基于网络的执行功能训练程序对成人健康食物选择及果蔬价值评估影响的随机对照试验方案

为应对执行功能(EF)与健康饮食行为关联不明确的问题，研究人员开展了一项基于网络的EF训练程序(EFfect-food choices)随机对照试验。该研究通过4款针对性游戏训练响应抑制和注意力偏倚，结果显示程序可同步改善对营养密集食物(水果蔬菜)的态度与消费，并降低对营养贫乏食物的评价。这项研究为通过认知训练改善饮食质量提供了可广泛推广的数字干预方案。

　　

在当前全球肥胖问题日益严重的背景下，饮食行为调控成为公共卫生领域的重要议题。执行功能(Executive Function, EF)作为一系列自上而下的认知能力，被认为能够在意识层面调控进食行为，但其训练是否能够实质性改善人们对营养密集食物（如水果蔬菜）的估值和消费，同时改变对营养贫乏食物（如糖果和油炸零食）的态度和感知，仍然缺乏充分证据。

为解决这一科学问题，由James N Roemmich领衔的研究团队在《JMIR Research Protocols》上发表了一项创新性研究方案，旨在验证基于网络的EF训练程序"EFfect-food choices"的双重功效：一方面提升对水果蔬菜(FV)的积极态度和消费量，另一方面降低对营养贫乏食物的评价和摄入。这项研究不仅具有重要的理论价值，更为开发可广泛推广的数字健康干预措施提供了实践路径。

研究人员采用了几项关键技术方法：首先通过在线平台招募具有全国代表性的500名18-70岁美国成年人样本，采用随机对照试验设计；运用基于营养素富集指数(NRF 9.3)精心筛选的食物图像库；开发了包含Go/No-Go、Stop Signal、Dot Probe和Visual Search四款游戏的训练程序；通过自动化饮食评估工具(Automated Self-Administered 24-Hour Dietary Assessment Tool)收集饮食数据；并采用混合模型统计分析方法处理纵向数据。

研究设计

本研究采用单盲、平行、双臂随机对照试验设计，通过完全在线化的操作流程，确保试验的规范性和可重复性。参与者被随机分配到干预组（接受针对食物选择的EF训练）或对照组（接受使用花朵和鸣禽图像的假训练），训练频率为每周至少两次，持续8周时间。

EF测试与训练干预

EFfect-food choices程序包含4款专门设计的游戏：Go/No-Go训练参与者对FV图像做出反应，对营养贫乏食物图像抑制反应；Stop Signal游戏通过延迟出现的颜色边框训练响应抑制；Dot Probe游戏通过注意点出现位置的系统偏倚，训练注意力向FV转移；Visual Search则要求参与者在16个食物图像中快速识别并选择FV图像。所有游戏都采用自适应难度机制，根据参与者表现动态调整挑战水平。

图像选择

研究团队基于营养素富集指数(NRF Index)科学筛选图像素材，其中FV图像平均NRF指数得分高达169.2，而营养贫乏食物图像平均得分仅为-1.79，确保了训练刺激物的有效区分度。

对照组

对照组接受与干预组在形式上完全相同但内容完全中性的训练，使用花朵和鸣禽图像替代食物图像，有效控制了训练时间和注意力投入等非特异性效应。

治疗保真度和训练量

通过游戏化策略和提醒消息确保治疗保真度，网络平台自动记录游戏时间和频率，为分析剂量反应关系提供准确数据支持。

游戏化策略

应用游戏化理论增强参与黏性，包括徽章奖励、排行榜竞争、积极消息反馈和自适应难度调整等多种机制，显著提高了远程自主训练的依从性和持续性。

问卷调查

研究采用了多维度评估工具：三因素饮食问卷修订版(TFEQ-R18)测量认知限制、失控进食和情绪性进食；食物力量量表(Power of Food Scale)评估对食物环境奖励特性的反应性；健康行为与变化阶段问卷基于跨理论模型评估行为改变动机；感知压力量表(PSS)和特里尔慢性压力量表(TICS)量化应激水平；通过视觉模拟量表(VAS)测量饥饿感、饱腹感和食物渴望程度；采用货币选择问卷评估延迟折扣倾向。

评估结果

主要评估指标包括反应时间和正确率的改善程度，这些指标直接反映了EF功能的提升情况。所有EF测试都在标准化条件下进行，确保数据可比性和结果可靠性。

数据有效性

采用低概率筛查问题和陷阱问题相结合的方式识别无效数据，通过隔离策略确保数据分析质量，最大程度减少测量误差和参与者敷衍作答的影响。

统计分析

使用SAS、SPSS和Systat软件进行线性混合效应模型分析，检验组别和时间对EF结果的交互影响。采用意向性分析和完成者分析双重策略，确保结果稳健性和可解释性。

参与者

截至2025年6月1日，已有899人申请参与研究，其中763人符合条件，630人签署知情同意，199人完成全部研究要求，展现了良好的招募进展和参与者保持率。

研究结果

由于盲法设计，所有数据分析将在最后一名参与者完成研究后开始，预计2028年公布完整结果。

研究结论与讨论部分强调，EF与健康行为之间的关联可能是改善饮食质量的关键。鉴于多数美国人日常处于致肥胖环境，能够增强执行控制能力的干预措施具有重要公共卫生意义。EFfect-food choices程序如果被证明有效，将提供一个可广泛实施的平台，通过增加FV消费来提高饮食质量。该程序的网络化特性极大扩展了干预研究的覆盖范围，能够定期提供训练并在预期需要增强执行控制的环境暴露前进行针对性训练，这种干预模式很容易向公众推广。

该研究的创新性在于首次将EF训练同时靶向抑制控制和注意力偏倚，作为增加FV估值和消费的干预工具。与传统提供FV的干预不同，这种针对决策过程的训练可能产生更持久的效果，因为它增强了内在动机和自我调节能力，从而形成更持久的健康习惯。

然而，研究也存在一定局限性：完全在线实施虽然提高了可及性，但也增加了确保依从性的挑战；设备、操作系统和浏览器的差异可能引入测量变异；自我报告饮食数据的准确性固有局限；以及体重控制药物使用未作为排除标准等。研究人员通过多种方法学策略尽可能缓解这些限制，包括设备类型记录、数据质量控制和多维度评估。

这项研究为通过认知训练改善饮食行为提供了重要方法论创新，其成果可能对公共健康产生深远影响，特别是在帮助个体在食物丰富环境中做出更健康选择方面。该平台的可调整性还允许针对不同人群定制干预内容，例如针对新鲜农产品获取有限的人群使用当地可得FV图像，从而解决健康差异问题。