今天介绍一篇康涅狄格大学（UConn）与哈特福特医院（Hartford）合作，于2020年2月发表在Nutrients上的一篇研究性论文。文章中基于喜好调查（包括食物项和非食物项）提出了一个新的饮食评价指标——DQI（饮食质量指标），可评估每种食物类别对心脏代谢风险的相对重要性，并用于估计饮食摄入量、评估饮食-疾病关系和预测患病风险。
今天介绍一篇康涅狄格大学（UConn）与哈特福特医院（Hartford）合作，于2020年2月发表在Nutrients上的一篇研究性论文。文章中基于喜好调查（包括食物项和非食物项）提出了一个新的饮食评价指标——DQI（饮食质量指标），可评估每种食物类别对心脏代谢风险的相对重要性，并用于估计饮食摄入量、评估饮食-疾病关系和预测患病风险。
1 背景
美国健康与营养检查调查（NHANES2005-2006至2015-2016）显示，青壮年中的前期糖尿病发病率是16％，且前期糖尿病率与腰腹肥胖、收缩压升高、非高密度脂蛋白胆固醇水平不佳和胰岛素敏感性降低有关。此外，根据NHANES2007-2012年的数据，青壮年的代谢综合征发生率为23.2％。过去的研究表明，导致代谢综合征的因素的相对重要性在不同年龄段是有差异的，往往相互关联，并且建议将心脏代谢风险评分作为评估心脏代谢健康和慢性疾病风险关系的方法。
基于人们倾向于吃自己喜欢的食物而避免吃不喜欢的食物的假设，食物喜好调查有希望作为评估饮食摄入量的工具。文中创建了三个DQI：基于《2015年饮食指南》对从概念上划分的营养组进行加权评分的概念DQI；通过经验数据分析，以CFRS作为预测目标的经验DQI；将概念法与数据法结合的混合DQI。这些DQI（尤其是混合DQI）与心脏代谢风险因素显著相关。
2 材料与方法
2.1 受试者
从Hartford医院招募了106名诊断有重度抑郁症的18-25岁、未怀孕且正在接受第二代抗精神病药治疗的患者，同时从康涅狄格大学招募了106名无自述精神疾病和/或治疗历史的志愿者作为对照。所有受试者均未诊断出糖尿病。
2.2 研究步骤
喜好调查：每个受试者都完成了喜好调查，报告他们对食物，体育锻炼和共同经历的喜恶。使用±100分对项目进行评分，其中0代表既不喜欢也不讨厌，分数绝对值越高，喜/恶程度越高。研究人员在一个多国合作项目中选择了食品和饮料项，每个概念食物组选择三项作为代表，另外还添加了具有特定感官品质（例如，酸味）的食品。
人体测量：肥胖症/肥胖倾向测量是通过多种方式获得的。在三个不同的解剖位置进行腰围和臀围测量（以cm为单位）：髂嵴，最窄的腰部以及臀部的最大突出处，并计算出腰臀比。测量身高和体重以计算体重指数（BMI）。所有测量均一式三份取均值，以确保结果的可靠性。
心脏代谢生物标志物：通过静脉穿刺获得空腹血样，以提供胰岛素，葡萄糖和脂质（即甘油三酸酯，总胆固醇，HDL，LDL）的测量值。
心脏代谢风险因素评分（CFRS）：对每个受试者的血浆（胰岛素，葡萄糖，HDL胆固醇，甘油三酸酯），肥胖倾向（BMI，腰臀比）和血压（收缩压和舒张压）测量值，首先使用正交旋转法进行了成对相关分析和探索性因素分析，然后进行主成分分析（PCA）以生成连续的CFRS。
2.3 DQI构建方法
概念DQI：将食品平均分为表1所示的概念组，其中大多数有可接受的内部可靠性。根据《2015年饮食指南》[49]中的健康状况进行加权：甜/糖饮料（-3），水果（+2），蔬菜（+3），精制碳水化合物（-1），健康脂肪/海鲜（+3），辛辣/风味（+2），低脂蛋白质（+3），高脂蛋白质（-3），咸（-2）和复杂碳水化合物（+2）。得分越高表示越健康。
经验DQI：对喜好调查中所有的食品和饮料进行了正交旋转法因子分析，取解释方差最大的前10个因素。以CFRS作为结果并以10个因素为主要预测指标进行了岭回归，通过对训练数据进行交叉验证选择调整参数λ，以最大程度地减少均方预测误差。经验DQI为10个因子的加权和，其权重等于最终的岭回归模型中每个因子的回归系数。最后，对经验DQI进行反向编码，以使较高的DQI与较低的心脏代谢风险相关联。
混合DQI：将构建经验DQI中的来自喜好调查中的所有食品和饮料替换为概念性食品和饮料营养组（蔬菜，水果，咸，高脂肪蛋白质，酒精，复合碳水化合物，甜/含糖饮料，健康脂肪/海鲜，低脂乳制品，精制碳水化合物，饱和脂肪，辛辣/风味），然后进行上述经验DQI相同操作。
2.4 统计分析
分别执行2倍和5倍交叉验证来评估每个DQI对CFRS的样本外预测能力。具体来说，对于每个DQI，在外部验证集样本上执行了两次多元回归分析，均使用CFRS作为结果，男性/女性、患者状况以及愉快和不愉快的经历作为预测因素，其中一次添加DQI作为预测因素。因此，两个模型之间解释的CFRS总方差之差（R2）代表DQI解释的附加方差，可以将其作为为该DQI的预测能力。在k倍交叉验证中行了k次此过程，并获得了每个DQI解释的CFRS的平均附加方差。
3 结果
样本为青壮年（均值±标准差；20.8±1.9岁），主要是白种人/高加索人，男性（n=80，37.7％）和女性（n=132，62.3％），超重（25.3±6.9kg/m2）的年轻人（表2）。
65%（n=139）的受试者存在至少一种异常的心脏代谢因素（图1）。与健康的学生对照组相比，重度抑郁症患者的心脏代谢异常更多（p<0.001，图1）。只有10（4.7％）名受试者符合代谢综合征的NCEP ATPIII标准。
喜好调查报告的食物类别喜好显示出良好的变异性（图2）。
三个DQI均显示出较大的差（图3）异性，且患者（灰色）的平均DQI显著低于对照组（绿色），概念DQI和混合DQI的总体分布与正态分布没有显著差异。标准化的混合DQI得分大致呈正态分布（均值=43.33，标准差=8.22，Kolmogorov-Smirnov检验的p值：0.316），对照组的平均值（44.93）明显高于患者组（41.81，p=0.006）。
根据岭回归系数的大小，每个营养组的相对重要性（从高到低）为：甜食，脂肪和精制碳水化合物，蔬菜，复合碳水化合物，辛辣/风味，酒精，低脂乳制品，水果，咸味食物和高脂蛋白质和健康脂肪。表4列出了每个营养组的相对重要性。
2倍和5倍交叉验证结果表明，混合DQI对CFRS的预测能力最高，能够解释测试数据中CFRS的5.8％–6.5％，其次是经验DQI（1.8％–2.7％）和理论DQI（1.1％–2.6％）。
4 结论
这项研究从一种新颖的食物喜好调查中构建了几个饮食质量指数（DQI），并根据血浆（胰岛素，葡萄糖，脂质）和肥胖倾向（BMI,腰臀比）值评估了一组青壮年受试者的DQI与心脏代谢危险因素评分（CRFS）的联系。其中，混合DQI在样本外部验证中显著预测了CFRS。研究结果表明对蔬菜的喜好有益于心脏代谢，而对甜食，饱和脂肪和碳水化合物的喜好则会提高其风险。在将来的研究中可以使用更大、更一般的样本来验证研究结果，并继续将这些新指标与其他已建立的饮食质量指标进行比较。
参考文献：
- Xu R, Blanchard B E, McCaffrey J M, et al. Food Liking-Based Diet Quality Indexes (DQI) Generated by Conceptual and Machine Learning Explained Variability in Cardiometabolic Risk Factors in Young Adults[J]. Nutrients, 2020, 12(4): 882.
原创文章，作者：ifyoung，如若转载，请注明出处：https://www.drugfoodai.com/ai-dqi.html
注意：本站原创指的是原创编译，并不主张对所介绍的工作的版权，如有侵权，请联系删除！
微信扫一扫 
支付宝扫一扫 相关推荐
-
预测下一场革命：食品技术对消费者接受度和满意度的影响
撰文和翻译：王雪洁 编辑：肖冉 今天介绍一篇由Nuria Recuero-Virto等人于2022年1月在线发表在British Food Journal上的文章。本文是通过收集和…
-
顶刊综述|李培武院士团队唐晓倩：生物毒素（真菌毒素、海洋毒素和细菌性食物毒素）生物传感器的发展趋势：原理、应用和前景
今天介绍一篇于2023年8月发表在Trends in Analytical Chemistry（IF=13.1）上的一篇综述性文章。该综述简要介绍了生物毒素（真菌毒素、海洋毒素和细菌性食物毒素）的流行、毒理学特征和分类。同时，总结了近年来针对生物毒素的高灵敏度生物传感器的重要技术进展并介绍了这些方法不同的传感模式。最后，基于生物传感器面临的各种挑战，为改进食品安全技术提供了重要见解。中国农科院油料所唐晓倩副研究员为第一作者，硕士研究生左家思为共同一作。中国农科院李培武院士和张奇研究员以及浙江大学平建峰教授为通讯作者。
-
【佳作速递】北京工商大学宋焕禄课题组：基于感官组学表征亳州白芷煮沸前后的关键香气活性化合物
本研究旨在通过分子感官方法研究煮沸对亳白芷风味的影响，共鉴定和分析了55种挥发性化合物（VOCs）和38种香气活性化合物。亳白芷中的关键香气活性化合物是α-gurjunene、prenol和α-copaene，芳樟醇和（E）-2-壬烯醛是亳白芷煮液中主要的关键香气活性化合物。
-
INT J PROD：影响人工智能在食品供应链中应用的关键成功因素
今天介绍一篇由英国布鲁内尔大学Manoj Dora等人于2021年8月在线发表在International Journal of Production Research上的文章。该研究旨在通过文献综述，确定人工智能在食品供应链中应用的关键成功因素。
-
机器学习技术对食品销售预测的最新进展
本文回顾了用于预测食品销售的现有机器学习方法。讨论了从事食品销售预测的数据分析师的重要设计决策，例如销售数据的时间粒度，用于预测销售的输入变量以及销售输出变量的表示形式。同时回顾了已应用于食品销售预测的机器学习算法以及评估其准确性的适当措施。
-
如何科学地挑选西洋参 / 机器学习预测西洋参生长年限
疫情反复，想买点西洋参提高下免疫力，又怕买到假货？今天这篇发表在Chinese Medicine (IF=5.4)的文章教你如何科学地剁手鉴定西洋参生长年限。这篇文章由中国食品药品检定研究院胡笑文、严华等人于2021年10月发表，通讯是魏锋和马双成研究员。这项研究基于106批西洋参样本和4种机器学习算法，建立了西洋参年限预测模型。为了进一步适应不同来源的西洋参样本，又基于相似性构建了模型的应用域，最终实现了对西洋参生长年限的准确预测。该方法为西洋参年限造假的鉴别提供了技术支持，论文也提供了完整的模型代码。
-
机器学习模型预测有机污染物的作物根系浓度因子
今天分享一篇近期由耶鲁大学医学院遗传学系的FengGao等人发表在Journal of Hazardous Materials (IF: 14.224)上的文章。
-
人工智能从科学文献和媒体报道中检测未知兴奋剂推文
今天介绍一篇由Anand K. Gavai等人于2021年在Food Control上发表的文章。文中提出了一种方法用机器学习来检测在保健品中未知的兴奋剂。从两个不同的数据来源中确定了20种新的兴奋剂，分别是用单词嵌入模型从科学文献中自动发现未知兴奋剂，以及基于文本挖掘在万维网上搜索新闻报道来收集新的兴奋剂。
-
Nutrients：eBASIS数据库中的可提取和不可提取抗氧化剂成分：人类健康和疾病研究中膳食评估的关键工具
今天介绍一篇由Jenny Plumb等人于2020年11月在线发表在Nutrients（IF=6.71）上的文章。这篇文章讨论了eBASIS数据库的更新，该数据库包括可提取和不可提取的抗氧化剂，这对于评估食物基质的抗氧化性质及其与人类健康的相关性非常重要。文章还介绍了非可提取多酚的重要性、测量食物和膳食补充剂中抗氧化活性/容量的各种方法、维护和更新食物成分数据库的重要性以及相关挑战。总体而言，文章强调了需要标准化的方法和数据库来准确评估我们饮食中的生物活性化合物及其潜在的健康益处
-
Food Control|基于改良内聚稳定同位素比值的燕窝真实性鉴别与定量
该文针对食用燕窝（EBN）中稳定同位素比值(δ13C、δ15N、δ18O、δ2H)的高离散性，建立了一种既能定性和又能定量的方法来检测掺入唾液酸、蛋清和食用胶的掺假EBN。通过建立数据处理公式来提高样品同位素比值的内聚性，利用该公式建立欧式距离方程。通过计算欧氏距离建立判别式，预测准确率在95.80% ~ 99.97%之间。此外，建立了3个方程对EBN中掺假物质的含量进行定量分析，相对标准偏差在1.34% ~ 6.31%(n = 6)之间。应用所建立的方法，测得12个实样中有2个样品分别掺入了3.9%的唾液酸和2.9%的蛋清。
