编辑推荐：
为评估全州营养政策，需有效工具收集足够样本。研究围绕 "你餐盘里有什么" 展开，采用在线 FFQ 和人口学调查，结合多种策略防机器人及确保数据质量，成功招募 1367 人，为公共卫生营养研究提供参考。
在数字化浪潮席卷的当下，公共卫生研究领域正经历着前所未有的变革。远程数据收集，尤其是基于网络的调查方式，凭借其便捷性、低成本和跨地域招募能力，成为众多研究的首选，在新冠疫情期间更是加速普及。然而，这一趋势也带来了新的挑战：自动化调查脚本（即 “机器人”）和欺诈行为日益猖獗，严重威胁数据完整性，同时低社会经济背景人群因数字素养不足面临参与障碍。如何在保障数据真实性的同时，兼顾招募的广泛性和便利性，成为公共卫生营养研究亟待解决的难题。
为应对这一挑战，美国罗德岛大学和布朗大学的研究人员开展了 “你餐盘里有什么”（What’s On Your Plate）研究。该研究旨在评估全州补充营养援助计划（SNAP）激励项目对水果和蔬菜摄入量及饮食质量的影响，通过纵向差异研究设计，揭示营养政策与人群饮食行为的关联。研究成果发表在《Current Developments in Nutrition》，为同类研究提供了重要的方法学借鉴和实践指导。
研究采用多管齐下的技术策略，核心方法包括：
- 混合招募策略：结合短信群发（text blasts）、社区活动现场招募、传单发放等方式，其中短信群发成为最有效手段，贡献了约 60% 的参与者。
- 技术防欺诈体系：开发自定义应用程序接口（API），集成 reCAPTCHA、地理标签（geotags）、互联网协议（IP）地址监测等工具，动态识别机器人和重复数据。例如，通过亚马逊网络服务（AWS）构建自动化系统，实时分析食品频率问卷（FFQ）响应，标记异常卡路里报告（<600 kcal 或> 10,000 kcal）和过短完成时间（<10 分钟）。
- 数据质量闭环管理：建立人工复核机制，对 API 标记的异常数据（如基线时 112 例 FFQ 不合格）进行电话随访，通过 Zoom 或电话重新 administer 部分或全部问卷，确保数据合理性。
研究结果
招募成效与机器人识别
研究在 2023 年 5-9 月基线期成功招募 1367 名 SNAP 参与者，远超 1250 人的目标。其中，短信群发招募 810 人（59.2%），社区合作伙伴和研究助理现场招募分别占 15.0% 和 8.1%，传单招募占 17.6%。然而，招募过程中检测到 544 例疑似机器人，主要特征为重复 IP 地址（77.2%）、reCAPTCHA 失败（41.5%）和非目标区域地理标签（仅 28.9% 位于 CT、RI 及邻近州）。例如，一次疑似机器人攻击中，554 个机器人在 12 小时内访问筛选问卷，仅 1 人通过电话验证为真实参与者。
自动化工具的效能
自定义 API 在检测重复数据方面表现卓越，通过比对电子邮件、电话号码和 IP 地址，有效识别家庭或机构内的重复注册，同时设置人工审核例外机制，允许同一家庭不同成员使用共享联系方式时手动验证。FFQ 数据质量 API 则显著提升效率，自动标记 8% 的异常响应，减少研究助理手动审核负担，且通过动态调整阈值适应不同人群特征。
多策略协同价值
研究发现，单一工具如 reCAPTCHA 虽特异性高（真实参与者零误报），但敏感性不足（仅识别 41.5% 机器人），而结合 IP 地址监测、随机电话验证（每 10 份响应随机拨打 1 人核实身份）和地理标签分析，可构建更全面的防欺诈网络。例如，随机电话验证在高风险招募阶段（如大规模短信群发）显著提升数据可信度，尽管资源消耗较大，但能有效排除机器人。
结论与讨论
本研究证实，远程数据收集工具是实现大规模招募的关键，但需结合 “技术 + 人工” 的多层防护体系。自动化 API 和内置安全功能（如 reCAPTCHA）是基础，但定制化解决方案（如动态调整地理标签范围、家庭共享 IP 地址的例外处理）对维护数据完整性至关重要。此外，社区合作伙伴的深度参与不仅提升了低数字素养人群的参与度，还通过现场协助降低了技术障碍，增强了参与者信任。
研究同时指出，公共卫生研究需正视数字鸿沟问题：约 34.1% 真实参与者因家庭或社区共享 Wi-Fi 被误标为重复 IP，提示在低资源社区招募时需谨慎解读技术指标。未来研究应加强跨学科合作，整合计算机科学 expertise，开发更智能的机器人检测算法，同时在伦理审查和知情同意中明确数据质量检查条款，避免激励资金流向欺诈行为。
该研究为公共卫生营养领域提供了可复制的方法论模板，其核心启示在于：在机器人技术日益精进的时代，唯有通过技术创新、社区参与和动态策略调整的协同作用，才能在扩大研究覆盖范围的同时，坚守数据真实性的生命线。这对于依赖大规模人群数据的营养政策评估和干预研究具有深远意义，标志着公共卫生研究正迈向 “技术驱动、质量优先” 的新范式。
