美国食品强化现状：基于全国家庭扫描数据的强化食品购买识别与流行度分析

为解决美国市场驱动型食品强化对微量营养素充足性和膳食质量影响的研究数据不足问题，研究人员利用Circana消费者网络面板（CNP）扫描数据，开发了基于成分和营养素含量的双重分类方法，系统评估了17类饮料和谷物制品中维生素A、C、钙和铁的强化现状。研究发现24%饮料和73%谷物制品被强化，且强化产品的营养素浓度显著高于未强化产品。该研究为理解自愿强化食品在营养摄入中的作用提供了创新方法学框架，对制定针对性营养干预政策具有重要意义。

　　

微量营养素缺乏是影响全球健康的隐形危机，在美国，约16%孕妇和15%幼儿面临缺铁风险，而维生素A、C等营养素摄入不足现象普遍存在。尽管食品强化被证明是改善营养状况的有效手段，但市场驱动型强化实践缺乏系统性监测，导致难以评估其对不同人群的营养贡献与潜在风险。传统依赖自我报告膳食数据的研究存在品牌特异性信息缺失、产品更新滞后等局限，亟需更精准的数据分析方法。

加州大学戴维斯分校营养系（University of California Davis Department of Nutrition）的Cristina,R. Moraga Franco团队创新性地利用Circana家庭扫描数据，对62,841种产品进行强化状态鉴定。研究首先采用基于成分列表的算法（识别"铁/ferrous"等关键词并排除防腐剂用途成分），对缺乏成分数据的商品则通过营养素浓度与品类均值比对进行分类。通过五折交叉验证证实该方法灵敏度达78-100%，成功构建美国首个产品级强化食品数据库。

主要技术方法

1. 1.

   数据来源：2017年Circana消费者网络面板扫描数据，覆盖66,093户美国家庭的UPC级别购买记录

2. 2.

   分类系统：对含成分信息的50%产品采用WHO强化定义关键词筛选，剩余产品通过计算营养素含量（mg/100g）与品类均值的接近度判定

3. 3.

   验证设计：采用五折交叉验证比较营养素法与成分法的分类一致性

4. 4.

   统计分析：计算各亚类产品强化比例、营养素浓度中位数，并换算为每日需求量（%DV）和估计平均需要量（%EAR）

产品分类验证

验证显示营养素分类法在维生素C识别中灵敏度达82-96%，铁识别特异性达90-97%。对即食谷物等高频强化品类，两种方法分类一致率超过90%，证实该方法可有效扩展至无成分数据的商品。

强化食品流行特征

即食谷物强化率最高（77%），其中51%含维生素A，53%含铁；面包类72%被强化，以铁（34%）和钙（48%）为主；100%果汁中47%被强化，维生素C强化率达30%。值得注意的是，运动饮料虽仅3%强化维生素A，但单份可提供儿童EAR的164%，凸显潜在过量风险。

营养素浓度差异

强化与未强化产品营养素含量差异显著：即食谷物的维生素A中位数浓度相差636 vs 0μg/100g；铁强化面包含铁量（3.46 mg/100g）是未强化产品的1.35倍。按%EAR计算，单份强化果汁的维生素C可达成人EAR的140%，即食谷物的铁含量满足儿童全日需求。

讨论与意义

该研究首次揭示美国市场驱动型强化的"双刃剑"效应：虽然强化食品广泛覆盖主要品类，但关键营养素分布不均——钙强化在面包中仅达标准量的13.6 mg/lb，而维生素A在即食谷物中的超高浓度（636μg/100g）可能使幼儿摄入超过可耐受上限（UL）。研究方法突破传统膳食调查局限，通过扫描数据实现品牌级、实时化的强化监测，为精准营养政策提供新工具。未来需扩展至维生素D等新标签营养素，并评估强化食品与添加糖、钠的关联性，以平衡营养充足性与慢性病预防需求。论文发表于《Journal of Nursing Regulation》，其建立的分类框架可直接应用于其他国家强化食品监测体系。