教育程度与原住民身份及种族/族裔的交叉性对加拿大成年人膳食质量的预测作用：基于条件随机森林的分析

本研究针对社会经济地位（SEP）多维度交叉如何共同影响膳食质量的问题，通过条件随机森林（CRF）分析2015年加拿大社区健康调查营养数据，发现教育程度与原住民身份及种族/族裔的交叉是最重要预测因子，揭示了膳食健康不平等背后的复杂社会决定因素，为制定针对性营养干预策略提供科学依据。

　　

在当今公共卫生研究领域，膳食质量与健康结局的关联已被广泛证实，但影响膳食质量的社会经济因素研究往往局限于单一维度。现实中，个体的社会经济地位（SEP）具有多重交叉特性——教育水平、收入、种族、性别等因素相互交织，共同塑造饮食行为。传统研究方法难以捕捉这种复杂性，导致营养干预政策常缺乏针对性。为此，由Natalie Doan领衔的研究团队在《Journal of the Academy of Nutrition and Dietetics》发表论文，首次采用机器学习中的条件随机森林（Conditional Random Forests, CRF）分析方法，深入探索SEP多维度交叉如何预测加拿大成年人的膳食质量。

研究团队利用2015年加拿大社区健康调查——营养分部（Canadian Community Health Survey – Nutrition）的横断面数据，覆盖加拿大10个省的13,617名成年人。通过入户访谈收集家庭信息、健康问卷和24小时膳食回顾数据，并采用健康饮食指数-2015（Healthy Eating Index-2015, HEI-2015；范围0-100）评估膳食质量。CRF分析从12个SEP指标中筛选出4个最重要的预测变量，进而评估所有双变量交叉组合对HEI-2015的预测效能。

主要技术方法

研究基于2015年加拿大社区健康调查——营养分部的全国性代表性样本，采用条件随机森林（CRF）这一监督机器学习技术筛选关键预测变量，通过变量重要性度量（Variable Importance Measures）确定核心社会经济地位（SEP）指标，并计算所有双变量交叉组合下的HEI-2015预测分值。

Results

关键预测因子的识别

CRF分析显示，4个最重要的SEP交叉预测因子按重要性降序依次为：教育程度与原住民身份及种族/族裔的交叉、教育程度与家庭食物不安全的交叉、教育程度与性别/社会性别的交叉、家庭食物不安全与性别/社会性别的交叉。这一结果凸显了教育程度在预测膳食质量中的核心地位，同时表明身份与资源获取能力的交叉效应显著。

膳食质量的极端值分布

在4个关键交叉维度中，预测HEI-2015得分最低的群体（55.7分）为未完成高中学业且生活在严重食物不安全家庭中的个体；而得分最高的群体（64.5分）是未完成高中学业但自我认同为中东裔的个体。这一反差揭示出种族/文化背景可能缓冲低教育水平对膳食质量的负面影响，而食物不安全则加剧这种劣势。

结论与意义

研究结论明确指出，教育程度与原住民身份及种族/族裔的交叉是预测加拿大成年人膳食质量的最重要因素。这不仅证实了SEP多维度交叉分析的必要性，更挑战了传统单一维度研究的局限性。讨论部分进一步强调，机械套用“低教育水平必然导致低膳食质量”的简单推论可能误导政策制定，而应关注不同身份群体在资源获取、文化饮食习惯和社会支持系统中的差异。该研究为公共卫生领域提供了方法论创新（CRF在营养流行病学中的应用），同时为针对特定交叉群体设计精准营养干预措施奠定了证据基础。例如，针对低教育水平且经历食物不安全的原住民群体，需整合食物援助与营养教育；而对某些种族群体，则可研究其传统饮食文化中的保护性因素并加以推广。