不同人群的快餐摄入量和饮食相关疾病的关联

来自南加州大学、麻省理工学院和土耳其萨班基大学的研究人员与洛杉矶县公共卫生部合作，着手确定智能手机的移动性(即位置)数据是否可以提供一种方法，在大规模的不同人口和不同的物理环境中衡量人们个人体验的动态食物环境。

　　

你一天中遇到过多少家快餐店，这与你的健康有什么关系?很多，南加州大学信息科学研究所(ISI)的首席科学家阿比盖尔·霍恩(Abigail Horn)说。

霍恩领导了一个多学科团队，其中包括来自南加州大学三所学院的研究人员(维特比工程学院;多恩塞夫文理学院;和凯克医学院)，麻省理工学院和土耳其萨班基大学;并与洛杉矶县公共卫生部合作。他们着手确定智能手机的移动性(即位置)数据是否可以提供一种方法，在大规模的不同人口和不同的物理环境中衡量人们个人体验的动态食物环境。

霍恩解释说:“问题是:我们能否利用流动性数据来衡量人们去食品店的次数?因为这很好地代表了你在那家店吃的食物。然后，我们能否更进一步，看看在流动性数据中观察到的对食品销售点的访问是否能预测人们的饮食疾病发病率?”

位置，位置，位置

“众所周知，自然环境会影响人们的饮食决定，从而影响他们与饮食相关的健康结果，但我们不知道的是，这在多大程度上是正确的，”霍恩说，他是南加州大学维特比工程学院丹尼尔·j·爱泼斯坦工业和系统工程系的研究助理教授。

物质食物环境是人们获取食物的实际空间。“他们附近的食品店，或者他们工作场所周围的食品店，或者他们日常必经的任何地方。比如杂货店、餐馆或街角市场。”

这些环境已被证明会以多种方式影响人们的饮食，从而影响健康结果，包括与饮食有关的疾病。首先，霍恩说，“当人们很少接触健康食品时，出于方便或需要，这可能会导致不健康的选择。”第二，“人们会受到食物环境的影响。所以，例如，如果你一天中一次又一次地看到快餐店，这可能会提示或触发某些行为”(即吃更多的快餐)。

有很多研究关注人们的家庭和邻里食物环境，并将其与食物选择和饮食相关疾病联系起来。但调查结果好坏参半，就像关注家庭邻里食物环境的公共卫生倡议的结果一样。

霍恩解释说:“在过去十年左右的时间里，超过10亿美元被投入到家庭食品环境的公共卫生干预中。这可能意味着在食物沙漠(获得营养食物有限的家庭社区)建立一家杂货店，或者在该社区的街角商店储备新鲜水果和蔬菜。”但是，她继续说，“在增加人们购买健康食品或健康结果方面没有可衡量的影响。这是怎么回事?”

Kayla de la Haye是研究小组的成员之一，她可以帮助回答这个问题。德拉海耶是南加州大学多恩西夫经济研究中心食品系统公平研究所所长，拥有公共卫生、营养和心理学背景。“我在这项研究中的一个角色是提供专业知识，研究人们如何决定吃什么，以及食物环境的后果，这些环境使人们充斥着不健康的选择，并使他们面临许多与饮食相关的疾病，如肥胖和糖尿病。”

放眼社区市场之外

德拉海伊与洛杉矶各地的家庭合作——从兰开斯特到洛杉矶东区——帮助他们制定策略，避免不健康的食物，养成更健康的饮食习惯。她说:“所以我把洛杉矶人在健康饮食方面所面临的挑战的真实知识带到我们的研究项目中。”

该团队从他们自己的经验，以及他们参与健康饮食项目的家庭的经验中了解到，人们不仅仅是在自己的家附近吃饭。但他们需要数据在人口规模上证明这一点。霍恩说:“我们认为，缺乏显示人们实际去吃饭的所有地方以及他们在哪里花费最多时间的数据，这可能解释了为什么我们没有看到家庭附近的食物环境与人们的饮食和健康结果之间的联系。”

所以他们转向智能手机获取数据。

对于我们大多数人来说，我们的智能手机总是在跟踪我们的位置，我们可能会与几个应用程序共享这些数据。位置数据公司收集这些数据——称为“移动数据”——并将其出售用于广告。但越来越多地，它被用于研究，比如Spectus。ai通过他们的社会影响计划，通过该计划获得本研究的数据。

埃斯特班·莫罗(Esteban Moro)领导的麻省理工学院团队将帮助获取和分析这些数据。麻省理工学院连接科学的研究科学家莫罗说:“我们的团队在分析和使用交通数据来解决种族隔离、交通、城市规划和商业活动等问题方面有着丰富的经验。我们是分析人类行为的大型数据集并将其转化为解决城市问题的深刻工具的专家。因此，我们在这项研究中的主要作用是提供和分析有关食品消费的人口流动数据。”

汇集所有数据

研究人员使用洛杉矶县的人口普查数据来表示他们的家庭社区，并使用大的移动数据来跟踪他们的日常轨迹，研究人员可以看到所有的接近度——“暴露”——人们在一天中不得不去食品店。

研究小组专门研究了快餐店，因为人们经常吃快餐，而且与疾病风险密切相关。利用“兴趣点”数据，他们确定了洛杉矶县的快餐店。为了解开健康之谜，他们查阅了洛杉矶县卫生局的调查数据。

洛杉矶县卫生局每三年对洛杉矶人口进行一次健康调查。我们与他们建立了合作关系，他们能够与我们分享匿名的个人数据，包括社会人口统计、肥胖率、糖尿病率，以及非常重要的，洛杉矶人口代表性样本的快餐摄入频率。”

通过分析数据，研究人员证实，当涉及到你患与饮食有关的疾病的风险时，你的家庭社区很重要，但你的通勤，你处理日常事务的路径，你如何在一天中从A点到B点，一直到Z点，以及这些点是什么。

结果呢?

“我们知道快餐店光顾和快餐摄入量之间存在关系，快餐摄入量和饮食相关疾病之间也存在关系，但是现在，这个数据源在捕捉这一点方面做得很好!”霍恩说。

莫罗解释说:“最令人惊讶的结果是，移动数据就像一个‘诚实的信号’，也就是说，在控制了其他已知风险的情况下，去快餐店的次数比他们自己报告的快餐摄入量更能预测个人的肥胖和糖尿病。”

De la Haye强调说:“这项工作表明，大规模的流动性数据实际上是一个有价值的指标，可以反映人们在哪里吃什么，以及他们患饮食相关疾病的风险。”

为什么这一点如此重要?

De la Haye解释说:“衡量人们吃什么真的很困难。事实上，许多大型公共卫生调查和监测工具已经停止询问人们的食物摄入量，因为数据往往不可靠(部分原因是人们经常忘记他们吃了什么，也因为他们不总是想告诉研究人员他们不健康的食物选择)。所以，这为我们提供了一种新的工具来追踪大量人口的饮食模式，比如吃快餐，比如城市、县或整个国家的居民。”

接下来是什么?

“作为一名研究人员，让我感到兴奋的是，”霍恩说，“这为食品环境的各种调查提供了流动性数据。比如:人们在一天的不同时间去哪里买食物?这些人是谁?他们什么时候最容易受到可用(或不可)选项的影响?我们可以用大量的流动性数据来研究这个问题，因为它使我们能够从更大的、新的维度来观察饮食行为:在整个人口规模上，在不同的人口群体中，在不同的环境环境中，在很长一段时间内。”

De la Haye强调了这一点的重要性，“关于人口饮食模式的数据是制定公共卫生计划和政策所需的强大工具，并最终降低美国疾病和死亡的主要原因之一:不健康的饮食。”