首页 > 论文范文 > 医药卫生论文 > 儿科论文 > 儿童营养论文 > 中国五地区儿童膳食模式和膳食网络

中国五地区儿童膳食模式和膳食网络

2024-03-25 58 上传者：管理员

摘要：目的了解中国儿童主要膳食模式及膳食网络，探寻不同地区饮食差异。方法利用1997—2011年“中国健康与营养调查”数据，以5824名3～17岁儿童(女童47.1%)为研究对象。地区为北部沿海综合经济区(北部沿海)、东北、华中、东部沿海综合经济区(东部沿海)、大西南综合经济区(大西南)5个地区。采用连续3天24小时膳食回顾法获得膳食资料，采用称重法进行食用油和调味品收集。通过因子分析建立膳食模式，使用秩和检验分析5个地区每种膳食模式得分差异，并利用SNK法进行两两比较；通过计算食物组间互信息(可检测非线性关联方法)构建各地区儿童膳食网络图。结果因子分析(KMO检验值为0.60,Bartlett’s球形检验P<0.01)得到5种膳食模式，累计方差贡献率为42%:模式一以小麦和其他谷物为主，并摄入较少稻米、肉类和水产类；模式二以水果、肉类、乳类、蛋类、中式小吃和速食为主；模式三以薯类、零食、糕点、饮料和速食为主；模式四以稻米、薯类、蔬菜为主；模式五以豆类、坚果、水产类为主。模式一、模式二和模式三得分差异有统计学意义(P<0.01),模式一得分较高为东北、华中和北部沿海地区，模式二得分较高为北部沿海和东部沿海地区，模式三东北地区得分高于华中和大西南地区，北部沿海和东部沿海地区在两两比较中与其他地区差异无统计学意义，模式四和模式五各地区得分差异无统计学意义。在膳食网络图中，北部沿海、华中和大西南地区的儿童表现出1个具有较大规模的主要食物网络，呈现较高的食物选择集中度。东北地区儿童展现出2个相对分散的食物网络，而东部沿海地区儿童则呈现出4个分散的食物网络，揭示了其膳食模式更为多元化。五地区膳食网络的中心节点均含有蔬菜或谷类食物，体现了中国传统膳食模式的特征。结论中国五地区儿童的膳食模式和膳食网络呈现地区差异。

关键词：
体格发育
儿童智力
膳食模式
膳食网络
饮食行为养成
加入收藏

膳食不仅影响儿童智力和体格发育，还与其成年后慢性病发生息息相关[1]。因此儿童期是饮食行为养成的重要时期，在此时期建立良好饮食习惯和树立健康饮食观念，能更好的预防营养相关疾病发生。膳食模式代表食物摄入总体，更接近真实世界人们的饮食情况[2],研究结果易于大众理解。既往膳食模式研究多使用因子分析或聚类分析等方法[3],这些方法反映食物摄入量的线性关联，而食物间可能存在的非线性关联没有被关注。SAMIERI等[4]使用基于互信息(Mutual information, MI)方法的网络科学工具模拟推断某一群体的膳食网络，该方法反应了食物摄入的线性与非线性关联，可为其他统计方法提供补充信息。我国不同地区间饮食习惯各不相同[5],精确识别各地区儿童的膳食模式并分析其营养特点，进而有针对性实施膳食指导有重要意义。本研究利用1997—2011年“中国健康与营养调查”(China Health and Nutrition Survey, CHNS)数据，使用因子分析和基于MI方法的网络科学工具探索我国北部沿海综合经济区(北部沿海)、东北、华中、东部沿海综合经济区(东部沿海)和大西南综合经济区(大西南)5个地区儿童膳食模式和膳食网络，并比较各地区间差异，为各地区儿童精准营养指导和干预提供科学依据。

1、对象与方法

1.1研究对象

“中国健康与营养调查”是于1989年开始的持续性横断面调查项目，覆盖15个省级行政区。本研究使用的数据包括北京、辽宁、黑龙江、山东、河南、湖南、湖北、江苏、上海、广西、贵州和重庆共12个省(自治区、直辖市)[6]。“中国健康与营养调查”根据赫尔辛基宣言进行，并获得中国疾病预防控制中心营养与健康所伦理审查委员会的批准。本研究以1997—2011年3～17岁儿童为研究对象。考虑到膳食结构的演变，选择其最新一次膳食数据。共计6845名3～17岁儿童在研究数据库中具备至少1次膳食数据。数据预处理阶段排除了954名受访母亲的文化程度信息不完整的儿童以及67名缺失家庭人均收入数据的儿童，最终纳入研究的样本数为5824名。

1.2研究方法

结合中国地理区域划分[7]及各省市经济情况[8]将12个省划分为5个地区：北部沿海(北京、山东),东北(辽宁、黑龙江),华中(河南、湖北、湖南),东部沿海(上海、江苏)和大西南(贵州、重庆、广西)。采用连续3天24小时膳食回顾法收集膳食数据，包括食物名称、食物摄人量和餐次等；采用家庭食物称重记录法获取食用油和调味品数据。以《中国食物成分表》[9,10,11,12]为基础，将所有食物归为17个食物组(表1),并计算人均每日各类别食物摄入量。

表1食物分组

1.3统计学分析

采用SAS 9.4和R 4.1.0进行数据分析，所有统计学检验均为双侧概率检验，检验水准α=0.05。运用因子分析将17类食物纳入模型建立膳食模式。结合特征根、碎石图和专业知识确定膳食模式数量。因子正交旋转后，因子载荷绝对值大于0.3则说明该食物摄入与膳食模式相关度高[13]。通过标准化因子得分系数计算因子得分(膳食模式得分),得分越高表示调查对象对该种膳食模式倾向度越高。使用Kruskal-Wallis H秩和检验分析5个地区各膳食模式得分差异，有差异则进一步对膳食模式得分秩次转换，利用Student-Newman-Keuls检验进行两两比较。若两地区膳食模式得分包含相同字母，表示没有差异，A为得分最高，按字母顺序，得分依次降低。膳食网络采用MI推断[14]。计算食物组MI矩阵[15],运用最大相关最小冗余算法(max-relevance and min-redundancy, mRMR)推理算法[16]推断出每个网络中每对食物变量的边缘分数，并以网络加权邻接矩阵形式返回调整后MI值，(Weights>0)为高置信度关联[4]。将归一化的矩阵数据可视化为网络图，边缘宽度与相应MI值成正比(为更好理解膳食模式，连接线权重大于0.3[17]),节点大小对应食物绝对摄入量。计算每个食物节点连接强度，度数为节点关联边权重总和，连接强度高表明该节点是网络中心枢纽。在网络层面，较高平均节点强度表明网络连通性强。

2、结果

2.1基本情况

调查对象5824人，其中北部沿海690人，东北943人，华中1907人，东部沿海666人，大西南1618人。五地区儿童年龄、居住地、母亲文化程度、家庭人均收入和日均餐次分布差异有统计学意义，性别分布差异没有统计学意义(表2)。

2.2膳食模式分析

因子分析膳食模式时，样本KMO检验值为0.60,Bartlett’s球形检验P < 0.01。共定义出5种膳食模式(总贡献率0.42),模式一以小麦和其他谷物为主，并摄入较少稻米、肉类和水产类，模式二以水果、肉类、乳类、蛋类、中式小吃和速食为主，模式三以薯类、零食、糕点、饮料和速食为主，模式四以稻米、薯类、蔬菜为主，模式五以豆类、坚果、水产类为主(表3)。

2.3五地区儿童膳食模式差异

秩和检验结果显示，五地区模式一(χ2=1302.0,P<0.01)、模式二(χ2=774.4,P<0.01)、模式三(χ2=414.5,P<0.01)得分差异有统计学意义，模式四和模式五得分差异无统计学意义。膳食模式得分：模式一中，北部沿海>东北、华中>东部沿海>大西南。模式二中，(1)北部沿海、东部沿海>东北、华中，(2)东北>大西南。模式三中，东北>华中、大西南(表4)。

2.4五地区膳食网络图

北部沿海、华中和大西南地区表现出1个具有较大规模的主要食物网络，呈现出相对集中的膳食模式；东北地区存在2个分散的子网络，东部沿海地区则为4个分散的子网络，膳食模式更多元(图1)。

北部沿海地区主要网络以稻米、小麦、蔬菜、肉类、蛋类和乳类6个节点构成环状作为网络中心；东北地区两个网络分别以蔬菜、稻米，水果为中心节点；华中和大西南地区以稻米为中心节点；水果，零食、糕点，小麦和其他谷物，蔬菜和稻米分别充当东部沿海地区4个子网络的中心节点(图2)。

北部沿海(1.89)、东北(1.65)和东部沿海(1.60)地区网络的平均连接强度相对较高，表明这些地区的网络具有较好的连通性和较强的食物相关性。华中地区(0.74)网络的平均链接强度较低，表明该地区网络的连通性较差，食物相关性较弱。

表2中国五地区3～17岁儿童基本情况[n(r/%)]

表3中国五地区3～17岁儿童膳食模式因子载荷

表4中国五地区3～17岁儿童3种膳食模式得分差异性检验[M(P25,P75)]

图1中国五地区3～17岁儿童膳食网络图

图2中国五地区3～17岁儿童膳食网络节点连接强度

3、讨论

膳食模式综合考虑了膳食总体，相较单一营养素或食物更具代表性，但多数研究集中于单一地区人群[13,18],仅能代表当地饮食。本研究分析了我国五地区3～17岁儿童膳食模式及其差异，模式一以小麦制品和其他谷物为主，薯类摄入较高，这种富含碳水化合物的饮食，是我国典型的富含碳水化合物饮食[19],东北、华中和北部沿海地区该模式得分较高，而东部沿海和大西南地区相对较低。模式二以水果、乳类、蛋类、中式小吃和速食为主，北部沿海和东部沿海地区该模式得分较高。原因可能是水果、乳类、蛋类价格普遍高于谷类和蔬菜，本研究北部沿海和东部沿海地区儿童家庭收入较高。其次，乳类营养价值高，奶制品的消费意愿与文化程度相关[20],母亲文化程度高的北部沿海和东部沿海地区儿童奶制品摄入可能高于其他地区，因此模式二得分较高。另外，本研究的中式小吃和速食多为外出就餐食物，有文献指出外出就餐频率与家庭收入和母亲文化程度正相关[21]。模式三以薯类、糕点、零食、饮料和速食为主，东北地区得分高于华中和大西南地区儿童。东北地区相对于华中、大西南地区日均餐次更多，膳食餐次与食物选择相关，餐次多的人加餐时更倾向选择零食(糖果、饮料等)[22];同时，东北地区年龄大的儿童占比多，研究发现年龄是膳食模式的影响因素[13],年龄大的儿童自主选择食物机会多，因此更有可能选择不健康的膳食模式。

本研究基于互信息的网络科学工具分析我国五地区儿童膳食网络，发现5个地区儿童膳食网络呈现地区差异。北部沿海、华中和大西南地区儿童有1个主要膳食网络，膳食模式较统一。东北地区为2个分散的子网络，东部沿海地区为4个分散的子网络，两地区的膳食模式更多样化。五地区膳食网络的主要节点均含蔬菜或谷物类，体现了我国传统膳食模式。其中，较发达地区膳食网络连接强度高，食物间依赖性强，并呈现多种形态：北部沿海地区儿童主要膳食网络以稻米、小麦、蔬菜、肉类、蛋类和乳类6个节点构成环状作为网络中心，为较平衡的饮食习惯；东北和东部沿海地区出现多个膳食网络，有以蔬菜、稻米为中心的传统膳食网络，还有以水果为中心的现代膳食网络。而华中和大西南地区处于经济发展较差的中西部地区，膳食网络仍以谷物类为中心，食物间连接度较低。本研究膳食数据来自1997—2011年，我国经济在此期间快速发展，膳食结构处于从中国传统植物来源食物为主逐渐转变为多种膳食模式并存的过渡阶段[23],这可能是五地区儿童膳食网络呈现差异的主要原因。

本研究纳入的儿童居住在农村的较多，通过因子分析发现在1997—2011年我国儿童的饮食结构中仍存在以植物性食物为主的模式四。这样的膳食模式缺乏鱼禽蛋奶等富含优质蛋白质的食物，并可能导致一些微量营养素缺乏，从而影响儿童的正常生长发育或导致贫血等营养缺乏疾病。营养不足以及其导致的相关疾病主要发生在我国经济欠发达地区，地区和城乡差异明显[24]。在本调查中，华中和大西南地区的膳食结构较单一，形成的膳食网络连接强度较低，而经济较发达的另外3个地区已经形成了强度较高的膳食网络，反应了儿童膳食结构在地区间差异较大。2011年国家启动了“农村义务教育学生营养改善计划”,后续的调查发现，改善计划有效降低了儿童生长迟缓率，中小学生的体格发育指标向好[25]。2011—2020年我国儿童缺铁性贫血的患病率也呈下降趋势[26]。

经济对膳食模式影响较大，儿童所处地区经济发展快或家庭收入高会摄入更多的动物性食物，可能存在营养过剩问题。本研究中模式三高负荷的食物如饮料和快餐等，均可能导致儿童肥胖[27]。此外，高碳水化合物的传统北方膳食模式，同样会增加超重、肥胖风险[19]。近年，我国儿童青少年的超重肥胖趋势仍呈持续增加趋势[25]。2017年，国务院印发《国民营养计划(2017—2030年)》[28],提出在2030年学生肥胖率上升趋势得到有效控制的目标。在制定营养政策时，重点应当对致肥胖的营养和食物环境进行管理，包括探索强制性的营养标签，征收高糖、高脂等不健康食品税，加强对学校午餐的管理，要求供餐的学校配备营养师，加餐应尽量营养价值高，如乳类、坚果等，避免含添加糖的食物，北方学校适当减少高碳水化合物占比，同时加强对校园及周边食物售卖快餐和零食的管理。对学生及家长开展营养教育，拥有自主选择权的小学高年级及以上学生通过营养教育后应当具备一定选择健康饮食的能力和习惯。同时，定期对学生超重、肥胖情况进行监测和反馈。

本研究局限性是膳食数据相对较早(1997—2011)且时间跨度较大，现今人们文化程度和收入都显著提高，交通便利使食物供给差异缩小，儿童膳食摄入可能产生变化，研究结果还需最新数据进行验证后再实践推广。

综上所述，我国五地区儿童的膳食模式和膳食网络呈现地区差异，后续需根据当地儿童的饮食习惯分别制定针对性强的营养促进政策。

参考文献:

[5]郭娟.中国饮食文化中的地域性研究[J].中国食品,2021 (19):59-60.

[7]韩渊丰,张加恭,张争胜.中国区域地理[M].广州:广东高等教育出版社,2008.

[8]任启龙,王利,李会.中国区域经济发展空间差异性分析[J].地理与地理信息科学,2017,33(1):110-116.

[9]王光亚.食物成分表(全国代表值)[M].北京:人民卫生出版社,1991.

[10]杨月欣,王光亚,潘兴昌.中国食物成分表2002 [M].北京:北京大学医学出版社,2002.

[11]杨月欣,何梅,潘兴昌.中国食物成分表2004 [M].北京:北京大学医学出版社,2004.

[12]杨月欣,王光亚,潘兴昌.中国食物成分表(第一册)[M].2版.北京:北京大学医学出版社,2009.

[13]李丹婷,陈梦雪,薛红妹,等.成都市7~12岁儿童膳食模式及其影响因素研究[J].现代预防医学,2018,(4):609-612.

[20]王慧,乌云花.消费者关于乳品的认知､支付意愿及行为的研究进展[J].中国乳品工业,2017,45(3):47-51.