快捷搜索:  ???  as  创意文化园  空调  test  ???????  ?????  ??????

usdt支付平台(www.caibao.it):营养学建议若何才气更可靠?小心这些不确定性

USDT自动充值接口

菜宝钱包(caibao.it)是使用TRC-20协议的Usdt第三方支付平台,Usdt收款平台、Usdt自动充提平台、usdt跑分平台。免费提供入金通道、Usdt钱包支付接口、Usdt自动充值接口、Usdt无需实名寄售回收。菜宝Usdt钱包一键生成Usdt钱包、一键调用API接口、一键无实名出售Usdt。

原题目:营养学建议若何才气更可靠?小心这些不确定性

编者按:

我们天天都市听到种种康健理论,可能今天听到是支持的结论,明天却变成了否决的声音。为什么营养学的结论总是在转变?营养学研究若何才气加倍准确可靠呢?

今天,我们配合关注营养学研究中的不确定性,稀奇翻译揭晓在 Nature Food 杂志上关于营养学研究的文章。希望本文能够为相关的产业人士和诸位读者带来一些启发和辅助。

对于许多重大的社会挑战,决议者们行使大量证据来为决议提供依据。一些情况下,可靠的证据能推断因果关系;在其他情况下,证据可能直接证实因果关系。然则这两种方式都存在不确定性。

对给定的某一门科学,好比气候学、核物理学、天文学或经济学中的不确定性举行研究,并不代表该特定科学对决议者们有更多或更少的价值。然则,领会不确定性会辅助决议者们更深入地思索用于制订决议的数据的真实价值[1,2]。

鉴于营养科学对全球粮食和卫生政策的主要性,本文探讨了人类营养学研究中存在的一些不确定性,以供相关人士的参考。

能量摄入

饮食考察数据是存有缺陷的。大多数受试者低报了他们的逐日能量摄入(即低于现实摄入值),这可能与体重、岁数、种族和社会经济状况等多种因素有关,而这种影响足够显著,会使效果发生伟大误差。

现在使用最普遍的评估能量摄入低报值的方式是行使公式来展望基础代谢率。这些公式是凭据岁数、身高、体重、性别与静息能量消耗的直接丈量数据得出的。然后使用一个因子(factor)来盘算身体流动的能量值。若是能量摄入值低于该方式得出的能量消耗值,则被以为是不合理的。

然而,研究注释只有少量接纳上述方式的研究能够使误差最小化,因此在研究中对能量摄入低报值使用这种临界值一直备受争议[3]。

另一种加倍正确但也更昂贵的方式是使用双符号水来丈量短期能量消耗值。

用于检测能量摄入低报值的所有方式均显示出受试者存在一定水平低报,从 -20%到 -40%不等。在 24 小时饮食回首法中(用于美国国家饮食考察),这种低报能量摄入的影响是很大的,约莫几百千焦。而在其他大行列研究使用的食物频率考察问卷法中(用于制订营养政策),这种能量摄入低报的影响就更大了。

对与能量低报密切相关的因素(体重、肥胖、岁数、吸烟、性别和社会经济状况)的数据举行统计校正,可以在一定水平上削减能量低报的混杂效应。

此外,行使一些新方式,好比将食物频率考察问卷和多个 24 小时饮食回首法相连系,来网络原始摄食数据,能削减此种误差,然则这种方式很少被纳入研究方案[4,5]。

在使用饮食数据来制订政策的其他领域,如饮食化学露出领域,已经乐成通过数值试验,确定了人类露出于食源性化学品的差别模子的优缺点。而且这些方式可能对使用数据库做营养学研究具有一定的价值[6]。

一些营养学家以为,能量摄入低报使能量摄入数据存在基本瑕疵,因此应该彻底住手这类数据的使用[7]。

只管自我讲述数据总会伴随着系统误差,然则不可否认的是,无论对错与否,这些数据都在吸烟、饮酒、身体流动、性习惯等公共康健领域起到主要作用。鉴于现在监测人群营养状况的迫切需求,不再从受试者身上网络饮食数据是不太可能的[8]。

因此,迫切需要研究者们在他们的研究中提供一些定量评估的方式,来权衡能量低报对康健效果的潜在影响。而且,还需要不停追求能够改善丈量误差的校正方式[9,10]。

在这一领域,我们应该认可,依赖自我讲述的饮食数据是有局限性的。相反,我们应该配合追求能够战胜这种局限性的定性评估方式,固然最好是尽可能消除这种局限性。这就要求差别领域中的高水平机构举行互助,好比行使新型数字化手艺、代谢组学中单一和多种生物标志物,以及团结使用多种差别自我讲述饮食评估工具来举行研究。

代谢组学和生物标志物

鉴于自我讲述的摄食量并不可靠,已经有越来越多人使用生物标志物来评估个体中特定营养物质的营养状况[11]。例如,用红细胞叶酸评估叶酸、用红细胞胆固醇酯二十碳五烯酸评估这种脂肪酸,以及用血清铁蛋白评估铁的状态。

然而,只管这些生物标志物能用作历久营养摄入的标志物,以区分差别营养状况的受试者,然则他们不能完全量化摄入量。代谢组学剖析最近被用于确定食物和营养摄入量[12]。然而,就食物而言,住手摄入目的食物后,尿液中对应的代谢物会很快消逝,因此,源于特定食物的尿液代谢物取决于该食物的近期摄入量。

现在,那些无法发生怪异尿液代谢物的营养物质,是很难用代谢组学剖析权衡其摄入量的。好比脂肪和碳水化合物,其代谢终产物会随呼吸排挤。虽然呼吸熵能告诉我们脂肪与碳水化合物被氧化的比率,然则它不能告诉我们摄入量的若干。

此外,若是脂肪的摄入量过低,可以行使体内储存的脂肪组织举行脂肪氧化。鉴于人类 85%的能量摄入来自于脂肪和碳水化合物,用代谢组学剖析来盘算能量摄入是十分困难的。不外代谢组学剖析可被用于识别代谢类型,或者基于已确立的饮食模式分类,行使代谢组对代谢图谱举行聚类剖析。

最近,一次美国国家卫生研究院(National Institutes of Health)研讨会指出,几个使用代谢组学数据作为生物标志物的领域急需提高。其中一个要求是“举行更大规模的控制性饮食研究,在差别人群中测试差别的食物和饮食习惯,以判定通用的候选生物标志物[13]。”假如要开发判定营养物质摄入的生物标志物,这一领域应当被优先思量。

饮食模式

营养学解构了饮食而且提供了单一食物摄入数据。有人以为,这是异常需要的,由于食物身分表仅在单一食物水平应用,无法与饮食模式发生关联。要想在营养物质摄入和某一给定疾病或身体状况间确立联系,好比叶酸和神经管缺陷症,需要先检查目的营养物质的食物泉源。

最终,营养学建议将集中在食物水平上,而不是营养物质水平。

饮食模式也很少在饮食水平开展研究,然而饮食水平的研究有助于我们明白食物之间的联系。比方说,若是发现乳制品摄入量与心血管疾病之间存在关联,也可能会发现乳制品摄入量较高与其他食物摄入量较低存在关联。

有少量研究已经研究了食物与食物之间的关联,他们注释,在确立以食物为基础的膳食指南时,简直不能忽视这种关联性。一项研究指出,咸味零食与软饮摄入量密切相关,白面包与黄油摄入量密切相关。与之相反,水果和蔬菜摄入量相关性很弱[14]。

若是没有这些数据,就很难证实单一食物或是某一类食物对任何康健效果有怪异影响。网络饮食摄入模式的数据并确立代表差别饮食习惯的模式是有可能的。若是上述数据能与代谢组学剖析连系,饮食及相关代谢组学剖析研究进展将成为人类营养流行病学研究的一个主要元素。

一份美国国家科学院(US National Academies of Science)和工程与医学科学院(Engineering and Medicine)团结公报指出,一个能更普遍、更详细地注释可变性和不确定性的随机系统模子,将会是更可取的,由于做出尽可能透明、适用和稳健的膳食建议,才气提高对涉及食物身分和食用可变性的庞大系统的注释力度[15]。

在图 1 中,我们列出了一个整合了基于饮食模式和代谢组学剖析去知足个性化营养需求的设想。

图. 该互助项目首先将由多个研究中心通过电话或互联网等方式对饮食模式举行考察,并在餐厅等地网络数据。对数据举行深度挖掘,以识别最常见的基于食物的饮食模式。为每个饮食模式设计一个时长 10 天的菜单,以开展住民膳食干预研究。在多个国际机构的支持下,受试者轮流接受部门或所有的饮食干预,并采集血样和尿液举行代谢组剖析。然后确立代谢组的数据库,其中,不明饮食模式的个体的样本被分配为特殊的饮食模式。最终得出营养建议,建议可以是通用的,也可以是个性化的。

拥抱露出组学

与所有的撒播病学相似,营养撒播病学,也主要依赖于使用统计模子来校正数据,清扫滋扰因素的影响。滋扰因素包罗岁数、性别、BMI、吸烟和酗酒习惯、未知病因的疾病家族史、身体流动和社会经济状况,然而,这些滋扰变量可能不能完全涵盖考察中两组中存在的所有真实差异。

一项关于心肌梗塞后服用鱼油的研究中,大量的受试者采访显示了几种通常不会在这种统计校正中思量的滋扰因素[16]。

相比于那些没有服用鱼油的人,在心肌梗塞后服用鱼油的往往是白种人、已婚、经济状况良好、有康健保险且接受较好高等教育的人士,而且这些人更有可能会介入心脏康复训练,然则很少有酗酒史。

在鱼油和心脏病研究领域,通常不会把这些潜在的滋扰因素差异思量到数据的统计校正中,因此需要激励更多研究来审阅营养流行病学中滋扰因素的问题[17,18]。

这就引发了一个问题:在营养流行病学中若何周全涵盖滋扰因素?最近,研究者们越来越关注这一领域中的露出组数据。正如基因组绘制了个体的所有基因数据,露出组理论上涵盖了个体露出在环境中所有可能的环境因素。

,

Usdt第三方支付接口

菜宝钱包(caibao.it)是使用TRC-20协议的Usdt第三方支付平台,Usdt收款平台、Usdt自动充提平台、usdt跑分平台。免费提供入金通道、Usdt钱包支付接口、Usdt自动充值接口、Usdt无需实名寄售回收。菜宝Usdt钱包一键生成Usdt钱包、一键调用API接口、一键无实名出售Usdt。

,

在美国,营养流行病学专家会定期使用来自国家卫生和营养评估考察(National Health and Nutritional Evaluation Survey,NHANES)的数据。只不外,许多学者只使用一些尺度滋扰因素,好比吸烟和身体流动。NHANES 有大量关于环境露出组的数据,然则在营养流行病学靠山下它们却被忽视了。

最近一项探讨了 NHANES 在 1999~2000、2001~2002、2003~2004 和 2005~2006 这四个时期考察的研究,剖析了每个时期的营养物露出、污染物露出和病原体露出的关联[19]。在这四个时期中,共发现了 81937 种关联。至少在四个时期中重复两次的有 2656 种关联,而且该研究还构建了露出组生态圈。

这些相关系数的中位数是 0.5(四分位间距为 0.39~0.64),这显示出营养物质、污染物和病原体的单一露出之间以及这些露出和 2 型糖尿病的相关水平均异常可观。

这些研究强调,在营养流行病学中,我们需要更周全地寻找潜在的滋扰因素[20]。要想充实纪录露出组,需要一个人从出生以来的数据和家族史数据。这将是一个远比人类基因组更麋集、更庞大的数据库。虽然现在还无法实现,然则必须现在就最先周全考察差别撒播病学群体中受试者所履历的历史事件

无论营养流行病学中使用的露出组学综合性若何,因果性和效果仍然是棘手的问题。

关联性和因果关系

现代流行病学生长伊始,为评估流行病学研究确定因果性的效力,奥斯汀·布拉德福德·希尔(Sir Austin Bradford Hill)界说了九大准则:相关性的强弱、一致性、特异性、时间序列、剂量-效应关系、合理性、条理性、实验证据和类比性。

而在营养流行病学中,其中五个布拉德福德希尔准则应该被重点关注,分别是:一致性、相关性强弱、剂量-效应关系、合理性和时间序列。

然而在饮食和疾病研究中,很少有能够同时知足五个准则或是一个都不知足的研究泛起,在一篇论文中,作者示意:“我们以为,只管传统的因果尺度有所不足,但其对于制订公共卫生建议仍然具有主要意义。只管如此,我们也以为在绝大多数情况下,不可能仅凭这些尺度就为公共卫生决议制订一套单一的规则[21]。”

越来越多学者使用荟萃剖析来评估研究效果的一致性,然则荟萃剖析虽然能削减抽样误差,却会累积误差值[22]。例如,人们普遍以为维生素 D 的循环水平和肥胖之间相关。虽然一项对考察数据的荟萃剖析效果显示,肥胖与循环维生素 D 含量水平低相关,然则另一项使用孟德尔随机化研究显示,两者并无相关性[23,24]。

回首了 298 篇学术论文后,一篇揭晓在一流医学期刊的综述注释,大部门(58%)论文使用他们报道的考察性数据制订临床建议。

通常情况下,荟萃剖析被以为是对给定主题的决定性评估历程,是通过纯粹的科学探讨,形成风险治理的结论,是一个纯粹的制订政策的历程。

网络人类营养学的科学数据就是风险评估的一种形式。现实上,使用这种数据来制订政策也是一种风险治理。通常,在政策建议遵照科学数据的营养学中,这犹如孪生般的两个历程是混在一起的。

因此,在人类营养学领域,卖力风险治理中一方的科学工作者们,有责任确保另一方职员——即制订政策的风险治理者们已经充实评估了摆在他们眼前的数据的优缺点。

因此决议者们需要在制订公共卫生营养政策的决议中借鉴已经确立好的框架[25]。从营养学到气候转变,在许多科学领域中,我们必须接受不完美的数据。然则,对这种缺陷以及对政策和立法的影响保持苏醒,而且能不加掩饰地说明局限性是十分需要的。

参考文献:

1.Allison, D. B., Pavela, G. & Oransky, I. Am. Sci. 106, 84–87 (2018).

2.Reproducibility and Replicability in Science (National Academies of Sciences, Engineering and Medicine, 2019).

3.Ejima, K. et al. Am. J. Clin. Nutr. 110, 1231–1239 (2019).

4.Freedman, L. S. et al. Am. J. Epidemiol. 187, 2227–2232 (2018).

5.Banna, J. C., McCrory, M. A., Fialkowski, M. K. & Boushey, C. Front. Nutr. 4, 45 (2017).

6.Gilsenan, M. B., Thompson, R. L., Lambe, J. & Gibney, M. J. Food Addit. Contam. 20, 61–72 (2003).

7.Dhurandhar, N. V. et al. Int. J. Obes. 39, 1109–1113 (2015).

8.Subar, A. F. et al. J. Nutr. 145, 2639–2645 (2015).

9.Murillo, A. L. et al. Obesity 27, 489–495 (2019).

10.Keogh, R. H. & White, I. R. Stat. Med. 33, 2137–2155 (2014).

11.Prentice, R. L. Am. J. Clin. Nutr. 108, 433–434 (2018).

12.Guasch-Ferré, M., Bhupathiraju, S. N. & Hu, F. B. Clin. Chem. 64, 82–98 (2018).

13.Maruvada, P. et al. Adv. Nutr. 11, 200–215 (2019).

14.Kearney, J. M., Hulshof, K. F. & Gibney, M. J. Public Health Nutr. 4, 693–698 (2001).

15.Redesigning the Process for Establishing the Dietary Guidelines for Americans (National Academies of Sciences, Engineering and Medicine, 2017).

16.Harris, W. S. et al. Nutr. Res. 36, 65–71 (2016).

17.Steegen, S. et al. Perspec. Psychol. Sci. 11, 702–712 (2016).

18.Shaw, P. A. et al. Stat. Med. 35, 3883–3888 (2016).

19.Patel, C. J. & Manrai, A. K. Pac. Symp. Biocomput. 20, 231–242 (2015).

20.Barabási, A.-L., Menichetti, G. & Loscalzo, J. Nat. Food 1, 33–37 (2020).

21.Potischman, N. & Weed, D. L. Am. J. Clin. Nutr. 69, 1309–1314 (1999).

22.Vinay, P. et al. Rev. J. Clin. Epidemiol. 66, 361–366 (2013).

23.Yao, Y. et al. Int. J. Clin. Exp. Med. 8, 14977–14984 (2015).

24.Manousaki, D. et al. Circ. Cardiovasc. Genet. 9, 349–356 (2016).

25.Moberg, J. et al. Health Res. Policy Syst. 16, 45 (2018).

原文链接:http://www.nature.com/articles/s43016-020-0073-2

作者|Mike Gibney, David Allison, Dennis Bier & Johanna Dwyer

发表评论
sunbet声明:该文看法仅代表作者自己,与本平台无关。请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片

您可能还会对下面的文章感兴趣: