD8+ T 細胞的脂肪酸氧化，弱化其腫瘤殺傷功能。

三、免疫抑制：腫瘤的遮蔽罩

肥胖相關的全身性發炎會促使骨髓衍生抑制細胞（myeloid-derived suppressor cells）在腫瘤微環境中累積，同時降低自然殺手細胞（natural killer cells）的活性，使免疫系統對早期腫瘤細胞的清除能力下降。這套「免疫逃逸」機制的建立，部分解釋了為何長期肥胖者在多種癌種的發生率上都出現上升趨勢。

四、能量供輸：脂肪組織直接「餵養」癌細胞

近年的前臨床研究揭示了一個具體的分子路徑：脂肪細胞可透過胞外囊泡（extracellular vesicles）將脂肪酸與粒線體相關蛋白傳遞給周邊的腫瘤細胞，提升癌細胞的粒線體密度與 ATP 產量。此外，肥胖狀態下胰島素阻抗使 AMPK（AMP 活化蛋白激酶）活性下降，讓癌細胞能取得更充沛的能量底物。這些機制在人體的直接適用性仍待確認，但為「肥胖餵養腫瘤」提供了可能的分子層次解釋。

五、腸道菌相失調

肥胖相關的腸道菌相改變包括：保護性共生菌（如 Akkermansia muciniphila、Bacteroides vulgatus）減少，促炎菌種（如 Bilophila）增加。在動物模型中，這些變化與腸黏膜屏障破壞、系統性促炎細胞激素升高，以及 Wnt、MAPK、PI3K-AKT 等致癌路徑的活化有觀察性關聯。目前人體資料仍以關聯性研究為主，因果關係尚未確立。

值得特別提及的是 BRCA1/2 基因帶原者的風險。研究顯示，肥胖顯著增加 BRCA 帶原者乳房上皮細胞的 DNA 雙股斷裂累積，且這種損傷在離體（in vitro）實驗中可被 metformin 逆轉。這為遺傳高風險族群的化學預防策略提供了初步的機制基礎，但臨床應用仍需前瞻性試驗支持。

減重多少，才可能看到差異？

理解機制之後，下一個問題是：體重降下來，癌症風險真的會跟著降低嗎？

目前最大規模的觀察性資料來自 2022 年《美國醫學會雜誌》（JAMA）刊出的一項配對觀察性世代研究。研究者將 30,318 名接受減重手術的肥胖患者，以 1:5 的比例與未手術的肥胖者進行配對，中位追蹤 6.1 年。結果顯示，手術組的整體肥胖相關癌症發生率顯著較低：HR 0.68（95% CI 0.53–0.87），絕對發生率為 3.0 對 4.6 件/千人年，10 年累積發生率分別為 2.9% 對 4.9%。子宮內膜癌的效益最為明顯，HR 0.47（95% CI 0.27–0.83）；但乳癌與大腸癌的差異並未達統計顯著。^[3]

關於減重幅度，婦女健康倡議（Women's Health Initiative）前瞻性世代資料（N=58,667，中位追蹤 12 年）顯示，成功減重 5% 以上者，整體肥胖相關癌症的風險較體重穩定者有觀察性關聯的下降（HR 0.88，95% CI 0.80–0.98）；子宮內膜癌的 HR 更低至 0.61（95% CI 0.42–0.88）。

然而，Look AHEAD 試驗（N=4,859）的結果提出了重要的警示。這是一項隨機對照試驗（randomized controlled trial，RCT），比較強化生活型態介入（平均減重 6.5%）與對照組（平均減重 4.6%）對癌症的影響，中位追蹤 11 年。結果顯示兩組之間肥胖相關癌症發生率未達統計顯著差異（HR 0.84，95% CI 0.68–1.04）。研究者推測，對照組亦達到 4.6% 的減重幅度，縮小了組間差距，削弱了試驗的檢定力；此外，全體受試者的癌症整體發生率高達 14%，也可能影響分析結果。

綜合現有資料，研究者指出，體重減輕超過 10% 可能是觀察到癌症風險顯著下降所需的門檻；4–6% 的介入幅度，目前尚無清楚證據支持其癌症預防效益。

GLP-1受體促效劑：165萬人資料帶來的初步訊號

近年受到廣泛關注的 GLP-1 受體促效劑（如司美格魯肽 semaglutide、liraglutide），在肥胖與癌症的討論中也引起高度興趣。本文引用的最大規模觀察性資料，來自 2024 年《JAMA Network Open》刊出的一項回顧性世代研究，納入 1,651,452 名第二型糖尿病（type 2 DM）患者，比較使用 GLP-1 RA 與使用胰島素者的癌症發生率，追蹤長達 15 年。結果顯示，GLP-1 RA 使用者在多種癌種中的觀察性風險均較低：^[4]

胰臟癌：HR 0.41（95% CI 0.33–0.50）
膽囊癌：HR 0.35（95% CI 0.15–0.83）
肝癌：HR 0.47（95% CI 0.36–0.61）
大腸直腸癌：HR 0.54（95% CI 0.46–0.64）
卵巢癌：HR 0.52（95% CI 0.37–0.74）

這些效果量相當可觀，但在解讀上必須格外謹慎。這項研究以胰島素使用者作為對照組，而選擇胰島素的患者往往病情較重、胰臟功能較差，本身的癌症基線風險可能就高於 GLP-1 RA 使用者——這種「適應症困擾偏誤」（indication bias）可能人為誇大了 GLP-1 RA 的表觀保護效益。作者也在文中明確承認這項限制。

此外，各癌種的絕對風險差異幅度為 −0.02% 至 −0.5%，雖然統計顯著，絕對量並不大。目前 GLP-1 RA 降低癌症風險的機制尚不清楚——究竟是透過減重本身帶來的代謝改善，還是藥物具有獨立的直接抗腫瘤效應，現有觀察性資料無法區分。正式的隨機對照試驗是唯一能回答這個問題的設計，目前尚未見到相關成果。

一個反直覺的發現：停經前乳癌與肥胖

本文納入了一個讓讀者可能感到意外的發現。英國百萬女性研究（N=1,222,630）的資料顯示，BMI 每增加 10 單位，停經後乳癌的相對風險為 RR 1.40（95% CI 1.31–1.49）——方向與一般認知一致。然而，停經前乳癌的估計值卻為 RR 0.86（95% CI 0.73–1.00），信賴區間的上限恰好觸及 1.00，方向偏向保護而非傷害，且兩組趨勢差異達統計顯著（P<.001）。

研究者提出的機制假說是：在停經前的育齡期，肥胖女性較常出現無排卵週期，導致黃體期雌孕激素對乳腺的週期性刺激減少，反而可能形成相對的保護效應。

需要強調的是，RR 0.86 的信賴區間包含 1.00，嚴格來說尚未達到傳統統計顯著的門檻。這個發現的意義在於提醒讀者：「肥胖與乳癌風險上升」的常見論述，在停經前女性中並不適用，兩者之間的關係因停經狀態而異。

這份回顧的侷限，讀者應該知道

本文是敘事型轉譯科學回顧（narrative translational science review），並非系統性回顧，文獻選取缺乏 PRISMA 標準流程，存在選擇偏誤的可能。作者也在文中明確聲明，部分相關主題未納入討論，且未進行正式的文獻品質評估。

機制層面的證據，有相當比例來自動物模型，人體外推性有限。腸道菌相與癌症的關聯，在人體研究中目前仍以觀察性資料為主，因果關係未確立。

GLP-1 RA 的癌症相關資料的最大隱患，是以胰島素為對照帶來的適應症困擾偏誤，如前所述；Look AHEAD 試驗雖為 RCT，但癌症分析屬次要終點，且組間減重幅度差距有限，統計檢力不足。

地域代入方面，大型資料庫（減重手術、GLP-1 RA 回顧性世代）主要以美國白人族群為樣本。台灣以 BMI 24 為肥胖切點，低於西方慣用的 BMI 30，直接套用本文的流行病學數字需要考量族群差異。

小結

肥胖與癌症的關係，比日常語境中的理解要複雜許多——它不是單一連結，而是透過發炎、荷爾蒙失衡、免疫抑制、能量供輸與腸道菌相等多條路徑，共同形塑腫瘤發展的生物學環境。

在預防介入方面，現有觀察性資料提示，減重幅度達體重 10% 以上，可能才是觀察到癌症風險下降所需的門檻。GLP-1 受體促效劑的 165 萬人資料帶來令人矚目的初步訊號，但適應症困擾偏誤的問題尚未解決，距離確立「能防癌」的結論，仍需等待隨機對照試驗的證據。

台灣的肥胖盛行率與癌症流行病學與美國存在差異，本文的數字不宜直接移植。但「體重管理與癌症風險的關聯」這個方向，已積累足夠的流行病學一致性，值得在癌症預防的公共衛生討論中，給予更明確的位置。

參考資料

[1] Shen, S., Brown, K. A., Green, A. K., & Iyengar, N. M. (2026). Obesity and cancer: A translational science review. JAMA. https://doi.org/10.1001/jama.2026.1114

[2] Renehan, A. G., Tyson, M., Egger, M., Heller, R. F., & Zwahlen, M. (2008). Body-mass index and incidence of cancer: A systematic review and meta-analysis of prospective observational studies. The Lancet, 371(9612), 569–578. https://doi.org/10.1016/S0140-6736(08)60269-X

[3] Aminian, A., Wilson, R., Al-Kurd, A., Rodriguez, J., Kermansaravi, M., Maillard, J., ... & Bhatt, D. L. (2022). Association of bariatric surgery with cancer risk and mortality in adults with obesity. JAMA, 327(24), 2423–2433. https://doi.org/10.1001/jama.2022.9009

[4] Wang, L., Wang, Y., Hu, C., Wang, T., & Du, L. (2024). Glucagon-like peptide-1 receptor agonists and 10 obesity-associated cancers in patients with type 2 diabetes. JAMA Network Open, 7(8), e2429657. https://doi.org/10.1001/jamanetworkopen.2024.29657

[health] 100%純果汁、果汁飲料、還是整顆水果——三者的糖尿病風險，研究這樣說

2026-04-04T15:08:00.001+08:00

便利商店的冰櫃前，擺著各式各樣的果汁產品：有標榜「100% 純果汁」的冷壓果汁，有混合果汁飲料，也有加了糖漿調味的果汁調合飲。包裝上通常印著水果圖案，顏色鮮豔，給人天然、健康的印象。許多人把一瓶果汁放進早餐，覺得這樣等同於吃了一份水果——方便、美味，又顧到健康。

台灣市場上，果汁產品的品項多年來持續增長，不少打著「補充維生素 C」「天然果萃」等名義，成功建立健康飲品的形象。然而，果汁與水果之間真的可以畫上等號嗎？過去的研究對這個問題給出了相當混亂的答案。

同樣是水果，為何研究結果這麼不一致？
果汁和水果，差在哪裡？
含糖果汁飲料：風險訊號出現了
100% 純果汁：沒有傷害，但也沒有保護
亞洲族群的差異：同樣的果汁，不一樣的風險？
你手上那杯，到底是哪一種？
這項研究的侷限，讀者應該知道
小結
參考資料

同樣是水果，為何研究結果這麼不一致？

流行病學長期關注飲食與第二型糖尿病（type 2 diabetes mellitus，T2DM）的關聯。全水果方面，多項前瞻性世代研究的統合分析一致指出，較高的水果攝取量與較低的糖尿病發生率有觀察性關聯；一項納入 19 篇世代研究的統合分析估計，每增加 200 公克/天的水果攝取，糖尿病風險相對降低約 4%（合併相對風險 RR = 0.96）。

但是，當研究對象換成果汁，結論就開始分歧。部分研究觀察不到顯著關聯，另一些研究則指向果汁攝取與糖尿病風險上升有關。這種不一致，很可能來自一個長期被忽略的問題：「果汁」其實不是一個同質的類別。

超商裡那瓶 100% 冷壓果汁，與另一瓶摻了果糖糖漿的調合果汁飲料，雖然外觀類似，在成分上卻有根本的差異。過去的統合分析大多沒有系統性區分這兩種產品，因此結論模糊也不令人意外。

2025 年發表於《美國醫學雜誌》（The American Journal of Medicine）的一篇系統性回顧與統合分析，試圖解決這個問題。研究團隊搜尋 1,591 篇文獻，最終納入 14 篇前瞻性世代研究，涵蓋來自美國、芬蘭、法國、日本、新加坡等 10 個國家共 613,505 名成人，追蹤期間從 8 年到 24 年不等。這也是目前同主題中規模最大的統合分析。研究的核心設計，正是把「100% 純果汁」和「非 100% 果汁（含糖果汁飲料）」拆開來分別分析。

果汁和水果，差在哪裡？

整顆水果含有大量膳食纖維。這些纖維在消化道中扮演著重要角色：它們能延緩碳水化合物的吸收速度、刺激腸泌素（incretin）的分泌、延緩胃排空，並有助於穩定飯後血糖的波動。此外，水果中的多酚、花青素、類胡蘿蔔素等植化素（phytochemicals），也被認為與胰島素敏感性的調節有潛在的關聯。

果汁在加工過程中，通常移除了果肉與多數纖維，留下的主要是水、糖分與部分水溶性植化素。即使是 100% 純果汁，纖維含量也遠低於整顆水果；而液態的果汁在腸道中的吸收速率，比固態的整顆水果快得多，血糖峰值也相對較高。至於含糖果汁飲料，問題更明顯——額外添加的果糖糖漿或蔗糖，進一步提高了整體血糖負荷。

含糖果汁飲料：風險訊號出現了

統合分析的主要結果顯示，若把所有種類的果汁合併來看，整體與第二型糖尿病發生率之間並無統計顯著的關聯（合併 RR = 1.06，95% CI 0.98–1.15，P = .170）。

然而，當研究者把果汁依類型分開分析，結果出現了分歧。

非 100% 果汁（含糖果汁飲料）的次族群分析，納入 9 篇研究，結果顯示這類飲品的攝取與糖尿病風險上升有統計顯著的觀察性關聯：合併 RR = 1.15（95% CI 1.03–1.28，P = .012）。換句話說，長期習慣飲用含糖果汁飲料，與糖尿病發生率相對偏高約 15% 有觀察性關聯。

值得一提的是，這個效果量在不同研究間的差異頗大（I² = 70.6%），顯示各研究的結論並不完全一致。這種異質性，部分可能來自「非 100% 果汁」本身定義的模糊——從重度加糖飲料到輕微調味果汁，被歸入同一類別，本來就不是均質的比較。因此，RR 1.15 這個數字較適合理解為一個方向性的估計，而非精確的風險預測。

100% 純果汁：沒有傷害，但也沒有保護

另一方面，100% 純果汁的分析（k = 7 篇研究），得到的結果是 RR = 0.98（95% CI 0.93–1.03，P = .490）——幾乎與基準值相同，且統計上無顯著差異。這個數字的研究間異質性非常低（I² = 0%），各研究結論相當一致。

這個「0.98」有點耐人尋味——它不支持「純果汁有害健康」的擔憂，但也無法替「喝果汁等於吃水果」的說法背書。研究者推測，100% 純果汁保有部分植化素，且若含果肉，也保有少量纖維，這些成分或許部分抵消了液態吸收快速的不利影響，使其整體效應接近中性——但這終究只是推測，無法從觀察性數據中得到確認。

對照前述全水果的統合分析結果（RR = 0.96，每增加 200 g/天），差異更為清晰：整顆水果的攝取與糖尿病風險偏低有觀察性關聯，而 100% 純果汁頂多是「無害」，兩者在代謝效應上並不等同。

亞洲族群的差異：同樣的果汁，不一樣的風險？

這項統合分析中，有一個讓亞洲讀者值得留意的次族群分析。按地區分層後，果汁攝取與糖尿病風險上升的統計顯著關聯，僅出現在亞洲族群（RR = 1.17，95% CI 1.02–1.34，P = .023）。歐洲族群的對應估計值為 RR = 0.99，幾乎持平；美洲和大洋洲也均未達顯著。

對此，研究者提出了一個機制假說：亞洲人普遍具有較高程度的胰島素阻抗（insulin resistance）及相對較低的胰臟 β 細胞儲備量，這可能使亞洲人對高血糖負荷的飲食模式更為敏感。台灣在族群遺傳與代謝特徵上與日本、新加坡相近，若這個假說成立，含糖果汁飲料對台灣讀者可能並非一個安全的日常選擇。

不過，這裡有一個需要誠實說明的限制：亞洲次族群的分析，只納入了 2 篇研究（日本和新加坡各一），樣本量相當有限。在統計效力不足的情況下，RR = 1.17 這個結果是否穩定，仍待更多前瞻性研究驗證。亞洲族群的發現值得重視，但目前的證據基礎不足以支撐強烈的結論。

你手上那杯，到底是哪一種？

理解了研究結果，接下來面對的是更實際的問題：在台灣市場上，要怎麼判斷手上的果汁屬於哪一類？

目前台灣對「100% 果汁」的標示有相應規範，原則上指不含添加糖、色素、防腐劑或其他添加物的純榨果汁。然而，市售產品的標示並不總是直觀。部分產品以「果汁含量 XX%」標示，數字可能僅有 10%–30%，其餘則是水與添加糖；另有些產品以「純天然」「無色素」為賣點，但實際上仍含有添加糖。

判斷的實用原則，是直接查看成分標示：若原料欄首位為「水」或「糖」，而非水果名稱，這瓶飲料更接近含糖飲料，而非純果汁。若標示中出現「果糖糖漿」「蔗糖」「濃縮還原果汁加糖」等字樣，則屬於非 100% 果汁的範疇，也就是本研究中觀察到風險訊號的那一類。

這項研究的侷限，讀者應該知道

這篇統合分析的規模龐大，設計也比過去的研究更為細緻，但有幾個限制值得讀者在解讀時放在心上。

所有納入的研究均為觀察性世代研究，而非隨機分配的介入試驗。這意味著研究只能描述「飲用果汁的習慣與糖尿病發生率之間的關聯」，而無法確認因果方向。換句話說，習慣喝含糖飲料的人，可能在飲食與生活型態上有其他共同特徵，而這些特徵才是糖尿病風險的真正來源——儘管各研究已調整多種混淆因子，但觀察性設計本身的限制無法完全排除這種可能。

主要分析的研究間異質性相當高（I² = 71.0%），顯示各研究的結果並不一致，合併出來的效果量需要謹慎解讀。整體分析雖然涵蓋 613,505 人，但樣本組成約八成為女性，男性資料相對匱乏。此外，研究未能提供劑量反應關係的清楚答案——目前無法從這批資料推估「每週喝多少果汁是安全的」，攝取量的次族群分析在各組均未達顯著。

小結

這項統合分析的結果指向一個有層次的結論，而非非黑即白的簡單答案。

含糖果汁飲料（非 100% 果汁）的長期攝取，與糖尿病發生率偏高的觀察性關聯相對明確，在亞洲族群的分析中也有類似方向的發現，儘管後者的研究樣本尚少。100% 純果汁的情況則更接近中性——目前的研究既不支持它有害，也不支持它如同整顆水果般具有保護效果。整顆水果的保護效應在其他統合分析中有較一致的觀察性支持，與果汁相比，纖維的存在可能是核心差異所在。

果汁的健康形象由來已久，但這個形象並非完全反映它的代謝效應。對於希望降低慢性病風險的人來說，把整顆水果放進飲食，而非把它榨成一杯飲料，在目前的研究證據上，仍是比較有依據的選擇。

參考資料

Lee, C.-W., & Myung, S.-K. (2025). Consumption of fruit juice and risk of type 2 diabetes mellitus: A systematic review and meta-analysis of prospective cohort studies. The American Journal of Medicine, 138(10), 1428–1437. https://doi.org/10.1016/j.amjmed.2025.05.021

Halvorsen, R. E., Elvestad, M., Molin, M., & Aune, D. (2021). Fruit and vegetable consumption and the risk of type 2 diabetes: A systematic review and dose-response meta-analysis of prospective studies. BMJ Nutrition, Prevention & Health, 4(2), 519–531. https://doi.org/10.1136/bmjnph-2020-000218

[health] 體重正常也可能有糖尿病？亞洲人面對的隱藏風險

2026-03-30T21:31:00.001+08:00

為什麼亞洲人的 BMI 標準不一樣？
年輕就確診，問題更大
糖尿病不只是「血糖太高」：認識混亂十三
飯吃太白了？台灣的飲食風險
十個糖尿病患者，六個沒在治療
現代治療：心臟、腎臟，一起保護
T2DM 緩解：糖尿病可以逆轉嗎？
認識邊界：這些數據的侷限
結語
參考文獻

健檢報告出來，BMI 22，醫師說「體重正常，繼續保持」。但兩年後，空腹血糖悄悄升過了臨界值，被診斷為第二型糖尿病（type 2 diabetes mellitus, T2DM）。

「我又不胖，怎麼可能得糖尿病？」

這個問題困惑了許多亞洲患者，也讓研究者意識到：用歐美標準評估亞洲人的糖尿病風險，可能從一開始就錯了。

2026 年，Nature Reviews Disease Primers 發表了一篇由英國、韓國、美國等多國學者共同完成的第二型糖尿病全面性回顧，引用超過 335 篇研究。其中一個核心發現直接點名亞洲族群：在亞洲人身上，BMI 達到 24.2 kg/m² 就相當於歐洲人 BMI 30 kg/m² 的 T2DM 等效風險——而 BMI 30 在歐美才是肥胖的起始門檻。一個在台灣健康體位標準（BMI 18.5–24）內的人，可能早已處於糖尿病的高風險區，卻完全不知道。^[1]

為什麼亞洲人的 BMI 標準不一樣？

BMI 是以體重除以身高平方計算的數值，最初建立在歐美人口研究的基礎上。它的根本問題在於：只測量「身體整體的重量密度」，無法區分肌肉與脂肪，更無法告訴我們脂肪藏在哪裡。

這個盲點，在亞洲人身上格外明顯。

大量研究顯示，在相同 BMI 數值下，亞洲人的體脂肪比例高於歐洲人，且脂肪更傾向堆積在腹腔內——也就是俗稱的「內臟脂肪」。內臟脂肪包裹在肝臟、胰臟、腸道周圍，與慢性發炎和胰島素阻抗（insulin resistance，指身體對胰島素反應變差的狀態）的觀察性關聯十分明確。

兩個人站上體重計，數字一樣——但亞洲人的脂肪偏好藏在腹腔深處，這種差異，BMI 看不見。

這也是為什麼 2026 年這篇回顧建議，對亞洲族群應採用族裔特異性 BMI 篩查閾值，而非沿用歐美標準。台灣目前以 BMI ≥24 作為過重定義，已比歐洲的 ≥25 更嚴格，但這篇回顧的數據提示，即便是 BMI 22–23 的「正常」體位者，若合併腰圍偏大、有家族史或代謝指標異常，也不能排除高風險。^[1]

年輕就確診，問題更大

亞洲人另一個風險，來自發病年齡。

近年全球共同關注的「早發型第二型糖尿病（Early-Onset T2DM, EOT2D）」，定義為 40 歲以前確診。在台灣，這樣的患者或許身邊就有，卻很少受到應有的重視——因為多數人仍認為糖尿病是老年病。

研究顯示，每提早 10 年確診糖尿病，與壽命縮短 3 至 4 年有觀察性關聯。這個數字背後，是更長時間暴露在高血糖環境中，更早出現眼睛、腎臟、神經的損傷，以及更高的心血管和癌症風險。

更值得注意的是，亞洲 EOT2D 患者往往呈現一種在歐洲較少見的亞型：重度胰島素缺乏型（Severe Insulin-Deficient Diabetes, SIDD）。

T2DM 並非一種單一疾病。2018 年瑞典一項資料驅動的聚類分析，將糖尿病分為四種亞型：SIDD（重度胰島素缺乏）、SIRD（重度胰島素阻抗）、MOD（輕度肥胖相關）和 MARD（輕度老年相關）。在瑞典，SIDD 亞型佔 19%；但在印度患者中，這個比例高達 53%。台灣雖缺乏同等規模的亞型分佈研究，但作為東亞族群，推測與南亞數據較為接近。

對亞洲年輕糖尿病患者來說，早發不只是時間上的提前，而是一種機制上的不同——SIDD 亞型的 β 細胞（胰臟中負責分泌胰島素的細胞）功能從一開始就已受損，病程進展更快，更容易需要胰島素治療，視網膜病變與神經病變的風險也更高。^[1]

糖尿病不只是「血糖太高」：認識混亂十三

傳統上，我們把糖尿病簡化成「胰島素不夠用」或「血糖太高」，但這篇回顧提出了一個更全面的框架，稱為「混亂十三（Tumultuous Thirteen）」：第二型糖尿病的發展，涉及至少 13 個器官或生理系統同時出現缺陷。

這 13 個環節包括：胰臟 β 細胞功能衰退、α 細胞分泌過多升糖素、肌肉與脂肪組織的胰島素阻抗、肝臟脂肪堆積、腎臟對葡萄糖的再吸收增加、腎上腺皮質醇（cortisol）異常、腸泌素效應減弱、大腦神經傳導失調、腸道菌叢失衡、慢性低度發炎、免疫功能失調，以及胰島內澱粉樣蛋白沉積。

這份清單首先解釋了為什麼糖尿病這麼難控制——胰臟只是問題的起點，從肝臟、腎臟到大腦，幾乎每個參與代謝的器官都捲入其中。這也說明了為什麼單一藥物往往力不從心：沒有一種藥能同時修復十三個環節。更值得關注的是，這份清單裡有些環節長期被臨床忽視——例如腎上腺皮質醇過高，估計影響高達 25% 的難控糖患者，卻很少被常規評估。

這份框架傳遞的訊息，對台灣的衛教現場尤其重要：糖尿病不是飲食習慣不好的懲罰，而是一個複雜的多器官疾病，需要全方位的評估與處置。^[1]

飯吃太白了？台灣的飲食風險

這篇回顧引用了一項針對 2018 年全球新發 T2DM 的飲食歸因分析，結果顯示超過 70% 的新發病例與飲食問題有觀察性關聯。其中，精製米麵攝取過多佔 24.6%（95% CI 22.3–27.2%）；全穀類攝取不足佔 26.1%（95% CI 25.0–27.1%）——兩者合計，澱粉的「質」是飲食中關聯性最顯著的風險因素。

台灣飲食以白米飯、白麵條為主食，加上珍珠奶茶、麵包等高精製澱粉食物盛行，正是這篇回顧所指出的高風險飲食型態。這並不是說米飯有毒，而是精製穀物相對於全穀類的攝取比例，在流行病學數據中與 T2DM 風險呈現明確的觀察性關聯。

除了飲食，這篇回顧也提出了「五 S 框架」，整合 24 小時的行為建議：

Sleep（睡眠）：睡眠不足與睡眠品質差與胰島素阻抗有觀察性關聯
Sitting（久坐）：減少連續靜態時間有助於代謝健康
Stepping（走路）：每天多走 500 步，與心血管發病率及全因死亡率降低有觀察性關聯
Sweating（有氧運動）：多個 RCT 統合分析顯示，結構化有氧運動 ≥8 週可使 HbA1c（糖化血色素，反映 2–3 個月平均血糖濃度的指標）降低 0.6–0.7%，即使無明顯體重減輕也有效果
Strengthening（阻力訓練）：維持肌肉量是長期代謝健康的重要基礎

預防和控制糖尿病，是一件全天候的事。^[1]

十個糖尿病患者，六個沒在治療

截至 2022 年，全球糖尿病患者數為 8.28 億，是 1990 年的四倍。但或許更令人震驚的是另一個數字：全球 59% 的糖尿病患者未接受治療。

為什麼？原因之一是診斷率不足：T2DM 在早期往往沒有明顯症狀，許多人在確診前已在高血糖狀態中持續多年。另一個原因，這篇回顧明確指出，是糖尿病污名化（diabetes stigma）：研究顯示，約 80% 的 T2DM 患者曾感受到與糖尿病相關的社會污名，涉及「自我管控失敗」「不健康的生活選擇」等負面印象。這種污名不只影響心理健康，也讓許多人迴避就醫或隱瞞病情。

這個現象提醒台灣的健康傳播：討論糖尿病時，「個人選擇」的框架需要被重新審視。現有科學證據顯示，T2DM 的發生受遺傳、族裔、腸道菌叢、免疫功能等大量非個人意志所能控制的因素影響。將疾病責任全部歸咎於個人，科學上站不住腳，現實上也讓患者更難開口求助。^[1]

現代治療：心臟、腎臟，一起保護

對於已確診或高風險的人，2026 年這篇回顧整合了最新的治療證據。

近年兩類藥物已確立為具多器官保護效益的重要選項：

腸泌素促效劑（GLP-1 receptor agonists, GLP1RA） 的多個大型心血管結果試驗統合分析顯示，相較安慰劑，使用 GLP1RA 可使主要心血管不良事件（MACE）降低 14%、全因死亡率降低 12%、心衰竭住院降低 14%、複合腎臟結果降低 17%。這些數字適用於已有心血管疾病或高風險的 T2DM 患者。

其中最新一代的雙重促效劑 Tirzepatide，在一項針對前驅糖尿病（血糖偏高但尚未達糖尿病診斷標準）合併肥胖的患者、長達 176 週（約 3.4 年）的隨機對照試驗中，相較安慰劑，進展為 T2DM 的風險降低了 93%。相比之下，老藥 Metformin 在同類族群中降低進展風險約 31%——仍有效，但與新一代藥物相比已相差懸殊。

鈉葡萄糖共輸送體 2 抑制劑（SGLT2 inhibitors, SGLT2i） 在心衰竭與腎臟保護方面的證據同樣突出：對於射血分數保留型心衰竭（HFpEF）患者，SGLT2i 可使複合心衰竭事件與心血管死亡降低 21%；對於慢性腎臟病患者（無論有無糖尿病），腎病複合進展風險降低 33%。

需要提醒的是，Tirzepatide 等新藥在台灣的健保給付狀況仍在演變中，實際使用還需考量台灣現行藥證與給付資格。^[1]

T2DM 緩解：糖尿病可以逆轉嗎？

「糖尿病一旦確診，就要終身吃藥」——這個認知正在被挑戰。

T2DM 緩解的定義，目前學界已達共識：在停用所有降糖藥物至少 3 個月後，HbA1c 低於 6.5%（48 mmol/mol）。這不是「治癒」，而是疾病進入非活躍狀態。

英國 DiRECT 試驗是最具代表性的緩解研究，以初級醫療為基礎，透過嚴格的低熱量飲食替代方案讓患者快速減重，再進入結構化體重維持支持。隨機對照試驗的 2 年結果顯示，介入組有 36% 達到 T2DM 緩解；在 2 年時仍維持體重減輕超過 10 公斤的參與者中，81% 處於緩解狀態。^[2]

2024 年發表的 DiRECT 5 年延伸研究提供了更長期的觀察性追蹤數據。到第 5 年，繼續接受低強度飲食支持的延伸組中，仍有約 13% 維持緩解，接受一般照護的對照組為 5%。若以整個 5 年期間的整合指標計算，原始介入組處於「緩解狀態」的隨訪次數佔 27%，對照組僅 4%——從累積的健康時光看，差距遠比「第 5 年那一刻」的數字更為顯著。^[2]

數字背後的訊息是：體重減輕是緩解最核心的驅動因素，且與年齡、病程長短無關，呈現劑量反應關係——減得愈多，緩解的可能愈大。不過，DiRECT 受試者幾乎全為英國白種人，能否直接外推至台灣族群，仍需本土研究確認。

認識邊界：這些數據的侷限

引用科學研究，需要誠實面對它的侷限。

2026 年這篇 Nature Reviews Disease Primers 是敘述性回顧，非系統性回顧或統合分析，文獻選取過程不透明，存在選擇性偏誤的可能。本文多位作者與 Novo Nordisk、Eli Lilly、AstraZeneca 等主要藥廠有諮詢或資助關係——這不代表內容不可信，但讀者在解讀 GLP1RA 和 SGLT2i 相關描述時，宜保持適度的批判距離。

此外，本文所引用的大型臨床試驗，多以高收入國家的白人族群為主要受試者。亞洲族群在這些試驗中的代表性不足，部分數據在外推至台灣患者時需審慎評估。關於 BMI 24.2 風險閾值與 SIDD 亞型盛行率，台灣目前也缺乏大規模本土驗證數據。^[1]

結語

「體重正常」並不等於「代謝健康」，特別是對亞洲人而言。

BMI 是一個粗略的工具，它告訴我們一個人的重量相對身高是否符合某個歐洲族群的統計標準，卻無法看見內臟脂肪的堆積，無法感知 β 細胞的疲憊，也無法預測腸道菌叢的失衡。

2026 年這篇回顧提醒我們：第二型糖尿病的預防與早期偵測，需要比 BMI 更細緻的視角——包括腰圍、族裔、家族史、飲食型態與代謝指標的綜合評估。

腰圍、家族史、空腹血糖——這些才是值得關注的訊號，而不只是體重計上的那個數字。

參考文獻

↑ Davies, M. J., Lim, S., Slater, T., Goldney, J., Philis-Tsimikas, A., Franco, D. R., Lamptey, R., Yates, T., Tankova, T., & Lingvay, I. (2026). Type 2 diabetes mellitus. Nature Reviews Disease Primers, 12, 13. https://doi.org/10.1038/s41572-026-00687-w
↑ Lean, M. E. J., Leslie, W. S., Barnes, A. C., Brosnahan, N., Thom, G., McCombie, L., Kelly, T., Irvine, K., Peters, C., Zhyzhneuskaya, S., Hollingsworth, K. G., Adamson, A. J., Sniehotta, F. F., Mathers, J. C., McIlvenna, Y., Welsh, P., McConnachie, A., McIntosh, A., Sattar, N., & Taylor, R. (2024). 5-year follow-up of the randomised Diabetes Remission Clinical Trial (DiRECT) of continued support for weight loss maintenance in the UK: an extension study. The Lancet Diabetes & Endocrinology. https://doi.org/10.1016/S2213-8587(23)00385-6

[health] 第二型糖尿病是不可逆的進展性疾病嗎？從 DiRECT 試驗的雙循環假說與五年追蹤尋找解答

2026-03-08T18:00:00.006+08:00

引言

想像這樣一個場景：你的家庭醫師在一般門診建議你進行一套結構化的低卡飲食計畫，不需手術、不需住院，只透過飲食介入與定期追蹤，最終讓 type 2 DM 的診斷從你的病歷上「消失」。這聽起來像是廣告詞，但這正是 DiRECT 試驗（Diabetes Remission Clinical Trial）在英國初級照護現場試圖驗證的事。

長期以來，type 2 DM 在醫學教育與臨床實踐中被定位為「慢性且不可逆的進行性疾病」。患者確診後，通常迎來的是漫長的藥物處置歷程——從口服降糖藥到胰島素，用藥類型隨時間遞增，心血管與腎臟風險也隨之累積。然而，2016 年起陸續發表的 DiRECT 試驗系列成果，開始動搖這個根深柢固的認識。以下，我們整理這個試驗在五年追蹤期間告訴我們的三件事。

「不可逆」的假設，從哪裡開始動搖？

推翻 type 2 DM 不可逆論的最初線索，來自代謝手術的觀察。在接受胃繞道或胃袖狀切除術的肥胖患者中，許多人在體重尚未大幅下降的術後早期，血糖便已恢復正常。這提示了一個可能性：type 2 DM 的根源並非胰島 β 細胞的永久損傷，而是與可逆轉的代謝異常密切相關。

英國紐卡索大學的 Roy Taylor 團隊據此提出「雙循環假說」（Twin Cycle Hypothesis）。該假說認為，type 2 DM 的發展涉及兩個相互增強的惡性循環：肝臟異位脂肪堆積導致肝臟胰島素阻抗與肝糖輸出增加，過多的脂肪進一步溢出至胰臟，壓迫 β 細胞的胰島素分泌功能；一旦兩個循環同步活化，臨床糖尿病便隨之出現。反之，若能有效消除異位脂肪，這些病理過程在理論上也能逆轉。

DiRECT 試驗正是以此假說為基礎設計的。研究者的核心問題是：能否在不借助手術的條件下，透過飲食介入達成等同的代謝重置？而且，這樣的介入能否由一般科診所（general practice，GP 診所）執行，而非依賴醫院或專科中心？

DiRECT 試驗設計概覽

DiRECT 為集群隨機對照試驗（cluster-RCT），以 GP 診所作為隨機化單位，共納入英國蘇格蘭與英格蘭地區 49 間 GP 診所，最終招募 298 名受試者（介入組 149 名、對照組 149 名）。研究對象為體重過重或肥胖（BMI 27–45 kg/m²）、確診 type 2 DM 未超過 6 年、未接受胰島素治療且未罹患嚴重併發症的成人。

介入方案稱為 Counterweight-Plus，分三個階段執行：第一階段採全食物替代飲食（825–853 kcal/天，持續 12–20 週）；第二階段為 6–8 週的食物再引入期；第三階段為超過 2 年的體重維持支持，由 GP 診所護理師協助執行。對照組則接受標準 type 2 DM 照護，不進行飲食介入。

試驗的共同主要終點為：第一年內達到至少 15 公斤體重減輕，以及 type 2 DM 緩解（定義為停用所有降糖藥物後，HbA1c < 48 mmol/mol，即 < 6.5%）。

DiRECT 告訴我們的三件事

第一件事：初級照護可以讓近半數 type 2 DM 患者達到緩解

試驗首年的結果令研究者自己也感到意外。在第 12 個月，介入組有 46%（68/149）的受試者達到 type 2 DM 緩解，對照組僅有 4%（6/149）。至第 24 個月，緩解率有所下降，但仍維持在 36%（53/149），而對照組僅為 3%（5/149）。兩組在第 24 個月的緩解調整優勢比（aOR）為 25.82（95% CI 8.25–80.84，p<0.0001），差距在統計學上高度顯著。兩組的平均體重差距維持在 −5.43 公斤（95% CI −6.87 至 −3.99，p<0.0001），HbA1c 差距為 −4.82 mmol/mol（95% CI −8.28 至 −1.36，p=0.0063）。

這個結果之所以受到廣泛關注，在於它發生的場所是一般科診所，而非大學附屬醫院或代謝手術中心——這直接說明此模式具備在初級照護系統推廣的現實基礎。

體重減幅是緩解的關鍵預測因子

DiRECT 的資料呈現清晰的劑量反應關係：以連續體重變化計算，每減輕 1 公斤，第 24 個月達到緩解的 aOR 為 1.25（95% CI 1.16–1.35，p<0.0001）。若以特定體重閾值分析：第 12 個月時減重達 15 公斤以上者共 36 名，其中 86%（31/36）達到緩解；至第 24 個月，同一批人中仍有 70%（14/20）維持緩解。這代表若介入能協助受試者達到並維持大幅減重，緩解的比例相當可觀。

次要成果與性別差異

次要終點方面，第 24 個月介入組相較對照組：收縮壓下降 3.43 mmHg（p=0.040）、三酸甘油酯濃度下降 0.14 mmol/L（p=0.0055）、HDL 濃度上升 0.09 mmol/L（p=0.013）。生活品質方面，以 EQ-5D 視覺類比量表（VAS）衡量，介入組平均提升 4.64 分（p=0.032）。降糖藥物使用類型平均減少 0.86 種（p<0.0001），降血壓藥物減少 0.36 種（p<0.0001）。安全性上，第 24 個月的嚴重不良事件（SAE）介入組發生 9 件，對照組發生 22 件（p=0.029）。

值得注意的是，性別是緩解的顯著預測因子。控制其他變項後，女性達到緩解的 aOR 為男性的 0.44（95% CI 0.22–0.88，p=0.020），即女性的緩解機率顯著低於男性。研究者對此的詮釋尚未完全確立，可能涉及體脂分佈差異、異位脂肪對 β 細胞功能的影響程度，或飲食介入依從性的差異，但仍需進一步研究加以釐清。

第二件事：緩解的機轉——從肝臟到胰臟，再到 β 細胞

DiRECT 的機轉子研究（Taylor et al., 2018, Cell Metabolism）^[1]提供了支持雙循環假說的直接人體證據。子研究共納入 64 名受試者，其中 32 名達到 type 2 DM 緩解（響應者），32 名未達緩解（非響應者），另有 26 名體重正常者作為對照。

肝臟層面：試驗前，響應者的肝臟脂肪含量為 16.0%，非響應者為 14.5%，兩組在基準值上並無顯著差異。介入後，兩組的肝臟脂肪均大幅下降——響應者降至 3.1%，非響應者降至 2.6%——且兩組下降幅度相當（p=0.60）。這一結果顯示，肝臟去脂對積極參與介入的受試者均可發生，是緩解的必要條件，但並非充分條件。

胰臟層面：兩組的胰臟脂肪含量在介入後同樣均有下降，且差異不顯著（p=0.67）。這代表僅憑胰臟脂肪含量的改變，無法區分誰能緩解、誰不能。

決定性差異在 β 細胞的第一相胰島素分泌：正常情況下，人體在進食後會快速偵測到血糖上升，並在數分鐘內大量釋放胰島素，這個快速反應稱為「第一相分泌」，是飯後血糖控制的關鍵機制。在 type 2 DM 患者中，這個反應往往嚴重受損，導致血糖無法及時被壓制。

介入前，兩組的第一相分泌功能均已受損。介入後，響應者的第一相分泌從 0.04 nmol/min/m² 顯著上升至 0.11 nmol/min/m²，幾近恢復至正常範圍（p<0.0001）；而非響應者的第一相分泌幾乎毫無改變（p=0.96）。這一結果提示，β 細胞是否仍保有足夠的功能儲量（functional reserve）得以恢復，可能是決定緩解與否的關鍵因子。

糖尿病病程的影響：能否緩解，也與 type 2 DM 的病程長短顯著相關。在同一子研究中，響應者的平均糖尿病病程為 2.7 ± 0.3 年，非響應者則為 3.8 ± 0.4 年，兩者差異達統計顯著（p=0.02）。病程較短者，β 細胞功能的恢復潛力可能相對較高。

研究者的詮釋是：減重有效清除了肝臟與胰臟的異位脂肪，解除了對 β 細胞的脂肪毒性壓迫；而緩解與否，研究結果提示可能與個體 β 細胞是否尚有足夠的功能儲量得以恢復密切相關。若 β 細胞已因長期脂肪毒性而功能嚴重耗損，即使代謝負擔解除，血糖恢復正常的可能性也較低——但這一推論仍有待更大規模的研究確認。

第三件事：五年追蹤顯示，緩解可以延續，但需要持續的體重維持

2024 年發表於《The Lancet Diabetes & Endocrinology》的五年延伸追蹤（Lean et al., 2024）^[2]，為 DiRECT 試驗補上了最長期的縱向數據。

DiRECT 主要試驗完成第二年追蹤後，研究者邀請仍符合條件的介入組受試者自願參加延伸研究（第 3 至第 5 年）。最終有 95 名受試者加入延伸研究（extension group），54 名選擇退出或未繼續（non-extension group）；至第 5 年時，延伸組仍有 85 名受試者有完整數據可供分析，非延伸組則為 33 名。對照組則有 93 名受試者持續追蹤。

第五年時點的緩解率：延伸組有 13%（11/85）仍達緩解標準，非延伸組僅 3%（1/33），對照組為 5%（5/93）。然而，更具說服力的分析框架是研究者提出的「整體效益衡量」（global measure）——以受試者在整個 5 年追蹤期間，每次評估時符合特定臨床目標的比例加以計算，能更全面地捕捉介入的累積效益，而非僅依賴單一時間點的快照。以此衡量：

介入組在整個 5 年追蹤期間，有 27% 的評估時間點達到 type 2 DM 緩解，對照組僅為 4%（p<0.0001）
介入組有 51% 的時間無需服用降糖藥物，對照組為 16%（p<0.0001）
介入組有 61% 的時間體重維持在低於基準值 5% 以上，對照組為 29%（p<0.0001）

延伸組相較於非延伸組，在第 3 至 5 年期間達到緩解的比例分別為 34% 對 12%，無需降糖藥物的時間比例為 62% 對 30%；延伸組在第 5 年時的體重仍比基準值平均低 6.1 公斤（SD 5.2）。第 3 至 5 年持續參與介入支持，與較高的緩解比例及較低的用藥需求相關，但需注意第 3–5 年的延伸追蹤為觀察性設計，延伸組係自願選擇參加，並非隨機分配，選擇效應不可排除。

安全性：五年期間，介入組的 SAE 發生率為每 100 人年 4.8 件，對照組則為 10.2 件（IRR = 0.5，95% CI 0.3–0.8，p=0.0080）。此一差距在整個追蹤期間均維持，顯示積極的體重管理介入在安全性上並未帶來額外風險，反而與更低的嚴重不良事件發生率相關。

這些發現代表什麼？

典範轉移：從「管理」到「緩解」

DiRECT 試驗的意義，在於它提供了第一個大規模、隨機對照的直接證據，說明 type 2 DM 緩解可以透過非手術的飲食介入，在初級照護環境中有計畫地達成。這與過去將 type 2 DM 定性為「只能控制、無法逆轉」的主流臨床思維形成了鮮明的對比。這並非表示所有患者均可達到緩解，也不代表緩解一旦達成便能永久維持——但它確立了一個重要的科學命題：在合適的條件下（病程早期、β 細胞功能尚有儲量、足夠的體重減輕），type 2 DM 緩解是可追求的目標。

緩解不等於治癒

DiRECT 的資料顯示，緩解率從第 1 年的 46% 下降至第 2 年的 36%，至第 5 年延伸組僅剩 13%。緩解率的遞減，與體重的回升密切相關——機轉研究的結果提示，異位脂肪的再堆積可能重新啟動損傷 β 細胞的惡性循環。因此，「緩解」應被理解為需要主動維持的狀態，而非一次性達成的終點。

超出緩解的效益：減少嚴重不良事件

DiRECT 的效益不僅限於血糖正常化。五年的 SAE 資料顯示，介入組的嚴重不良事件發生率僅為對照組的一半（IRR 0.5，95% CI 0.3–0.8，p=0.0080）。這一發現提示，積極的體重管理可能透過降低整體代謝風險負擔，帶來超越血糖指標的臨床效益。

及早介入的重要性

機轉子研究中，能否緩解與糖尿病病程顯著相關（響應者平均 2.7 年 vs. 非響應者 3.8 年，p=0.02）。結合 β 細胞功能恢復的數據，這顯示在 β 細胞功能尚未受到嚴重損傷前啟動介入，緩解的機率可能更高——但「早期介入窗口」的確切時間邊界，仍有待進一步研究釐清。

研究限制與解讀邊界

在解讀 DiRECT 的結果時，有幾點值得謹慎。

族群代表性的侷限：DiRECT 的受試者為英國白人歐洲裔，BMI 範圍設定在 27–45 kg/m²。這樣的族群特性可能限制結果對其他族裔的直接推論。亞裔族群在相對低 BMI 時即可能有顯著的內臟脂肪堆積，其緩解率與體重閾值可能與本試驗的觀察不同，需要針對性的研究加以驗證。

第 3–5 年的觀察性設計問題：DiRECT 主要試驗在第 2 年後結束，第 3 至 5 年的延伸追蹤並非隨機分配——延伸組受試者是自願選擇加入的。這代表第 3–5 年的資料存在選擇偏誤（selection bias）的可能性：願意繼續參加的受試者，可能本來就是在第 1–2 年表現較好、動機較高的族群。因此，延伸組的成果（34% 緩解率、62% 無需降糖藥）不應直接詮釋為「繼續介入的因果效益」，而應被視為與持續參與相關的觀察性發現。

體重維持是長期緩解的實際挑戰：試驗中體重回升的趨勢清晰可見。在真實醫療環境中，能否提供足夠的長期支持資源，協助患者維持減重成果，是推廣此介入模式必須面對的系統性問題。

機轉子研究的規模限制：支撐「β 細胞功能儲量與緩解潛力相關」這一關鍵結論的機轉子研究，樣本僅有 64 名受試者（32 名響應者、32 名非響應者）。在此規模下所觀察到的差異，仍有待更大樣本的研究加以複驗；子研究的結論應視為重要的初步證據，而非定論。

緩解定義的不一致性：Lean 2019^[3]與 Lean 2024^[2]在緩解定義上存在細微差異——2019 年的定義要求 HbA1c < 48 mmol/mol 且停用所有降糖藥，2024 年的延伸研究在此基礎上調整了判定方式，部分分析亦使用 HbA1c < 42 mmol/mol（完全正常化）作為更嚴格的門檻。此一不一致性已在 2024 年論文中被研究者承認，讀者在比較不同時間點的緩解率時應留意這一點。

結語

DiRECT 試驗用五年的數據，告訴我們三件事：第一，初級照護場域可以系統性地幫助 type 2 DM 患者達到緩解，第 1 年近半數、第 2 年逾三分之一的受試者均達標；第二，緩解的背後有初步的生物學機轉證據——異位脂肪的清除與 β 細胞功能的恢復相關，且病程越短、功能儲量越高，緩解越可能發生；第三，五年期的整體效益數據顯示，緩解可以延續，但需要持續的體重維持支持，而積極的體重管理還與更低的嚴重不良事件發生率相關。

這些發現不代表 type 2 DM 已有「治癒方法」，也不是每位患者都適合相同強度的介入。但它確立了一個令人信服的研究基礎：type 2 DM 的早期緩解，是初級照護可以追求、也有能力達成的目標。

參考資料

[1] Taylor, R., Al-Mrabeh, A., Zhyzhneuskaya, S., Peters, C., Barnes, A. C., Aribisala, B. S., Kelly, B. D., Sweeting, R., Thomas, N. D., Bradley, C. R., Hollingsworth, K. G., Sattar, N., & Lean, M. E. J. (2018). Remission of human type 2 diabetes requires decrease in liver and pancreas fat content but is dependent upon capacity for β cell recovery. Cell Metabolism, 28(4), 547-556.e3. https://doi.org/10.1016/j.cmet.2018.07.003

[2] Lean, M. E. J., Leslie, W. S., Barnes, A. C., Brosnahan, N., Thom, G., McCombie, L., Peters, C., Zhyzhneuskaya, S., Al-Mrabeh, A., Hollingsworth, K. G., Irvine, A. M., Taylor, R., & Sattar, N. (2024). 5-year follow-up of the randomised Diabetes Remission Clinical Trial (DiRECT): extension study of a primary care weight-management intervention for type 2 diabetes. The Lancet Diabetes & Endocrinology, 12(4), 233-246. https://doi.org/10.1016/S2213-8587(23)00385-6

[3] Lean, M. E. J., Leslie, W. S., Barnes, A. C., Brosnahan, N., Thom, G., McCombie, L., Peters, C., Zhyzhneuskaya, S., Al-Mrabeh, A., Hollingsworth, K. G., Irvine, A. M., Sattar, N., & Taylor, R. (2019). Durability of a primary care-led weight-management intervention for remission of type 2 diabetes: 2-year results of the DiRECT open-label, cluster-randomised trial. The Lancet Diabetes & Endocrinology, 7(5), 344-355. https://doi.org/10.1016/S2213-8587(19)30068-3

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] 脂肪堆錯地方，代謝全面崩盤？臨床研究解析type 2 DM的致病機轉與緩解之道

2026-03-07T13:00:00.003+08:00

脂肪儲存極限、粒線體功能缺失與異位脂肪的臨床觀察

醫學界探討type 2 DM的致病機轉時，逐漸將焦點從單純的體重過重，轉移至「脂肪分布位置」的影響。人體的皮下白色脂肪組織具備儲存能量的功能，但此儲存容量存在個體差異，即所謂的「個人脂肪閾值 (personal fat threshold)」。當長期熱量攝取處於正平衡，且超過皮下脂肪儲存極限時，過剩的脂質受質便會以三酸甘油酯的形式，異常堆積於肝臟、骨骼肌與胰臟等非脂肪組織，形成異位脂肪 (ectopic fat)^[2][3]。

探究異位脂肪累積的上游原因，除了熱量攝取過剩，細胞本身「脂質代謝能力下降」也扮演了關鍵角色。臨床活體磁振造影頻譜 (MRS) 觀察性研究指出，在體態正常但具有type 2 DM家族史的年輕後代，以及健康的老年族群中，觀察到骨骼肌內的粒線體 (mitochondria) 密度顯著下降，且粒線體氧化磷酸化 (oxidative phosphorylation) 的效率發生缺陷^[2]。這種上游的粒線體功能缺失，使得細胞無法有效氧化代謝進入體內的游離脂肪酸。當脂質氧化能力低於脂質攝取與生成的速率時，未被氧化的脂質受質便會轉向合成二酸甘油酯 (diacylglycerol, DAG) 等毒性代謝物，進而加劇異位脂肪在肌肉與肝臟的病理性堆積^[2]。

異位脂肪與代謝異常的關聯，在極端的臨床觀察與動物模式中得到了驗證。在嚴重全身性脂肪失養症 (lipodystrophy) 的患者與缺乏皮下脂肪的A-ZIP/F小鼠模型中，觀察到由於無法將脂肪儲存於皮下，脂質大量堆積於肝臟與骨骼肌，此現象與極度嚴重的周邊及肝臟胰島素阻抗具高度相關性^[2]。此外，異位脂肪的堆積程度也觀察到與基因多型性 (polymorphisms) 有關。觀察性研究指出，帶有ApoC3基因變異 (如rs2854116) 的個體，其血中ApoC3濃度高出約30%，這類族群的肝臟更容易攝取來自乳糜微粒殘留物的脂質；此基因變異觀察到與肝臟DAG累積及肝臟胰島素阻抗風險較高存在相關性^[2][3]。

肌肉胰島素阻抗的受質累積與激酶活化路徑

關於異位脂肪干擾細胞代謝的精確機制，過去醫學界曾長期採納1963年提出的Randle假說（葡萄糖-脂肪酸循環），該假說推論脂肪酸氧化會抑制糖解作用的酵素（如己糖激酶），進而阻礙葡萄糖利用。然而，1990年代末期的非侵入性磁振造影頻譜 (13C-MRS與31P-MRS) 人體觀察性研究推翻了此論點。研究觀察到，在血中游離脂肪酸濃度升高的狀態下，肌肉細胞內的葡萄糖-6-磷酸 (G6P) 濃度實際上下降，顯示此代謝缺陷與「葡萄糖運輸 (glucose transport)」活性的損害有關，而非糖解作用受阻^[2]。

後續的機制研究確立了「二酸甘油酯 (DAG) 假說」。細胞內因粒線體代謝不及而異常累積的脂質代謝受質DAG，會活化新型蛋白質激酶C (novel PKCs) 家族。在活體動物介入性研究中，針對PKC-θ基因剔除 (KO) 小鼠進行5小時的急性脂質輸注，野生型對照組小鼠維持正常血糖的穩定狀態葡萄糖輸注率大幅下降約60%（從334 ± 11降至140 ± 22 μmol/kg/min，P < 0.005），骨骼肌的葡萄糖吸收率減少約70%^[1]。同時，野生型小鼠骨骼肌中的胰島素受體基質-1 (IRS-1) 酪胺酸磷酸化程度降低50%，PI3K活性降低40%。相對地，去活化PKC-θ的小鼠在相同的脂質輸注介入下，葡萄糖輸注率維持在299 ± 16 μmol/kg/min，成功防止了脂肪誘發的胰島素訊號傳遞與葡萄糖運輸缺陷^[1][2]。

在肝臟中，DAG則是活化另一種激酶PKC-ε，干擾肝臟胰島素訊號。Thiazolidinediones (TZDs) 類藥物（如rosiglitazone）的臨床介入試驗進一步驗證了異位脂肪的影響；經過3個月的處置，TZDs促使脂肪從肝臟與肌肉重新分配回皮下脂肪細胞，使受試者肝臟三酸甘油酯含量顯著降低近40%，並實質改善了全身的胰島素敏感度^[2]。

雙重循環假說、棕櫚酸毒性與內質網壓力

Type 2 DM的病程進展，可由器官間交互影響的「雙重循環假說 (Twin cycle hypothesis)」加以解釋。首先是肝臟循環：流行病學觀察指出，長期熱量過剩與肝臟脂肪累積及肝臟胰島素阻抗相關。代償性增加的空腹血中胰島素濃度，會進一步刺激肝臟的新生脂肪合成 (de novo lipogenesis, DNL)^[3]。生化觀察指出，DNL路徑的直接且主要產物，是具備高度細胞毒性的飽和脂肪酸——棕櫚酸 (palmitic acid)。DNL的過度活化，觀察到與肝臟向血液中輸出大量富含棕櫚酸的極低密度脂蛋白三酸甘油酯 (VLDL-TG) 相關^[3]。

隨後引發胰臟循環：肝臟大量輸出的VLDL-TG，使得胰臟長時間暴露於高濃度的棕櫚酸等飽和脂肪酸中。細胞層級的機制研究指出，過量的棕櫚酸等飽和脂肪酸會嵌入內質網 (endoplasmic reticulum, ER) 的脂質雙層膜中，改變膜的流動性並破壞管腔內的鈣離子恆定，進而誘發強烈的內質網壓力 (ER stress)^[3]。為了應對內質網壓力，細胞會啟動未折疊蛋白反應 (unfolded protein response, UPR)。在長期的脂質毒性與慢性UPR活化下，β細胞並非立即發生細胞凋亡 (apoptosis)，而是啟動自我保護機制發生「去分化 (dedifferentiation)」。β細胞會下調胰島素轉錄因子，轉換為類似α細胞的無功能表型，實質上失去了分泌胰島素的機能^[3]。

除了內分泌細胞的功能改變，MRI觀察性研究也發現，type 2 DM患者的胰臟總體積較非糖尿病對照組少了約三分之一，且器官邊緣呈現不規則狀^[3]。臨床醫學研究推論，正常情況下β細胞分泌的高濃度胰島素，以及肝臟分泌的類胰島素生長因子-1 (IGF-1)，對胰臟外分泌腺細胞 (acinar cells) 具有生長促進 (trophic) 作用；type 2 DM患者因去分化導致局部胰島素分泌不足，觀察到與胰臟整體形態的萎縮相關^[3]。

臨床處置實證與疾病緩解機制

透過大型臨床介入試驗，確立了type 2 DM具備可逆轉的特性。在DiRECT (Diabetes Remission Clinical Trial) 試驗中，透過積極的飲食減重處置，成功達成疾病緩解 (remission) 的受試者，其介入後的肝臟脂肪量與肝臟VLDL-TG輸出率皆出現顯著下降。減輕了胰臟的脂質暴露後，原本處於去分化狀態的β細胞得以透過「再分化 (redifferentiation)」恢復功能，臨床量測顯示其第一階段急性胰島素分泌反應顯著恢復^[3]。

相反地，在未能緩解或病情復發的受試者中，觀察到肝臟VLDL-TG輸出量、總血漿三酸甘油酯濃度以及胰臟脂肪含量再次呈現上升的趨勢。深入的脂質體學 (lipidomics) 分析進一步觀察到，復發過程與肝臟輸出脂蛋白中的「棕櫚酸」含量增加有極為顯著的正相關^[3]。這些臨床實證確立了，透過減重處置消耗異位脂肪，是解除粒線體代謝負擔、阻斷棕櫚酸誘導的內質網壓力，以及去活化破壞性PKC激酶，進而恢復β細胞代謝機能的有效介入途徑^[1][2][3]。

參考文獻

Kim, J. K., Fillmore, J. J., Sunshine, M. J., Albrecht, B., Higashimori, T., Kim, D. W., ... & Shulman, G. I. (2004). PKC-θ knockout mice are protected from fat-induced insulin resistance. The Journal of Clinical Investigation, 114(6), 823-827. https://doi.org/10.1172/JCI200422230
Samuel, V. T., Petersen, K. F., & Shulman, G. I. (2010). Lipid-induced insulin resistance: unravelling the mechanism. The Lancet, 375(9733), 2267-2277. https://doi.org/10.1016/S0140-6736(10)60408-4
Al-Mrabeh, A. (2020). Pathogenesis and remission of type 2 diabetes: what has the twin cycle hypothesis taught us?. Cardiovascular Endocrinology & Metabolism, 9(4), 132-142. https://doi.org/10.1097/XCE.0000000000000201

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] Cellular mechanisms of insulin resistance：經典研究導讀，深入了解胰島素阻抗機轉

2026-03-03T23:18:00.003+08:00

前言與技術突破：透視 type 2 DM 的早期缺陷
肝醣合成缺陷：全身葡萄糖代謝的關鍵核心
尋找速率限制步驟：邏輯推演與排除法
- 發病前兆：高風險族群的早期代謝缺陷
葡萄糖輸送：肌肉胰島素阻抗的真正源頭
挑戰經典：推翻統治數十年的蘭德爾循環（Randle Cycle）
脂肪酸代謝物與激酶的連鎖反應：全新的統一假說
異位脂肪沉積與未來藥物開發的臨床啟示
參考資料

前言與技術突破：透視 type 2 DM 的早期缺陷

翻開糖尿病的研究史，type 2 DM（第二型糖尿病）的盛行率正以驚人的速度攀升。雖然原發性致病因素尚未完全解開，但醫學界早已確認：「胰島素阻抗（insulin resistance）」是推動 type 2 DM 發展的核心驅動力^[1]。臨床觀察與世代研究告訴我們幾件重要的事：胰島素阻抗並非伴隨高血糖才出現，它早在疾病正式發作的 10 到 20 年前就已存在；此外，橫斷面研究證實 type 2 DM 患者普遍帶有此特徵，前瞻性研究更將其視為預測個體未來是否罹病的最準確指標。

問題來了：這長達十幾年的「阻抗」，在細胞層面到底發生了什麼事？過去受限於活體量測技術的瓶頸，我們很難直接看見肌肉細胞內真實的代謝動態。

Gerald I. Shulman 於 2000 年發表在《The Journal of Clinical Investigation》的這篇觀點文獻（Perspective），正是為了解答這個大哉問而生的經典之作。這項研究的破局關鍵，在於研究團隊將核磁共振光譜（Nuclear Magnetic Resonance spectroscopy, NMR）這項非侵入性技術應用於臨床代謝研究。利用 1H、13C 以及 31P 等同位素原子核的自旋特性，研究人員得以在不進行肌肉切片的情況下，直接精準量測活體細胞內特定代謝物的濃度。這項技術不僅拆解了葡萄糖輸送與磷酸化在調控胰島素反應中的角色，更對脂肪酸引發胰島素阻抗的傳統權威假說提出了強而有力的挑戰。

肝醣合成缺陷：全身葡萄糖代謝的關鍵核心

要了解肌肉為何對胰島素產生阻抗，得先追蹤在胰島素刺激下，進入人體的葡萄糖究竟去了哪裡。研究團隊利用 13C NMR 光譜技術，監測 [1-13C] 葡萄糖併入骨骼肌肝醣的速率，藉此量化肌肉肝醣合成（muscle glycogen synthesis）的狀態。

透過高胰島素高血糖鉗夾（hyperinsulinemic-hyperglycemic clamp）技術，受試者的血漿胰島素與血糖被維持在穩定的高濃度狀態，藉此模擬餐後的生理條件。數據顯示，在相同的穩態條件下，type 2 DM 患者的肌肉肝醣合成率較健康志願者減少了約 50%^[2]。當研究人員將這項速率外推至全身時，發現無論是健康受試者或 type 2 DM 患者，肌肉肝醣合成幾乎涵蓋了絕大部分的全身葡萄糖攝取量，也囊括了所有的非氧化性葡萄糖代謝。

這代表在餐後的高血糖與高胰島素環境下，肌肉肝醣合成是人體代謝葡萄糖的最主要路徑。肌肉肝醣合成的缺陷，正是促發 type 2 DM 患者胰島素阻抗的主因。

尋找速率限制步驟：邏輯推演與排除法

在這條由「葡萄糖進入細胞」、「磷酸化」到最終「合成肝醣」的代謝產線上，究竟是哪個環節卡住了？科學家列出了三個可能成為「速率限制步驟（rate-controlling step）」的嫌疑者：

肝醣合成酶（Glycogen synthase）缺陷：無法將前驅物組裝成肝醣。
己糖激酶 II（Hexokinase II）缺陷：無法將葡萄糖磷酸化。
葡萄糖輸送（Glucose transport，主要為 GLUT4）缺陷：無法將血液中的葡萄糖運送進細胞。

研究團隊巧妙地運用了生化學上「上游塞車、下游清空」的邏輯來找答案。細胞內有一種名為葡萄糖-6-磷酸（glucose-6-phosphate, G6P）的中間代謝物，剛好位於葡萄糖輸送（上游）與肝醣合成（下游）之間。如果病灶在於下游的肝醣合成酶活性下降，那麼上游送來的 G6P 就會因為無法被消耗而在細胞內大量累積。

但 31P NMR 技術量測的結果並非如此。在同樣的刺激條件下，健康受試者細胞內的 G6P 濃度增加了約 0.1 mM；然而，type 2 DM 患者的 G6P 濃度卻沒有任何增加（增幅為 0 mM）^[3]。由於 G6P 並未如預期般累積，這直接排除了肝醣合成酶為主要缺陷的可能。因此，問題必定出現在更上游的「葡萄糖輸送」或「己糖激酶 II」。

發病前兆：高風險族群的早期代謝缺陷

為了釐清這個上游缺陷是疾病的原發因素，還是長期高血糖帶來的「葡萄糖毒性（glucose toxicity）」副作用，研究團隊找來了一群特殊的受試者：type 2 DM 患者的後代。這群年輕人體重標準、血糖正常（normoglycemic），但因家族史緣故，未來罹患糖尿病的風險觀察到較一般人高出約 40%。

測試結果非常明確。與年齡及體重相仿的健康對照組相比，這些 type 2 DM 後代在胰島素刺激下的全身葡萄糖代謝率同樣減少了 50%（主因仍是肌肉肝醣合成率下降）。同時，他們肌肉內的 G6P 濃度增幅也受到嚴重削弱。這項觀察性研究暗示，肌肉葡萄糖輸送與己糖激酶 II 活性的缺陷，在尚未觀測到高血糖狀態前即已存在^[4]，是糖尿病正式發作的 10 到 20 年前，就已經存在的早期病理特徵。

葡萄糖輸送：肌肉胰島素阻抗的真正源頭

當嫌疑名單剩下「己糖激酶 II」與「葡萄糖輸送」時，團隊再次利用新穎的 13C NMR 量測方法，評估肌肉「細胞內葡萄糖（intracellular glucose）」的濃度。

細胞內葡萄糖是介於 GLUT4 與己糖激酶 II 之間的中間產物。如果己糖激酶 II 是罪魁禍首，進入細胞的葡萄糖無法被磷酸化，細胞內葡萄糖濃度理應異常升高。反之，如果問題出在最源頭的 GLUT4 罷工，細胞內葡萄糖濃度應該會呈現較低的狀態。

NMR 給出了明確的量化數據：在 type 2 DM 患者體內，細胞內葡萄糖的濃度遠低於「假設己糖激酶 II 故障」時應有的數值^[5]。當研究人員輸注更大量的胰島素來強行提升糖尿病患者的肝醣合成率時，細胞內葡萄糖與 G6P 濃度的變化幅度顯示，葡萄糖輸送的速率完全能與葡萄糖磷酸化及肝醣合成的速率相匹配。

團隊也利用 NMR 確認了兩組受試者的細胞外與細胞內水分空間比例並無差異，排除了微血管擴張與血液遞送受質的問題。綜合上述推演，雖然不能完全排除其他下游酵素微小異常的可能性，但這些數據強烈暗示，「葡萄糖輸送」才是 type 2 DM 患者在胰島素刺激下，肌肉肝醣合成最核心的速率限制步驟。這也意味著，能直接提升葡萄糖輸送活性的處置策略，將比單純促進己糖激酶 II 活性的藥理介入更有潛力。

挑戰經典：推翻統治數十年的蘭德爾循環（Randle Cycle）

揪出葡萄糖輸送這個源頭缺陷後，下一個關鍵是：什麼因素干擾了葡萄糖輸送？

在多數的胰島素阻抗狀態（包括肥胖與 type 2 DM）中，常觀察到血漿游離脂肪酸（free fatty acids）濃度有升高的現象。針對年輕且體重正常的 type 2 DM 後代進行的橫斷面研究中，觀察到空腹血漿脂肪酸濃度與胰島素敏感度呈現負相關。近期利用 1H NMR 量測肌細胞內三酸甘油酯（intramyocellular triglyceride）濃度的研究，也觀察到肌肉內脂質累積與胰島素阻抗之間具備強烈的關聯性。

在探討脂肪酸與胰島素阻抗的機制時，學界長期尊奉 1963 年由 Randle 等人提出的「蘭德爾循環（Randle Cycle）」^[6]。該理論主張，游離脂肪酸會與葡萄糖競爭作為氧化的受質。當游離脂肪酸增加時，會改變粒線體內的代謝物比值並去活化丙酮酸去氫酶，造成細胞內檸檬酸濃度上升，進而抑制糖解作用中的關鍵酵素——磷酸果糖激酶（PFK）。依照此理論，PFK 被抑制會導致上游的 G6P 大量累積，隨後反饋抑制己糖激酶 II 的活性，最終阻礙肌肉攝取葡萄糖。

為了驗證此事，研究團隊針對健康受試者進行了血漿脂肪酸濃度的介入性研究，利用脂質輸注將血漿脂肪酸濃度維持在高濃度長達 5 小時。結果觀察到，此介入使胰島素刺激的肌肉肝醣合成率與全身葡萄糖氧化率，較對照組減少了約 50%。但關鍵在於，在肌肉肝醣合成率下降之前，NMR 觀察到肌肉內的 G6P 濃度是「下降」的，同時細胞內葡萄糖濃度也顯著減少^[7]。

這個結果與蘭德爾循環預測的「G6P 累積」完全背道而馳。這項數據表明，脂肪酸濃度的升高並非從糖解作用的下游往上游反饋抑制；相反地，脂肪酸是直接在最前端干擾了早期的胰島素訊息傳遞，從源頭阻斷了葡萄糖輸送與磷酸化活性。

脂肪酸代謝物與激酶的連鎖反應：全新的統一假說

既然蘭德爾循環無法解釋眼前所見，脂肪酸究竟是如何引發 GLUT4 缺陷的？為了解開這個上游訊號的謎團，團隊對受試者進行了肌肉切片，檢視脂質輸注介入對 IRS-1 相關之 PI 3-kinase（磷脂醯肌醇-3 激酶）活性的影響。

在注射甘油的對照組中，胰島素可使 IRS-1 相關的 PI 3-kinase 活性產生約 4 倍的活化；然而，在血漿脂肪酸濃度升高的脂質輸注介入下，這項胰島素刺激的 PI 3-kinase 活化作用被完全消除了^[7]。基於這些發現，研究提出了一個能統一解釋常見人類胰島素阻抗的新機制模型：

當周邊脂肪酸遞送到肌肉的量增加，或是細胞內脂肪酸代謝能力下降時，會導致細胞內脂肪酸代謝物（如二酸甘油酯 diacylglycerol、脂肪醯輔酶A fatty acyl CoA、以及神經醯胺 ceramides）累積。這些異常累積的脂質代謝物，會活化一連串的絲胺酸/蘇胺酸激酶級聯反應（大鼠研究證據指出，此反應極可能是由蛋白質激酶 Cθ, PKCθ 所啟動）。

在正常的傳遞途徑中，胰島素受體受質（IRS-1 與 IRS-2）應該在「酪胺酸（tyrosine）」位點被磷酸化以傳遞訊號。這個模型推論，當 PKCθ 等激酶被異常活化後，可能會錯誤地針對 IRS 蛋白的「絲胺酸/蘇胺酸（serine/threonine）」位點進行磷酸化^[1]。這些被絲胺酸磷酸化的 IRS 蛋白無法與 PI 3-kinase 正常結合。當 PI 3-kinase 失去活性，下游負責促使 GLUT4 移轉至細胞膜的指令宣告中斷，細胞攝取葡萄糖的能力便大幅衰退。

異位脂肪沉積與未來藥物開發的臨床啟示

這個模型帶出了一個重要的臨床觀念：「脂肪重新分配（Fat partitioning）」在疾病發展中扮演著關鍵角色。

研究引用了一項極具啟發性的基因轉殖小鼠試驗。一種因基因工程阻斷轉錄因子功能、導致幾乎完全缺乏脂肪組織（fatless）的 A-ZIP/F-1 小鼠，表現出極度嚴重的胰島素阻抗^[8]。值得注意的是，這些小鼠伴隨著肌肉與肝臟的三酸甘油酯濃度 2 倍增加。當研究人員將正常的脂肪組織「移植」回這些無脂肪小鼠體內後，其肌肉與肝臟的三酸甘油酯濃度便恢復正常，胰島素的傳遞訊號與作用也隨之恢復。

這項介入實驗支持了一個觀點：肥胖、type 2 DM 與脂肪失養症之所以會發展出胰島素阻抗，很可能是因為原本應該儲存在脂肪細胞內的脂質，錯誤地「異位沉積」到了骨骼肌與肝臟等胰島素敏感組織中，進而引發了上述的激酶異常活化與訊號阻斷。這同時也為臨床上廣泛使用的 Thiazolidinediones（TZDs）類藥物提供了學理解釋。TZDs 主要是透過活化脂肪細胞內的 PPAR-γ 受體來促進脂肪細胞分化，其本質可能就是促使脂肪從肝臟與肌肉「重新分配」回脂肪細胞，以達到胰島素致敏的效果。

這項基於 NMR 技術與生化分析的研究，重新校準了我們對蘭德爾循環的認知，並將肌肉胰島素阻抗的病理核心鎖定在「葡萄糖輸送」與「脂肪酸代謝物」上。這不僅釐清了 type 2 DM 發病前期的細胞動態，也為後續針對 GLUT4 活性與脂肪重新分配的藥物開發，提供了極具價值的學理基礎。

參考資料

[1] Shulman, G. I. (2000). Cellular mechanisms of insulin resistance. The Journal of Clinical Investigation, 106(2), 171-176. https://doi.org/10.1172/JCI10583

[2] Shulman, G. I., Rothman, D. L., Jue, T., Stein, P., DeFronzo, R. A., & Shulman, R. G. (1990). Quantitation of muscle glycogen synthesis in normal subjects and subjects with non-insulin-dependent diabetes by 13C nuclear magnetic resonance spectroscopy. The New England Journal of Medicine, 322(4), 223–228. https://doi.org/10.1056/NEJM199001253220403

[3] Rothman, D. L., Shulman, R. G., & Shulman, G. I. (1992). 31P nuclear magnetic resonance measurements of muscle glucose-6-phosphate. Evidence for reduced insulin-dependent muscle glucose transport or phosphorylation activity in non-insulin-dependent diabetes mellitus. The Journal of Clinical Investigation, 89(4), 1069–1075. https://doi.org/10.1172/JCI115686

[4] Rothman, D. L., Magnusson, I., Cline, G., Emerson, D., Petersen, K. F., Shulman, R. G., & Shulman, G. I. (1995). Decreased muscle glucose transport/phosphorylation is an early defect in the pathogenesis of non-insulin-dependent diabetes mellitus. Proceedings of the National Academy of Sciences of the United States of America, 92(4), 983–987. https://doi.org/10.1073/pnas.92.4.983

[5] Cline, G. W., Petersen, K. F., Krssak, M., Shen, J., Hundal, R. S., Trajanoski, Z., Inzucchi, S., Dresner, A., Rothman, D. L., & Shulman, G. I. (1999). Impaired glucose transport as a cause of decreased insulin-stimulated muscle glycogen synthesis in type 2 diabetes. The New England Journal of Medicine, 341(4), 240–246. https://doi.org/10.1056/NEJM199907223410404

[6] Randle, P. J., Garland, P. B., Hales, C. N., & Newsholme, E. A. (1963). The glucose fatty-acid cycle. Its role in insulin sensitivity and the metabolic disturbances of diabetes mellitus. Lancet, 1(7285), 785–789. https://doi.org/10.1016/s0140-6736(63)91500-9

[7] Dresner, A., Laurent, D., Marcucci, M., Griffin, M. E., Dufour, S., Cline, G. W., Slezak, L. A., Andersen, D. K., Hundal, R. S., Rothman, D. L., Petersen, K. F., & Shulman, G. I. (1999). Effects of free fatty acids on glucose transport and IRS-1-associated phosphatidylinositol 3-kinase activity. The Journal of Clinical Investigation, 103(2), 253–259. https://doi.org/10.1172/JCI5001

[8] Gavrilova, O., Marcus-Samuels, B., Graham, D., Kim, J. K., Shulman, G. I., Castle, A. L., Vinson, C., Eckhaus, M., & Reitman, M. L. (2000). Surgical implantation of adipose tissue reverses diabetes in lipoatrophic mice. The Journal of Clinical Investigation, 105(3), 271–278. https://doi.org/10.1172/JCI7901

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] 挑戰傳統運動極限：解析比目魚肌如何以 2 METs 的極低消耗，引爆全身氧化代謝率

2026-02-28T22:19:00.003+08:00

挑戰傳統運動極限：久坐時代的局部肌肉代謝革命
生理學的盲點：為何全身最大的瘦肉組織，在久坐時卻是代謝死角？
比目魚肌的生物學奇蹟：人體內建的「抗疲勞代謝引擎」
精準介入的誕生：何謂「比目魚肌伏地挺身（SPU）」？
實驗一解析：極低消耗下的運作機制，打破「耗竭肝醣」的迷思
為何傳統運動難以立即改善糖耐量？SPU 突破極限的關鍵機制
實驗二解析：引爆全身氧化代謝率，血糖與胰島素濃度的驚人重塑
跨越年齡與體型的生理強健性：低壓力的日常解方
臨床研究限制與未來科學探索
重質不重量：為代謝健康開啟的新頁
參考文獻

比目魚肌伏地挺身對代謝健康之影響摘要圖

挑戰傳統運動極限：久坐時代的局部肌肉代謝革命

在現代社會的演進下，人類正面臨一場前所未有的「久坐（prolonged sitting）」健康危機。全球高達數十億人每天有超過大半的時間處於坐姿，這不僅改變了我們的生活型態，更深刻地重塑了人體的代謝途徑。在傳統的公共衛生觀念與運動生理學指引中，普遍強調必須啟動「大肌肉群」並達到「中高強度（代謝當量大於 3 METs）」的運動，才能有效改善心血管健康與葡萄糖耐量（glucose tolerance）。這樣的觀念深植人心，導致許多人認為，如果沒有流汗喘息，微小的肢體活動對健康並無助益。

然而，Hamilton 等人於 2022 年發表的一項實驗性生理學研究 [1]，徹底顛覆了這個「大流汗才有用」的迷思。這群頂尖的研究人員提出了一個極具革命性的全新思維：我們是否能針對人體內具備特殊氧化代謝優勢的「單一局部肌肉」進行特異性活化，以極低的整體能量消耗，達成全身性的代謝重塑？

他們將目光鎖定在僅佔人體體重約 1% 的「比目魚肌（Soleus）」。透過開發一種稱為「比目魚肌伏地挺身（Soleus Push-up, SPU）[請參考此示範影片]」的坐姿局部介入方式，研究團隊發現，這種微小的肌肉收縮不僅極度抗疲勞，更能引爆全身的氧化代謝率。本專欄將以臨床醫學研究者的視角，帶領讀者深入解析這篇研究的實驗設計、生理學機制，以及它如何以前所未見的量化數據，挑戰我們對傳統運動極限的認知。

生理學的盲點：為何全身最大的瘦肉組織，在久坐時卻是代謝死角？

要理解比目魚肌介入的突破性，我們必須先正視一個生理學上的盲點：為什麼在久坐狀態下，人體的代謝率會如此低落？

骨骼肌是人體最大的瘦肉組織，在成年人體內通常佔有 21 至 31 公斤的質量。直覺上，如此龐大的組織應該是消耗血糖與血脂的最大引擎。然而，生理學的運作並非單純的質量乘積。根據細胞能量利用的基礎原理，肌肉纖維在不收縮的休息狀態下，其能量需求極低，導致粒線體的氧化磷酸化（oxidative phosphorylation）被限制在一個極低的天花板之下。

在臨床觀察中，我們發現人體在久坐期間的整體能量消耗極低，大約僅比基礎代謝率高出些許（約 0.5 至 1.5 kcals/min）。更令人驚訝的是，根據 Kelley 等人（1994）的研究 [2]，在與本研究受試者年齡與 BMI 相仿的非糖尿病對照組中，當人體處於非活動狀態時，龐大的骨骼肌群對於全身餐後葡萄糖氧化代謝的貢獻度竟然僅約 15%。此時，非活動狀態的肌肉群其氧氣消耗量（VO2）僅約為 1 至 2 mL/min/kg 肌肉。

換句話說，當您坐在辦公桌前或沙發上數個小時，佔據您身體最大比例的骨骼肌，實質上已經進入了「代謝休眠」狀態。在這種低代謝率（low metabolic rate）的環境下，血液中的葡萄糖與極低密度脂蛋白（VLDL）失去了主要的消耗去處，進而導致餐後血糖飆升與血脂異常。這也解釋了為何許多流行病學研究觀察到，長時間久坐與第二型糖尿病、心血管疾病風險較高有著強烈相關；同時也說明了，為什麼即使經過大幅度的減重或進行高強度運動訓練，要顯著且長效地改善靜態期間的葡萄糖耐量依然面臨巨大挑戰。

比目魚肌的生物學奇蹟：人體內建的「抗疲勞代謝引擎」

在人體複雜的下肢肌肉解剖構造中，比目魚肌（Soleus）往往被隱藏在較為顯眼的腓腸肌（Gastrocnemius）之下，被視為維持姿勢的配角。然而，在生理學的微觀世界中，比目魚肌卻具備了令人驚嘆的生物學奇蹟——它是一塊高度特化的「慢速氧化型肌纖維（slow oxidative muscle phenotype）」集中地。

根據肌肉切片與纖維分型的數據，人類比目魚肌的質量中高達約 88% 屬於第一型慢肌纖維（Type I slow-twitch fibers），這在人體已知的 36 種主要肌肉中名列前茅。這種特殊的肌纖維組成，賦予了比目魚肌獨特的代謝優勢與血管特徵。它不僅擁有極高的微血管密度以利於氧氣與受質的運送，更內建了高濃度的十六碳糖激酶 II（hexokinase II）與葡萄糖轉運蛋白 4（GLUT4）。

更關鍵的是其燃料選擇機制。一般的大型骨骼肌（如大腿的股外側肌）在收縮時，主要依賴儲存於肌肉細胞內的「肝醣（glycogen）」做為能量來源。然而，比目魚肌的表現卻截然不同。在特定的生理條件與收縮模式下，比目魚肌高度依賴血液中的「葡萄糖」與「脂蛋白」做為游離受質（substrate），而非大量消耗肌肉內部的肝醣。

這種「不依賴肝醣」的特性，構成了比目魚肌成為「抗疲勞代謝引擎」的核心基礎。因為肌肉疲勞往往與肝醣耗竭及乳酸堆積密切相關，當比目魚肌能夠持續從無窮無盡的血液循環中汲取葡萄糖與脂質做為燃料時，它便具備了連續運作數小時而不產生局部肌肉疲勞的驚人潛力。本研究正是看準了比目魚肌的這項獨特表型，試圖將這 1% 的微小質量，轉化為控制全身代謝的關鍵樞紐。

精準介入的誕生：何謂「比目魚肌伏地挺身（SPU）」？

要活化比目魚肌並非難事，走路或跑步都能牽動它；但要在「不引發全身疲勞」、「不大幅提升心跳血壓」且「能夠持續數小時」的前提下，將比目魚肌的氧化代謝率推向極致，就需要極度精準的生物力學設計。這正是 Hamilton 研究團隊提出的「比目魚肌伏地挺身（Soleus Push-up, SPU）」介入方式的精髓所在。

SPU 是一種專門在「坐姿」下進行的孤立性踝關節蹠屈（plantarflexion）運動。這個設計巧妙地利用了下肢肌肉的解剖特性。小腿三頭肌主要由單關節的比目魚肌與雙關節的腓腸肌組成。當我們站直或腿部伸直時，腓腸肌與比目魚肌會共同參與踝關節的活動；然而，當我們處於「坐姿且膝蓋彎曲」的狀態時，跨越膝關節的腓腸肌會處於鬆弛的無力狀態（主動不足），此時踝關節的蹠屈動作，幾乎完全只能依靠比目魚肌來獨立承擔。

本研究共招募了 25 位受試者，涵蓋了 22 至 82 歲、從正常體重到重度肥胖（BMI 上限達 42.9）、且日常久坐時間極長（每天 6 至 14 小時）的多元族群。研究團隊並未讓受試者進行負重訓練，而是單純利用腿部自身的重量，在坐姿下進行腳跟抬起的 SPU 動作。

為了達到最佳的活化程度，研究團隊利用即時的表面肌電圖（EMG）作為視覺回饋，引導受試者找到最適當的收縮模式。一項極具臨床指導價值的發現是：要提升比目魚肌的氧氣消耗量（VO2），增加踝關節的「活動度（Range of Motion, ROM）」遠比單純加快「收縮頻率（Rate）」來得有效。當受試者將腳跟抬起的幅度（ROM）從 15 度增加到 30 度時，其肌電圖的活化程度與局部氧氣消耗量幾乎成倍數成長；相反地，如果只是盲目加快上下踩踏的頻率，反而容易導致活動度縮小，且徒增神經疲勞。透過這種重質不重量的精準控制，受試者得以將比目魚肌維持在遠高於日常步行的活化水準，且能輕鬆持續數小時。

實驗一解析：極低消耗下的運作機制，打破「耗竭肝醣」的迷思

為了確切量化 SPU 的能量消耗與肝醣利用情形，研究團隊進行了第一階段的實驗（N=10）。受試者在實驗室中進行了長達 270 分鐘的 SPU 介入，這是一場對肌肉耐力與代謝機制的極限考驗。

結果顯示，SPU 介入期間，受試者的平均代謝當量（METs）僅從久坐狀態的 0.92 ± 0.04 METs，微幅提升至 2.03 ± 0.08 METs（p = 8 × 10^-8）。這代表全身的能量消耗僅略高於休息狀態，完全落在傳統公衛定義的「極輕度活動」範疇內（遠低於中度活動的 3 METs 門檻）。

然而，真正的驚喜來自於肌肉切片的生化分析。在歷經高達 4.5 小時（270分鐘）的持續收縮後，比目魚肌的肝醣濃度僅從初始的 90 ± 5 mmol/kg 緩慢下降至 68 ± 5 mmol/kg（p = 0.007）。我們若將這微小的 22 mmol/kg 肝醣消耗量換算成熱量，它大約只能提供 16 大卡（kcals）的能量。

但實際上，在這 270 分鐘的 SPU 收縮中，比目魚肌總共消耗了約 403 大卡的活動能量消耗（AEE）。這意味著，肌肉肝醣竟然僅貢獻了總活動能量消耗的 4.1 ± 1.0%（p = 0.003）。這項數據徹底打破了傳統運動生理學中「肌肉收縮必然大量耗竭肝醣」的迷思。

對比之下，如果是進行大腿股四頭肌的伸膝運動或騎乘腳踏車，即便是在中低強度下，股外側肌消耗肝醣的速度往往是 SPU 狀態下比目魚肌的 10 至 15 倍之多。這個極度節省肝醣的實驗結果，證實了比目魚肌在 SPU 模式下，幾乎完全轉向攝取血液中的葡萄糖與脂質來驅動收縮，為接下來的血糖控制實驗奠定了堅實的生理學基礎。

為何傳統運動難以立即改善糖耐量？SPU 突破極限的關鍵機制

在探討 SPU 對血糖的震撼影響之前，我們必須先釐清一個臨床上常見的疑問：既然運動會消耗能量，為什麼傳統的高強度有氧或大肌肉重量訓練，常常在運動後的短時間內，無法立即改善甚至有時會惡化口服葡萄糖耐量（OGTT）的結果？

根據 Ross 等人（2015）[3] 與 Bergman 等人（1999）[4] 的過往研究，傳統大肌肉群的高強度運動會大量且快速地耗竭肌肉內的肝醣，同時引發強烈的交感神經刺激與兒茶酚胺（catecholamines）分泌。當運動結束後，身體會啟動強烈的「防禦與回補機制」。為了優先讓剛剛耗竭肝醣的肌肉重新補充能量，人體會產生一種暫時性的代償反應：它會增加非活動肌肉（unrecruited muscle fibers）的胰島素阻抗（insulin resistance），並促使肝臟釋放更多葡萄糖進入血液中。

這些全身性的神經內分泌代償反應，導致在傳統大肌肉運動結束後的數小時內，即使給予葡萄糖耐量測試，整體血糖濃度往往難以顯著下降，胰島素的需求也居高不下。

而 SPU 的介入機制則完美地避開了這個生理學陷阱。由於 SPU 僅活化體重 1% 的比目魚肌，且幾乎不消耗肝醣，它不會觸發全身性的壓力賀爾蒙釋放，也不會引發肝臟的代償性葡萄糖輸出或未活化肌肉的胰島素阻抗。SPU 創造了一個單向的「血糖代謝水槽」，在不干擾全身恆定性的情況下，靜靜地、持續地從微循環中抽離血液葡萄糖。這種不打破系統平衡、直接氧化血液受質的機制，正是 SPU 能夠突破傳統運動極限的關鍵所在。

實驗二解析：引爆全身氧化代謝率，血糖與胰島素濃度的驚人重塑

為了驗證 SPU 對餐後代謝的實際效益，研究團隊進行了嚴謹的第二階段實驗（N=15）。受試者在禁食 12 至 14 小時後，飲用 75 克的標準葡萄糖液（口服葡萄糖耐量試驗，OGTT），並在接下來的 3 小時內，接受多達 13 次的動脈化微血管穿刺與靜脈抽血，以高解析度追蹤血糖與胰島素濃度的變化。受試者被隨機分配至久坐對照組，以及兩種不同強度的 SPU 介入組（SPU1 約 1.3 METs，SPU2 約 1.7 METs）。

實驗結果展現了極度震撼的量化數據，證實了此介入方式能帶來實質的改善效果：

1. 碳水化合物氧化率的巨幅躍升
在 OGTT 的 3 小時內，當受試者處於久坐不動狀態時，其全身碳水化合物總氧化量僅為 24.2 ± 3.2 克。然而，當介入 SPU1 時，全身碳水化合物總氧化量顯著增加至 49.7 ± 2.5 克（p = 1 × 10^-6）；介入 SPU2 時，更飆升至 70.6 ± 4.6 克（p = 4 × 10^-6）。這意味著，僅佔體重約 1% 的局部肌肉介入，竟然將全身碳水化合物的氧化率提升了 2.1 至 2.9 倍，其消耗量甚至超越了全身其他所有閒置組織與非活動肌肉的總和。

2. 血糖濃度的快速且持續下降
SPU 介入對血糖濃度的改善既迅速又深遠。在 SPU2 介入組中，早在飲用葡萄糖後的第 30 分鐘，平均血糖濃度就已經出現顯著下降（較對照組降低了 19 ± 6 mg/dL，p < 0.05）。在隨後的 60 分鐘區間內，SPU2 介入顯著改善了葡萄糖耐量，使得平均血糖濃度較久坐組降低高達 50 ± 6 mg/dL。

若以整體 3 小時的葡萄糖漸增曲線下面積（iAUC）來評估，SPU1 介入顯著改善了葡萄糖耐量，使 iAUC 降低了 39%（p < 10^-9，效果量 Effect Size = 4.0）；SPU2 介入更使 iAUC 降低了 52%（p < 0.0001，效果量 Effect Size = 2.5）。

3. 胰島素與 C 胜肽分泌需求的斷崖式降低
更具臨床意義的是胰島素數據。血糖的降低並非建立在過度壓榨胰臟分泌胰島素的基礎上，相反地，SPU 極大地減輕了胰臟的負擔。SPU1 介入顯著改善了高胰島素血症，使胰島素 iAUC 降低了 41%（p < 10^-6，效果量 Effect Size = 3.8）；SPU2 介入則使胰島素 iAUC 巨幅降低了 60%（p < 10^-5，效果量 Effect Size = 4.9）。這兩個效果量在統計學上皆屬於「極大（Huge）」等級。此外，反映內生性胰島素分泌真實狀況的 C 胜肽（C-peptide）iAUC，也分別顯著降低了 30 ± 3%（p = 0.00002）及 44 ± 6%（p = 0.0003）。

4. 脂質代謝的連帶改善
除了葡萄糖代謝，長時間的 SPU 收縮也觀察到與脂質代謝的相關性。介入期間顯著觀察到血漿中極低密度脂蛋白三酸甘油酯（VLDL-TG）濃度的下降，這證實了局部肌肉的持續氧化代謝，能有效加速微循環中脂蛋白的清除，對於預防心血管疾病的病理發展具有深遠的意義。

跨越年齡與體型的生理強健性：低壓力的日常解方

一項優秀的生理學介入，除了數據亮眼外，更重要的是其「普遍適用性（robustness）」。許多運動介入在年輕人或體能較佳者身上效果顯著，但在高齡或肥胖族群中往往大打折扣。

本研究的次族群分析（Table 4）給出了一個令人振奮的答案。研究團隊將受試者依據性別、年齡（最年輕組平均 38 歲，最高齡組平均 68 歲）、BMI（正常組平均 23.3，肥胖組平均 34.3）、以及日常久坐時間（最低 9.0 小時，最高 12.0 小時）進行分組對比。

結果顯示，無論受試者是男是女、是 22 歲的大學生還是 82 歲的長者、BMI 是標準還是高達 40 以上的重度肥胖，SPU1 介入對葡萄糖 iAUC 的改善幅度全都穩定落在減少 37.5% 至 41.2% 的區間內，且所有次族群的 p 值皆小於 0.001。統計交互作用分析顯示，這些人口學特徵與介入效果之間並沒有顯著差異。這代表 SPU 的生理機制深深根植於人類共有的肌肉表型之中，不受個體體能衰退或肥胖狀態的限制。

此外，本介入方式展現了極高的安全性與低壓力特性。在進行 SPU 介入時，受試者的心血管壓力極小。久坐不動時的平均心跳為 73 ± 6 下/分；進行 SPU1 介入時為 79 ± 8 下/分；即使是較強的 SPU2，心跳也僅微升至 89 ± 7 下/分。收縮壓方面，三種狀態分別為 116 ± 6、123 ± 4 與 124 ± 6 mmHg。這種幾乎不引發全身神經體液壓力反應（neurohumoral stress response）的特徵，證實了 SPU 絕非另一種會讓人氣喘吁吁的「運動訓練」，而是一種能在閱讀、辦公、甚至看電視時，不知不覺中重塑全身代謝的日常解方。

臨床研究限制與未來科學探索

身為臨床醫學研究者，在驚嘆於這些量化數據之餘，我們仍須秉持客觀嚴謹的態度，盤點本研究的限制，並指出未來科學探索的可能方向：

缺乏自由生活型態（free-living）的長期驗證：雖然本研究為嚴謹的介入性試驗，證實了急性改善效果，但這是在高度控制的實驗室條件下進行的。目前尚缺乏大規模臨床試驗來證實，若將 SPU 融入受試者真實的居家或辦公環境，且長期執行數週至數月，其對糖化血色素（HbA1c）或長期心血管風險指標是否能帶來等同或累積的長期效益。
急性反應的侷限：目前的數據主要揭示了單次、長達數小時介入期間的「急性」代謝重塑。停止 SPU 之後，其後續效應（carry-over effect）能持續多久？這仍是未知數。
缺乏動靜脈導管的深層動力學追蹤：實驗二在 OGTT 期間未能進行比目魚肌切片來確認高血糖狀態下的肝醣消耗；此外，也缺乏下肢動靜脈導管（A-V balance）與同位素示蹤劑的數據。因此，我們無法精準區分 SPU 降低的血糖，有多少比例是來自加速清除「外源性（口服）」的葡萄糖，又有多少比例是影響了「內源性（肝臟）」的葡萄糖生成與清除動力學。
專一性不可輕易延伸：我們必須強調，SPU 的效益高度專一於比目魚肌。不能輕易將此結果推論至其他「低費力活動（如使用站立桌或輕微抖腳）」。其他活動若未採用特定的關節角度與活動度，可能無法同樣啟動比目魚肌如此高效的氧化代謝機制。

重質不重量：為代謝健康開啟的新頁

Hamilton 等人的這項研究，無疑為現代的「久坐病」與代謝症候群防治開啟了全新的科學視野。這篇文獻清楚地告訴我們，在對抗靜態生活型態所帶來的代謝危害時，我們不必然需要瘋狂地追求「大肌肉」與「高強度」的傳統極限。

透過精準的生理學視角，針對僅佔體重 1% 的比目魚肌進行「重質不重量」的特異性活化，我們竟然能以不到 2 METs 的極低能量消耗，引爆全身的碳水化合物氧化率，帶來高達 52% 的血糖曲線下降幅度與 60% 的胰島素需求減輕。

對於難以執行高強度運動的高齡者、因肥胖而關節受限的族群、或是受限於工作型態必須長時間久坐的現代人而言，比目魚肌伏地挺身（SPU）提供了一條具備科學實證基礎、低生理壓力且極具潛力的代謝新徑。它提醒著我們，人體這座精密的生物工廠裡，有時最微小的齒輪，只要精準咬合，就能帶動全身最大的代謝革命。

參考文獻

[1] Hamilton, M. T., Hamilton, D. G., & Zderic, T. W. (2022). A potent physiological method to magnify and sustain soleus oxidative metabolism improves glucose and lipid regulation. iScience, 25(10), 104869. https://doi.org/10.1016/j.isci.2022.104869

[2] Kelley, D., Mokan, M., & Veneman, T. (1994). Impaired postprandial glucose utilization in non-insulin-dependent diabetes mellitus. Metabolism, 43(12), 1549-1557. https://doi.org/10.1016/0026-0495(94)90013-2

[3] Ross, R., Hudson, R., Stotz, P. J., & Lam, M. (2015). Effects of exercise amount and intensity on abdominal obesity and glucose tolerance in obese adults: a randomized trial. Annals of Internal Medicine, 162(5), 325-334. https://doi.org/10.7326/M14-1189

[4] Bergman, B. C., Butterfield, G. E., Wolfel, E. E., Lopaschuk, G. D., Casazza, G. A., Horning, M. A., & Brooks, G. A. (1999). Muscle net glucose uptake and glucose kinetics after endurance training in men. American Journal of Physiology-Endocrinology and Metabolism, 277(1), E81-E92. https://doi.org/10.1152/ajpendo.1999.277.1.E81

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] 突破90%陽性率的腦中刺客：牙周病菌牙齦蛋白酶揭開的阿茲海默症感染謎團

2026-02-28T13:38:00.002+08:00

筆者將帶你深入導讀一篇發表於頂尖期刊《Science Advances》的指標性文獻。該研究為阿茲海默症（Alzheimer's disease, AD）的致病機轉提供了強而有力的因果證據，指出慢性牙周炎的關鍵病原體及其分泌的毒素，可能是導致大腦退化與發炎的核心驅動力。

傳染病假說的復甦：類澱粉蛋白是敵是友？
潛伏於齒齦的刺客：牙齦喀紫質單胞菌與其入侵途徑
死者與生者的證詞：大腦與腦脊髓液中的微觀證據
揭開 Tau 蛋白斷裂的微觀機制：有毒蛋白酶的精準破壞
顛覆傳統的類澱粉蛋白：是大腦防線還是致病源頭？
免疫防線的崩潰：APOE4 基因與發炎體的脆弱環節
逆轉戰局的精準打擊：小分子標靶處置的潛力
結語
參考資料

傳染病假說的復甦：類澱粉蛋白是敵是友？

臨床上，阿茲海默症患者的大腦通常表現出與感染一致的神經發炎特徵，包含微膠細胞活化、發炎體活化、補體活化以及細胞因子特徵的改變。儘管過去曾在患者腦中發現傳染性病原體，並推測其與疾病有關，卻始終缺乏確立因果關係的有力證據。

然而，新近的科學發現為致病機轉帶來了不同視角。長期被視為致病元凶的類澱粉蛋白（Amyloid-β, Aβ），其實是一種抗菌胜肽（antimicrobial peptide），此觀點重新燃起了醫界尋找潛在感染源的興趣。流行病學觀察也顯示，慢性牙周炎（Chronic periodontitis）及其關鍵病原體——牙齦喀紫質單胞菌（Porphyromonas gingivalis），是發展出 Aβ 斑塊、失智症及阿茲海默症的重要風險因子。甚至有前瞻性研究記錄到，患有活動性慢性牙周炎的 AD 患者，其認知功能在 6 個月內的下降幅度顯著大於無活動性牙周炎者。

基於上述背景，本篇文獻的核心假說應運而生：P. gingivalis 可能透過分泌名為「牙齦蛋白酶（gingipains）」的毒性蛋白酶，在阿茲海默症的發病機轉中扮演關鍵角色，進而促進神經損傷。

潛伏於齒齦的刺客：牙齦喀紫質單胞菌與其入侵途徑

剖析這位不速之客是理解這場大腦微觀戰役的第一步。P. gingivalis 作為一種不解糖（asaccharolytic）的格蘭氏陰性厭氧菌，主要存在於牙齦和牙周感染中。值得注意的是，在 25% 沒有口腔疾病的健康個體中，也能觀察到低程度的定植。

關於細菌從口腔進入循環系統的途徑，文獻指出，日常的刷牙、使用牙線、咀嚼以及牙科處置，皆可能引發 P. gingivalis 的暫時性菌血症（Transient bacteremia）。一旦進入血液，病原體便能轉移至多種組織（如冠狀動脈、胎盤和肝臟）。近期更有一項分析發現，高達 100% 的心血管疾病患者都有 P. gingivalis 在動脈中的定植現象。

在宿主體內生存的過程中，P. gingivalis 產生了主要的毒力因子（virulence factors）——牙齦蛋白酶（gingipains）。這是一群半胱胺酸蛋白酶（cysteine proteases），由專門切割離胺酸的 Kgp，以及專門切割精胺酸的 RgpA 和 RgpB 所組成。

這些毒性蛋白酶對細菌的存活至關重要。它們被分泌到細胞外或附著於細菌外膜囊泡（OMV）上，負責獲取鐵和胺基酸等營養、破壞宿主組織，同時去活化（inactivate）宿主的免疫防禦機制。過去的數據已證實其對內皮細胞、纖維母細胞和上皮細胞的毒性，而本研究則進一步探討它們對大腦神經元的破壞力。

死者與生者的證詞：大腦與腦脊髓液中的微觀證據

探究 P. gingivalis 是否真實入侵大腦，需仰賴直接的病理證據。透過免疫組織化學染色法（IHC），實驗分析了阿茲海默症患者與無失智症對照組的腦部組織微陣列（TMA）。

腦組織中的驚人發現

顯微鏡下的影像揭示了極高的感染率。在阿茲海默症患者的腦組織樣本中，高達 96%（51/53）觀察到 RgpB 蛋白酶呈陽性反應，而 91%（49/54）觀察到 Kgp 蛋白酶呈陽性。相較於無失智症的對照組，阿茲海默症患者腦中的 RgpB 與 Kgp 負荷量（load）均觀察到顯著較高（P < 0.0001）。

更關鍵的是，細菌毒素的負荷量與神經病理特徵密切相關。數據顯示，腦中 RgpB 與 Kgp 的負荷量，與 Tau 蛋白的負荷量觀察到顯著的正相關。同樣地，這兩種牙齦蛋白酶的負荷量也與泛素（ubiquitin，一種標記受損蛋白質的物質）的負荷量呈現顯著正相關。

對照組揭示的疾病連續性

「無失智症對照組」的數據同樣帶來了震撼。在這些神經學表現正常的長者腦中，仍有 39% 觀察到 RgpB 染色陽性，52% 觀察到 Kgp 染色陽性。進一步的交叉比對發現，即便在對照組樣本中，牙齦蛋白酶的負荷量與 Tau 蛋白及泛素的負荷量之間，也維持著正相關。

上述觀察結果勾勒出一個「連續性（continuum）」的病理過程，意即牙齦蛋白酶與阿茲海默症病理特徵早在臨床症狀出現前便已同時存在。此現象符合「臨床前阿茲海默症（preclinical AD）」的概念，並反駁了「大腦感染純粹肇因於失智後口腔衛生變差」的傳統觀點，支持感染乃發生於認知衰退之前的早期事件。

活體患者的腦脊髓液檢測

除了死後解剖，尋找活體診斷的指標是另一項科學挑戰。腦脊髓液（CSF）常被視為窺探大腦感染的窗口。為此，臨床分析前瞻性地收集了 10 名被診斷為可能阿茲海默症（probable AD）患者的腦脊髓液與唾液樣本。

藉由高靈敏度的 qPCR 技術，10 名患者中有 7 名的 CSF 樣本被偵測到 P. gingivalis 的特異性基因（hmuY），其濃度落在每微升 10 至 50 個拷貝數之間。活體證據的確立，不僅進一步證實病原體對中樞神經系統的感染，也暗示腦脊髓液中的細菌 DNA 具備作為差異化診斷標記的潛力。同時，以幽門桿菌（Helicobacter pylori）作為對照的檢測結果全數呈現陰性，排除了 PCR 偽陽性的疑慮。

揭開 Tau 蛋白斷裂的微觀機制：有毒蛋白酶的精準破壞

神經元內部 Tau 蛋白的異常與神經纖維纏結，是阿茲海默症最具代表性的病理特徵之一。釐清細菌與 Tau 蛋白之間的因果關係，成為解開病理謎團的核心步驟。體外細胞實驗（in vitro）使用了會表現高分子量 Tau 蛋白的人類神經母細胞瘤細胞系（SH-SY5Y）進行測試。

數據呈現了驚人的破壞速度：當細胞暴露於野生型的 P. gingivalis 時，短短 1 小時內，細胞內的可溶性總 Tau 蛋白即表現出劑量依賴性（dose-dependent）的快速流失。後續的對照實驗進一步確認了元凶，當細胞感染的是「缺乏分泌牙齦蛋白酶能力」的突變菌株時，其 Tau 蛋白程度與完全未感染的健康對照組相似。介入性結果確立了牙齦蛋白酶就是導致 Tau 蛋白流失的直接驅動力。

質譜儀下的 44 個切割位點

探究有毒蛋白酶切斷 Tau 蛋白的具體位置，需仰賴高解析度質譜儀（Mass spectrometry）的精確分析。實驗將純化的重組 Tau-441 蛋白與極低濃度（1 nM 與 10 nM）的 Kgp 和 RgpB 蛋白酶混合後進行觀測。

分析結果顯示，在 10 nM 的濃度下，Tau 蛋白被肢解成無數碎片，涵蓋了高達 85% 的胺基酸序列。從中精準找出的 44 個切割位點裡，包含了 14 個 RgpB 切割位點與 30 個 Kgp 切割位點。

這當中最引人注目的，是 Kgp 蛋白酶所產生的特定碎片。質譜儀數據證實，Kgp 產生了四種含有「VQIVYK」序列的 Tau 胜肽碎片，以及兩種含有「VQIINK」序列的碎片。在過去的生化研究中，這些特定的六胜肽結構（hexapeptide sequence）被認為是促使正常 Tau 蛋白異常聚合、形成配對螺旋絲（PHFs）與神經纖維纏結的核心序列。

此外，文獻討論亦提及，牙齦蛋白酶具備直接切割神經元內前卡斯帕酶-3（procaspase-3）的能力，能將其活化（activate）為卡斯帕酶-3（caspase-3）。這種宿主酵素的異常活化，已知會進一步加劇 Tau 蛋白的磷酸化與切割。諸多機制共同說明了，細菌進入大腦後釋放的毒力因子，會直接且嚴重地擾亂神經元內部的蛋白質結構。

顛覆傳統的類澱粉蛋白：是大腦防線還是致病源頭？

檢視完神經元內部的 Tau 蛋白，目光必須轉向阿茲海默症的另一大病理標誌：位於細胞外的類澱粉蛋白（Aβ1–42）斑塊。

如同第一章所述，本研究的立論基礎包含了「Aβ 是一種抗菌胜肽」的新興概念。體外實驗讓 P. gingivalis 直接暴露於 Aβ1–42 之中來檢驗此假說。影像分析顯示，Aβ1–42 會與細菌表面的 RgpB 產生共定位（colocalization）現象。更關鍵的細胞存活率分析證實，Aβ1–42 能顯著降低 P. gingivalis 的存活率（破壞細菌膜並導致細菌死亡），而使用 Aβ1–40 或序列打亂的 Aβ1–42 則不具備同等的殺菌效果。

活體動物實驗的因果實證

活體大腦在面對牙周病菌感染時，是否真的會產生 Aβ 作為防禦反應？小鼠口腔感染實驗解答了這個問題。野生型 BALB/c 小鼠被分為多組，其中感染組每隔一天在口腔塗抹野生型 P. gingivalis，療程持續 6 週。

介入性實驗的結果提供了明確的因果證據：單純的口腔感染，確實導致細菌成功定植於小鼠大腦，並且導致大腦中的 Aβ1–42 濃度顯著增加（P < 0.001）。

更精妙的對照設計在於「突變菌株組」。當小鼠感染的是缺乏牙齦蛋白酶的突變菌株（ΔKgp 或 ΔRgp）時，大腦中的 Aβ1–42 濃度與未感染的模擬對照組（Mock-infected）沒有顯著差異。實驗數據確立了一個極為重要的轉譯醫學觀念：活體大腦中 Aβ1–42 的大量產生，並非單純因為細菌的存在，而是大腦對「牙齦蛋白酶」這種毒力因子所作出的強烈免疫防禦反應。

免疫防線的崩潰：APOE4 基因與發炎體的脆弱環節

既然大腦具備分泌 Aβ 作為抗菌胜肽的能力，為何部分個體的防線卻容易崩潰，最終發展成阿茲海默症？文獻討論從遺傳學與免疫學的角度提出了極具深度的生化解釋。

在流行病學領域，載脂蛋白 E4（APOE4）是已知最大的偶發性阿茲海默症遺傳風險因子。結構分析指出，與 APOE3 或 APOE2 相比，APOE4 蛋白質含有較多的精胺酸（arginine）殘基。

前述章節曾提及，Rgp 牙齦蛋白酶正是專門針對「精胺酸」進行切割的有毒蛋白酶。基於此特徵，一項新假說被提出：由於 APOE4 含有更多的精胺酸，它可能比 APOE3 更容易成為 Rgp 牙齦蛋白酶切割的受質（substrate）。這種破壞不僅可能導致宿主先天的免疫功能下降，被切斷的 APOE 蛋白質碎片本身亦可能具備神經毒性。此觀點為 APOE4 的遺傳風險提供了一個與細菌感染直接相關的全新化學視角。

外膜囊泡（OMVs）與發炎體的致命活化

面對宿主免疫系統，P. gingivalis 的攻擊策略極具多樣性。細菌會釋放富含牙齦蛋白酶的奈米級「外膜囊泡（Outer membrane vesicles, OMVs）」。這些囊泡能被哺乳動物細胞快速內化，並在巨噬細胞與神經元內部活化（activate）發炎體（inflammasomes）。

發炎體作為細胞內的先天免疫防禦系統，一旦被過度刺激便會引發災難。囊泡的侵入會驅動 NLRP3 發炎體的活化，並促使 ASC 斑點的形成（ASC specks，這已被證明會驅動 Aβ 的聚集與沉積）。而在神經元內部，NLRP1 發炎體同樣能偵測到細菌的毒力因子。發炎體的異常活化最終將導致細胞焦亡（pyroptosis），並釋放大量促發炎細胞因子 IL-1β 與 IL-18。

同時，宿主細胞表面負責調節發炎與吞噬細菌的受體（如 TREM1 與 TREM2），也面臨被癱瘓的命運。Rgp 能夠將 TREM1 從細胞表面切除，而 Kgp 則能將其降解。這類破壞會導致宿主清除細菌的能力受損，並引發長期的慢性神經發炎，完整解釋了病原體如何在大腦中建立難以根除的慢性感染。

逆轉戰局的精準打擊：小分子標靶處置的潛力

面對大腦深處的慢性感染，傳統的廣效性抗生素（broad-spectrum antibiotics）往往難以奏效。其不僅難以穿透血腦屏障，長期使用更會引發抗藥性與破壞正常菌叢。為此，針對病原體毒力因子的「小分子標靶抑制劑」成為突破口。

如同前述，P. gingivalis 是一種高度依賴胺基酸獲取能量的細菌，而 Kgp 蛋白酶正是它獲取養分的關鍵工具。具備中樞神經滲透性的不可逆 Kgp 抑制劑（COR271 與後續推進至臨床的 COR388）被成功開發出來，旨在直接「切斷細菌的糧草」。

活體動物試驗與神經保護作用

評估藥物療效的活體動物試驗中，小鼠大腦被建立 P. gingivalis 感染模型後，開始接受口服 COR388 處置（management）。介入性實驗結果顯示，處置不僅顯著降低了小鼠大腦中的細菌基因拷貝數，還以劑量依賴性的方式顯著降低了腦部 Aβ1–42 濃度與促發炎細胞因子 TNFα 的濃度。

更具臨床意義的是，針對海馬迴的組織分析揭露，未接受處置的感染小鼠表現出顯著的 Gad67+ GABAergic 中間神經元流失；而接受 Kgp 抑制劑處置的小鼠，其神經元的流失現象則得到了顯著的挽救與保護。

克服抗藥性的化學優勢

這類小分子標靶藥物具備另一個極大的優勢。在體外連續培養的壓力測試中，細菌被分別暴露於廣效性抗生素（moxifloxacin）與 COR388 之中。僅經過 12 代繁殖，細菌對 moxifloxacin 就產生了超過 1000 倍的抗藥性（最低抑菌濃度 MIC 暴增）；然而，即便經過反覆暴露，病原體對 COR388 卻完全沒有發展出抗藥性。這顯示針對毒力因子的抑制策略，比起直接殺死細菌的廣效抗生素，更能避免抗藥性的快速產生。

結語

整份文獻透過嚴謹的人類組織觀察與活體動物介入實驗，不僅確立了慢性牙周炎病原體 P. gingivalis 及其有毒蛋白酶在阿茲海默症大腦神經退化中所扮演的因果角色，更重新定義了類澱粉蛋白（Aβ）作為先天免疫抗菌胜肽的防禦意義。

更重要的是，實驗數據成功證明了針對特定細菌毒力因子（Kgp）的標靶抑制劑，能夠有效清除大腦感染、減輕神經發炎，並發揮實質的神經保護作用。這為未來阿茲海默症的臨床處置提供了一條極具潛力的「疾病修飾（disease-modifying）」新途徑。

參考資料

Dominy, S. S., Lynch, C., Ermini, F., Benedyk, M., Marczyk, A., Konradi, A., ... & Potempa, J. (2019). Porphyromonas gingivalis in Alzheimer's disease brains: Evidence for disease causation and treatment with small-molecule inhibitors. Science Advances, 5(1), eaau3333. https://doi.org/10.1126/sciadv.aau3333

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] 《Lancet》2026 ：肥胖不只是代謝問題，更是「免疫破口」！54 萬人研究結果出爐

2026-02-13T22:29:00.004+08:00

圖1：《Lancet》2026 研究視覺化數據：肥胖程度（BMI、腰圍）與各類感染風險呈現顯著正相關。

前言：被遺忘的免疫拼圖
研究解密：為什麼這份報告份量十足？
數據深潛：BMI 每上升一個級距，風險就跳一階
腹部肥胖：不只是體重，腰圍也是關鍵指標
全面棄守：從皮膚表層到深層臟器的感染風暴
逆向思考：為什麼 HIV 與結核病是例外？
病理機制：肥胖身體裡的「慢性內戰」
全球視野：我們付出了多少代價？
臨床啟示：體重管理是抗生素之外的處方

前言：被遺忘的免疫拼圖

在過去三十年的公共衛生教育下，大眾對於「肥胖」的恐懼，大多建立在代謝症候群的基礎上。當我們在診間告誡病人減重時，理由不外乎是：「你的血糖在邊緣了」、「血壓控制不好」或是「關節負擔太重」。

然而，臨床醫師在第一線常觀察到一種現象：體型肥胖的患者，似乎特別容易反覆發生蜂窩性組織炎，流感季一到，他們併發重症住進加護病房的比例也似乎較高。這在過去多被視為臨床經驗談，缺乏大規模的證據定錨。

2026 年，一篇發表於權威期刊《Lancet》的重磅研究 [1]，終於補上了這塊拼圖。這不只是一篇探討關聯性的報告，它極具野心地量化了肥胖對「免疫系統」的具體衝擊。研究證實，肥胖不僅是慢性病的溫床，更是各類嚴重感染症（Severe infections）的強大推手。這項發現將迫使我們重新定義「體重管理」的價值——它不只是為了代謝健康，更是為了建立一道穩固的免疫防線。

研究解密：為什麼這份報告份量十足？

要證明「肥胖導致感染」並不容易，因為肥胖者常合併糖尿病，而糖尿病本身就會降低免疫力。過往的小型研究很難釐清：到底是因為糖尿病才容易感染，還是肥胖本身就是元兇？

這項《Lancet》研究的強大之處在於它的規模與純度。

1. 跨國雙世代驗證
研究團隊沒有只依賴單一族群，而是結合了兩大著名的資料庫：

芬蘭世代（Finnish cohorts）：包含 67,766 人，平均年齡 42.1 歲，這群人相對年輕，提供了早期風險的視角。
英國生物資料庫（UK Biobank）：包含 479,498 人，平均年齡 57.0 歲，樣本數龐大且年齡層較長，反映了中老年後的真實風險。

總計超過 54 萬人的樣本，讓統計的誤差被壓縮到極小。

2. 嚴苛的排除條款
為了確保因果時序正確，研究者排除了在研究開始前就有感染住院紀錄的人。更重要的是，在統計模型中，他們「校正」了極多干擾因子，包括社經地位、吸菸、飲酒，甚至直接將糖尿病、心血管疾病納入調整。

結果發現，即便把糖尿病這個因素拿掉，肥胖與感染的關聯依然穩如泰山。這是一個非常強烈的訊號：肥胖本身，就是一個獨立的免疫破口。

數據深潛：BMI 每上升一個級距，風險就跳一階

讓我們直接看最核心的數據。研究採用了「風險比」（Hazard Ratio, HR）來量化風險，以健康體重者（BMI 18.5–24.9 kg/m²）作為基準（HR=1）。

整體趨勢：驚人的一致性
在芬蘭資料庫中，任何肥胖者（BMI ≥ 30）的嚴重感染風險是 1.6 倍；在英國資料庫中，這個數字是 1.7 倍。兩地數據高度吻合，顯示這不是地區特例，而是普世現象。

劑量效應：沒有天花板的風險
最讓臨床醫師心驚的，是風險隨著體重增加而呈現的「階梯式爬升」。這並非「有肥胖 vs 沒肥胖」的二分法，而是「越胖越危險」：

輕度肥胖（Class I, BMI 30.0–34.9）：風險增加約 55%（HR 1.55）。這類人群在社會中相當常見，往往不認為自己屬於高風險群。
中度肥胖（Class II, BMI 35.0–39.9）：風險增加超過 1 倍（HR 2.11）。
重度肥胖（Class III, BMI ≥ 40.0）：風險直接飆升至 3 倍（HR 3.07）。

試想一下，如果有一種病毒變異株會讓死亡率增加 3 倍，全球會如何恐慌？而對於重度肥胖者來說，他們每天面對環境中各種病原體，所承受的就是這樣的風險基期。

腹部肥胖：不只是體重，腰圍也是關鍵指標

除了 BMI，這篇研究還做了一個很細膩的分析：腰圍（Waist circumference）。

我們知道 BMI 有時會因為肌肉量而失準（雖然在一般大眾中相對少見），但「腰圍」直接反映了腹部內臟脂肪的堆積。研究結果顯示，腰圍過大（男性 ≥ 102cm，女性 ≥ 88cm）與感染風險的關聯性，與 BMI 的分析結果幾乎完全一致。

這在病理機制上更有意義，因為內臟脂肪正是分泌發炎物質、導致系統性發炎的主角。所以，即使您的 BMI 尚未達到重度肥胖標準，但如果有一個顯著的啤酒肚，感染風險恐怕已經悄悄找上門。

全面棄守：從皮膚表層到深層臟器的感染風暴

過去在 H1N1 或 COVID-19 疫情期間，我們已經知道肥胖是呼吸道重症的風險因子。但這項研究分析了 925 種診斷代碼，涵蓋了細菌、病毒、黴菌與寄生蟲，繪製出了一張更全面的風險地圖。

1. 皮膚與軟組織感染：風險之王（HR 2.8）
這是所有感染類型中，與肥胖關聯最強的一項。肥胖者罹患蜂窩性組織炎、嚴重膿瘍的風險高達 2.8 倍。
臨床解讀： 這與解剖結構有關。肥胖會導致皮下脂肪增厚，阻礙淋巴液回流（Lymphedema），導致局部免疫細胞無法有效巡邏。加上皮膚皺摺處（如鼠蹊部、腋下）長期潮濕摩擦，皮膚屏障容易破損，讓細菌長驅直入。

2. COVID-19 與病毒性肺炎（HR 2.3）
即便疫苗普及，肥胖者感染 COVID-19 後演變成重症或死亡的風險仍是常人的 2.3 倍。這證實了肥胖對抗病毒免疫反應的干擾是系統性的。

3. 泌尿道感染（HR 1.8）
這在女性患者尤為明顯。腹部脂肪增加腹內壓，可能影響膀胱排空；加上會陰部清潔難度增加，都提高了感染機率。

4. 黴菌感染（HR 1.6）
這是一個常被忽視的點。肥胖者不僅皮膚易生黴菌，深部組織對抗黴菌的能力也較弱。

逆向思考：為什麼 HIV 與結核病是例外？

在研究羅列的密密麻麻風險中，唯二呈現「負相關」（即肥胖者看似風險較低）的疾病是 HIV 與 結核病（Tuberculosis）。這難道代表肥胖能預防愛滋病與肺結核？

當然不是。這正是流行病學中經典的「反向因果」（Reverse Causality）案例。

HIV 與結核病都是典型的「消耗性疾病（Wasting diseases）」。患者在確診前或發病初期，身體為了對抗慢性感染，會消耗大量能量，導致體重急劇下降。因此，我們在數據上看到「瘦子」比較容易得結核病，事實上是因為「得了結核病變瘦」。這項例外反而驗證了研究團隊在分析其他急性感染（如流感、蜂窩性組織炎）時的邏輯是正確的，因為那些疾病不會在發病前就讓你暴瘦。

病理機制：肥胖身體裡的「慢性內戰」

為什麼肥胖會讓免疫系統變得如此脆弱？研究討論中提出了幾個核心假說，這是一場發生在身體內部的慢性內戰。

1. 慢性發炎的耗損
脂肪細胞（Adipocytes）不只是儲存能量的倉庫，它們是活躍的內分泌器官。肥胖者的脂肪組織會源源不絕地釋放促發炎細胞激素（如 IL-6, TNF-α）。這讓免疫系統長期處於「假警報」的興奮狀態。久而久之，當真正的敵人（細菌病毒）入侵時，免疫細胞反而因為長期過勞而反應遲鈍（Anergy）。

2. T 細胞的戰力折損
研究指出，肥胖環境會影響 T 細胞的代謝，使其殺菌與殺病毒的能力下降。這就像是一支軍隊雖然人數眾多，但士兵個個營養過剩且缺乏訓練，上了戰場反而無法發揮戰力。

3. 物理與生理屏障的崩壞
除了前面提到的皮膚淋巴回流受阻，肥胖造成的長期高血糖環境（即便尚未達到糖尿病診斷標準），也會讓血液成為細菌的培養皿，加速病原體繁殖。

全球視野：我們付出了多少代價？

這篇研究利用「全球疾病負擔」（GBD）的數據模型，幫我們算了一筆總帳。

在 2023 年，全球約有 10.8% 的感染相關死亡，其根本原因可以追溯到肥胖。在 COVID-19 肆虐的 2021 年，這個數字甚至攀升到 15.0%。

這意味著，如果我們能消除肥胖這個風險因子，全球每年可以減少十分之一的傳染病死亡。這個比例在北非與中東地區最高（約 22.5%），在東亞與東南亞地區雖然較低，但隨著飲食西化，這個數字正在快速爬升。這不再只是個人的健康問題，而是國家級的公衛安全議題。

臨床啟示：體重管理是抗生素之外的處方

面對這份沉重的報告，我們該如何行動？研究中最具希望的數據來自於對「體重變化」的分析。

數據顯示，原本處於肥胖狀態的參與者，若能成功減重並維持（即使只是減到過重範圍，未達標準體重），其後續發生嚴重感染的風險顯著下降（HR 0.8）。雖然無法完全恢復到與天生瘦子一樣的免疫水準，但這 20% 的風險降幅，在臨床上已足以挽救無數生命。

此外，針對臨床上極為棘手的「反覆感染」（Recurrent infections），研究發現肥胖者面臨近 2 倍 的復發機率。這給了臨床醫師與患者一個明確的方向：當你苦惱於蜂窩性組織炎為何一年發作三次，或是泌尿道感染總是治不好時，除了更換更強的抗生素，拿起體重計面對它，或許才是斷根的關鍵。

在這個後疫情時代，病毒不會消失，細菌抗藥性日益增強。我們無法控制環境中的病原體，但我們可以修築自己的城牆。減重，就是為你的免疫系統穿上盔甲。

參考資料

Nyberg, S. T., Frank, P., Ahmadi-Abhari, S., Pentti, J., Vahtera, J., Ervasti, J., Suominen, S. B., Strandberg, T. E., Sipilä, P. N., Meri, S., Kivimäki, M., & Sattar, N. (2026). Adult obesity and risk of severe infections: a multicohort study with global burden estimates. The Lancet. https://doi.org/10.1016/S0140-6736(25)02474-2

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] 43年世代追蹤：含咖啡因咖啡與失智症風險之關聯——去咖啡因組別的對比分析

2026-02-11T23:36:00.002+08:00

在營養流行病學領域，探討單一飲食因子與神經退化性疾病之間的關聯，始終面臨著巨大的方法學挑戰。失智症（Dementia）的病理進程往往在臨床症狀出現前的二十年便已啟動，這使得多數追蹤期僅五至十年的觀察性研究，難以排除「反向因果（Reverse Causality）」的干擾——即患者可能因早期認知功能改變而調整了飲食習慣。此外，人類飲食行為的動態變化，亦難以透過單次基線（Baseline）調查精確捕捉。

2026年2月，發表於美國醫學會雜誌《JAMA》的一項大型前瞻性世代研究 [1]，透過長達 43 年的追蹤與重複測量設計，為「長期咖啡因攝取」與「失智症風險」之間的關聯提供了目前最具分量的流行病學證據。該研究不僅樣本數高達 13 萬人，更透過對比「含咖啡因」與「去咖啡因」飲品的差異，將潛在的神經保護受質（Substrate）指向了咖啡因本身，而非咖啡豆中的其他植化素。

方法學突破：從單次快照到長期暴露軌跡

本研究由哈佛大學 T.H. Chan 公衛學院團隊主導，整合了「護理師健康研究（NHS, 1980-2023）」與「醫療專業人員追蹤研究（HPFS, 1986-2023）」兩大經典世代。最終納入分析的總樣本數為 131,821 人（女性 86,606 人，男性 45,215 人）。在長達 43 年的中位數追蹤期間（IQR, 28-42 年），共記錄了 11,033 例失智症新發個案。

此研究在方法學上的最大亮點，在於其對暴露變項（Exposures）的處理方式。研究團隊並未僅依賴受試者入組時的一次性問卷，而是每 2 至 4 年發放一次「食物頻率問卷（FFQ）」，並採用「累積平均攝取量（Cumulative mean）」進行統計分析。這種動態更新的數據處理方式，不僅能降低單次填答的隨機誤差，更能真實反映受試者在數十年間的長期飲食暴露，從而大幅提升了統計檢定的信度。

此外，研究團隊採用了多重校正模型，嚴格控制了年齡、社經地位、總熱量攝取、飲食品質（AHEI 分數）、運動量、吸菸狀態以及心血管代謝共病（如高血壓、糖尿病）等潛在干擾因子，試圖在觀察性研究的框架下，最大程度地分離出咖啡因攝取的獨立效應。

核心數據解讀：含咖啡因飲品的特異性關聯

研究結果顯示，長期攝取含咖啡因的咖啡及茶，與失智症風險呈現顯著的負相關；然而，去咖啡因咖啡則未觀察到類似現象。以下針對各組別的風險比（Hazard Ratio, HR）進行詳細解析。

1. 含咖啡因咖啡（Caffeinated Coffee）：顯著負相關

與攝取量最低的第一四分位數（Q1，中位數 0 杯/日）相比，攝取量較高的族群觀察到較低的失智症發生風險。值得注意的是，這種關聯性並非線性上升，而是在中度攝取量時達到高原期：

第三四分位數（Q3，中位數約 1-2.5 杯/日）：HR = 0.81 (95% CI, 0.78-0.85), P < .001。
第四四分位數（Q4，中位數約 2.5-4.5 杯/日）：HR = 0.82 (95% CI, 0.76-0.89), P < .001。

數據顯示，相較於不喝或少喝者，長期每日攝取約 1 至 4.5 杯含咖啡因咖啡的受試者，其失智症發生風險約低了 18% 至 19%。

【臨床重要備註：單位的現實落差】
必須特別提醒的是，本研究定義的「一杯（cup）」為 8 盎司（約 237 毫升）。這與現代市售咖啡容量有顯著差異，例如常見連鎖咖啡店的「大杯（Grande）」通常為 16 盎司，喝一杯即相當於本研究的 2 杯 份量。若以市售大杯咖啡為基準，每日僅需約 1.5 杯 即可達到研究中的最高攝取量區間，切勿因誤判單位而過量攝取。

2. 茶（Tea）：同樣觀察到保護趨勢

茶類的攝取同樣展現了類似的趨勢。與攝取量最低的第一特三分位數（T1）相比，攝取量最高者（T3，中位數 ≥1 杯/日）的失智症風險觀察到顯著較低：

最高攝取組（T3）：HR = 0.86 (95% CI, 0.83-0.90), P < .001。

3. 去咖啡因咖啡（Decaffeinated Coffee）：統計上的虛無

這是本研究最具鑑別力的發現。當分析對象轉為「去咖啡因咖啡」時，上述的負相關性完全消失。即便在攝取量最高的組別，其失智症風險與不攝取者相比，統計上並無顯著差異：

去咖啡因咖啡（Pooled HR）：HR = 0.97 (95% CI, 0.93-1.01), P = .34。

此一結果在「主觀認知下降（SCD）」的次要分析中甚至出現了反轉：去咖啡因咖啡的高攝取量甚至與較高的 SCD 盛行率相關（Prevalence Ratio = 1.16, 95% CI 1.08-1.24）。這在臨床上極可能反映了所謂的「病患效應（Sick quitter effect）」——即受試者可能因失眠、嚴重焦慮或心血管疾病等健康問題，才被迫改喝去咖啡因咖啡。換言之，並非去咖啡因咖啡導致認知衰退，而是這群受試者本身就具備較高的共病風險。

4. 認知功能的連續體證據

為了驗證診斷結果的穩健性，研究亦分析了「主觀認知下降（SCD）」與「客觀認知功能（TICS 分數）」。結果與失智症風險高度一致：

SCD：含咖啡因咖啡最高攝取組的 SCD 盛行率比（Prevalence Ratio）為 0.85 (95% CI, 0.78-0.93)。
客觀認知分數：在 NHS 世代中，含咖啡因咖啡最高攝取組的 TICS 分數平均高出 0.11 分 (95% CI, 0.01-0.21)，這相當於延緩了約 0.6 年的認知老化。

需注意的是，雖然 0.11 分的差異在統計上顯著，但臨床上這屬於「微幅但具累積效應」的保護，不應期待其能「逆轉」已發生的病理性衰退，其價值在於長期維持腦部功能的穩定性。

機制探討：為何鎖定「咖啡因」為關鍵受質？

「含咖啡因」與「去咖啡因」咖啡在流行病學表現上的巨大落差（Discordance），為生物學機制的探討提供了重要線索。咖啡豆本身含有數百種生物活性物質，包括多酚類（如綠原酸 Chlorogenic acid）、二萜類（如咖啡醇 Cafestol）以及維生素 B3 前驅物等。若神經保護作用主要來自於這些抗氧化或抗發炎的植化素，理應在去咖啡因咖啡組也能觀察到類似的保護趨勢。然而，本研究的數據強烈暗示，咖啡因（Caffeine）本身極可能是驅動此關聯性的核心受質。

目前學界對於咖啡因的神經保護機制，主要聚焦於以下幾個分子路徑：

1. 腺苷受體拮抗作用（Adenosine Receptor Antagonism）

咖啡因是非選擇性的腺苷受體拮抗劑，能同時阻斷 A1 與 A2A 受體。在阿茲海默症的病理模型中，A2A 受體的過度活化（Overactivation）被認為與突觸功能障礙及神經毒性有關。咖啡因透過長期拮抗 A2A 受體，可能具有預防突觸損傷及維持神經可塑性的潛力。

2. 類澱粉蛋白（Amyloid-β）與神經發炎

動物實驗顯示，咖啡因的長期暴露可降低腦中 β-類澱粉蛋白（Aβ）的負荷量，並抑制 β-secretase 與 γ-secretase 的活性。此外，咖啡因亦被觀察到能調節小膠質細胞（Microglia）的活性，進而降低腦內的發炎反應。鑑於神經發炎是推動神經退化性疾病進程的關鍵驅動力，此一抗發炎路徑具有高度的生物學合理性。

劑量效應的非線性特徵：每日 2-3 杯的飽和點

本研究的劑量效應（Dose-Response）分析揭示了一個清晰的非線性關係（Non-linear relationship），呈現 J 型或 U 型曲線的特徵。

數據指出，含咖啡因咖啡的攝取量在 每日 2 至 3 杯（或每日總咖啡因攝取量約 300 毫克）時，與失智症風險的負相關性達到最強。超過此劑量（例如每日 4 杯以上），風險比並未進一步下降，反而呈現持平（Plateau）甚至微幅回升的趨勢。

這種「飽和效應」在藥理學上是可以預期的。首先，人體代謝咖啡因的主要酵素 CYP1A2 具有代謝速率的個體差異與飽和極限。其次，過高劑量的咖啡因攝取可能引發焦慮、失眠或心悸等副作用，這些負面生理效應可能抵銷了其潛在的神經保護益處。特別是睡眠障礙本身即被證實會加速大腦中廢棄物質（如 Aβ 與 Tau 蛋白）的堆積。因此，數據支持的並非「越多越好」，而是存在一個明確的「適量」視窗。

研究限制與科學詮釋

儘管本研究在樣本數與追蹤時間上具有壓倒性優勢，但作為觀察性研究，我們在解讀時仍須保持科學的審慎：

殘餘干擾（Residual Confounding）：儘管模型已針對多項變項進行調整，但無法完全排除生活型態聚類（Lifestyle clustering）的影響。例如，有習慣飲用適量咖啡的人，可能同時擁有較高的社經地位、較頻繁的社交活動或較好的壓力管理能力，而這些都是失智症的保護因子。
因果關係的保留：雖然研究團隊進行了 4 年、甚至更長的時間滯後分析（Lag analysis）以降低反向因果的可能性，但流行病學數據本質上僅能建立「關聯性（Association）」，而非絕對的「因果性（Causality）」。我們不能斷言「喝咖啡」直接「導致」了失智風險的降低。
測量限制：問卷無法區分咖啡的沖煮方式（如濾紙過濾與否影響血脂）、烘焙程度或茶的種類（紅茶或綠茶），這限制了對細部成分影響的探討。

總結

綜合這篇跨越 43 年的世代研究結果，我們觀察到長期、適量的含咖啡因咖啡（每日 2-3 杯）及茶類攝取，與較低的失智症發生風險及較佳的認知功能維持具有顯著的統計相關性。透過與去咖啡因咖啡的對比，研究強烈提示了咖啡因在神經保護機制中的潛在關鍵角色。

對於臨床醫療人員與關注大腦健康的讀者而言，這份數據提供了一個明確的訊息：在沒有禁忌症的前提下，將適量的含咖啡因飲品納入日常飲食習慣，可能是維持長期神經認知健康的一項合理且低風險的生活型態選擇。

然而，在臨床實務應用上，仍有幾點關鍵的風險管理提醒：

「黑咖啡/無糖茶」原則：上述益處應建立在「不添加過多糖分與奶精」的前提下（建議以黑咖啡或無糖茶為主）。若因飲用咖啡而攝取過多精製糖或反式脂肪，其導致的代謝症候群風險將可能抵銷神經保護作用。
個別化禁忌症：除了常見的嚴重焦慮、心律不整或胃食道逆流外，停經後婦女需注意過量咖啡因可能增加骨質疏鬆風險；長期服藥者（如支氣管擴張劑、喹諾酮類抗生素使用者）亦應留意潛在的藥物交互作用。

參考文獻

[1] Zhang, Y., Liu, Y., Li, Y., et al. (2026). Coffee and Tea Intake, Dementia Risk, and Cognitive Function. JAMA. https://doi.org/10.1001/jama.2025.27259

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[Health] 二木軒的個人減重策略：從代謝生理到行為設計，打造不與身體對抗的減重計畫

2026-02-11T22:21:00.001+08:00

圖：二木軒減重實戰 —— 熱量赤字與三大營養素精算流程（以 176cm/80kg 男性為例）

實踐指南：開啟您的生活型態轉型

讀完本文詳盡的科學分析與實務精算後，最關鍵的一步是將這些理論轉化為每日可重複的「微行動」。減重不是一場短期的衝刺，而是一次生理環境與生活規律的重塑。

為了協助您更有系統地落實這套策略，建議您在讀完全文後，搭配使用我個人製作的每日檢查表：

【點此開啟】二木軒減重策略：每日任務執行檢查表

透過每日勾選與進度追蹤，您可以更直覺地檢視自己是否達成了熱量赤字、蛋白質守護、進食順序與 NEAT 槓桿等核心目標，進而逐步建立穩定且健康的生活節奏。

⚠️ 重要醫療提醒：
本專欄所提供的醫學研究資訊僅供衛教與個人參考。由於每個人的基礎代謝、荷爾蒙狀況與病史各異，若您在執行上述策略一段時間後，減重成效仍不如預期，這可能涉及更深層的生理調節機制。為了您的長期健康，請儘速尋求減重專科門診或新陳代謝科的專業醫師協助。

導言：跳脫「少吃多動」的單一維度陷阱

在當代健康資訊爆炸的時代，「減重」往往被簡化為一道簡單的數學題：熱量輸入（Calories In）與熱量輸出（Calories Out）的差值。然而，許多人在嚴格執行熱量限制後，卻面臨體重高原期、肌肉流失甚至報復性復胖的困境。根據 2022 年發表於《強度與調節研究期刊》（Journal of Strength and Conditioning Research）的綜述指出，人體並非一台線性的熱量消耗機器，而是具備高度精密補償機制的生物體 [1]。

真正的成功減重，不應只是追求體重計上數字的下降，而是要透過科學化的能量管理、營養素精準配比、行為設計以及生活型態的優化，讓身體代謝「為你工作」而非「與你對抗」。本篇專欄將結合最新的隨機對照試驗（RCT）、統合分析（Meta-analysis）以及我國衛生福利部國民健康署發布之官方營養指引，為您拆解出一套可長期執行的高效率減重策略，並以一位 176 公分、80 公斤、38 歲的久坐族男性為實例，教您如何精準規劃。

熱量赤字的科學底層邏輯與代謝適應機制

建立熱量赤字（Caloric Deficit）確實是啟動減脂的必要條件，但其設定方式決定了減重的品質。研究發現，當身體偵測到長時間的能量赤字時，會引發「代謝適應」（Metabolic Adaptation）現象 [1]。這包括基礎代謝率（BMR）的下降、非運動性活動產熱（NEAT）的自發性減少，以及食慾調節激素（如瘦素降低、飢餓素升高）的波動。

這種生物補償機制的目的是為了「生存」。當熱量攝取低於維持生命所需時，身體會自動進入「節能模式」。量化研究顯示，基礎代謝率的下降幅度往往大於體重流失所預期的比例。為了最小化代謝適應帶來的負面影響，科學界建議採取規律的能量補給（Refeeds）或週期性的飲食中斷（Diet breaks）[1]。此外，精確計算每日總熱量消耗（TDEE）並設定合理的赤字（通常為每日 300 至 500 大卡）至關重要。更重要的是，在建立赤字的同時，必須同步提高蛋白質的攝取比例，以維持瘦體重（FFM）並確保食物熱效應（TEF）維持在較高水平。

精準計量實務：176公分、80公斤男性的熱量邊界設定

要執行科學減重，第一步是推算您的能量邊界。我們以 176 公分、80 公斤、38 歲男性作為計算標準：

推算基礎代謝率 (BMR)： 根據台灣 DRIs 第八版簡式公式，該男性的 BMR 為 1.0 x 24 小時 x 80 kg = 1,920 kcal。
計算總能量消耗 (TDEE)： 由於該範例為「低活動量」（久坐族），活動強度（PAL）係數設定為 1.2。TDEE = 1,920 x 1.2 = 2,304 kcal。
設定熱量赤字： 文獻指出，每日赤字設定在 300 至 500 大卡能最大化保留瘦體重 [1]。減重目標熱量設定為 2,304 - 500 = 1,804 kcal。

指標	計算數值
BMR (基礎代謝)	1,920 kcal
TDEE (總消耗)	2,304 kcal
減重計畫攝取量	1,804 kcal

巨量營養素配比：以蛋白質為核心的保險機制

在確定 1,804 大卡的目標後，必須依照「蛋白質優先」原則分配。根據 DRIs 第八版，一般成人蛋白質 RDA 為 1.1 g/kg [3]；但在減重期間，為了防止肌肉分解，研究建議提升至 1.2 至 1.5 g/kg [1]。

以 80 公斤男性為例，攝取上限取 1.5 g/kg，即每日 120 公克蛋白質（480 kcal，佔總熱量 26.6%）。足夠的蛋白質不僅能提供強烈飽足感，其熱效應遠高於碳水化合物與脂質，能有效抵銷因熱量限制導致的蛋白質分解代謝，守住人體最寶貴的產熱組織——骨骼肌。

計算脂質與碳水化合物：國人膳食指引的分配實務

在確立蛋白質攝取後，剩餘的 1,324 大卡應依照 DRIs 的 AMDR 比例分配 [2] [4]。

1. 脂質的計算與選擇： DRIs 建議比例為 20% 至 30% [4]。取 25% 計算，脂質應提供 451 kcal（約 50 公克）。讀者應嚴格限制飽和脂肪酸（SFA）低於總熱量的 10%（即不超過 20 公克），優先攝取單元不飽和脂肪酸（MUFA），如橄欖油或堅果，以獲取心血管保護效益 [16]。

2. 碳水化合物的計算： 剩餘分配為 873 kcal，約 218 公克（佔 48%）。生理上，大腦每日平均需要 110 至 140 公克的葡萄糖。為了防止分解蛋白質來產生能量，成人每日碳水化合物攝取量不應低於 130 公克 [2]。在 1,804 大卡的計畫中，218 公克足以支撐生理需求並預防代謝崩潰。

進食順序與纖維：精準調控血糖與腸泌素的生理槓桿

在減重過程中，身體對碳水化合物的反應深受「攝取順序」的影響。2019 年發表於《糖尿病及其併發症期刊》的研究指出，採用「蔬菜先行」的進食法能有效平抑血糖波動。在該 RCT 研究中，受試者先食用 150 克的蔬菜，5 分鐘後攝取主餐蛋白質，最後才是碳水化合物。結果顯示，這種順序能顯著引發腸道分泌葡萄糖依賴性促胰島素多肽（GIP）與腸泌素（GLP-1），延緩胃排空速度，並向大腦發出強烈飽足訊號 [6]。

膳食纖維在此策略中是調節代謝的關鍵。根據 MyNewGut 聯盟的綜述，膳食纖維（特別是燕麥中的 beta-聚葡萄糖與奇亞籽中的可溶性纖維）進入腸道後會被發酵產生短鏈脂肪酸（SCFAs）。這些 SCFAs 能提升胰島素敏感度並減少發炎症狀 [7]。對於一位 80 公斤的男性，這種行為設計能有效解決餐後血糖劇烈波動引發的疲勞，減少午後熱量攝取。

延伸閱讀：
[Health] 自然誘導腸泌素：五大生活策略讓飽足更久、血糖更穩

實務核心：我的「隔夜燕麥」中午飲控計畫深度解析

推薦將「隔夜燕麥」作為中午核心。其配方包含：燕麥片 40g、優格 150g、鮮奶 100ml、奇亞籽 5g、葡萄乾 10g。總熱量約 270 kcal，提供 12g 蛋白質與 6g 膳食纖維。對於 1,804 大卡的範例男性而言，這份午餐僅佔每日熱量的 15%，保留了晚餐彈性。270 kcal 就能提供 6g 纖維，對穩定下午工作專注力極有幫助。

延伸閱讀：
[Health] 分享我的隔夜燕麥食譜

運動效率的真相：避開補償效應的「紅利區」與阻力訓練效益

運動科學數據揭露了殘酷的「代償機制」。Rosenkilde 等人的隨機對照試驗發現，每天消耗 300 kcal（約 30 分鐘）有氧運動的組別，其減脂效果比預期高出 83%；相反地，每天消耗 600 kcal（60 分鐘）的組別，減脂達成率僅有預期的 80% [8]。原因在於高強度長時間運動會誘發生物保護機制，導致受試者大幅減少 NEAT 並增加代償性進食。

因此，針對 176 公分男性，最具效益的規劃是「每日 30 分鐘中強度有氧」。此外，統合分析指出，阻力訓練雖然降低總體重不如有氧運動明顯，但能顯著增加瘦體重（+0.8 kg）並減少有害的內臟脂肪（VAT） [10]。這對於 38 歲開始面臨肌肉流失風險的男性，是維持代謝引擎的關鍵。

生活中的隱形產熱：不可忽視的 NEAT 與「走樓梯」槓桿

除了正式運動，日常生活的非運動性活動產熱（NEAT）是成功關鍵。研究指出，環境差異可導致每日 NEAT 消耗產生高達 2000 kcal 的落差 [11]。在 NEAT 的行為設計中，「走樓梯」是被實證最高效的策略。對於 80 公斤男性，走樓梯的消耗（4.0~8.0 METs）是靜坐辦公（1.3 METs）的 3 至 6 倍。只要離開椅子去走 2 層樓梯，就能重新激活體內清除脂肪所需的脂蛋白脂肪酶（LPL）活性。

NEAT 行為建議	對 80kg 男性的產熱貢換
放棄電梯，改走 5 分鐘樓梯	+40~50 kcal / 每次
午餐後爬 2-3 層樓回辦公室	+25 kcal / 每次

生物性阻力：睡眠不足與壓力的「體脂稅金」深層解析

當減脂停滯，可能是身體正在被徵收「體脂稅金」。統合分析顯示，睡眠時數短的成人，肥胖風險比值（OR）高達 1.55 [12]。睡眠不足干擾飢餓控制中樞：瘦素減少，飢餓素激增，導致對高熱量碳水化合物的渴望增加 24% 至 30%。

長期壓力導致頭髮皮質醇（Hair Cortisol）水平升高，這與體重、BMI 以及腰圍呈正相關（r=0.102） [13]。皮質醇誘導身體分解四肢肌肉，並將脂肪優先儲存在內臟與腹部。對於 38 歲男性，高壓、少睡狀態會使 1,804 kcal 計畫面臨極大生理抗性，事倍功半。

總結：建立一套可長期持續的減重行為模型

針對 176 公分、80 公斤男性，科學減重路徑如下：建立 1,804 kcal 攝取基線，攝取 120g 蛋白質。透過進食順序調整與隔夜燕麥實踐，配合每日 30 分鐘運動與「走樓梯」增加 NEAT，並確保每晚 7-9 小時的高品質睡眠，打造不需要與意志力苦戰的健康環境。

參考文獻

Martínez-Gómez, M. G., & Roberts, B. M. (2022). Metabolic Adaptations to Weight Loss: A Brief Review. Journal of Strength and Conditioning Research, 36(10), 2970–2981. https://doi.org/10.1519/JSC.0000000000004245
衛生福利部國民健康署. (2022). 「國人膳食營養素參考攝取量」第八版 - 碳水化合物。 https://www.hpa.gov.tw/Pages/Detail.aspx?nodeid=4248&pid=12285
衛生福利部國民健康署. (2022). 「國人膳食營養素參考攝取量」第八版 - 蛋白質。 https://www.hpa.gov.tw/Pages/Detail.aspx?nodeid=4248&pid=12285
衛生福利部國民健康署. (2022). 「國人膳食營養素參考攝取量」第八版 - 脂質。 https://www.hpa.gov.tw/Pages/Detail.aspx?nodeid=4248&pid=12285
Hauser, M. E., et al. (2018). Effect of Low-Fat vs Low-Carbohydrate Diet on 12-Month Weight Loss in Overweight Adults: The DIETFITS Randomized Clinical Trial. JAMA, 319(7), 667-679. https://doi.org/10.1001/jama.2018.0245
Yabe, D., et al. (2019). Dietary instructions focusing on meal-sequence and nutritional balance for prediabetes subjects. Journal of Diabetes and Its Complications, 33(107450). https://doi.org/10.1016/j.jdiacomp.2019.107450
Delzenne, N. M., et al. (2020). Nutritional interest of dietary fiber and prebiotics in obesity. Clinical Nutrition, 39(2), 414-424. https://doi.org/10.1016/j.clnu.2019.03.002
Rosenkilde, M., et al. (2012). Body fat loss and compensatory mechanisms in response to different doses of aerobic exercise. Am J Physiol Regul Integr Comp Physiol, 303(6), R571–R579. https://doi.org/10.1152/ajpregu.00141.2012
Donnelly, J. E., et al. (2013). Aerobic exercise alone results in clinically significant weight loss for men and women: Midwest Exercise Trial-2. Obesity, 21(3), E219–E228. https://doi.org/10.1002/oby.20145
Lopez, P., et al. (2022). Resistance training effectiveness on body composition and body weight outcomes: A systematic review and meta-analysis. Obesity Reviews, 23(5), e13428. https://doi.org/10.1111/obr.13428
Levine, J. A. (2004). Nonexercise activity thermogenesis (NEAT): environment and biology. Am J Physiol Endocrinol Metab, 286(5), E675–E685. https://doi.org/10.1152/ajpendo.00562.2003
Cappuccio, F. P., et al. (2008). Meta-Analysis of Short Sleep Duration and Obesity in Children and Adults. Sleep, 31(5), 635-643. https://doi.org/10.1093/sleep/31.5.635
Jackson, S. E., et al. (2017). Hair Cortisol and Adiposity in a Population-Based Sample of 2,527 Men and Women. Obesity, 25(3), 539-544. https://doi.org/10.1002/oby.21733
Lynch, A., et al. (2023). Randomized Comparative Effectiveness Trial of Two Federal Strategies for Weight Loss. Annals of Family Medicine, 21(3). https://doi.org/10.1370/afm.2964
Wei, X., et al. (2022). Intermittent Energy Restriction for Weight Loss: A Systematic Review. Biological Research For Nursing, 24(3), 410–428. https://doi.org/10.1177/10998004221078079
Estruch, R., et al. (2018). Primary Prevention of Cardiovascular Disease with a Mediterranean Diet. New England Journal of Medicine, 378(25), e34. https://doi.org/10.1056/NEJMoa1800389

[health] 減重沒有奇蹟，只有累積：2025台灣成人肥胖臨床實證指引導讀之「非藥物介入」三大支柱

2026-02-07T16:17:00.000+08:00

飲食治療：熱量赤字是物理法則，但路徑具有選擇性
運動治療：劑量反應關係與代謝適應
行為治療：改變大腦的獎賞迴路
結語
參考資料

撰文：臨床醫學研究者

在「瘦瘦針」GLP-1受體促效劑（GLP-1 RAs）成為社群媒體熱議話題的今日，大眾往往忽略了藥物試驗背後的對照組設定——即便是藥物組，也必須搭配標準化的生活型態介入。根據2025年發布的《台灣成人肥胖臨床實證指引（第三版）》，藥物與手術雖能突破生理恆定點（Set point），但若缺乏結構化的生活型態介入（Lifestyle Intervention），其長期效果將大打折扣。本指引彙整了最新的統合分析數據，明確指出綜合性生活型態介入包含三大支柱：飲食治療、運動治療與行為治療，三者缺一不可^[1]。

本文將抽絲剝繭，深入剖析指引中關於非藥物介入的量化數據，帶領讀者理解減重背後的劑量效應與生理機轉。

飲食治療：熱量赤字是物理法則，但路徑具有選擇性

飲食介入的核心目標在於創造負能量平衡，這是不變的熱力學定律。指引引用多項統合分析（Meta-analysis）指出，對於體重過重或肥胖的成人，每日減少 500 至 750 大卡（kcal） 的熱量攝取，與每週減輕 0.5 至 1 公斤 的體重呈現相關性^[1]。這是一個可被量化的輸入與輸出關係。

1. 巨量營養素的長期戰役：殊途同歸

關於低醣飲食（Low-carbohydrate diet）、低脂飲食（Low-fat diet）或高蛋白飲食（High-protein diet）何者優越的爭論從未停歇。然而，指引引用長期隨機對照試驗（RCT）證據揭示了一個有趣的現象：在熱量限制程度相同的前提下，不同巨量營養素組成的飲食模式，在 12 個月 以上的長期追蹤（follow-up）中，其減重效果並無統計學上的顯著差異^[1]^[2]。

數據告訴我們，短期內（如3-6個月）低醣飲食可能觀察到較快的體重下降，但在長期時間軸上，決定成敗的變項並非「碳水化合物的比例」，而是受試者對該飲食模式的「順從性（Adherence）」。換言之，科學上最好的飲食法，是你能持續堅持的那一種。

2. 極低熱量飲食（VLCD）的風險與代價

指引中特別探討了每日攝取 < 800 kcal 的極低熱量飲食。雖然 VLCD 能在短期內達到每週 1.5 至 2.5 公斤 的顯著減重效果，但這種激進手段伴隨著生理代價。數據顯示，VLCD 與電解質不平衡、膽結石形成及心律不整等風險相關。因此，指引將其定義為醫療級別的處置，必須在嚴格監測下進行，這並非一般大眾適合自行操作的居家實驗^[1]。

3. 代餐（Meal Replacements）：量化控制的工具

指引將代餐重新定義為「結構化熱量控制工具」，而非單純的食品。實證數據顯示，相較於僅接受傳統飲食衛教的對照組，使用代餐（每日取代 1-2 餐）的介入組，觀察到額外減輕平均 2.43 公斤 的體重^[1]。對於生活型態忙碌、難以精確估算食物熱量的族群而言，代餐提供了一個標準化的變項控制手段。

運動治療：劑量反應關係與代謝適應

關於運動，大眾常有過高的期待。指引透過數據釐清了運動在「減重期」與「體重維持期」截然不同的生理角色。

1. 單純運動的減重天花板

多項系統性回顧（Systematic Review）顯示，若未合併飲食控制，單純進行有氧運動的減重效果存在天花板（數據通常顯示 < 2-3 公斤）^[1]。其背後的科學機制涉及「代償性進食（Compensatory eating）」以及基礎代謝率下降的「代謝適應（Metabolic adaptation）」。然而，數據同時顯示，當運動與飲食控制合併執行時，其減重效果優於單純飲食控制，且與內臟脂肪的減少呈現正相關^[3]。

2. 關鍵在於「時間劑量」

指引提出了具體的運動時間建議，揭示了強烈的劑量反應關係（Dose-response relationship）：

啟動期（減重）：數據建議每週至少 150 分鐘 的中等強度有氧運動（如快走），以促進體重減輕。
維持期（抗拮抗）：這是多數人復胖的關鍵。若要維持減重成果並抵抗生理反撲（復胖），運動量需大幅提升至每週 200 至 300 分鐘 以上^[1]。

這組數據解釋了為何採取與減重期相同的運動量，往往不足以維持體重——因為維持期的生理恆定點對抗機制更強，需要更高的運動量（Physical activity volume）來抵銷。

3. 阻力訓練與身體組成

針對「肌少症肥胖（Sarcopenic Obesity）」，指引強調了身體組成（Body Composition）的重要性。雖然阻力訓練（Resistance Training）對「體重數字」的下降貢獻不如有氧運動顯著，但其與保留瘦體組織（Lean mass）、提升靜止代謝率及改善胰島素敏感度有高度相關。指引建議每週至少 2 次 的阻力訓練，這是為了優化代謝引擎，而非單純燃燒卡路里^[1]。

行為治療：改變大腦的獎賞迴路

行為治療（Behavioral Therapy）在科學上是基於學習理論與神經可塑性，協助個體重塑與飲食、活動相關的獎賞迴路。

1. 接觸頻率的閾值

指引引用美國預防醫學工作小組（USPSTF）的實證研究指出，行為改變並非一蹴可幾，且存在「劑量閾值」。數據顯示，與對照組相比，接受高強度介入（定義為 6 個月內至少 14 次 以上的專業接觸）的受試者，觀察到更顯著的體重減輕效果^[1]^[4]。這意味著，偶爾為之的諮詢在統計上難以產生顯著差異，持續且密集的反饋迴路（Feedback loop）才是關鍵。

2. 自我監測的數據力量

在眾多行為改變技術中，「自我監測（Self-monitoring）」擁有最強的證據等級。指引指出，持續記錄飲食攝取（如卡路里、份量）、體重變化及運動頻率的族群，其減重成效顯著優於未紀錄者^[1]。這實際上是建立了一套個人的生物回饋系統（Biofeedback system），提升大腦前額葉皮質對衝動行為的監控能力。

3. 壓力荷爾蒙的干擾

行為治療亦包含壓力管理。慢性壓力會導致皮質醇（Cortisol）濃度升高，進而驅動高熱量食物的攝取慾望並促進脂肪堆積。指引建議將情緒調節與睡眠衛生納入處置計畫^[1]，這不僅是心理支持，更是為了調節神經內分泌系統的平衡。

結語

綜觀《台灣成人肥胖臨床實證指引》，非藥物介入並非缺乏科學含量的勸說，而是具備明確操作型定義與劑量效應的科學處置。飲食治療提供熱量赤字的框架，運動治療對抗代謝適應並優化身體組成，行為治療則透過高頻率的反饋重塑神經迴路。對於追求科學減重的現代人而言，理解這些數據背後的意義，才能在琳瑯滿目的減重法中，找到符合自身生理機制的最佳解方。

參考資料

[1] 台灣肥胖醫學會. (2025). 台灣成人肥胖臨床實證指引 (第三版). 台灣肥胖醫學會.

[2] Johnston, B. C., Kanters, S., Bandayrel, K., Wu, P., Naji, F., Siemieniuk, R. A., ... & Mills, E. J. (2014). Comparison of weight loss among named diet programs in overweight and obese adults: a meta-analysis. JAMA, 312(9), 923-933. https://doi.org/10.1001/jama.2014.10397

[3] Johns, D. J., Hartmann-Boyce, J., Jebb, S. A., Aveyard, P., & Behavioural Weight Management Review Group. (2014). Diet or exercise intervention? vs combined behavioral weight management programs: a systematic review and direct comparison meta-analysis of direct comparisons. Journal of the Academy of Nutrition and Dietetics, 114(10), 1557-1568. https://doi.org/10.1016/j.jand.2014.07.005

[4] LeBlanc, E. S., Patnode, C. D., Webber, E. M., Redmond, N., Rushkin, M., & O’Connor, E. A. (2018). Behavioral and pharmacotherapy weight loss interventions to prevent obesity-related morbidity and mortality in adults: updated evidence report and systematic review for the US Preventive Services Task Force. JAMA, 320(11), 1172-1191. https://doi.org/10.1001/jama.2018.11619

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] 不僅是瘦，更要代謝重啟：從 SurMount 系列臨床試驗了解 Tirzepatide

2026-01-25T10:56:00.001+08:00

圖表：SURMOUNT 系列試驗臨床獲益總覽
彙整 Tirzepatide 在不同體重管理族群中的減重成效與代謝重塑指標。

前言：肥胖醫學的典範轉移
突破 20% 的減重天花板：SURMOUNT-1 試驗與減重品質
- 減脂不減肌：高品質的體重減輕
- 糖尿病前期的逆轉
攻克「糖胖症」的生理阻力：SURMOUNT-2 與族群差異
擊破「代謝適應」的序列治療：SURMOUNT-3 的科學策略
長期處置的生理必然性：SURMOUNT-4 撤藥試驗
王者對決：SURMOUNT-5 頭對頭比較
代謝重啟：胰島素敏感度與 β 細胞功能
安全性與生活品質：數據背後的真實感受
結語：以科學數據重塑代謝未來
延伸閱讀
參考資料

前言：肥胖醫學的典範轉移

在過去的代謝醫學觀念中，肥胖往往被簡化為能量攝取過剩或意志力不足的問題。然而，隨著神經內分泌學的進步，現代醫學已將肥胖重新定義為一種涉及複雜生理調控失衡的慢性疾病。早期抗肥胖藥物的療效通常受限於 5-10% 的減重幅度，難以滿足臨床上改善嚴重併發症的需求。

腸泌素（Incretins）藥物的開發改變了這一切。從單一 GLP-1 受體促效劑將減重門檻推向 15%，到如今首個雙重受體促效劑（Dual GIP/GLP-1 receptor agonist）Tirzepatide 的出現，我們正見證一場從「控制體重」轉向「重塑代謝」的典範轉移。透過 SURMOUNT 系列的五項關鍵臨床試驗，我們得以窺見這項技術如何擊破生理鐵壁。

突破 20% 的減重天花板：SURMOUNT-1 試驗與減重品質

SURMOUNT-1 是一項針對 2,539 位非第 2 型糖尿病肥胖成人的第 3 期隨機對照試驗。這項研究首次證實了藥物介入能達成與代謝手術相媲美的減重效果。在接受每週一次 15 mg Tirzepatide 治療 72 週後，受試者的平均體重減輕幅度達到 20.9% (95% CI, -21.8 to -19.9)，相較於安慰劑組僅減輕 3.1% (P < 0.001) ^[1]。

減脂不減肌：高品質的體重減輕

研究者透過雙能量 X 光吸收儀（DXA）進行身體組成分析（N=160），發現 Tirzepatide 誘導的減重具有極高的「代謝品質」。數據顯示，受試者平均減少的體重中，約 75% 為脂肪組織，僅 25% 為瘦肉組織（流失比約 3:1） ^[7]。更重要的是，內臟脂肪（VAT）的縮減幅度顯著大於皮下脂肪，且 Android/Gynoid 脂肪質量比率下降，這代表脂肪分布正從高風險的「蘋果型」向健康的體型轉變 ^[7]。

糖尿病前期的逆轉

在代謝風險方面，SURMOUNT-1 展現了驚人的預防潛力。基線時患有糖尿病前期（Prediabetes）的受試者中，高達 95.3% 在治療 72 週後，血糖濃度恢復至正常範圍（Normoglycemia），而安慰劑組僅為 61.9% ^[1]。

攻克「糖胖症」的生理阻力：SURMOUNT-2 與族群差異

臨床上，第 2 型糖尿病患者在減重時常面臨比非糖尿病者更強的「生理阻力」，這源於胰島素同化作用的代償以及既有用藥的影響。SURMOUNT-2 試驗（N=938）專門探討了這群「高難度」族群。

在 72 週的追蹤中，Tirzepatide 15 mg 組的平均體重減輕了 14.7% (SE 0.6)，雖略低於非糖尿病族群，但在糖尿病研究中已是突破性的進展（安慰劑組為 3.2%） ^[2]。此外，該組有 86% 的患者糖化血色素（HbA1c）降至 < 5.7% 的正常範圍，這意味著藥物在修正代謝環境上具有極強的效力 ^[2]。

針對 41 位日本受試者的次族群分析顯示，雖然亞洲族群因基準線 BMI 較低導致絕對減重公斤數較少，但在血糖控制與 β 細胞功能的恢復上卻表現出高度敏感性 ^[2]。這提示東亞族群在使用雙重腸泌素時，可能獲得更優異的代謝反應。

擊破「代謝適應」的序列治療：SURMOUNT-3 的科學策略

當人們透過生活型態介入（飲食與運動）減重後，身體會啟動「代謝適應（Metabolic Adaptation）」，增加飢餓素（Ghrelin）並降低基礎代謝率，試圖將體重拉回設定點。SURMOUNT-3 試驗量化了這一過程。

在 12 週的強化生活型態介入（平均減重 6.9%）後，隨機分配至 Tirzepatide 組的受試者在接下來的 72 週內額外減重了 18.4%，總體重減輕幅度達到驚人的 26.6%（Efficacy Estimand） ^[3]。相較之下，安慰劑組即便維持生活型態諮詢，體重仍出現反彈（回升 2.5%）。這證明了藥理介入能有效對抗生理補償機制，突破傳統減重停滯期的「鐵壁」 ^[3]。

長期處置的生理必然性：SURMOUNT-4 撤藥試驗

對於「達到理想體重後能否停藥」的疑問，SURMOUNT-4 隨機撤藥試驗給出了明確答案。在 36 週的導入期（平均減重 20.9%）後，隨機分配至停藥組（改用安慰劑）的患者，在隨後的 52 週內體重回升了 14.0% ^[4]。

數據顯示，停藥組不僅體重反彈，連同改善的血壓、血脂濃度與空腹胰島素濃度也隨之惡化，逐漸回歸基準線。持續治療組則維持了 25.3% 的總減幅 ^[4]。這項研究定調了肥胖作為慢性病的本質：正如治療高血壓一樣，一旦移除活化受體的藥物（Substrate），身體的致胖驅動力便會重新主導代謝規律。

王者對決：SURMOUNT-5 頭對頭比較

在最新的 SURMOUNT-5 試驗中，Tirzepatide 與當前的單一機轉黃金標準 Semaglutide 2.4 mg 進行了正面對決（Head-to-Head）。在第 72 週時，Tirzepatide 組的平均減重幅度為 22.7%，顯著優於 Semaglutide 組的 15.8% ^[5]。

兩者的治療差異（Treatment Difference）為 -6.9% (95% CI, -9.0 to -4.8; P < 0.001)。更深入的數據顯示，Tirzepatide 組有 41.4% 的受試者達成減重 ≥ 25% 的高標，而 Semaglutide 組僅為 18.2% ^[5]。這項試驗確立了雙重受體致效機轉在效能上的領先地位。

代謝重啟：胰島素敏感度與 β 細胞功能

除了體重計上的數字，事後分析（Post-hoc analysis）揭示了更深層的機制。研究發現，Tirzepatide 對胰島素敏感度（HOMA2-IR）有 40-50% 的改善，且其中一部分改善與體重減輕無關，顯示其具有直接調節代謝路徑的獨立效應 ^[6]。

同時，反映胰島素分泌速率的指標（ΔISR/ΔGlu）顯著上升，證實了 GIP 的加入能增強 β 細胞對葡萄糖刺激的反應性 ^[6]。這種「代謝重啟（Metabolic Resetting）」不僅是變瘦，更是讓身體找回健康的代謝節奏。

安全性與生活品質：數據背後的真實感受

在所有 Surmount 試驗中，安全性輪廓（Safety Profile）均保持一致。最常見的不良事件為腸胃道反應：

噁心：發生率約在 13% 至 39.7% 之間（劑量越高比例越高）。
發生時機：多集中在劑量遞增期（Dose-escalation period），隨後會逐漸緩解 ^[1]^[5]。

在生活品質方面，透過 SF-36v2 量表評估，持續治療組在「生理健康總評分」上的提升與體重降幅呈現正相關 ^[4]。這意味著患者在日常行走、爬樓梯等活動中的生理限制顯著降低。

結語：以科學數據重塑代謝未來

Surmount 系列臨床試驗為肥胖與代謝處置提供了強大的實證基礎。從 SURMOUNT-1 的突破性效能，到 SURMOUNT-4 對長期處置必要性的驗證，再到 SURMOUNT-5 的王者實力確認，我們看見了雙重腸泌素在代謝重塑上的巨大潛力。

參考資料

Jastreboff, A. M., Aronne, L. J., Ahmad, N. N., Wharton, S., Connery, L., Alves, B., Kiyosue, A., Zhang, S., Liu, B., Bunck, M. C., & Stefanski, A. (2022). Tirzepatide Once Weekly for the Treatment of Obesity. New England Journal of Medicine, 387(3), 205–216. https://doi.org/10.1056/NEJMoa2206038 ^
Garvey, W. T., Frias, J. P., Jastreboff, A. M., le Roux, C. W., Sattar, N., Aroda, V. R., ... & SURMOUNT-2 Investigators. (2023). Tirzepatide once weekly for the treatment of obesity in people with type 2 diabetes (SURMOUNT-2). The Lancet, 402(10402), 613-626. https://doi.org/10.1016/S0140-6736(23)01200-X ^
Wadden, T. A., Chao, A. M., Machineni, S., Kushner, R. F., Ard, J., Ahmad, N. N., ... & SURMOUNT-3 Investigators. (2023). Tirzepatide after intensive lifestyle intervention in adults with overweight or obesity: the SURMOUNT-3 phase 3 trial. Nature Medicine, 29(11), 2909–2918. https://doi.org/10.1038/s41591-023-02597-w ^
Aronne, L. J., Sattar, N., Horn, D. B., Bays, H. E., Wharton, S., Ahmad, N. N., ... & SURMOUNT-4 Randomized Clinical Trial. (2024). Continued treatment with tirzepatide for maintenance of weight reduction in adults with obesity: The SURMOUNT-4 randomized clinical trial. JAMA, 331(1), 38–48. https://doi.org/10.1001/jama.2023.24945 ^
Tirzepatide as Compared with Semaglutide for the Treatment of Obesity. (2025). New England Journal of Medicine. https://doi.org/10.1056/NEJMoa2416394 ^
Mari, A., et al. (2025). Tirzepatide treatment and associated changes in β-cell function and insulin sensitivity: A post hoc analysis of SURMOUNT-1. Diabetes Care, 48(9), 1622–1630. ^
Look, M., Dunn, J. P., Kushner, R. F., Cao, D., Harris, C., Hunter Gibble, T., Stefanski, A., & Griffin, R. (2024). Body composition changes during weight reduction with tirzepatide in the SURMOUNT-1 study. Obesity. https://doi.org/10.1002/oby.23939 ^
Hankosky, E. R., Wang, H., Neff, L. M., Kan, H., Wang, F., Ahmad, N. N., Griffin, R., Stefanski, A., & Garvey, W. T. (2024). Tirzepatide reduces the predicted risk of atherosclerotic cardiovascular disease: SURMOUNT-1 post hoc analysis. Diabetes, Obesity and Metabolism, 26(1), 319–328. https://doi.org/10.1111/dom.15318 ^

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] 從 eGFR 斜率與絕對效益看 SGLT2 抑制劑：解析 6 萬人統合分析，為何「非糖尿病」腎友更該關注住院風險而非僅看蛋白尿？

2026-01-24T20:00:00.000+08:00

前言：臨床指引中的灰色地帶
研究架構：排除雜訊的純粹腎臟保護分析
腎臟保護效益：相對風險一致，但絕對效益取決於視角
決策翻轉點：被低估的「住院與存活」紅利
安全性壁壘與急性腎損傷的預防
結語：回歸以人為本的治療目標
參考文獻

前言：臨床指引中的灰色地帶

在慢性腎臟病（Chronic Kidney Disease, CKD）的治療領域，SGLT2 抑制劑（Sodium-Glucose Cotransporter 2 Inhibitors）已確立其作為基石療法的地位。然而，現行的國際臨床指引（如 KDIGO 2024）中，對於「無糖尿病」且「白蛋白尿正常或微量（UACR < 200 mg/g）」的患者，建議等級仍僅列為較弱的 2B 級 [1]。這導致臨床上許多屬於此類別的患者，往往因為被視為「惡化風險不夠高」而未被積極處方藥物。

近期發表於《JAMA》的一項大型統合分析（Meta-analysis），由 SMART-C 聯盟匯集了當前最具代表性的隨機對照試驗數據，試圖釐清這群「指引邊緣人」是否能從治療中獲益。本文將從數據分析的角度，解讀為何對於這類患者，我們應將治療目光從單純的「預防洗腎」轉向更具急迫性的「預防住院」與「延長存活」。

研究架構：排除雜訊的純粹腎臟保護分析

本研究納入了 8 項大型、雙盲、安慰劑對照的隨機臨床試驗（RCTs），總樣本數達 58,816 人（其中糖尿病患者 48,946 人，無糖尿病患者 9,870 人）。值得注意的是，為了確保分析結果聚焦於腎臟病程的演變，研究團隊嚴謹地排除了缺乏基線白蛋白尿數據的心衰竭試驗（如 DAPA-HF 與 DELIVER），以及目前尚無腎臟適應症標示的藥物試驗（如 Sotagliflozin） [1]。

在基線特徵分析中，觀察到一個極具臨床意義的反差：在「白蛋白尿 < 200 mg/g」的次族群中，無糖尿病患者的平均腎絲球過濾率（eGFR）僅為 42.3 mL/min/1.73 m²，遠低於同條件下糖尿病患者的 77.8 mL/min/1.73 m² [1]。這暗示了臨床試驗中這群「無蛋白尿、無糖尿病」的 CKD 患者，多數可能罹患以缺血性或高血壓性為主的腎病變。這群人的特徵是蛋白尿雖然不多，但腎功能已顯著受損，且心血管風險極高。

腎臟保護效益：相對風險一致，但絕對效益取決於視角

在預防「腎臟病惡化」（定義為 eGFR 持續下降 ≥40%、腎衰竭或腎臟病死亡）方面，SGLT2 抑制劑顯示出一致的保護效果。數據顯示，糖尿病患者的風險比（Hazard Ratio, HR）為 0.65 [95% CI, 0.60-0.70]，無糖尿病患者的 HR 為 0.74 [95% CI, 0.63-0.85]，兩者間無顯著統計差異 [1]。

然而，若探討「絕對效益」，則需考量基礎風險。根據每 1000 人治療一年的數據推估：在 UACR ≥ 200 mg/g 的高風險族群中，SGLT2 抑制劑可減少約 31 位（糖尿病）與 24 位（無糖尿病）發生腎病惡化的個案；反之，在 UACR < 200 mg/g 的低風險族群中，則分別僅減少約 3.7 位與 4.4 位 [1]。這顯示了低白蛋白尿族群因發生腎衰竭的機率原本就低，其預防腎衰竭的絕對數字較不顯著。

為了更直觀地理解藥物對腎功能的保留效果，研究者提出了基於「eGFR 斜率」的觀察法則：

糖尿病患者：SGLT2 抑制劑可減緩約 3/5 (60%) 的 eGFR 下降速度。
無糖尿病患者：SGLT2 抑制劑可減緩約 2/5 (40%) 的 eGFR 下降速度 [1]。

此外，臨床數據解讀時需注意，SGLT2 抑制劑在起始治療初期會引起 eGFR 的「急性可逆性下降（Acute reversible dip）」。這並非腎功能惡化，而是腎絲球內壓力降低的血流動力學效應，長期而言有助於保留腎功能 [1]。

決策翻轉點：被低估的「住院與存活」紅利

對於低白蛋白尿的非糖尿病 CKD 患者，若只看「預防洗腎」，用藥誘因或許不足；但若將視角轉向「預防住院」與「存活率」，結論將截然不同。本研究顯示，即便在 UACR < 200 mg/g 的族群中，SGLT2 抑制劑仍帶來顯著的淨效益：

全死因死亡（Any death）：無糖尿病組 HR 為 0.91 [95% CI, 0.78-1.05]；糖尿病組 HR 為 0.86 [95% CI, 0.80-0.91]。雖然無糖尿病組的信賴區間跨過 1，但整體趨勢與糖尿病組一致 [1]。
任何原因住院（Any hospitalization）：無糖尿病組 HR 為 0.89 [95% CI, 0.83-0.95]；糖尿病組 HR 為 0.90 [95% CI, 0.87-0.92] [1]。

這意味著，對於這群 eGFR 較差但蛋白尿不明顯的非糖尿病患者，藥物的主要價值在於顯著降低住院風險。考量到住院事件對醫療資源的消耗及患者生活品質的衝擊，此藥物在此族群中具有高度的成本效益（Cost-effectiveness） [1]。

安全性壁壘與急性腎損傷的預防

許多患者擔心藥物副作用，特別是針對腎臟的安全性。本研究數據釐清了兩個關鍵迷思：

急性腎損傷（AKI）：SGLT2 抑制劑並未增加，反而降低了 AKI 的風險。糖尿病組 HR 為 0.77 [95% CI, 0.69-0.87]，無糖尿病組 HR 為 0.72 [95% CI, 0.56-0.92] [1]。這證實了改善腎臟血流動力學能增強腎臟對急性壓力的耐受性。
酮酸中毒（Ketoacidosis）：這是 SGLT2 抑制劑已知的副作用，但數據顯示風險主要集中在糖尿病患者（HR 2.29）。在無糖尿病患者中，酮酸中毒的發生率極低，低到無法估算其風險比 [1]。至於截肢與骨折風險，在兩組中均未見顯著增加。

結語：回歸以人為本的治療目標

這項涵蓋近 6 萬人的統合分析提供了強有力的證據，研究團隊基於此數據主張，未來的臨床指引或可考慮簡化，移除依據糖尿病狀態或白蛋白尿程度的分層限制 [1]。

依據 WHO 2025 對於非傳染性疾病的控制目標，以及基層醫療在早期 CKD（如 Stage G3A1）照護中的關鍵角色，臨床處置思維應有所轉變 [1]。對於無糖尿病且低白蛋白尿的 CKD 患者，SGLT2 抑制劑的介入價值不應僅由「預防腎衰竭」來定義，而應著眼於其顯著的「預防住院」與「心血管保護」效益。這不僅是保護腎臟，更是對患者整體預後的全面性改善。

參考文獻

[1] Staplin N, Roddick AJ, Neuen BL, et al. Effects of Sodium Glucose Cotransporter 2 Inhibitors by Diabetes Status and Level of Albuminuria: A Meta-Analysis. JAMA. 2026;335(3):220–232. doi:10.1001/jama.2025.20835

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] SURMOUNT-5 試驗深度解析——Tirzepatide 與 Semaglutide 的正面對決

2026-01-23T20:00:00.002+08:00

前言：減重藥物的王者對決

在過去幾年中，GLP-1 受體促效劑（GLP-1 RAs）徹底改變了肥胖醫學的治療版圖。然而，隨著雙重受體促效劑（Dual GIP/GLP-1 RA）Tirzepatide 的問世，臨床與學術界最關注的問題始終是：若將其與當前單一機轉的黃金標準 Semaglutide 進行「頭對頭（Head-to-Head）」比較，究竟能帶來多大的臨床獲益差異？

SURMOUNT-5 試驗正是為了回答此一關鍵問題而生。這是首個直接比較 Tirzepatide 與 Semaglutide 2.4 mg 在成人肥胖或過重患者（不含第 2 型糖尿病）中療效與安全性的第 3b 期臨床試驗[1]。本專欄將深入解析此試驗的主結果及其衍生的事後分析（Post-hoc analysis），探討雙重機轉藥物如何改寫減重治療的天花板。

研究設計與受試者輪廓

SURMOUNT-5 是一項為期 72 週、多中心、開放標籤（Open-label）的隨機對照試驗。試驗共納入 751 位受試者，隨機分配（1:1）至以下兩組：

Tirzepatide 組（N=375）：目標劑量為每週皮下注射 15 mg（或最大耐受劑量 10 mg）。
Semaglutide 組（N=376）：目標劑量為每週皮下注射 2.4 mg（或最大耐受劑量 1.7 mg）。

受試者的納入標準為 BMI ≥ 30 kg/m²，或 BMI ≥ 27 kg/m² 且至少合併一種體重相關併發症（如高血壓、血脂異常、阻塞性睡眠呼吸中止症或心血管疾病），但排除第 2 型糖尿病患者。這一點對於解讀數據至關重要，因為非糖尿病族群的減重幅度通常優於糖尿病族群[1]。

兩組受試者的基準線特徵（Baseline Characteristics）相似，平均體重約為 104-105 kg，平均 BMI 約為 37-38 kg/m²，腰圍平均約 113-114 cm，反映了典型的中重度肥胖族群樣貌。

核心戰場：體重與腰圍的改變

SURMOUNT-5 的主要評估指標是第 72 週時體重較基準線的百分比變化。試驗結果顯示，Tirzepatide 在減重效能上顯著優於 Semaglutide。

主要療效指標

在第 72 週時，Tirzepatide 組的平均體重減輕幅度達到 22.7%，顯著高於 Semaglutide 組的 15.8%。兩者的治療差異（Treatment Difference）為 -6.9%（95% CI, -9.0 to -4.8; P < 0.001）[1]。若換算成絕對數值，Tirzepatide 組平均減去了約 23.6 公斤，而 Semaglutide 組則減去了約 16 公斤。

高標減重達標率

除了平均值，臨床上更看重「有多少比例的患者能達到深度減重」。雙重機轉的優勢在高門檻的減重目標上尤為明顯：

減重目標	Tirzepatide 組	Semaglutide 組	統計顯著性
≥ 15%	81.6%	66.5%	P < 0.001
≥ 20%	62.5%	38.0%	P < 0.001
≥ 25%	41.4%	18.2%	P < 0.001

值得注意的是，Tirzepatide 組有超過 40% 的受試者減重幅度超過 25%，這一數據已逼近代謝手術（Bariatric Surgery）的效果區間[1]。

腰圍與體重軌跡

在腰圍方面，Tirzepatide 組的縮減幅度也顯著大於 Semaglutide 組，這暗示了內臟脂肪的有效減少。此外，觀察體重變化的軌跡（Trajectory）可以發現，雖然兩者在初期皆快速下降，但在試驗後期，Semaglutide 組的體重曲線較早出現平原期（Plateau），而 Tirzepatide 組在第 72 週時仍呈現下降趨勢或剛進入穩定期，顯示雙重受體促效劑可能具有更持久的代謝調節作用。

超越體重：心血管風險與代謝指標的全面獲益

減重的終極目標是改善健康風險。SURMOUNT-5 的事後分析針對受試者的 10 年動脈硬化心血管疾病（ASCVD）預測風險進行了評估。

分析結果指出，Tirzepatide 組在降低 10 年 ASCVD 風險分數（ASCVD Risk Score）的效果上優於 Semaglutide 組[2]。這項獲益主要來自於多項心血管代謝風險因子的改善：

血壓：兩組的收縮壓與舒張壓皆有下降，但 Tirzepatide 組的收縮壓降幅通常更為顯著，這與體重減輕幅度呈現正相關。
血脂：Tirzepatide 在降低三酸甘油脂（Triglycerides）與非高密度脂蛋白膽固醇（Non-HDL Cholesterol）濃度方面表現出更強的效力。GIP 受體促效劑被認為能增強脂肪組織對脂質的緩衝能力，進而改善全身性脂質代謝[2]。
發炎指數：高敏感度 C 反應蛋白（hs-CRP）作為全身性發炎的指標，在 Tirzepatide 組觀察到更大幅度的下降。

此外，雖然本試驗排除糖尿病患者，但在糖尿病前期（Prediabetes）的受試者中，Tirzepatide 使血糖濃度回復至正常值（Normoglycemia）的比例極高，展現了強大的糖尿病預防潛力。

生活品質：生理功能的顯著提升

對於患者而言，體重減輕不僅是數據的變化，更是生活感受的改變。透過 SF-36v2 與 IWQOL-Lite-CT 量表的評估，SURMOUNT-5 揭示了兩者在健康相關生活品質（HRQoL）上的差異。

分析顯示，Tirzepatide 組在生理健康總評分（Physical Component Summary）的改善幅度顯著優於 Semaglutide 組[3]。這意味著患者在進行爬樓梯、彎腰、步行等日常活動時，感受到的身體限制更少，疼痛感更低。

相對而言，在心理健康總評分（Mental Component Summary）方面，兩組雖然皆有改善，但差異幅度較生理層面小。這提示我們，大幅度的減重首先反映在身體負擔的解除與活動力的恢復，而心理層面的健康則需要更綜合性的照護支持。

安全性與耐受性評估

療效的提升是否伴隨著副作用的增加？這是臨床醫師最關切的議題。SURMOUNT-5 的數據顯示，Tirzepatide 與 Semaglutide 的整體安全性輪廓（Safety Profile）相似。

胃腸道副作用：兩組最常見的不良反應皆為噁心、腹瀉與嘔吐。雖然 Tirzepatide 劑量較高且為雙重機轉，但其胃腸道事件的發生率與 Semaglutide 相當。
停藥率：因不良反應而導致試驗終止（Discontinuation due to Adverse Events）的比例在兩組間無顯著差異（通常低於 10%）。這證實了 Tirzepatide 在提供更強療效的同時，並未顯著增加患者的耐受性負擔[1]。

值得留意的是，快速減重可能伴隨膽囊相關事件（如膽結石）風險，本試驗中兩組發生率均低且差異不大，但臨床上仍建議對快速減重患者進行適當監測。

結論與臨床觀點

SURMOUNT-5 試驗不僅證實了 Tirzepatide 在減重效能上優於 Semaglutide 2.4 mg，更確立了以 GIP/GLP-1 雙重受體促效劑為基礎的治療策略，能為肥胖患者帶來更大幅度的體重減輕（-22.7%）、更高的達標率（超過四成減重 >25%）以及更全面的心血管代謝風險因子改善。

對於臨床處置而言，這項研究結果表明，當患者需要更大幅度的體重控制以改善併發症或提升生活品質時，雙重機轉藥物提供了現階段藥物治療的最佳解方。隨著更多長期心血管結局研究（CVOT）的進行，我們有理由期待這類藥物在預防醫學領域扮演更關鍵的角色。

參考文獻

[1] Tirzepatide as Compared with Semaglutide for the Treatment of Obesity. New England Journal of Medicine. (2025). doi:10.1056/NEJMoa2416394
[2] Tirzepatide compared with semaglutide and 10-year cardiovascular disease risk reduction in obesity: post-hoc analysis of the SURMOUNT-5 trial. European Heart Journal Open. (2025). doi:10.1093/ehjopen/oeaf117
[3] Improved health-related quality of life with tirzepatide versus semaglutide in adults with obesity or overweight from the SURMOUNT-5 trial. Diabetes, Obesity and Metabolism. (2025). doi:10.1111/dom.70215

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] AI 讀懂你的血糖語言：GluFormer 基礎模型如何解構生理時鐘，實現精準預防？

2026-01-22T21:00:00.014+08:00

前言：當海量數據遇上 AI 翻譯官
原理科普：解構血糖的「文法」與生理時鐘
關鍵發現 I：黃金標準的盲點與 AI 的長期預言
關鍵發現 II：從低血糖預警到全身健康雷達
關鍵發現 III：數位雙生與飲食反應模擬
結語：跨越設備藩籬的精準預防
參考資料

圖表解析：GluFormer AI 模型如何運用連續血糖監測數據預測糖尿病風險

前言：當海量數據遇上 AI 翻譯官

隨著美國食品藥物管理局（FDA）批准首款非處方連續血糖監測儀（CGM），這項技術已從糖尿病患的專用醫材，逐漸轉變為大眾健康管理的工具 [1]。然而，當使用者每天面對穿戴裝置產生的 96 個血糖數值、兩週累積上千筆數據時，往往陷入「見樹不見林」的困境。目前臨床上解讀這些數據的方式仍相對原始，主要依賴平均血糖濃度、血糖管理指標（GMI）或在目標範圍內時間（Time in Range）等統計摘要 [2]。

這些傳統指標雖然直觀，卻將動態的生理訊號「壓扁」為單一數字，流失了隱藏在波動頻率與型態中的關鍵訊息。近期一項發表於 Nature 的研究引入了名為「GluFormer」的基礎模型（Foundation Model）。這是一個基於 Transformer 架構的生成式 AI 模型，研究團隊利用來自 10,812 名成年人、超過 1,000 萬筆的血糖測量值進行訓練 [3]。這項研究證實，透過自我監督學習，AI 能夠學會血糖波動的複雜「語言」，並從中解讀出傳統指標看不見的健康訊號。

原理科普：解構血糖的「文法」與生理時鐘

GluFormer 的核心運作邏輯與著名的 ChatGPT 相似，都是基於 Transformer 架構 [4]，但它處理的不是文字，而是生理訊號。研究團隊採用了「標記化（Tokenization）」技術，將 40 至 500 mg/dL 的連續血糖濃度數值切分為 460 個離散的區間標記（Tokens），這就像是將血糖數值轉換成 AI 讀得懂的「字母」。

為了讀懂這些字母組成的「句子」，研究者特別引入了「時間編碼」，包括分鐘、小時、星期與月份。這賦予了模型理解「生理時鐘（Circadian Rhythm）」的能力——即同樣是 100 mg/dL 的血糖，發生在「清晨空腹」與「餐後兩小時」代表著截然不同的生理意義。透過這種訓練，模型學會了預測下一刻的血糖波動 [3]。

最令人驚豔的是，在未經人工標註的情況下，模型自動學習出的潛在空間（Latent Space）竟然對應了真實的內分泌生理機制：研究觀察到模型能自動區分出與「空腹血糖濃度（主要反映肝臟胰島素阻抗）」以及「餐後血糖反應（主要反映 β 細胞功能）」相關的特徵軸向 [3]。這顯示 AI 並非死記數據，而是自行捕捉到了代謝生理的運作本質。

關鍵發現 I：黃金標準的盲點與 AI 的長期預言

本研究最強有力的證據來自於 AEGIS 世代 [5] 長達 12 年的縱貫性追蹤分析。研究者比較了使用 GluFormer 模型與傳統血液 HbA1C 檢測，在預測未來疾病風險上的差異。

在糖尿病發病風險方面，被 GluFormer 歸類為最高風險（Top 25%）的族群，在未來 12 年內包辦了 65.8% 的新發糖尿病病例；相比之下，最低風險（Bottom 25%）的族群僅佔 7.3%。統計檢定顯示這種分層能力具有極高的顯著性（Log-rank p = 2.3 × 10⁻⁶）[3]。

更具臨床衝擊性的是心血管死亡風險的預測。數據顯示，69.2% 的心血管死亡事件發生在 GluFormer 預測的高風險組，而低風險組在追蹤期間內無人因心血管因素死亡（0%）。值得注意的是，在這個世代中，若單純依照基線的 HbA1C 數值進行分層，不論是糖尿病發病率（p = 0.71）或心血管死亡風險（p = 0.25），皆無法觀察到統計上的顯著差異。這意味著，GluFormer 成功捕捉到了傳統黃金標準所遺漏、但卻致命的風險訊號。

關鍵發現 II：從低血糖預警到全身健康雷達

除了長達十年的風險預測，GluFormer 對於短期內的血糖控制惡化也展現了優越的預測力。在一組 337 名前期糖尿病（Prediabetes）受試者的分析中，被模型列為高風險的個體，兩年後 HbA1C 平均增加了 0.18%；而被列為低風險的個體，HbA1C 則平均減少了 0.13% [3]。此外，針對 Type 1 DM 患者，模型甚至僅憑一週的數據，就能預測下一週發生低血糖事件的風險，展現了其在急性照護上的潛力。

更進一步，研究觀察到 CGM 數據其實隱含了全身性的健康資訊。GluFormer 的表徵向量（Representations）能預測許多傳統認為與血糖無直接關聯的臨床參數，且相關性顯著優於傳統的 GMI 指標：

內臟脂肪組織（VAT）：GluFormer 與 VAT 的相關係數 r = 0.41，優於 GMI 的 r = 0.20（p < 0.001）。
肝臟健康：與肝臟衰減係數（反映脂肪肝程度）的相關係數 r = 0.19，優於 GMI 的 r = 0.04（p < 0.001）。
心血管與睡眠：與收縮壓（r = 0.26）及睡眠呼吸中止低通氣指數（AHI, r = 0.22）皆呈現顯著相關。

這些數據表明，透過 AI 的解碼，連續血糖監測儀可能成為觀測內臟脂肪、肝臟功能甚至睡眠品質的非侵入性窗口。

關鍵發現 III：數位雙生與飲食反應模擬

在臨床試驗的應用上，GluFormer 展現了預測「治療反應」的潛力，即在介入前預知效果。例如在 PREDICT 研究中，模型能比 GMI 更準確地預測給予 Metformin 藥物合併飲食介入後的 HbA1C 下降程度。在妊娠糖尿病（GDM）孕婦中，模型甚至能預測血紅素與血小板的變化數值。

為了進一步提升預測精準度，研究團隊開發了整合飲食數據的多模態模型（Multimodal GluFormer）。當加入食物的營養素標記（如熱量、碳水化合物、脂肪等）後，模型生成血糖曲線的準確度大幅提升，與真實數據的相關係數從 0.22 躍升至 0.50。這意味著，未來我們或許能透過 AI 建立個人的「數位雙生（Digital Twin）」，在實際進食前先模擬出該食物對個人血糖濃度的具體影響，實現真正的精準營養。

結語：跨越設備藩籬的精準預防

GluFormer 的研究展示了 AI 基礎模型在醫學數據分析上的巨大潛力。儘管訓練數據主要來自使用 Freestyle Libre Pro 的單一地區族群，但該模型在涵蓋 5 個國家、19 個外部世代的驗證中展現了驚人的強健性。更重要的是，它證明了其演算法不侷限於特定硬體，在 Dexcom (G4/G6)、Medtronic (iPro2/Minimed) 等不同廠牌設備的數據上，皆能維持優異的預測效能 [3]。

然而，我們仍須審慎看待這些結果。本研究的訓練數據主要來自非糖尿病的健康成年人，對於極端病理狀態的推論可能受限；此外，多模態模型中的飲食數據依賴自我報告，可能存在誤差。且 Transformer 模型本質上仍具「黑盒子」特性，臨床解釋性仍有待加強。

總體而言，GluFormer 證實了連續血糖監測數據中蘊藏著豐富的生理密碼。隨著穿戴式裝置的普及，結合 AI 的分析能力，我們正邁向一個能夠提早數年預測風險、並進行個人化精準預防的新時代。

參考資料

Food and Drug Administration. (2024). FDA Clears First Over-the-Counter Continuous Glucose Monitor. https://www.fda.gov/news-events/press-announcements/fda-clears-first-over-counter-continuous-glucose-monitor
Bergenstal, R. M., Beck, R. W., Close, K. L., Grunberger, G., Sacks, D. B., Kowalski, A., ... & Heinemann, L. (2018). Glucose management indicator (GMI): a new term for estimating A1C from continuous glucose monitoring. Diabetes Care, 41(11), 2275-2280. https://doi.org/10.2337/dc18-1581
Lutsker, G., Sapir, G., Shilo, S., Merino, J., Godneva, A., Greenfield, J. R., ... & Segal, E. (2025). A foundation model for continuous glucose monitoring data. Nature. https://doi.org/10.1038/s41586-025-09925-9
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems, 30. https://doi.org/10.48550/arXiv.1706.03762
Gude, F., Díaz-Vidal, P., Rúa-Pérez, C., Alonso-Sampedro, M., Fernández-Merino, C., Rey-García, J., ... & González-Quintela, A. (2017). Glycemic variability and its association with demographics and lifestyles in a general adult population. Journal of diabetes science and technology, 11(4), 780-790. https://doi.org/10.1177/1932296816682031

[health] 停藥即復胖？從 SURMOUNT-4 隨機撤藥試驗看肥胖慢性病處置與 Tirzepatide 長期療效

2026-01-21T20:00:00.002+08:00

前言：減重藥物的終極哉問
研究設計：以「隨機撤藥」驗證生理機制
核心結果：持續治療與停藥的殘酷對比
不只是體重：心血管代謝風險的連動
補充觀點：生活品質、安全性與體重高原期
深度討論：代謝適應與慢性病本質
結語：接受長期抗戰的科學證據
參考文獻

前言：減重藥物的終極哉問

在代謝醫學與肥胖治療的領域中，隨著 GLP-1 與 GIP/GLP-1 雙重受體作用劑（如 Tirzepatide）展現出突破性的療效，臨床端最常面臨的挑戰已從「如何有效減重」轉變為「如何維持減重成果」。許多患者與大眾最關心的核心問題在於：「當我達到理想體重後，可以停藥嗎？」以及「停藥後會發生什麼事？會復胖嗎？」。

過去關於肥胖是一種「生活型態選擇」還是「慢性神經生物學疾病」的爭論，往往缺乏大規模且設計嚴謹的介入性研究來定調。然而，近期發表於權威醫學期刊《美國醫學會雜誌》（JAMA）的第三期臨床試驗 SURMOUNT-4，透過特殊的「隨機撤藥（Randomized Withdrawal）」設計，為這個問題提供了具備高度證據力的解答^[1]。本篇文章將深入解析這項研究，探討持續用藥與停藥對於體重、心血管代謝風險因子以及生活品質的真實影響。

研究設計：以「隨機撤藥」驗證生理機制

為了釐清藥物維持治療的必要性，SURMOUNT-4 採用了嚴謹的兩階段設計。研究團隊納入患有肥胖（BMI ≥ 30 kg/m²）或過重（BMI ≥ 27 kg/m²）且伴隨至少一種體重相關併發症（如高血壓、血脂異常、阻塞性睡眠呼吸中止症或心血管疾病），但不患有第 2 型糖尿病的成人參與者^[1]。

研究分為兩個階段：

開放標籤導入期（第 0 至 36 週）：所有 783 名參與者皆接受 Tirzepatide 治療，劑量逐步滴定至最大耐受劑量（10 mg 或 15 mg）。此階段的目的是讓參與者先達到顯著的體重減輕。
雙盲隨機分配期（第 36 至 88 週）：在第 36 週時，達到最大耐受劑量的 670 名參與者，以 1:1 的比例隨機分配至「繼續使用 Tirzepatide 組」或「轉換為安慰劑組（停藥）」。

這種設計排除了減重初期效果的干擾，直接針對「停藥效應」進行 52 週的長期追蹤，是驗證藥物對於維持體重與代謝恆定之必要性的黃金標準。

核心結果：持續治療與停藥的殘酷對比

研究結果顯示，在導入期（0-36 週）結束時，所有參與者的平均體重減輕了 20.9%，這證實了 Tirzepatide 強大的初期減重效能^[1]。然而，進入隨機分配期後，兩組展現了截然不同的體重軌跡：

繼續治療組：體重並未停滯，在第 36 週至第 88 週期間，平均額外減輕了 5.5%（95% CI, -6.4% to -4.6%）。若計算從試驗開始至結束的總療程（0-88 週），該組參與者的平均總體重減輕達到驚人的 25.3%^[1]。
停藥組（安慰劑）：在停止藥物介入後，體重呈現顯著反彈（weight regain）。在第 36 週至第 88 週期間，該組平均體重回升了 14.0%（95% CI, 12.9% to 15.1%）。儘管如此，至第 88 週時，該組相較於基準線仍保有 9.9% 的體重降幅，顯示導入期的減重成果並未完全歸零，但已流失大半^[1]。

在統計檢定上，繼續治療組相較於停藥組，在第 36 週至 88 週期間產生了 -19.4% 的治療差異（95% CI, -21.2% to -17.7%; P < .001），效果大小（Effect Size）極為顯著。此外，高達 89.5% 的繼續治療組參與者在第 88 週時能維持至少 80% 的導入期減重成果，而停藥組僅有 16.6% 能達到此標準（P < .001）^[1]。這些數據強烈顯示，若缺乏持續的藥物處置，絕大多數患者將面臨體重反彈的風險。

不只是體重：心血管代謝風險的連動

體重管理的最終目標在於改善代謝健康。SURMOUNT-4 研究進一步分析了各項心血管代謝風險因子的變化，結果與體重變化趨勢高度一致。

在持續治療組中，隨著體重進一步下降或維持，各項指標均觀察到持續改善或維持在優化狀態：

腰圍（Waist Circumference）：持續縮減，這反映了內臟脂肪的減少與中心性肥胖的改善。
血壓：收縮壓與舒張壓數值維持在較低水準。
血糖與血脂：空腹血糖濃度（fasting glucose level）、空腹胰島素濃度以及血脂濃度（如三酸甘油酯）皆維持在改善後的水準^[1]。

相對地，停藥組隨著體重回升，上述代謝保護效應也隨之消退。研究觀察到停藥組的收縮壓、舒張壓、空腹血糖濃度與血脂濃度皆呈現惡化趨勢，並逐漸回歸至接近試驗初始的數值^[1]。這意味著，體重反彈不僅是外觀上的改變，更代表著心血管代謝風險的重新升高。

補充觀點：生活品質、安全性與體重高原期

除了主文的核心結果，針對 SURMOUNT-4 的多項次級分析提供了更全面的臨床視野：

生活品質隨體重反彈而惡化：
針對 SURMOUNT-4 參與者進行的生活品質（HRQoL）分析顯示，在導入期減重後，參與者的 SF-36v2 生理成分摘要分數（Physical Component Summary score）顯著提升。然而，在隨機分配後，繼續治療組維持了這些改善，而停藥組的生理功能分數則隨著體重反彈而顯著下降^[2]。這證實了持續用藥對於維持患者主觀健康感受與日常活動能力的重要性。
體重高原期（Weight Plateau）的延遲：
許多人認為減重藥物使用一段時間後就會遇到瓶頸。然而，針對 SURMOUNT-1 與 SURMOUNT-4 的聯合分析指出，Tirzepatide 治療組的體重高原期出現時間點可能遠晚於傳統預期。在 SURMOUNT-4 中，即便經過 36 週治療，繼續用藥組在隨後的 52 週內體重仍持續下降，部分受試者甚至在 88 週時仍未完全達到高原期^[3]。
長期治療的安全性：
Tirzepatide 最常見的不良事件為腸胃道症狀（如噁心、腹瀉）。數據顯示，這些副作用主要發生在劑量遞增期（即前 20-24 週）。進入維持期後，繼續治療組的新發副作用頻率顯著下降，且嚴重不良事件的發生率與安慰劑組相似^[1]。這意味著對於能耐受導入期治療的患者，長期維持治療的安全性相對穩定。

深度討論：代謝適應與慢性病本質

為何停藥後體重會如此迅速反彈？這並非單純的意志力問題，而是人體精密的「代謝適應（Metabolic Adaptation）」機制所致。肥胖被定義為一種受神經生物學調控的慢性疾病，人體存在一個體重設定點（Set point）。當透過藥物抑制食慾並大幅減重後，一旦藥物被去活化（deactivate）或移除，大腦的能量恆定系統會偵測到能量存量下降，進而透過增加飢餓感、降低基礎代謝率等方式，驅使身體攝取熱量以回復至原本的體重設定點^[1]。

SURMOUNT-4 的數據證實，Tirzepatide 作為一種受質（substrate），需持續作用於體內的 GIP 與 GLP-1 受體，才能持續調節食慾中樞與代謝路徑，抵抗身體原本的致胖驅動力。這與高血壓或第 2 型糖尿病的處置邏輯相同：我們不會期待高血壓患者在血壓控制正常後停藥能維持正常血壓，同理，肥胖患者亦需要長期的藥物處置來維持代謝健康。

結語：接受長期抗戰的科學證據

總結 SURMOUNT-4 的研究成果，我們獲得了明確的臨床證據：持續使用 Tirzepatide 能帶來高達 25.3% 的體重減輕，並有效維持代謝健康與生活品質；而停止藥物治療則會導致顯著的體重反彈與代謝風險因子的惡化。

這項研究不僅確立了 GLP-1/GIP 雙重受體作用劑在長期體重管理中的角色，更重要的是，它翻轉了我們對肥胖治療的認知。減重並非短期的衝刺，而是一場需要長期處置的馬拉松。對於臨床醫師與患者而言，理解「停藥即復胖」背後的生理機制，並據此制定長期的治療策略，才是對抗肥胖這項慢性疾病的正確途徑。

參考文獻

Aronne, L. J., Sattar, N., Horn, D. B., et al. (2024). Continued treatment with tirzepatide for maintenance of weight reduction in adults with obesity: The SURMOUNT-4 randomized clinical trial. JAMA, 331(1), 38–48. https://doi.org/10.1001/jama.2023.24945
Gibble, T. H., Cao, D., Murphy, M., et al. (2025). Tirzepatide associated with improved health-related quality of life in adults with obesity or overweight in SURMOUNT-4. Obesity. Advance online publication. https://doi.org/10.1002/oby.23939
Horn, D. B., Kahan, S., Batterham, R. L., et al. (2024). Time to weight plateau with tirzepatide treatment in the SURMOUNT-1 and SURMOUNT-4 clinical trials. Obesity, 32(4), 661–671. https://doi.org/10.1002/oby.23905

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] JAMA評論解析 2025-2030 美國飲食指南：向超加工食品宣戰與蛋白質攝取翻倍的爭議

2026-01-20T20:00:00.001+08:00

文／臨床醫學研究室

典範轉移：從「營養素均權」轉向「食品加工程度」
糖分限制的極大化：10 歲以下禁用添加糖
脂肪觀念的修正：全脂乳品解禁與植物油平反
視覺工具的變革：從餐盤回歸金字塔
蛋白質攝取目標翻倍：潛在的代謝風險
結語：實施層面的巨大不確定性
參考文獻

美國衛生及公共服務部（HHS）與農業部（USDA）甫於 2026 年 1 月發布了《2025-2030 美國飲食指南》（Dietary Guidelines for Americans, 簡稱 DGAs）。這份每五年修訂一次的國家級指引，其影響力遠超乎一般營養衛教手冊，它具有法律地位，直接決定了美國學校營養午餐、托育中心、軍隊飲食、聯邦自助餐廳以及相關補助計畫的採購標準，同時也是食品工業配方與行銷的基準。

針對此次更新，塔夫茨大學（Tufts University）營養科學與政策學院院長 Dariush Mozaffarian 醫師在權威醫學期刊《JAMA》發表了一篇評論（Viewpoint），深入剖析了這份被視為「歷年來最激進」的飲食指南[1][4]。這次修訂受到川普政府對食品健康的關注及「讓美國再次健康（Make America Healthy Again）」運動的高度影響，甚至打破了部分行政慣例。Mozaffarian 醫師指出，新版指南在限制超加工食品上跨出了歷史性的一步，但在蛋白質攝取建議上卻引發了科學界的激辯。

典範轉移：從「營養素均權」轉向「食品加工程度」

Mozaffarian 醫師在評論中強調，此次指南最大的亮點在於首度引入了「食品加工（Food Processing）」的概念，並直接挑戰了食品工業的產品與慣例。

1. 告別「適量攝取」的迷思

過去的指南多採取「營養素導向」策略（例如僅限制總鹽量或飽和脂肪），並隱含著「沒有壞食物，只有不均衡飲食」的哲學。這導致在舊有標準下，高度加工食品（如含糖優格、精緻穀物棒）只要營養素達標，仍被視為可接受的選擇。

新版指南徹底推翻了這種「迎合工業利益」的妥協，首度明確建議民眾「避免（Avoid）」高度加工、包裝或即食食品。文中具體點名的應避免品項包括：

含糖飲料。
洋芋片與餅乾。
糖果。
白麵包與包裝早餐穀片（Packaged breakfast cereals）。
蘇打餅乾（Crackers）。
含有化學添加物（如亞硝酸鹽）的肉品。

2. 明確界定應「避免」的添加物

指南進一步針對食品添加物提出了前所未有的嚴格建議，要求限制含有以下成分的食品與飲料：

人工香料。
石油基色素（Petroleum-based dyes）。
人工防腐劑。
非營養性甜味劑（代糖）。

雖然目前關於這些添加物的證據仍有衝突，但 Mozaffarian 醫師指出，新興研究已觀察到代糖及添加物可能與血糖控制不佳、微生物相（Microbiome）組成改變及兒童行為問題相關。這是美國官方指引首次建議「避免」代糖，而非將其視為減糖的替代策略。

3. 精緻澱粉的具體削減目標

針對精緻碳水化合物（Refined Carbohydrates），數據顯示目前有 95% 的美國人攝取過量，且這類食物約佔目前食品供應熱量的 1/4[2]。新版指南建議「顯著減少」精緻小麥、稻米或玉米粉製品，這與過去僅建議「部分替換為全穀類」的溫和態度截然不同。

綜合上述建議，Mozaffarian 醫師估計，新版指南實際上反對了目前美國食品供應鏈中約 60% 至 70% 的產品[3]，這對食品工業而言是一個極其強烈的訊號。

糖分限制的極大化：10 歲以下禁用添加糖

在糖分控制上，新版指南採取了極其嚴格的標準，力度遠超 2010 年版（僅建議減少含糖飲料）及 2020 年版（建議 2 歲以下避免）：

嬰兒至 10 歲兒童：建議完全不攝取添加糖（No added sugars）。這一禁令年齡層的大幅上修，若落實於政策，將迫使學校營養午餐剔除調味乳（如巧克力牛奶）及含糖點心。
一般大眾：限制添加糖攝取量每餐不超過 10 公克。
包裝食品標準：建議符合 FDA 的「健康（Healthy）」定義規則，例如穀物產品添加糖需 < 5 公克、乳製品需 < 2.5 公克。

脂肪觀念的修正：全脂乳品解禁與植物油平反

新版指南強調「吃真食物（Eat real food）」，並在此原則下做出了重大修正，試圖改變兒童與成人的飲食樣貌（例如：從調味低脂牛奶轉向原味全脂牛奶；從精緻餅乾轉向堅果與健康油脂）。

1. 全脂乳品的回歸

Mozaffarian 醫師指出，累積的證據顯示，選擇低脂乳品相較於全脂乳品，並未觀察到明顯的心血管健康益處。因此，指南允許攝取不含添加糖的「全脂乳品」。

2. 關於脂肪層級的政策矛盾

然而，這裡出現了執行上的矛盾。指南雖然鼓勵全脂乳品，卻仍保留「飽和脂肪攝取量需低於總熱量 10%」的傳統限制。

【評論者觀點】
Mozaffarian 醫師批評指南缺乏對脂肪來源「層級（Hierarchy）」的細緻區分。他指出，將植物、乳製品與動物脂肪混為一談是不夠精確的。依據臨床證據，脂肪來源的健康效益應排序為：

首選：植物與海鮮來源（最具效益）。
次之：發酵乳製品（如優格、起司）。
末位：紅肉與加工肉品（較不健康，且部分原因來自其含有的致癌物與促發炎物質，而非僅是脂肪本身）[5]。

3. 植物油的科學平反

值得注意的是，指南並未隨波逐流反對 Omega-6 脂肪酸或種子油。相反地，它建議優先攝取「含有必需脂肪酸的油脂（如橄欖油）」。Mozaffarian 醫師認為這有助於釐清近期社群媒體上對植物油毫無根據的妖魔化攻擊。

視覺工具的變革：從餐盤回歸金字塔

JAMA 評論中也提到，新版指南推出了一個新的三角形圖示（Triangular graphic），用以取代過去的圓形「我的餐盤（MyPlate）」。這個新圖示將食物分為三個頂點：

蛋白質、乳製品與健康油脂。
蔬菜與水果。
全穀雜糧。

雖然內容物與過去相似，但視覺上更強調「未加工的原型食物」豐富度，並移除了過去 MyPlate 圖示中隱含的精緻穀物與調味低脂乳品意象。

蛋白質攝取目標翻倍：潛在的代謝風險

本次指南最具爭議的變革，在於將蛋白質建議攝取量從原本的 0.8 g/kg 體重，大幅提升至 1.2 至 1.6 g/kg 體重（約增加 50% 至 100%）。換算下來，蛋白質將佔成人每日總熱量的 16% 至 21%，高於目前美國平均攝取量（16%）[6]。

雖然足夠的蛋白質結合阻力訓練（Resistance training）有助於增加肌肉質量，但 Mozaffarian 醫師引用多篇系統性回顧與隨機對照試驗，提出了有別於指南樂觀立場的評論者觀點與臨床警示[7][8]：

【評論者觀點】缺乏運動導致的「肝臟脂質新生」：
Mozaffarian 醫師特別提醒，對於大多數未進行規律阻力訓練的民眾而言，過量的膳食蛋白質無法儲存為肌肉。他引用的研究顯示，高蛋白飲食在無運動介入下，多餘的蛋白質會經由肝臟轉化為脂肪（de novo lipogenesis），這可能增加內臟脂肪堆積，進而與胰島素阻抗及第二型糖尿病風險升高相關[9]。

【評論者觀點】加工肉品與工業扭曲的風險：
Mozaffarian 醫師擔憂，由於指南未明確限制「加工肉品」（這是與過往版本相同的重大遺漏），加上蛋白質目標的提升，可能導致兩個負面後果：
1. 變相鼓勵民眾攝取更多紅肉與加工肉品，忽略了其與癌症、心血管疾病的關聯。
2. 食品工業可能利用此目標，推出大量「添加蛋白粉」的高度加工食品（如高蛋白餅乾），這些產品營養價值存疑，卻能符合新指南的蛋白質標準。

結語：實施層面的巨大不確定性

總結來說，2025-2030 美國飲食指南發出了一個清晰的訊號：飲食的健康與否，不再只是看成分表上的數字，更要看食物的「本質」。

然而，Mozaffarian 醫師在文末提出了對「執行力」的擔憂。從指引到落實面臨重重關卡：

政策法規：要修改學校午餐與軍隊飲食的採購規定，通常需要數年的行政程序。
預算缺口：學校與托育中心是否有足夠經費採購原型食物？
醫學教育：如何將營養新知整合進臨床醫師的培訓與給付制度？
公眾認知：許多美國民眾至今仍停留在 1992 年舊版食物金字塔的觀念。

這份指南是否能真正轉化為全民健康，抑或只是淪為文件上的理想，將取決於後續聯邦機構的政策執行力度以及與公眾溝通的有效性。對於臨床醫師與民眾而言，目前的最佳策略仍是回歸最基礎的原則：多吃原型食物，減少包裝食品，並在增加蛋白質攝取的同時，務必配合足夠的肌力運動。

參考文獻

[1] U.S. Department of Agriculture. (2026). Dietary guidelines for Americans, 2025-2030. https://cdn.realfood.gov/DGA.pdf

[2] 2025 Dietary Guidelines Advisory Committee. (2025). Scientific report of the 2025 Dietary Guidelines Advisory Committee. U.S. Department of Agriculture. https://www.dietaryguidelines.gov/2025-advisory-committee-report

[3] U.S. Food and Drug Administration. (2025, September 18). Ultra-processed foods. https://www.fda.gov/food/nutrition-food-labeling-and-critical-foods/ultra-processed-foods

[4] Mozaffarian, D. (2026). The 2025-2030 dietary guidelines for Americans. JAMA. Advance online publication. https://doi.org/10.1001/jama.2026.0283

[5] Mozaffarian, D. (2025). Nutrition and cardiovascular disease and metabolic diseases. In R. O. Bonow, D. L. Mann, G. F. Tomaselli, et al. (Eds.), Braunwald’s heart disease: A textbook of cardiovascular medicine (13th ed., Chapter 27). Elsevier/Saunders.

[6] Shan, Z., Rehm, C. D., Rogers, G., et al. (2019). Trends in dietary carbohydrate, protein, and fat intake and diet quality among US adults, 1999-2016. JAMA, 322(12), 1178–1187. https://doi.org/10.1001/jama.2019.13771

[7] Hengeveld, L. M., de Goede, J., Afman, L. A., et al. (2022). Health effects of increasing protein intake above the current population reference intake in older adults: A systematic review of the Health Council of the Netherlands. Advances in Nutrition, 13(4), 1083–1117. https://doi.org/10.1093/advances/nmab140

[8] Lv, J. L., Wu, Q. J., Li, X. Y., et al. (2022). Dietary protein and multiple health outcomes: An umbrella review of systematic reviews and meta-analyses of observational studies. Clinical Nutrition, 41(8), 1759–1769. https://doi.org/10.1016/j.clnu.2022.06.005

[9] Charidemou, E., Ashmore, T., Li, X., et al. (2019). A randomized 3-way crossover study indicates that high-protein feeding induces de novo lipogenesis in healthy humans. JCI Insight, 4(12), e124819. https://doi.org/10.1172/jci.insight.124819

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] 生理學的鐵壁：SURMOUNT-3 試驗如何量化並擊破由「代謝適應」構築的減重停滯期？

2026-01-19T20:00:00.012+08:00

前言：代謝適應與體重設定點的病理生理學挑戰
研究設計詳解：富集設計、分層隨機化與統計估計量
研究結果：雙重估計量下的療效分析
次要終點：心血管代謝風險因子的深層變化
研究解讀：從 SURMOUNT-3 看減重治療的典範轉移
臨床治療典範的科學啟示：序列性治療的實證基礎
結語：科學意義與未來展望
參考文獻

前言：代謝適應與體重設定點的病理生理學挑戰

在肥胖醫學的長期研究中，最大的挑戰往往不在於誘導減重（Weight Loss Induction），而在於體重維持（Weight Maintenance）。臨床觀察與生理學研究一致顯示，經由生活型態介入（Lifestyle Intervention）達成顯著減重後，人體會啟動強大的代謝適應（Metabolic Adaptation）機制。這種演化保留下來的生存機制，會導致基礎代謝率（Resting Metabolic Rate, RMR）的下降幅度遠超過體重減輕的預期值（Adaptive Thermogenesis）。同時，神經內分泌系統會發生劇烈變化：促進食慾的飢餓素（Ghrelin）濃度顯著上升，而抑制食慾的飽足荷爾蒙（如 GLP-1, PYY, CCK, Leptin）濃度則顯著下降。

這股強大的生理驅力試圖將體重拉回原本的設定點（Set Point），解釋了為何超過 80% 的飲食控制者最終會面臨體重反彈（Weight Regain）。SURMOUNT-3 第三期臨床試驗（NCT04657016）的核心科學假設正是基於此病理生理學背景：對於已經透過強化生活型態介入啟動減重、但正面臨代謝反撲風險的患者，介入雙重腸泌素受體致效劑（GIP/GLP-1 RA）Tirzepatide，能否透過其雙重藥理機轉逆轉代謝適應，不僅防止反彈，更進一步突破生理極限？本專欄將基於 Nature Medicine 發表的原始數據，進行詳盡的學術解析。

研究設計詳解：富集設計、分層隨機化與統計估計量

1. 試驗族群與富集設計（Enrichment Design）

本試驗採用富集設計，這是一種在精神醫學與腫瘤學常用的設計，但在代謝領域較為創新。其目的在於篩選出對生活型態介入有初步反應的族群，以精確探討藥物的「加成（Additive）」與「維持（Maintenance）」效應，排除依從性極差或對介入完全無反應的雜訊。

納入標準：BMI ≥ 30 kg/m² 或 BMI ≥ 27 kg/m² 且伴隨至少一項肥胖併發症（高血壓、血脂異常、阻塞性睡眠呼吸中止症 OSAS、心血管疾病 CVD）。關鍵排除標準為第二型糖尿病（T2D）患者，這確保了研究結果反映的是單純肥胖病理生理，而非糖尿病藥物的降糖效應。
第一階段（導入期，Lead-in Period，-12週至0週）：所有受試者（N=806）接受為期 12 週的強化生活型態介入（Intensive Lifestyle Intervention）。介入方案具體如下：
- 熱量限制（Caloric Restriction）：女性每日攝取目標 1200 kcal，男性 1500 kcal。為提高依從性與計算精確度，允許每日使用最多 2 次代餐（Meal replacements）。
- 運動處方：每週至少 150 分鐘中等強度有氧運動（如快走）。
- 行為諮商：在 12 週內進行共 8 次面對面專業諮詢，由營養師或個管師執行。
隨機化門檻（Gatekeeping）：僅有在第 12 週結束時，體重減輕 ≥ 5.0% 的受試者方可進入隨機分配階段。
數據解讀：導入期數據極具臨床價值。806 名參與者中，有 227 人（28.2%）未能進入下一階段。其中，141 人（17.5%）是因為依從了介入但減重未達 5% 而被定義為「生活型態介入無反應者（Non-responders）」並剔除。這量化了單純生活型態治療在真實世界中的生理極限。

2. 隨機分配與分層因子

進入第二階段的 579 名受試者（此時平均已減重 6.9%），依 1:1 比例隨機分配至 Tirzepatide 組（N=287）或安慰劑組（N=292）。隨機化過程採用了互動式網路回應系統（IWRS），並依據以下因子進行分層（Stratification），以確保組間基線平衡：

國家：美國、阿根廷、巴西。
性別：男、女（女性上限控制在 70%）。
導入期減重幅度（<10% vs. ≥10%）：此分層至關重要。它確保了兩組在藥物介入起始點（Baseline at Week 0）時，具有相似的代謝狀態與減重動能，避免了因初始減重幅度不同而產生的迴歸均值（Regression to the mean）干擾。

3. 介入內容與統計方法：雙重估計量（Dual Estimands）

為全面且誠實地評估藥效，本研究預先定義了兩種統計估計量。理解這兩者的差異對於解讀現代減重藥物試驗至關重要：

Treatment Regimen Estimand (TRE)：
- 定義：評估「治療策略」的總體效果，不論受試者是否持續用藥。
- 處理方式：採用傳統的 ITT（Intention-to-Treat）原則。若受試者停藥或使用救援治療，其後續數據仍納入分析（採用混合模式重複測量 MMRM 或多重插補法）。
- 意義：這反映了真實世界中，包含依從性不佳狀況下的預期療效。這是 FDA 核准藥物時的主要依據。
Efficacy Estimand：
- 定義：評估「藥物本身」在受試者持續依從用藥下的藥理效果（On-treatment effect）。
- 處理方式：若受試者停藥，其後續數據視為缺失（Missing at Random）。
- 意義：這反映了藥物的真實生物學潛力（Biomedical Potential），排除了人為依從性因素的干擾。本專欄將重點分析此數據，因為它最能代表藥理機制的極限。

研究結果：雙重估計量下的療效分析

圖表說明：SURMOUNT-3 試驗顯示，在生活型態介入後接續使用 Tirzepatide，可進一步突破減重停滯期並預防代謝適應造成的復胖。（資料來源：Nature Medicine）

1. 主要終點：隨機分配後的額外減重（Week 0 to 72）

基於 Treatment Regimen Estimand (TRE)，分析從隨機分配（第 0 週）至第 72 週的體重變化，驗證了藥物能否在生活型態介入的基礎上提供額外效益：

Tirzepatide 組：體重在原有基礎上進一步下降 18.4% (SE 0.7)。
安慰劑組：體重出現反彈，平均回升 2.5% (SE 1.0)。這是一個關鍵的生理訊號，證實了在缺乏藥理介入下，即便維持生活型態諮詢，代謝適應仍強勢驅使體重回升（Weight Regain）。
治療差異（ETD）：兩組差異達 -20.8% (95% CI: -23.2% to -18.5%, P < 0.001)。

2. 總體重減輕：從導入期至終點（Week -12 to 72）

為了評估「生活型態導入 + 藥物維持」這一完整序列治療的成效，研究計算了從導入期開始的總體重變化。以下表格詳細對比了兩種估計量的結果：

估計量	Tirzepatide 組	安慰劑組	治療差異 (ETD) [95% CI]
Treatment Regimen (TRE)	-24.3%	-4.5%	-19.9% [-23.5, -16.2]
Efficacy Estimand	-26.6%	-3.8%	-22.8% [-24.3, -21.2]

深度解讀：
1. 里程碑數據：Efficacy Estimand 顯示的 26.6% 總減幅，是目前非手術減重治療中的頂標數據，逼近袖狀胃切除術（約 25-30%）的效果。
2. 安慰劑組的生理困境：安慰劑組最終僅維持了 -3.8% 的總減幅。考慮到他們在導入期已經減去了 6.9%，這意味著在隨機分配後的一年半內，他們反彈了將近一半的減重成果。這強有力地證明，對於大多數肥胖患者，單靠意志力維持長期減重是違抗生理機制的。

3. 極端反應者（Super-responders）分析

在 Efficacy Estimand 分析中，Tirzepatide 組展現了驚人的反應率分布：

額外減重 ≥ 5%：87.5% (vs. 安慰劑組 16.5%)。
額外減重 ≥ 20%：48.3% (vs. 安慰劑組 0.7%)。
額外減重 ≥ 25%：36.3% (vs. 安慰劑組 0.3%)。

這意味著超過三分之一的用藥者，若疊加導入期的減重，其總體重降幅超過 30%。這群「超級反應者」的存在提示了個體間腸泌素系統敏感性的差異，是未來精準醫療值得探討的方向。

次要終點：心血管代謝風險因子的深層變化

除了體重，各項代謝指標的變化揭示了藥物對全身性代謝健康的修正作用（Week 0 to 72, Efficacy Estimand）：

腰圍（Waist Circumference）：
- Tirzepatide 組：進一步減少 14.6 cm。
- 安慰劑組：增加 0.2 cm。
- 解讀：安慰劑組腰圍的增加與體重反彈一致，顯示內臟脂肪（Visceral Adiposity）是反彈的首要堆積部位，這與中心性肥胖復發的高風險相符。
收縮壓（SBP）：
- Tirzepatide 組：降低 5.1 mmHg。
- 安慰劑組：上升 4.1 mmHg。
- 解讀：需特別注意安慰劑組血壓的反彈幅度。這可能反映了隨著體重回升，交感神經活性增加與鈉滯留現象的復發。藥物組則透過減重與潛在的血管舒張作用維持了降壓效果。
空腹胰島素（Fasting Insulin）：
- Tirzepatide 組：大幅降低 39.1%。
- 安慰劑組：上升 17.3%。
- 解讀：這是兩組差異最劇烈的代謝指標。安慰劑組胰島素濃度的顯著惡化，反映了機體對胰島素敏感性的迅速喪失，這是體重反彈後的典型病理變化，也是代謝症候群復發的前兆。Tirzepatide 則展現了強大的胰島素增敏效應。
血脂譜：
- 三酸甘油酯（Triglycerides）：-26.8% vs. +3.0%。
- 非高密度脂蛋白膽固醇（Non-HDL-C）：-14.6% vs. +5.6%。

研究解讀：從 SURMOUNT-3 看減重治療的典範轉移

1. 對抗代謝適應的藥理學證據

SURMOUNT-3 最重要的學術貢獻，在於它提供了一個完美的實驗模型，展示了「藥物如何對抗代謝適應」。安慰劑組的受試者並非放任不管，他們每 12 週接受專業諮詢，並被要求維持熱量赤字。然而，數據顯示他們的體重、血壓、胰島素阻抗全面反彈。這不是行為的失敗，而是生理學的必然。Tirzepatide 的介入成功阻斷了這條病理路徑，證明了雙重腸泌素受體致效劑能有效重塑體重設定點。

2. 研究限制與外推性（External Validity）

儘管結果令人振奮，但在解讀本研究時需保持學術審慎，考量其適用邊界：

「無反應者」的缺席：由於富集設計排除了導入期減重未達 5% 的 17.5% 受試者，本試驗結果不應直接外推至對生活型態介入完全無反應的頑固型肥胖患者。該族群可能具有不同的病理生理機制（如更強的基因易感性），其對藥物的反應仍待釐清。
排除糖尿病患者：本試驗嚴格排除 T2D 患者。已知 T2D 患者的減重幅度通常較非糖尿病患者少（可參考 SURMOUNT-2 數據），因此本試驗呈現的 26.6% 減幅，是單純肥胖族群的「最佳情境」，不應直接套用於糖尿病患。
種族與BMI偏差：受試者 86% 為白人，且平均 BMI 高達 38 kg/m²。對於 BMI 較低（如 27-30）或亞洲族群，其藥物動力學與減重效應可能存在差異。

3. 安全性信號的臨床解讀

整體安全性與 GLP-1 RA 類別一致，但特定數據值得臨床關注：

耐受性挑戰：因不良事件（AE）導致的停藥率為 10.5%，主要集中在噁心（39.7%）與腹瀉（31.0%）。這提示了即便在導入期已經過飲食控制訓練的患者，藥物滴定期的腸胃道副作用管理仍是挑戰。
膽囊與心血管信號：膽結石發生率（1.4% vs 1.0%）與心率增加（+2.7 bpm）雖發生率低，但提示了快速減重伴隨的生理風險。特別是膽結石風險，與膽汁過飽和及膽囊收縮力下降有關，是快速減重不可避免的副作用。

臨床治療典範的科學啟示：序列性治療的實證基礎

SURMOUNT-3 的數據不僅僅是關於一款新藥的療效，它為現代肥胖醫學提供了「序列性治療（Sequential Therapy）」的強大實證基礎，預示了治療典範的轉移。

1. 「先減重、再用藥」策略的科學合理性

過去臨床上常爭論何時該介入藥物。本研究證實，對於有動機進行生活型態改變的患者，將藥物作為第二線介入（Second-line intervention）是極具科學邏輯的策略。
科學依據：先透過低成本、非侵入性的生活型態介入篩選出反應者（Responders），再於代謝適應發生的時間點（通常為介入後 3-6 個月）精準導入藥物。這不僅能利用藥物的「加成效應」突破停滯期，更能利用藥物的「維持效應」預防復胖。這是一種符合成本效益且精準的生理學介入模式。

2. 治療目標的重新定義：從「控制」到「緩解」

傳統減重藥物的目標往往設定在 5-10% 的減重，以改善併發症。然而，SURMOUNT-3 顯示，透過序列治療，超過三分之一的患者能達到 >25% 的減重。這意味著藥物治療的終點（Endpoint）已可重新定義：對於部分患者，我們不再只是追求體重控制，而是追求與代謝手術相當的疾病緩解（Remission），甚至完全逆轉嚴重的肥胖併發症。

3. 對於復胖機制的再認識

安慰劑組的數據迫使臨床端必須重新審視「復胖」的定義。復胖不應再被視為患者意志力的失敗，而應被視為一種「缺乏持續性生理介入」的自然後果。這為長期藥物治療（Chronic Pharmacotherapy）提供了倫理與病理學上的正當性——如同高血壓與糖尿病，肥胖是一種需要長期生物學介入的慢性疾病。

結語：科學意義與未來展望

SURMOUNT-3 透過嚴謹的富集設計，科學地驗證了 Tirzepatide 在肥胖治療序列中的關鍵角色。研究結果顯示，在生活型態介入的基礎上疊加 Tirzepatide，可達到 26.6% 的總體重減輕，並有效逆轉代謝適應所引發的體重反彈。這項研究不僅填補了關於介入時機的學術空白，更確立了雙重腸泌素受體致效劑作為突破生理極限、實現類手術級療效的藥理學基石。隨著更多此類藥物的問世，肥胖治療正從「行為主導」邁向「生物學主導」的新紀元。

參考文獻

[1] Wadden, T. A., et al. (2023). Tirzepatide after intensive lifestyle intervention in adults with overweight or obesity: the SURMOUNT-3 phase 3 trial. Nature Medicine, 29(11), 2909–2918. https://doi.org/10.1038/s41591-023-02597-w

[2] Gibble, T. H., et al. (2025). Tirzepatide and health-related quality of life in adults with obesity or overweight: Results from the SURMOUNT-3 phase 3 randomized trial. Diabetes, Obesity and Metabolism, 27(8), 4268–4279. https://doi.org/10.1111/dom.16463

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] 糖尿病患者的代謝修正之路：深度解析 SURMOUNT-2 試驗與 Tirzepatide

2026-01-18T20:00:00.001+08:00

一、臨床困境：代謝代償與藥物的雙重阻力
二、 SURMOUNT-2 試驗設計：以高規格驗證雙重機轉
三、數據解讀：突破 15% 減重門檻的臨床意義
四、轉譯醫學觀點：日本次族群數據的啟示
五、超越減重：糖化血色素與心血管風險的綜合修正
六、安全性分析：耐受性與低血糖風險評估
七、生活品質：從生化數據到真實世界感受
結語：以實證數據重塑糖尿病治療策略
參考文獻

解讀 SURMOUNT-2：當第 2 型糖尿病遇上雙重腸泌素受體致效劑
從病理機制到東亞族群數據，剖析 Tirzepatide 如何改寫「糖胖症」治療標準

在代謝醫學的研究光譜中，「糖胖症（Diabesity）」始終是一個複雜且棘手的議題。長期以來的臨床文獻一致指出，第 2 型糖尿病患者在體重管理上，面臨著比非糖尿病患者更為嚴峻的生理阻力。這不僅是熱量進出的算術問題，更是內分泌調控失衡的結果。

隨著雙重腸泌素受體致效劑（Dual GIP/GLP-1 receptor agonist）Tirzepatide 的問世，學界高度關注其是否能突破既有的治療限制。發表於權威期刊《Lancet》的 SURMOUNT-2 第三期臨床試驗，正是為了回答此一關鍵問題而生。本專欄將以臨床研究者的視角，深入解析這項試驗的數據結構，並結合最新的系統性回顧[3]與日本次族群分析[2]，探討其在轉譯醫學與台灣臨床應用上的實質意義。

一、臨床困境：代謝代償與藥物的雙重阻力

回顧過去數十年的大型代謝研究（如 Look AHEAD 試驗），我們觀察到一個穩定的現象：在接受標準化的生活型態介入後，第 2 型糖尿病患者的體重減輕幅度，平均僅約非糖尿病患者的 50% 至 60% [1]。

從病理機制分析，這種「減重抗性」主要源於三個生理層面：

同化作用的代償（Anabolic Compensation）：當高血糖獲得控制，尿糖流失減少，身體會啟動「熱量保存效應」，抵銷部分的熱量赤字。
胰島素的合成特性：高胰島素血症（Hyperinsulinemia）是第 2 型糖尿病常見的特徵，而胰島素作為體內最強的合成荷爾蒙，傾向於抑制脂肪分解（Lipolysis）並促進脂肪儲存。
醫源性因素：部分傳統降血糖藥物（如磺醯尿素類、Thiazolidinediones 或胰島素）在機轉上即帶有增加體重的副作用。

因此，要突破此一瓶頸，單靠意志力或傳統介入顯然不足，臨床上亟需能夠精準修正上述代謝路徑的藥物介入。

二、 SURMOUNT-2 試驗設計：以高規格驗證雙重機轉

SURMOUNT-2 是一項多中心、隨機分配、雙盲、安慰劑對照的第 3 期臨床試驗。為了確保數據能經得起嚴格檢視，研究團隊在試驗設計上做出了多項針對「真實世界困難案例」的精細考量。

1. 受試者納入與排除標準：鎖定高難度族群

試驗共篩選並納入了 938 位受試者，其納入標準反映了臨床上最常見的治療瓶頸：

身體質量指數 (BMI)：必須 ≥ 27 kg/m²，實際平均 BMI 高達 36.1 kg/m²（屬重度肥胖）。
血糖控制狀況：HbA1c 範圍限定在 7.0% 至 10.0% 之間。這代表受試者處於血糖控制不佳的狀態，但尚未進入急症期，正是門診中最需要積極介入的族群。
用藥背景限制：受試者必須在參與前三個月內體重穩定，且僅能接受飲食控制或穩定的口服降糖藥（Metformin、SGLT2 抑制劑或磺醯尿素類）治療。
排除條件：為了單純化變因，正在使用胰島素注射或近期（三個月內）曾使用 GLP-1 受體致效劑的患者均被排除，以避免藥物殘留效應干擾結果。

2. 分層隨機分配與生活型態介入

受試者以 1:1:1 的比例隨機分配至 Tirzepatide（10 mg 或 15 mg）或安慰劑組。隨機分配過程依據「基線 HbA1c（≤8.5% 或 >8.5%）」與「口服降糖藥使用情形」進行分層（Stratification），確保各組基線特徵的一致性。

值得注意的是，本試驗採行的是「疊加模式」。所有受試者（含安慰劑組）在試驗期間均需接受標準化的生活型態諮詢，目標為每日減少 500 大卡熱量攝取及每週至少 150 分鐘的中等強度運動。這意味著試驗結果反映的是藥物在生活型態調整之上的「額外」效益。

3. 緩慢劑量遞增策略（Dose Escalation）

為了優化耐受性並降低腸胃道副作用導致的停藥率，試驗採用了長達 20 週的緩慢劑量遞增期：

起始劑量：2.5 mg。
爬升速度：每 4 週增加 2.5 mg。
達標時程：10 mg 組需 12 週達到維持劑量；15 mg 組則需 20 週。

隨後受試者進入 52 週的維持期，總觀察期長達 72 週[1]。這種設計雖然拉長了試驗時間，卻能更真實地評估藥物的長期代謝效應與安全性。

三、數據解讀：突破 15% 減重門檻的臨床意義

檢視第 72 週的意圖治療分析（Intention-to-treat analysis）結果，Tirzepatide 展現了顯著優於安慰劑的療效。

1. 絕對減重效益

數據顯示，與安慰劑組相比：

15 mg 組：平均體重減輕 14.7% (SE 0.6)。
10 mg 組：平均體重減輕 12.8% (SE 0.6)。
安慰劑組：僅減輕 3.2%。

換算為絕對數值，15 mg 組患者平均減輕了 14.8 公斤。這在糖尿病減重研究中是一個相當顯著的數據，證實了 GIP 與 GLP-1 雙重受體激發能有效克服糖尿病患者的代謝阻力[1]。

2. 臨床達標率分層分析

進一步分析不同減重門檻的達成率，我們看到了藥物效力的深度：

≥ 5%（臨床有效門檻）：83% 的 15 mg 組患者達標。
≥ 15%（顯著改善門檻）：48% 的患者達標。
≥ 20%（代謝手術可比門檻）：有 34% 的 15 mg 組患者達到此一幅度[1]。

這意味著，約三分之一的受試者透過藥物治療，獲得了過去通常需藉由代謝手術才能達到的體重改善效果。

四、轉譯醫學觀點：日本次族群數據的啟示

對於台灣的醫療專業人員與患者而言，人種差異是解讀國際臨床試驗時不可忽視的變項。SURMOUNT-2 包含了一份針對日本受試者（N=41）的次族群分析[2]，其結果極具參考價值。

1. 體重減輕反應的校正

分析顯示，日本次族群在 15 mg 組的平均減重幅度在數值上（numerically）較全球平均略小。研究者指出，這可能與亞洲受試者基線體重較輕（BMI 較低）以及內臟脂肪分佈差異有關。儘管絕對數值未超越全球平均，但與安慰劑組相比，仍展現了顯著的治療差異。

這項發現為台灣臨床提供了重要的「校正觀點」：在體型較小的亞洲糖尿病患身上，我們應預期顯著的減重效果，但不應盲目追求與歐美重度肥胖患者完全相同的絕對數值。

2. 血糖控制優勢

值得注意的是，在血糖控制方面，日本次族群顯示出極佳的反應性。這可能源於東亞第 2 型糖尿病患者常伴隨較顯著的 β 細胞功能衰退（Beta-cell dysfunction）。由於 GIP 受體致效劑具有改善 β 細胞功能與促進胰島素分泌的特性，這或許解釋了為何東亞族群在雙重腸泌素治療下，能展現出優異的代謝反應。

五、超越減重：糖化血色素與心血管風險的綜合修正

SURMOUNT-2 的數據亦證實，Tirzepatide 的效益不僅止於體重計上的數字，更在於整體代謝環境的修正（Metabolic Correction）。

1. 血糖正常化（Normoglycemia）

在 15 mg 組中，高達 86% 的受試者在試驗結束時，其 HbA1c 降至 < 5.7%[1]。此數值在臨床定義上屬於非糖尿病範圍，顯示藥物在減重的同時，能極大程度地改善高血糖狀態。

2. 心血管代謝指標優化

針對 ASCVD（動脈粥狀硬化心血管疾病）風險因子，數據顯示出全面的改善：

血壓：收縮壓平均降低 7.2 mmHg。
血脂：三酸甘油酯降低 28.6%，非高密度脂蛋白膽固醇（Non-HDL-C）降低 6.6%。
腰圍：平均減少 14.6 cm，反映了內臟脂肪堆積的實質緩解[1]。

六、安全性分析：耐受性與低血糖風險評估

在評估新型藥物時，安全性輪廓（Safety Profile）的重要性不亞於療效。

1. 低血糖風險

數據顯示，Tirzepatide 單獨使用時引發低血糖的風險極低。試驗中，臨床顯著低血糖（< 54 mg/dL）的發生率僅約 1%，且多發生於併用磺醯尿素類（Sulfonylurea）藥物的患者[1]。這證實了其葡萄糖依賴性（Glucose-dependent）的降糖機制。

2. 腸胃道耐受性

與 GLP-1 受體致效劑相似，最常見的不良事件為腸胃道症狀（噁心、腹瀉、嘔吐），發生率約在 13% 至 24% 之間。這些症狀主要集中在劑量遞增期，且多為輕至中度。因不良事件導致停藥的比例為 9.3%（安慰劑組 4.1%）[1]，顯示在適當的劑量調整策略下，多數患者具有良好的耐受性。

七、生活品質：從生化數據到真實世界感受

除了客觀的生化指標，試驗亦透過 SF-36v2 量表評估患者的主觀感受。結果顯示，治療組在「身體功能（Physical Functioning）」面向的評分有顯著提升[1]。這表明體重減輕與代謝改善，已成功轉化為患者日常活動能力的實質進步，這對於提升長期治療依從性具有正面意義。

結語：以實證數據重塑糖尿病治療策略

總結 SURMOUNT-2 的研究成果，Tirzepatide 透過 GIP 與 GLP-1 的協同作用，在第 2 型糖尿病合併肥胖患者身上，展現了顯著優於傳統標準的減重與代謝修正效果。從平均近 15% 的體重減輕、極高比例的血糖正常化，到日本次族群提供的校正觀點，這些數據為臨床醫師提供了一個以「體重管理為核心」來全方位控制糖尿病的治療新選擇。

參考文獻

[1] Garvey, W. T., Frias, J. P., Jastreboff, A. M., le Roux, C. W., Sattar, N., Aroda, V. R., ... & SURMOUNT-2 Investigators. (2023). Tirzepatide once weekly for the treatment of obesity in people with type 2 diabetes (SURMOUNT-2): a double-blind, randomised, multicentre, placebo-controlled, phase 3 trial. The Lancet, 402(10402), 613-626. https://doi.org/10.1016/S0140-6736(23)01200-X

[2] Yamauchi, T., Asakura, T., Shingaki, T., Oura, T., & Katagiri, H. (2024). Efficacy and safety of once-weekly tirzepatide in Japanese participants with type 2 diabetes who have obesity or overweight: Subpopulation analysis of the SURMOUNT-2 trial. Diabetes, Obesity and Metabolism. https://doi.org/10.1111/dom.15468

[3] Qin, W., Yang, J., Ni, Y., Deng, C., Ruan, Q., Ruan, J., ... & Duan, K. (2024). Efficacy and safety of once-weekly tirzepatide for weight management compared to placebo: An updated systematic review and meta-analysis including the latest SURMOUNT-2 trial. Endocrine, 86, 70–84. https://doi.org/10.1007/s12020-024-03896-z

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] 減脂不減肌？解析 SURMOUNT-1 試驗中的身體組成與代謝改變

2026-01-17T20:00:00.006+08:00

前言：肥胖醫學的典範轉移
藥理機轉：從單一腸泌素到「雙重致效劑」
研究設計與方法論：SURMOUNT-1 的嚴謹架構
療效分析一：突破 20% 門檻的體重減輕
療效分析二：身體組成與減重品質（Quality of Weight Loss）
療效分析三：代謝異常的逆轉與心血管風險預測
療效分析四：患者視角的生活品質與體重停滯期
安全性與耐受性深度剖析
研究限制與未來展望
結語：不僅是減重，更是代謝重塑
參考文獻

圖說：SURMOUNT-1 試驗關鍵數據總覽（點擊圖片可放大）

前言：肥胖醫學的典範轉移

肥胖（Obesity）長期以來被誤解為單純的能量攝取過剩或意志力不足，然而現代醫學已將其重新定義為一種涉及神經內分泌調節失衡的慢性疾病。在過去數十年間，抗肥胖藥物的發展歷程充滿挑戰，早期的藥物往往受限於療效不佳（平均減重幅度僅約 5-10%）或嚴重的安全性問題（如心血管副作用或精神症狀）。

隨著 GLP-1（類升糖素胜肽-1）受體致效劑的問世，我們見證了第一次的典範轉移，將藥物減重的幅度推向了 15% 的關卡。然而，臨床上仍有大量患者需要更強效的介入措施才能達到改善併發症所需的減重目標。

SURMOUNT-1 臨床試驗的發表，標誌著肥胖治療進入了「雙重腸泌素」時代。這項發表於《新英格蘭醫學期刊》（NEJM）的里程碑研究，探討了 Tirzepatide——首個 GIP（葡萄糖依賴性胰島素刺激胜肽）與 GLP-1 雙受體致效劑——在非糖尿病肥胖成人中的療效。其結果不僅打破了藥物治療的「20% 天花板」，更在身體組成改善與代謝風險逆轉上展現了前所未見的潛力[1]。

藥理機轉：從單一腸泌素到「雙重致效劑」

要理解 SURMOUNT-1 的突破性，必須先理解 Tirzepatide 的藥理機制。Tirzepatide 是一種單一分子（Single molecule），但具有雙重功能：它同時是 GIP 受體與 GLP-1 受體的致效劑。

協同作用（Synergistic Effect）的假說
雖然 GLP-1 在抑制食慾與延緩胃排空的作用已廣為人知，但 GIP 的角色過去較具爭議。在 Tirzepatide 的設計理念中，GIP 被認為能透過以下機制與 GLP-1 產生協同作用：

中樞神經系統的食慾調節：GIP 受體與 GLP-1 受體在大腦的食慾調節中樞（如下視丘）均有分佈，兩者同時活化可能產生加乘的抑制食慾效果。
脂肪組織的代謝調節：GIP 被認為能直接作用於白色脂肪組織，可能透過增加血流量與改善脂肪細胞對胰島素的敏感度，進而優化脂質代謝並減少異位脂肪堆積。
改善耐受性：部分臨床前研究暗示，GIP 的加入可能減緩單純使用高劑量 GLP-1 所帶來的噁心感，使患者能耐受更高強度的藥物劑量，從而達到更強的減重效果。

這種「雙管齊下」的策略，正是 SURMOUNT-1 試驗能展現出超越傳統單方藥物療效的生物學基礎[1][6]。

研究設計與方法論：SURMOUNT-1 的嚴謹架構

SURMOUNT-1 是一項第三期（Phase 3）、多中心、隨機分配、雙盲、安慰劑對照試驗，旨在評估 Tirzepatide 的療效與安全性。為了確保數據的臨床應用價值，研究設計包含了幾個關鍵特徵：

1. 受試者納入標準
試驗共納入 2,539 位成人（N=2539），納入條件為：

身體質量指數（BMI）≥30 kg/m²（肥胖）；或
BMI ≥27 kg/m²（過重）且伴隨至少一項體重相關併發症（如高血壓、血脂異常、阻塞性睡眠呼吸中止症或心血管疾病）。
關鍵排除條件：患有第二型糖尿病的患者被排除在外（此族群另於 SURMOUNT-2 試驗中探討），這確保了 SURMOUNT-1 的結果能純粹反映藥物對「肥胖症」本身的影響，而不受高血糖藥物治療的干擾。

2. 介入分組與劑量遞增（Dose-escalation）
受試者以 1:1:1:1 的比例隨機分配至四組：

Tirzepatide 5 mg 組
Tirzepatide 10 mg 組
Tirzepatide 15 mg 組
安慰劑組

為了降低腸胃道副作用，試驗採取了緩慢的劑量遞增策略：所有 Tirzepatide 組別均以 2.5 mg 起始，每 4 週增加 2.5 mg，直到達到目標維持劑量。這意味著 15 mg 組別需要經過 20 週的遞增期才能達到全劑量，隨後進行 52 週的維持期，總治療期長達 72 週。這種設計貼近臨床實務中「低劑量起始、緩慢調整（Start low, go slow）」的給藥原則。

3. 共同主要療效指標（Co-primary Endpoints）
研究設定了兩個主要終點來評估療效：

從基線（Baseline）到第 72 週的體重變化百分比。
第 72 週時，體重減輕 ≥5% 的受試者比例。

療效分析一：突破 20% 門檻的體重減輕

SURMOUNT-1 的核心結果顯示了明確的「劑量反應關係（Dose-response relationship）」，且療效顯著優於安慰劑。

1. 平均體重變化
在第 72 週時，各組的平均體重變化如下（依據治療方針估計值 Treatment-regimen estimand）：

Tirzepatide 5 mg：平均減重 15.0% (95% CI, -15.9 to -14.2)。
Tirzepatide 10 mg：平均減重 19.5% (95% CI, -20.4 to -18.5)。
Tirzepatide 15 mg：平均減重 20.9% (95% CI, -21.8 to -19.9)。
安慰劑組：平均減重 3.1% (95% CI, -4.3 to -1.9)。

所有劑量組與安慰劑相比，P 值均 < 0.001。值得注意的是，15 mg 組別達到近 21% 的減重幅度，以試驗受試者平均基線體重 104.8 公斤計算，相當於平均減去了約 22 公斤的體重[1]。

2. 臨床減重目標達成率
除了平均值，多少人能達到深度減重（Deep weight loss）更是臨床醫師關注的焦點。在 15 mg 組別中：

≥5% 減重：91% 的受試者達成（安慰劑組為 35%）。
≥10% 減重：84% 的受試者達成。
≥15% 減重：71% 的受試者達成。
≥20% 減重：57% 的受試者達成（安慰劑組僅 3%）。
≥25% 減重：根據探索性分析，有 36% 的受試者體重減輕超過四分之一[2]。

超過半數受試者能減重兩成以上，這項數據過去僅見於袖狀胃切除術（Sleeve gastrectomy）等外科介入，顯示藥物治療已具備替代部分手術需求的潛力。

療效分析二：身體組成與減重品質（Quality of Weight Loss）

在大幅度減重的過程中，如何避免過度流失瘦肉組織（Lean mass）是代謝醫學的關鍵課題。瘦肉組織（包含肌肉、骨骼與器官）是維持基礎代謝率（RMR）與身體功能的基礎。SURMOUNT-1 的次級研究利用雙能量 X 光吸收儀（DXA），針對一組受試者（N=160）進行了精密的身體組成分析[2]。

1. 脂肪與瘦肉的流失比例
分析顯示，Tirzepatide 帶來的體重減輕主要源自脂肪組織的消耗。在 72 週時：

總脂肪量（Total Fat Mass）：平均減少了 33.9%。
總瘦肉組織量（Total Lean Mass）：平均減少了 10.9%。

換算成絕對數值，受試者平均減去了 33.9 公斤的體重，其中約 75% 為脂肪，25% 為瘦肉組織，形成了約 3:1 的脂肪/瘦肉流失比。這優於一般熱量限制飲食（通常為 2:1 或更差）的預期比例，顯示藥物在驅動負能量平衡的同時，相對保留了肌肉質量。

2. 脂肪分佈的優化：打擊「最危險的脂肪」
除了總量，脂肪的「位置」更決定了代謝風險。

內臟脂肪（Visceral Adipose Tissue, VAT）：這是與胰島素阻抗、發炎反應最相關的脂肪堆積。DXA 數據證實 Tirzepatide 顯著減少了內臟脂肪。
Android / Gynoid 比率：研究測量了 Android 區域（腹部、中心型肥胖）與 Gynoid 區域（臀部、大腿）的脂肪量。結果顯示，Tirzepatide 組別的 Android 脂肪減少幅度大於 Gynoid 脂肪，導致 Android/Gynoid 脂肪質量比率顯著降低。這意味著體態從「蘋果型」向更健康的體型轉變，直接關聯到代謝症候群風險的降低[2]。

3. 次族群分析
在不同年齡（<50歲 vs ≥50歲）與性別的次族群分析中，身體組成的改善趨勢是一致的。儘管男性通常具有較高的初始瘦肉量，但藥物治療後的脂肪/瘦肉減少比例在性別間並無顯著的臨床差異，顯示其改善身體組成的效果具有普適性[2]。

療效分析三：代謝異常的逆轉與心血管風險預測

肥胖不僅是體重過重，更是一種「代謝病」。SURMOUNT-1 的數據顯示，Tirzepatide 展現了強大的「代謝整型（Metabolic Remodeling）」能力。

1. 前糖尿病（Prediabetes）的逆轉
這是本研究最令人振奮的發現之一。在試驗開始時，約有 41% 的受試者雖未罹患糖尿病，但已處於前糖尿病階段。經過 72 週治療後，15 mg 組別中高達 95.3% 的前糖尿病患者，其血糖濃度恢復至正常範圍（Normoglycemia），相比之下，安慰劑組僅有 61.9%[1]。這暗示了早期藥物介入可能具有預防糖尿病發生的公衛價值。

2. 全面的血脂譜改善
與安慰劑相比，Tirzepatide 顯著改善了致動脈粥樣硬化的血脂指標（Atherogenic lipids）[3]：

三酸甘油酯（Triglycerides）：15 mg 組降低了 27.6%。這反映了胰島素敏感性的改善與極低密度脂蛋白（VLDL）輸出的減少。
非高密度脂蛋白膽固醇（Non-HDL-C）：降低了 11.3%。Non-HDL-C 被認為是比 LDL-C 更準確的心血管風險指標。
HDL 膽固醇：濃度增加了 7.9%。
LDL 膽固醇：雖然主要透過史他汀類藥物（Statins）控制，但本試驗中亦觀察到 LDL-C 濃度降低了 6.0%。

3. 血壓與發炎指標

血壓：15 mg 組的收縮壓（SBP）平均降低了 7.2 mmHg，舒張壓（DBP）平均降低了 4.8 mmHg。這種幅度的血壓降幅已具備顯著的臨床心血管保護意義。
發炎指標：高敏度 C 反應蛋白（hs-CRP）是血管發炎與心血管風險的標記。研究觀察到 hs-CRP 濃度在治療組顯著下降，顯示藥物可能透過減少脂肪組織的發炎因子分泌，改善全身性的慢性低度發炎狀態[3]。

4. 10年 ASCVD 風險分數
研究團隊利用匯總隊列公式（Pooled Cohort Equations）計算了受試者的 10 年動脈粥狀硬化心血管疾病（ASCVD）預測風險。結果顯示，Tirzepatide 治療組的預測風險分數顯著降低（P < 0.001），且風險的降低與體重減輕的幅度呈現正相關[3]。

療效分析四：患者視角的生活品質與體重停滯期

1. 生活品質（HRQoL）的全面提升
體重減輕的最終目的在於改善患者的生活感受。SURMOUNT-1 使用了 SF-36v2 與 IWQOL-Lite-CT 兩種工具評估健康相關生活品質。
分析結果顯示，Tirzepatide 治療組在 SF-36 的「身體功能（Physical Functioning）」評分上有顯著改善，且改善幅度優於安慰劑組。特別是在「身體健康總評量（Physical Component Summary）」分數上，差異尤為明顯。這意味著患者在爬樓梯、彎腰、行走等日常活動中感受到的困難度大幅降低。數據亦證實，生活品質的改善幅度與體重減輕百分比呈正相關，減重越多，主觀感受越好[4]。

2. 體重停滯期（Plateau）的延後
減重治療常見的現象是「停滯期」，即身體產生代謝適應（Metabolic adaptation）對抗體重下降。傳統單方藥物或生活介入通常在 60 週左右即進入明顯的平台期。然而，SURMOUNT-1 的軌跡分析顯示，在 72 週試驗結束時，10 mg 與 15 mg 高劑量組的體重下降曲線尚未完全呈現水平狀態（Plateau）[5]。這是一個極具潛力的訊號，暗示若延長治療時間（如 SURMOUNT-4 試驗所探討的），體重可能仍有進一步下降的空間。

安全性與耐受性深度剖析

任何強效藥物都必須權衡其風險。SURMOUNT-1 提供了詳盡的安全性數據。

1. 腸胃道副作用：時間與劑量的關係
最常見的不良事件（Adverse Events, AEs）集中在腸胃道系統，發生率依序為：

噁心（Nausea）：15 mg 組約 31%（安慰劑組 9.5%）。
腹瀉（Diarrhea）：15 mg 組約 23%（安慰劑組 7.3%）。
便秘（Constipation）：15 mg 組約 11.7%（安慰劑組 5.8%）。

關鍵洞察：多數腸胃道症狀發生在「劑量遞增期（Dose-escalation period）」，即前 20 週。隨著身體適應藥物，症狀通常會減輕或消失。絕大多數案例為輕度至中度，極少導致嚴重後果。

2. 因副作用停藥率
因不良事件而導致停止試驗的比例，在 15 mg 組為 6.2%，10 mg 組為 7.1%，5 mg 組為 4.3%，而安慰劑組為 2.6%。考量到長達 72 週的治療期與藥物的強效性，這樣的停藥率在臨床上被認為具有可接受的耐受性。

3. 其他關注的不良事件

膽囊相關事件：GLP-1 類藥物已知可能增加膽結石風險。本試驗中，Tirzepatide 組的急性膽囊炎或膽石症發生率與安慰劑組相當或略高，但在統計上未達顯著警訊。
胰臟炎：急性胰臟炎的確診案例在各組間極為罕見且平均分佈，未觀察到明確的藥物因果關聯。
低血糖：由於受試者未患糖尿病，發生臨床顯著低血糖的風險極低。

研究限制與未來展望

儘管 SURMOUNT-1 結果亮眼，解讀時仍需考量以下限制：

族群限制：本試驗排除了第二型糖尿病患者（T2D）。已知 T2D 患者使用腸泌素藥物的減重效果通常較差（約少 5-7%），因此 SURMOUNT-1 的結果不能直接套用於糖尿病患（需參考 SURMOUNT-2）。
人口統計學特徵：受試者以女性（67.5%）和白人為主，雖然包含了不同族群，但在亞洲人或其他特定族群的推論性仍需後續研究（如 SURMOUNT-CN 或日本的次族群分析）來補足。
心血管結局：雖然 ASCVD 風險分數降低，但這只是「預測值」。Tirzepatide 是否能真正減少心肌梗塞、中風或心血管死亡，仍待正在進行中的長期大型心血管結局試驗（CVOT，如 SURMOUNT-MMO）給出最終答案。

結語：不僅是減重，更是代謝重塑

SURMOUNT-1 試驗不僅僅是一份藥物臨床報告，它是肥胖醫學發展史上的重要轉折點。透過 Tirzepatide 15 mg 展現出的 20.9% 平均減重幅度，我們首度擁有了能與減重手術相媲美的藥物治療選項。

更重要的是，這項研究透過詳盡的次級分析，證實了這種「雙重腸泌素」介入能帶來高品質的身體組成改變（減脂不減肌）、逆轉前糖尿病狀態、並全面改善心血管代謝風險因子。這支持了將肥胖視為一種需要長期、生物學基礎介入的慢性疾病，而非單純的生活型態問題。

隨著更多 SURMOUNT 系列研究（如針對維持治療的 SURMOUNT-4、針對糖尿病的 SURMOUNT-2）的數據陸續拼湊完整，我們正邁向一個能為患者提供精準、強效且安全的代謝重塑（Metabolic Remodeling）新時代。

參考文獻

Jastreboff, A. M., Aronne, L. J., Ahmad, N. N., Wharton, S., Connery, L., Alves, B., Kiyosue, A., Zhang, S., Liu, B., Bunck, M. C., & Stefanski, A. (2022). Tirzepatide Once Weekly for the Treatment of Obesity. The New England journal of medicine, 387(3), 205–216. https://doi.org/10.1056/NEJMoa2206038
Look, M., Dunn, J. P., Kushner, R. F., Cao, D., Harris, C., Hunter Gibble, T., Stefanski, A., & Griffin, R. (2024). Body composition changes during weight reduction with tirzepatide in the SURMOUNT-1 study of adults with obesity or overweight. Obesity (Silver Spring, Md.). Advance online publication. https://doi.org/10.1002/oby.23939
Hankosky, E. R., Wang, H., Neff, L. M., Kan, H., Wang, F., Ahmad, N. N., Griffin, R., Stefanski, A., & Garvey, W. T. (2024). Tirzepatide reduces the predicted risk of atherosclerotic cardiovascular disease and improves cardiometabolic risk factors in adults with obesity or overweight: SURMOUNT-1 post hoc analysis. Diabetes, obesity & metabolism, 26(1), 319–328. https://doi.org/10.1111/dom.15318
Gudzune, K. A., Stefanski, A., Cao, D., Mojdami, D., Wang, F., Ahmad, N., & Poon, J. L. (2024). Association between weight reduction achieved with tirzepatide and quality of life in adults with obesity: Results from the SURMOUNT-1 study. Diabetes, Obesity and Metabolism. https://doi.org/10.1111/dom.16046
Horn, D. B., Kahan, S., Batterham, R. L., Cao, D., Lee, C. J., Murphy, M., Gonsahn-Bollie, S., Chigutsa, F., Stefanski, A., & Dunn, J. P. (2025). Time to weight plateau with tirzepatide treatment in the SURMOUNT-1 and SURMOUNT-4 clinical trials. Clinical Obesity. https://doi.org/10.1111/cob.12734
Sinha, R., Papamargaritis, D., Sargeant, J. A., & Davies, M. J. (2023). Efficacy and Safety of Tirzepatide in Type 2 Diabetes and Obesity Management. Journal of Obesity & Metabolic Syndrome, 32(1), 25–45. https://doi.org/10.7570/jomes22067

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

[health] 膝關節炎該做什麼運動？萬人研究告訴我們：「這項運動」止痛效果最好

2026-01-16T21:00:00.002+08:00

前言：當萬人數據說話—膝關節炎治療的實證轉向
解讀 2025 BMJ 研究：為何這份報告具有權威性？
數據揭密：有氧運動為何是止痛首選？
各司其職：身心運動與神經肌肉訓練的特定優勢
長期的挑戰：從數據看「依從性」的關鍵角色
安全性分析：風險比數據打破運動恐懼
筆者觀點：從文獻看未來的運動處方
參考資料

前言：當萬人數據說話—膝關節炎治療的實證轉向

膝關節炎（Knee Osteoarthritis, Knee OA）不僅是高齡化社會的常見議題，更是導致全球失能的主要原因之一。過去在醫學研究領域，雖然普遍認知「運動」是非藥物治療的核心，但對於「哪一種運動效果最好？」以及「不同階段該做什麼運動？」這類問題，學界始終缺乏大規模且精確的頭對頭比較數據。

2025 年，一篇發表於權威期刊《英國醫學期刊》（BMJ）的系統性回顧與網絡統合分析（Network Meta-Analysis, NMA）引起了醫學研究社群的高度關注。這項研究彙整了全球 217 項隨機對照試驗（RCTs），分析對象高達 15,684 名患者，是目前該領域規模最大、證據等級最新的文獻 [1]。本文將從實證醫學研究的角度，深入剖析這份重量級報告，解讀其數據背後對膝關節炎管理的指引意義。

解讀 2025 BMJ 研究：為何這份報告具有權威性？

在探討結論之前，我們必須先理解這篇研究在方法學上的突破，這決定了其結論的可信度。對於熟悉臨床研究的讀者而言，這篇文獻有三個值得注意的亮點：

龐大的樣本規模：納入超過 1.5 萬名受試者，使得統計檢定力（Statistical Power）大幅提升，能更精確地偵測出不同運動模式間的微小差異 [1]。
時間分層分析（Time-stratified Analysis）：過去的統合分析常忽略介入時間的長短，將所有數據混為一談。本研究首創將療效區分為短期（4 週）、中期（12 週）與長期（24 週），這讓研究者能動態觀察運動介入後的生理適應過程。
嚴謹的證據等級評估：研究團隊採用了最新的 RoB 2 工具進行偏誤風險評估，並引入 GRADE 框架將證據確定性（Certainty of Evidence）分級。這意味著，文中所提出的每一項結論，都經過了嚴格的證據品質審查 [1]。

數據揭密：有氧運動為何是止痛首選？

本研究利用「累積排名曲線下面積」（SUCRA）對各類運動進行排序。數據顯示，有氧運動（Aerobic exercise）在疼痛緩解、功能改善與生活品質提升等多項指標中，始終佔據首位（平均 SUCRA 值 0.72）[1]。這項發現提供了強而有力的量化證據，支持有氧運動作為第一線干預措施。

1. 止痛效果的量化數據

根據分析結果，與未運動的對照組相比，有氧運動在中期（12 週）展現了顯著的止痛效果，其標準化平均差（Standardised Mean Difference, SMD）達到了 -1.19 (95% CI -1.59 to -0.79) [1]。
從統計學角度解讀，SMD 超過 0.8 即視為「大幅改善」（Large effect）。數據表明，規律進行快走、單車或游泳等有氧運動，其降低疼痛的效果在統計上具有高度顯著性（P < 0.05），且信賴區間（CI）並未跨越無效值。

2. 功能改善與生活品質

身體功能：在中期追蹤時，有氧運動對身體功能的改善幅度極大（SMD 1.78, 95% CI 1.05 to 2.51），證據等級為中等 [1]。這反映在患者行走距離增加、上下樓梯能力改善等客觀指標上。
生活品質：在短期（4 週）內，有氧運動即顯著提升了患者的生活品質（SMD 1.53, 95% CI 0.47 to 2.59）[1]。

這些數據支持了生理學上的解釋：有氧運動能促進全身血液循環，加速發炎物質代謝，並可能透過釋放內源性腦內啡（Endorphins）達到中樞止痛的效果。

各司其職：身心運動與神經肌肉訓練的特定優勢

儘管有氧運動整體表現最優，但研究數據也顯示，其他運動模式在特定臨床指標上具有獨特優勢。這提示了未來的運動處方應走向「精準化」。

1. 身心運動（Mind-body exercise）：短期功能的突破口

包含太極（Tai Chi）、瑜伽（Yoga）與皮拉提斯。研究指出，這類運動在短期（4 週）內對於改善身體功能具有顯著效果（SMD 0.88, 95% CI 0.03 to 1.73）[1]。對於因疼痛導致活動恐懼（Kinesiophobia）的族群，身心運動或許是一個良好的介入起點。

2. 神經肌肉訓練（Neuromotor exercise）：步態控制的關鍵

針對本體感覺與平衡控制的訓練。數據顯示，此類運動在短期內對「步態表現」（Gait performance）的改善效果最佳（SMD 1.04, 95% CI 0.51 to 1.57）[1]。這意味著對於主訴行走不穩、有跌倒風險的患者，神經肌肉訓練在改善步態參數上的效益可能優於單純的有氧運動。

3. 肌力訓練（Strengthening exercise）：基礎但非萬能

值得注意的是，雖然肌力訓練常被視為膝關節炎的標準治療，但在本研究的「止痛」數據上（SMD -0.21），其效果並未達到統計顯著差異 [1]。然而，在中期功能的維持上（SMD 0.86），肌力訓練仍扮演重要角色。這份報告並非否定肌力訓練，而是釐清了其定位：它應作為穩定關節的基礎，但若目標是「最大化止痛」，有氧運動或許更具優勢。

長期的挑戰：從數據看「依從性」的關鍵角色

這項研究最值得深思的發現在於「長期療效」（24 週）的數據變化。研究設定了較為嚴格的「最小臨床重要差異」（Minimal Important Difference, MID = 0.5）作為判讀標準。

療效遞減現象：在 24 週的追蹤點，多數運動模式的改善幅度縮小，未能達到 MID 0.5 的標準 [1]。這從研究角度反映了一個臨床現實問題——依從性（Adherence）。隨著介入時間拉長，受試者的遵囑性往往下降，導致療效無法維持。
潛在的長期策略：若將臨床標準放寬至 MID 0.2，則柔軟度訓練（Flexibility exercise）在長期疼痛控制上（SMD -0.99），以及混合運動（Mixed exercise）在長期功能改善上，仍顯示出臨床價值 [1]。

這一發現對未來的研究設計提出了重要啟示：運動干預的設計不應僅關注「強度」，更應考量「可持續性」。混合不同類型的運動（如結合有氧與伸展），可能更有助於患者長期維持運動習慣。

安全性分析：風險比數據打破運動恐懼

許多患者對於運動抱持疑慮，擔心加重關節磨損。本研究詳細分析了各運動組與對照組的安全性數據，使用風險比（Risk Ratio, RR）進行比較：

有氧運動：RR 2.33 (95% CI 0.73 to 7.14)
神經肌肉訓練：RR 1.82 (95% CI 0.82 to 4.00)
肌力訓練：RR 1.37 (95% CI 0.85 to 2.27)
身心運動：RR 0.61 (95% CI 0.13 to 2.86)

解讀這些數據時需注意，雖然部分點估計值（Point Estimate）大於 1，但所有結果的 95% 信賴區間（Confidence Interval）均跨越 1 且範圍極寬（Imprecision）。這在統計學上表示：運動介入並未顯著增加不良事件的風險 [1]。這份安全性報告為運動療法提供了堅實的背書。

筆者觀點：從文獻看未來的運動處方

綜合 BMJ 2025 年這篇大規模網絡統合分析的結果，我們可以歸納出幾個具備實證基礎的觀點，供讀者與醫療專業人員參考：

有氧運動應作為核心策略：數據支持將步行、騎自行車或游泳列為膝關節炎管理的首選，因其在止痛與功能改善上的綜合效益最高。
依據功能需求選擇輔助運動：若目標是短期快速改善僵硬或步態不穩，文獻支持分別加入身心運動或神經肌肉訓練。
重視長期依從性：鑑於長期療效的遞減，未來的照護重點應從「教導運動」轉向「維持運動習慣」。對於長期管理，混合運動模式或許是較佳的策略。

這份研究不僅釐清了運動模式的優劣，更強調了實證醫學在優化治療決策中的重要性。對於膝關節炎患者而言，最危險的不是運動，而是因為恐懼而停止活動。

參考資料

[1] Yan, L., Li, D., Xing, D., Fan, Z., Du, G., Jiu, J., ... & Wang, B. (2025). Comparative efficacy and safety of exercise modalities in knee osteoarthritis: systematic review and network meta-analysis. BMJ, 391, e085242. https://doi.org/10.1136/bmj-2025-085242

島民 No.86991066的知識庫

[How To] AI 時代的 Excel 資料整理術：別再把原始資料直接餵給生成式 AI，用 Power Query、Codebook 與規格化提示打造可重複執行的自動化流程

為什麼不要直接把 Excel 資料丟給生成式 AI

更聰明的做法：把 AI 當成規格翻譯器

實戰案例：仿真去識別化的藥品許可證資料

第一步：先載入 Power Query，做好欄位屬性調整

欄位屬性調整時要注意什麼

初始 M 語法

第二步：先建立最小可用的 Codebook

第三步：怎麼把需求講給生成式 AI

可直接貼給生成式 AI 的四段式提示詞

第四步：拿到語法後，怎麼驗證結果

第五步：第一次做不好，怎麼優化流程

補規格的範例寫法

第六步：把一次性操作變成可重複使用的工作流

實際可貼上的 Power Query 範例語法

一份真正實用的 AI 協作模板

常見問題

沒有原始資料，也能請 AI 幫我寫 Power Query 嗎？

為什麼一定要先做欄位屬性調整？

這種做法和直接把 Excel 貼給 AI，差別在哪裡？

結語：不要把資料交給 AI，要把規格交給 AI

[How To] Excel Power Query ：多列資料歸戶教學

一、建立假資料：保健食品配方範例

二、整理後想得到的結果

三、先把 Excel 資料轉成表格

四、Power Query 操作步驟

步驟 1：將資料載入 Power Query

步驟 2：確認欄位格式

步驟 3：先修剪文字

步驟 4：排除空白列

步驟 5：使用「分組依據」

步驟 6：將結果載回 Excel

五、直接貼上的 M 程式碼

六、常見錯誤與注意事項

1. Power Query 讀的是表格名稱，不是工作表名稱

2. 去重複是依完全相同的文字判斷

3. 串接順序通常跟原始資料順序有關

4. 若想連大小寫也一起標準化，可以再多做一步

七、結語

[How To] Excel Power Query 教學：將一格中的多個項目拆成多列

假資料範例

我們要得到的結果

操作步驟：用 Power Query 拆成多列

第一步：先把資料轉成表格

第二步：將表格載入 Power Query

第三步：依需要篩選資料

第四步：將原料組合欄依逗號拆開

第五步：去除多餘空白

第六步：保留需要的欄位

第七步：載回 Excel

這種做法的優點

結語

[health] 每十個新癌症患者，有一個和體重過重有關——從機制到減重介入，最新研究怎麼說

目錄

哪些癌症與肥胖的觀察性關聯最為確立？

脂肪組織如何影響腫瘤的發展環境？

一、慢性發炎：從脂肪到腫瘤的橋梁

二、荷爾蒙失衡：脂聯素下降，瘦素上升

三、免疫抑制：腫瘤的遮蔽罩

四、能量供輸：脂肪組織直接「餵養」癌細胞

五、腸道菌相失調

減重多少，才可能看到差異？

GLP-1受體促效劑：165萬人資料帶來的初步訊號

一個反直覺的發現：停經前乳癌與肥胖

這份回顧的侷限，讀者應該知道

小結

參考資料

[health] 100%純果汁、果汁飲料、還是整顆水果——三者的糖尿病風險，研究這樣說

目錄

同樣是水果，為何研究結果這麼不一致？

果汁和水果，差在哪裡？

含糖果汁飲料：風險訊號出現了

100% 純果汁：沒有傷害，但也沒有保護

亞洲族群的差異：同樣的果汁，不一樣的風險？

你手上那杯，到底是哪一種？

這項研究的侷限，讀者應該知道

小結

參考資料

[health] 體重正常也可能有糖尿病？亞洲人面對的隱藏風險

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教

本著作依據創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權釋出。內容如有錯誤煩請不吝指教