饮食质量是与健康相关的关键可改变因素，包括心脏代谢并发症的风险。而不是评估单个食物的摄入量，更有意义的是检查整体的饮食模式。本研究调查了常见饮食指标的依从性及其与疾病风险的血清/代谢参数的关系。

　　通过有效的食物频率问卷(174项)评估一般成年人(n=1404, 25-79岁)的膳食摄入量。使用法国ANSES-Ciqual食品成分数据库计算营养素摄入量。计算7项指标来调查参与者的饮食质量:替代健康饮食指数(AHEI)、饮食方法停止高血压评分(DASH-S)、地中海饮食评分(MDS)、国际饮食质量指数(DQI-I)、饮食炎症指数(DII)、饮食抗氧化指数(DAI)和自然营养丰富评分(NNRS)。在有效性和相关性分析中使用了各种血清/代谢参数，包括炎症标志物、血糖和血脂状态。

　　根据校正混杂因素的线性回归模型，DASH-S与大多数代谢参数显著相关(14，与血压、甘油三酯、尿钠、尿酸呈负相关，与血清维生素D呈正相关)，其次是DQI-I(13，如总胆固醇、载脂蛋白a /B、尿酸和血压)和AHEI(11，如载脂蛋白a、尿酸、血清维生素D、舒张压和血管年龄)。

　　基于食物组的指标，包括DASH-S、DQI-I和AHEI，是血清/代谢参数的良好预测指标，而基于营养的指标，如DAI或NNRS，与生物标志物的相关性较小，因此不太适合反映一般人群的饮食质量。

　　饮食质量以及其他生活方式因素，如身体活动和吸烟，被认为是与几种非传染性疾病(NCDs)和健康问题的发病率相关的最关键的可改变因素，包括心血管疾病(CVD)[1]、2型糖尿病(T2D)、肥胖/超重[2,3]、某些类型的癌症[4]和非酒精性脂肪性肝病(NAFLD)[5]。其中许多非传染性疾病正在激增，例如，成人T2D的年龄标准化患病率几乎翻了一番，从1980年的4.7%上升到2014年的8.5%，尽管全球分布的异质性相当大[6]。

　　尽管人们非常重视个体饮食成分，如限制糖和盐，以及饱和脂肪的摄入或增加膳食纤维的摄入，但人们也强调，整体饮食模式是饮食健康的更好标志[7]。它可能更适合于与某些慢性疾病的风险相关，而不是单独的食物[8]。确实有研究表明，饮食质量可以作为预测各种疾病风险的独立因素[2,3,4,5]。

　　然而，最重要的是确定评估不同人群饮食整体质量的最佳方案或方法。为此目的，已经开发了几个指数来捕捉饮食的各个方面。虽然这些饮食指数部分地关注饮食的不同方面，但几乎所有这些指数都力求提供一个全面而完整的关于特定目标(如抗氧化剂的摄入量)的饮食质量的观点。与仅调查宏观微量营养素摄入量的营养调查不同，这些指数旨在检查一个人饮食的各个方面，如多样性、平衡、充足性和与健康相关的方面[9]，同时考虑某些营养素(基于营养素的指数)和/或食物(基于食物群的指数)的摄入量。例如，健康饮食指数(HEI)是一种基于食物组的指数，旨在检查个人对《2015-2020年美国人膳食指南》的总体遵守情况[10]。最近的一项研究表明，HEI-2015及其成分与炎症生物标志物有关，例如，降低循环c反应蛋白(CRP)和白细胞介素-6 (IL-6)浓度，以及白细胞(WBC)计数[11]。同样，一项探索性分析得出HEI与血清总抗氧化能力和炎症标志物(包括肿瘤坏死因子α (TFN-α)和Il-6)之间存在显著关联[12]。又如国际饮食质量指数(Diet Quality index - international, DQI-I)是一种基于营养和食物组的指数，是用来评估个人饮食整体质量的指数之一[13]。DQI-I包括四个评分亚组，检查饮食的互补方面，即多样性、适度性、充足性和整体饮食平衡(补充表1和4)[13,14]。研究表明，DQI-I与几种与心脏代谢危险因素相关的生物标志物相关，包括与血清总胆固醇、体重指数(BMI)呈负相关，与高密度脂蛋白胆固醇(HDL-c)呈正相关等[14,15,16]。

　　一些指数侧重于饮食相关疾病风险的更具体方面。例如，饮食炎症指数(Dietary Inflammatory Index, DII)主要关注饮食的促炎与抗炎特性，因为许多非传染性疾病都与慢性炎症有关，如心血管疾病[1]、糖尿病[17]、癌症[18]、NAFLD[19]和肥胖[20]。多项研究表明，DII与炎症相关的生物标志物，如TNF-α、IL-6和CRP，以及更多的间接生物标志物，如血清胰岛素水平和红细胞沉降率(ESR)呈正相关[1,17,18,19]。饮食抗氧化指数(DAI)是另一个主要关注饮食抗氧化特性的例子[21]，因为氧化应激水平升高也是许多非传染性疾病的特征。

　　尽管如此，这些指数都有其固有的优势和局限性，尽管表现出互补性，但仍不可避免地有一些重叠。例如，已发现DQI-I与Dietary Approaches to Stop Hypertension Score (DASH-S)之间存在很强的相关性[22]。此外，一项对队列研究的系统回顾和荟萃分析得出结论，DASH-S等饮食指标与健康状况相关，包括全因死亡率、心血管疾病和癌症发病率或死亡率、T2D、神经退行性疾病及相关(生物)标志物，包括炎症指标和体成分等[23]。然而，由于已发表的饮食指数数量众多，部分原因是它们的多样性很大，选择一个能够彻底分析饮食质量并与目标健康结果(如特定生物学终点)相关的指数是具有挑战性的。系统的和叙述性的综述试图确定/引入最合适和有效的指数来捕捉总的饮食模式;然而，这是不可能的，因为饮食的复杂性，它的许多食物成分和饮食习惯/模式。根据几篇综述的结论，最好的策略可能是根据研究问题选择最合适的指数，同时考虑到该指数/那些指数的优势和局限性，而不是追求“一刀切”。

　　在本研究中，我们选择了一系列常用的指数(基于营养的，基于食物组的，以及基于食物组和营养的指数)来检查居住在卢森堡的普通成年人的饮食质量与选定的疾病风险生物标志物之间的关系，参与了ORISCAV-LUX研究的第二波。这些指标是根据有效的食物频率问卷(FFQs)计算得出的，并与选定的血清和代谢参数相关。

　　完整的研究方案和方法描述已在之前发表[24,25]。简而言之，这些发现是基于第二波卢森堡心血管危险因素观察(ORISCAV-LUX 2;2016-2017年)，第二项关于卢森堡成人心血管疾病患病率及相关危险因素的全国性研究。这是ORISCAV-LUX 1研究的后续研究，该研究于2007-2008年对居住在卢森堡的18-69岁的成年人实施[25]。卢森堡25-81岁的居民共有1558人参加了第二轮ORISCAV-LUX 2。由于研究方案规定79岁以下的人可以参加，因此排除了一名81岁的参与者。此外，没有人体测量和能量摄入数据的参与者(n=7)， FFQ (n=120)，以及饮食能量摄入的极值(n=26)被排除在最终分析之外。因此，1404个人被保留下来，也就是说，他们提供了一个完整的数据集，包括营养方面。

　　调查问卷的数据包括生活方式、社会人口统计方面和自我报告的健康状况。还对临床测量和人体测量进行了评估，并安排了在私人认可实验室(卢森堡Esch-sur-Alzette Ketterthill)进行血液和尿液样本收集和分析的预约。所有参与者都被口头和书面告知了研究的目的，并同意参加调查(获得了所有参与者的书面同意)。该研究得到了国家研究伦理委员会(CNER, No. 201-505/12)和国家数据保护委员会(CNPD)的批准。

　　年龄、性别、受教育程度、工作、收入和婚姻状况的数据采用一般信息问卷收集。一名训练有素的护士进行了人体测量，包括体重、身高和腰围(WC)。体重(kg)、身高(cm)、腰围(cm)均在不穿鞋、穿着轻便服装的情况下使用数字秤进行测量。参与者的BMI被评估为体重(kg)除以身高(kg/m2)的平方。

　　这些个体在护士的监督下完成了一份经过验证的定量食物频率问卷[26]。记录了174种食物和饮料的频率和数量，以评估饮食摄入量。频率范围从“从不/很少”，“1 - 3次/月”，“1 - 2次/周”，“3 - 5次/周”，“一天一次”，“一天两次或更多”，分量大小图像用于估计宏量和微量营养素的摄入量。每日食物和营养素摄入量的计算方法是将食用频率乘以所有食物的份量，并考虑法国ANSES-Ciqual食品成分数据库(索引超过3100种食物的营养成分)中所列的宏量或微量营养素的含量[27]。利用所得结果确定选定的饲粮指标(表1)。指标的计算及评分算法详见补充文件(补充表1 - 5);不过，我们在这里简单介绍一下:

　　表1本研究调查的膳食指标，以及它们的短des。/截止值

　　替代健康饮食指数(AHEI)

　　AHEI是作为健康饮食指数(HEI)的替代品而开发的。它以可能预防慢性疾病风险的食物为基础，包括13个组成部分，涉及不同的食物组和建议[28]。AHEI-2010是一个更新版本，在预测主要慢性疾病和心血管疾病风险方面比HEI更具优势[10,29]。将所有单项得分相加，得出AHEI总分从0(最差)到75(最好)(补充表2)。

　　地中海饮食评分(MDS)

　　另一个经常应用的指标是地中海饮食评分(MDS)，它衡量对地中海饮食(MD)的依从性[30,31]。MD是与降低心血管疾病和其他相关疾病风险有关的最知名的饮食之一。使用参与者中特定人群的中位数作为临界值，将0或1点分配给9个指定项目中的每个项目。因此，这个MDS可以从0分(最小依从性)到9分(最大依从性)进行评分。

　　饮食方法停止高血压评分(DASH-S)

　　DASH- s[32]衡量人们如何坚持与降低高血压(DASH)风险相关的饮食，尽管心血管疾病和糖尿病等相关结果也已被研究[33]。该指数的主要特点是考虑了个人的钠摄入量，在西方文化中，钠摄入量通常高于建议水平。我们根据参与者的摄入排名将每个成分分为五分之一。然后，我们对各部分得分进行总结，得到总分从8到40的DASH-S(补充表3)。

　　国际饮食质量指数部分(指数)

　　基于膳食指南，DQI-I是根据粮农组织/世界卫生组织的国际建议设计和制定的[13,14]。该指数综合了饮食的不同方面，考察了不同社区的公共卫生营养[13,14]。四个主要类别(补充表4)是饮食的多样性、充足性、适度性和总体平衡——总分从0分(最差的饮食)到100分(最高的得分，优秀的饮食)。

　　膳食炎症指数(DII?)

　　DII旨在研究饮食引起的炎症[34]，包括45种食物(抗炎食物如膳食纤维和促炎食物如红肉)。DII已在多项人体研究中通过CRP、TNF-α、IL-6和其他炎症生物标志物得到验证，因此可以在一定程度上预测这些生物标志物与饮食的血清水平，并与大量非传染性疾病相关[18,34]。DII的计算基于与具有区域代表性的世界数据库相关联的膳食摄入量数据，该数据库提供了对每个参数的平均值和标准差的准确而稳健的评估[34]。然后，这些乘数成为代表个人相对于“标准全球平均值”的暴露的乘数，即z分数。这是通过从报告数量中减去“标准平均值”并将该值除以其标准差(所有45个参数的平均值和标准差均显示在补充表5中)获得的。在我们的研究中，从这45个参数中，有32个可用项目来计算DII。根据验证报告，即使只使用45个项目中的21个，也可以正确预测血清炎症生物标志物[35]。

　　饲料抗氧化指数(DAI)

　　DAI关注的是抗氧化饮食。由于西方饮食(高脂肪、精制碳水化合物饮食)经常与促氧化/抗氧化失衡有关[36]，因此促进抗氧化反应的饮食可以抵消活性氧(ROS)的影响，有助于预防或治疗氧化应激相关疾病[37,38]。值得注意的是，氧化应激与炎症之间存在密切的关系[39]。通过标准化六种主要膳食抗氧化剂的摄入量，包括维生素A、E和C，以及镁、锌和硒(参与酶促抗氧化反应的矿物质)，DAI可以预测饮食的抗氧化性能，从而预测各种疾病结局的风险，如癌症[21]、肥胖[38]和心血管疾病[37]。DAI已通过包括血浆/血清中总抗氧化能力(TAC)和丙二醛(MDA)在内的生物学指标得到验证[21]。

　　N=配方中抗氧化剂的数量;I=每种抗氧化剂分别计算，最后除以n;全局均值和SDs=从参考数据库中提取。

　　自然营养丰富评分(NNRS)

　　自然营养丰富评分(NNRS)基于营养与卡路里的比例[40]。该指数是根据准则(例如粮农组织/世卫组织联合协商报告)审查微量营养素数量的少数指数之一，其主要目的是确保微量营养素的充分摄入，以改善饮食质量。基于美国膳食参考摄入量(DRI)的每2000千卡能量摄入的14种必需关键营养素和推荐日摄取量(DVs)用于计算NNRS(表1和补充表1)。

　　一种简短形式的国际身体活动问卷(IPAQ)被用来评估身体活动[41]。IPAQ是对过去一周的身体活动进行自我报告和验证的7项测量。每个人花在一项活动上的时间乘以相应的代谢当量任务(METs)，同时考虑到过去七天内参与的频率。体力活动的连续得分，以每周met -min表示，然后通过将不同活动(步行，中等强度和剧烈强度活动)的得分相加得到。

　　禁食一夜后抽取静脉血，取尿样作为清晨中游尿样。所有血液和尿液样本都储存在卢森堡综合生物银行(IBBL)中，随后由一家商业认证公司(Ketterthill)进行分析。从血液样本中，我们获得了空腹血糖(FBG)、高敏c反应蛋白(hs-CRP)、载脂蛋白a和B、甘油三酯、总胆固醇、低密度脂蛋白胆固醇(LDL-c)、高密度脂蛋白胆固醇(HDL-c)、游离三碘甲状腺原氨酸(FT3)和游离甲状腺素(FT4)激素、促甲状腺激素(TSH)、胰岛素、糖化血红蛋白(HbA1C)、红细胞压积和血红蛋白，以及血清钠、尿酸、肌酐、镁、钾、钙、镁、铁蛋白和25(OH)维生素d。从现场尿样中，我们测量了微量白蛋白尿、肌酐和尿钠浓度。此外，利用空腹血糖和胰岛素水平，我们估计了胰岛素抵抗的稳态模型评估(HOMA-IR)。

　　SII是全身性免疫炎症相关疾病的预后指标[42]。事实上，SII评估了在炎症过程中发挥作用的三种稳态系统标志物:血小板、淋巴细胞和中性粒细胞。该指数与低级别炎症相关，其特征是CRP轻度升高[43]。与血清CRP水平升高类似，有证据表明血小板/淋巴细胞/中性粒细胞参数是反映全身性炎症反应的生物标志物[43]。

　　SII以血小板总数(P) ×中性粒细胞与淋巴细胞比值(N/L)估算[44]。

　　一位训练有素且经验丰富的护士多次测量收缩压和舒张压(收缩压和舒张压)(采用标准化方法)。测量结果的平均值作为最终变量。此外，动脉年龄被确定为给定颈-股脉波速度(PWV)的平均年龄。使用Complior?测量PWV、中央收缩压和舒张压、动脉年龄和平卧位血压。通过将颈动脉-股动脉距离除以颈动脉和股动脉之间的前向脉冲传递时间来估计PWV。

　　此外，肾小球滤过率(GFR)作为血管功能相关的测量，通过肾脏疾病饮食修正(MDRD)方法估计。MDRD使用基于六个变量的方程进行评估:年龄、性别、种族、血清肌酐、尿素和白蛋白[45]。

　　采用Q-Q正态图、Kolmogorov-Smirnov检验(KS检验)和箱形图评估数据分布的正态性和方差的齐性。对于非正态分布的数据，进行对数变换。为了第一个探索目的，计算了Spearman-rank相关系数的双变量相关分析。

　　为研究饲粮指标与血清及各代谢参数的相关性，采用SPSS软件进行线性回归建模。这包括一组混杂因素，这些混杂因素是根据生理上的合理性和文献选择的。对于模型，选取大于0.1的双侧p值作为消去均值。这一步导致通过自动(降压过程)排除那些对模型没有显著贡献的变量，从完整的一批变量中获得一个模型(饱和模型)。各自的膳食质量指标为解释自变量，而测量的代谢参数为观察的依赖结果变量。

　　摘要

　　介绍

　　材料与方法

　　结果

　　讨论

　　结论

　　数据可用性声明

　　参考文献

　　致谢

　　作者信息

　　道德声明

　　补充信息

　　搜索

　　导航

　　#####

　　参与者特征在膳食指数四分位数中的分布见表2。表2显示了社会人口统计学群体中参与者对不同指标的遵守程度。例如，老年人(> 65岁)比年轻人(≤34.99岁)更坚持AHEI或MDS(指数得分较高的四分位数)。此外，参与者的生物标志物和饮食质量指标按年龄和性别分组的分布(中位数，四分位数范围)见表3。

　　表2参与ORISCAV-LUX 2研究的参与者的特征分布，根据调查的饮食指数(n=1404名参与者)

　　表3按年龄和性别分组的受试者生物标志物和饮食质量指标中位数(四分位数范围)(n=1404)

　　所调查的膳食质量指数与各自的线性趋势线之间的Spearman相关系数(ρ (rho))如图1所示。根据Spearman相关分析，各膳食指标之间存在显著相关关系(图1)。

　　图1

　　

　　所调查的膳食质量指标与各自的线性趋势线之间的Spearman相关(ρ)。AHEI替代健康饮食指数、MDS地中海饮食评分、DASH-S饮食方法停止高血压评分、DQI-I国际饮食质量指数、DII饮食炎症指数、DAI饮食抗氧化指数、NNRS自然营养丰富评分

　　此外，所调查的膳食指标与每日营养素摄入量之间的Spearman相关性如表4所示。NNRS(34种营养素)与饲粮指标之间的显著相关最多(ρ > 0.50)，共有36种营养素，其次是DAI(33种营养素)、DII(31种营养素)、AHEI(13种营养素)、DQI-I(4种营养素)、DASH-S(2种营养素)和MDS(1种营养素)。饲粮指标与营养素相关性最强的是AHEI与总膳食纤维(ρ=0.827);可溶性膳食纤维MDS (ρ=0.524);总膳食纤维的DASH-S值(ρ=0.540);DQI-I与维生素C相关(ρ=0.633);DII与叶酸(ρ=?0.853);DAI (ρ=0.900)和NNRS (ρ=0.923)与磷的关系(表4)。此外，所调查的膳食指标与每日食物组摄入量(共14组)之间的Spearman相关性见表5。与大多数食物组显著相关(ρ > 0.50)的指标为DII(3组)、DAI(3组)和NNRS(3组)，其次为AHEI(2组)和DASH-S(2组)(表5)。与蔬菜的AHEI (ρ=0.705)、MDS (ρ=0.554)和DII (ρ=-0.649)的Spearman相关性最高;DASH-S(ρ=0.515)和水果指数(ρ=0.613);此外，富含蛋白质食物的DAI (ρ=0.683)和NNRS (ρ=0.719)(表5)。此外，富含蛋白质食物、快餐、红肉组、鱼组、脂类、含糖产品与NNRS之间存在显著相关性(p值< 0.001);谷物和淀粉类蔬菜含有DAI;含有AHEI的水果和蔬菜;含DASH-S的乳制品组和含糖饮料;含DII的无热量饮料和含DII - i的酒精饮料(表5)。

　　表4 Spearman相关(ρ)膳食指数与ORISCAV-LUX 2研究的人均每日营养摄入量之间的关系

　　表5 Spearman相关(ρ)ORISCAV-Lux 2研究中所调查的膳食指数与每日食物组摄入量之间的关系(相关性大于0.50的部分以粗体表示)

　　饮食质量指标与血清和me的关系tabolic生物标志物

　　将饮食质量指标作为连续变量进行相关性的多变量一般线性回归模型(调整了年龄、性别、出生国家、婚姻状况、教育程度、工作、收入、IPAQ评分和当前吸烟情况)显示，饮食质量指标与代谢生物标志物之间存在高度显著相关性:NNRS(β=0.077,95% CI 0.011, 0.144)和尿钠、和DASH-S(β=?2.001,95% CI?3.572,0.430?)和甘油三酯(表6)。根据表6,最多的重大协会饮食质量指标和测量之间的代谢参数被发现DASH-S(14个参数),其次是指数(n=13), AHEI (n=11), MDS (n=8),戴(n=5), NNRS (n=6)和DII的最低数量,与两个参数。当我们使用质量指标作为分类变量(即四分位数，补充表8)时，获得了类似的结果，β系数略高。

　　表6多变量线性回归一个研究了膳食质量指标(如co连续结果)，血清，和我代谢生物标志物(显著相关性用黑体表示)

　　在寻找能够解释测定的最多血清和代谢参数的2种膳食指标的组合时，与AHEI(总共与18项血清/代谢参数显著相关)、与DAI(17项)和与NNRS(17项)的组合最有希望，与DASH-S相比，DAI和NNRS都是基于营养的指标(补充表9)。

　　此外，作为连续变量和分类变量的饮食质量指标与代谢生物标志物之间的未调整多变量线性回归模型分别见补充表6和补充表7。正如预期的那样，当使用膳食指数作为四分位数时，结果与使用指数作为连续变量的分析结果相似，只是β系数增加了(补充表6和7)。

　　下载原文档：https://link.springer.com/content/pdf/10.1007/s00394-023-03095-y.pdf