数字化队列揭示可靠膳食评估所需最少天数：营养素与食物组别差异分析

本研究通过分析瑞士"Food& You"数字化队列中958名参与者使用MyFoodRepo app记录的315,000份餐食数据，采用CV（Coefficient of Variation）和ICC（Intraclass Correlation Coefficient）方法，首次系统量化了不同营养素获得可靠评估（r>0.8）所需最少记录天数（1-7天），发现周末摄入模式显著影响评估可靠性，为优化营养流行病学研究设计提供了循证依据。

　　

在现代营养流行病学研究中，准确评估日常膳食摄入如同拼凑一幅复杂的马赛克——每片数据都影响着整体健康关联研究的可靠性。然而长期以来，研究者们面临双重困境：一方面，传统膳食记录方法（如24小时回忆法）受记忆偏差困扰；另一方面，连续多日的食物称重记录虽准确却导致参与者依从性骤降。更棘手的是，人们在工作日与周末的饮食模式存在显著差异，年轻群体与高BMI（Body Mass Index）人群的摄入波动尤为明显。这种"膳食评估困境"直接影响了营养与慢性病关联研究的效力，正如Bajunaid等学者最新研究揭示：超过50%的膳食报告存在系统性低估。

为破解这一方法学难题，瑞士洛桑联邦理工学院（EPFL, école polytechnique fédérale de Lausanne）数字流行病学实验室的Rohan Singh团队开展了一项开创性研究。他们利用"Food& You"数字化队列中958名成年人通过MyFoodRepo app记录的23,335人天膳食数据（含315,000份餐食），首次系统量化了不同营养素获得可靠评估所需最少记录天数。这项发表在《European Journal of Clinical Nutrition》的研究，为优化膳食研究设计提供了精准的"时间标尺"。

研究团队采用三大关键技术方法：首先通过线性混合模型（Linear Mixed Model, LMM）分析周内摄入模式，发现周末能量摄入显著增加371 kcal（p<0.001）；其次运用变异系数法（CV）计算营养素个体内（CV_w）与个体间（CV_b）变异比，推导达到特定可靠性阈值（r=0.8-0.9）所需天数；最后采用组内相关系数（ICC）分析不同日期组合的可靠性，发现包含周末的3天组合可优化评估效率。

周内膳食模式差异

通过LMM分析揭示：酒精和碳水化合物摄入从周三开始显著上升（周末达峰值29g，p<0.001），而非酒精饮料（特别是水与咖啡）周末摄入量反降185g（p<0.001）。这种"周末效应"在年轻（≤35岁）和高BMI（≥25）群体中更为显著，如35岁以下人群周末水果摄入增加40g，而蔬菜摄入减少33g（p<0.01）。季节性分析显示，尽管冷季（11-4月）周末零食摄入增幅较小（219g vs 热季256g），但基本周内模式保持稳定。

最少记录天数评估

CV法结果显示：水、咖啡等流体（ICC>0.85）仅需1天记录；宏量营养素（碳水化合物、蛋白质等）需2-3天（r=0.8）；而微量营养素（如铁、维生素C）需3-5天。ICC分析进一步验证：碳水化合物采用周一、三、六的3天组合即可达优秀可靠性（ICC=0.9），而蛋白质需要包含周末的4天组合。值得注意的是，肉类评估中，连续4天记录的ICC即可超越0.9阈值，反映其摄入模式相对稳定。

最优日期组合策略

ICC方法2揭示关键规律：包含至少1个周末日的非连续记录显著提升可靠性。最佳3天组合普遍为"2平日+1周末"模式，如碳水化合物（周一、三、六）和维生素C（周一、二、六）。相反，连续工作日组合表现最差——酒精评估中，连续4天记录的ICC仍低于0.75阈值。

这项研究通过数字化队列大样本数据，首次建立了营养素特异性评估时长标准：3-4天非连续记录（含周末）可满足多数营养素（r>0.8）评估需求，较FAO（Food and Agriculture Organization）指南更为精准。方法论上，创新性地结合CV与ICC双验证体系，克服了传统LMM对个体变异捕捉不足的局限。实际应用中，该成果可降低30-50%的调研成本，特别对涉及微量营养素（如维生素D、B₁₂）的长期队列研究具有显著效益。未来研究可进一步验证该框架在跨文化饮食模式中的适用性，并探索AI辅助记录工具对变异度的潜在影响。