《Journal of Food Composition and Analysis》：Impact of revisions to the standard food composition table to the estimated energy and nutrient intakes of the Japanese adult population: the 2018–2019 National Health and Nutrition Survey
编辑推荐：
中文摘要翻译
目的：量化《日本标准食品成分表》（Standard Tables of Food Composition in Japan, STFCJ）第7次修订版与第8次修订版之间的差异对日本成人人群能量及营养素摄入估算的影响。方法：利用2018-2019年
中文摘要翻译
目的：量化《日本标准食品成分表》（Standard Tables of Food Composition in Japan, STFCJ）第7次修订版与第8次修订版之间的差异对日本成人人群能量及营养素摄入估算的影响。方法：利用2018-2019年日本国民健康与营养调查（National Health and Nutrition Survey, NHNS）中10,670名成人（男性4,960人，女性5,710人）的同一套一日膳食记录数据，分别采用STFCJ第7版和第8版计算能量、蛋白质、脂肪、碳水化合物及膳食纤维的摄入量。研究人员从群体均值变化、个体水平一致性、排序维持性、分位重分类以及食物组贡献等多个维度进行了系统性评估。结果：与第7版相比，采用第8版估算的能量、蛋白质、脂肪和碳水化合物平均摄入量分别下降了约4%、13%、5%和18%（所有P<0.001），而膳食纤维平均摄入量则显著上升了约45%（P<0.001）。在个体层面，能量和蛋白质的Spearman秩相关系数均超过0.99，加权Kappa系数超过0.92，表明相对排序基本保持；然而，碳水化合物的Lin一致性相关系数为0.808，膳食纤维仅为0.616，显示绝对一致性较低。碳水化合物重定义和膳食纤维分析方法修订导致了较高的个体重分类比例。食物组贡献分析显示，谷物（尤其是大米）是导致能量、蛋白质和碳水化合物估算值下降以及膳食纤维估算值上升的主要贡献者。结论：STFCJ从第7版到第8版的修订，即使在不改变实际饮食行为的情况下，也显著改变了群体层面的营养素摄入估算值，并对个体的绝对摄入量和相对分类产生了不同程度的影响。在解读时间趋势和饮食-疾病关联研究时，必须充分考虑食品成分数据库版本的影响。
论文解读文章
一、研究背景与研究问题
饮食是影响非传染性疾病（如肥胖、糖尿病、心血管疾病及相关死亡率）的关键因素之一。营养流行病学依赖于准确的膳食摄入评估来阐明饮食与健康的关系，并为膳食指南和公共卫生政策提供科学依据。膳食调查通过将食物消费数据与国家或地区的食品成分数据库中的营养素数值进行链接，从而估算能量和营养素的摄入量。因此，食品成分数据库的更新会直接影响营养素摄入的估算结果。
《日本标准食品成分表》（STFCJ）大约每五年进行一次重大修订。从第7次修订版（2015年出版，含2016-2017年增补版）到第8次修订版（2020年出版，含2023年增补版），发生了根本性的概念和分析框架变革。具体而言：蛋白质从基于氮含量的“粗蛋白”重新定义为氨基酸残基之和；脂肪从“粗脂肪”重新表述为脂肪酸的三酰甘油当量；碳水化合物从“减差法”（包括非消化性组分和分析残留物）重新定义为“可利用碳水化合物”（以单糖当量计，排除膳食纤维等）；膳食纤维的分析方法也从Prosky法更新为AOAC 2011.25法，能够定量此前被低估的低分子量可溶性膳食纤维和抗性淀粉。这些根本性的修订使得第7版到第8版的过渡成为评估食品成分数据库结构性修订如何影响营养素摄入估算的重要案例。
既往研究多关注群体均值变化，而对个体水平的一致性、排序维持性、重分类模式以及特定食物组的贡献缺乏全面评估。本研究旨在系统量化使用第7版与第8版STFCJ对2018-2019年日本国民健康与营养调查（NHNS）参与者营养素摄入估算的影响，重点关注受分析方法更新直接影响的关键营养素（蛋白质、脂肪、碳水化合物和膳食纤维）。
二、研究方法
本研究使用了2018-2019年日本NHNS的数据，这是一项由日本厚生劳动省每年开展的全国代表性调查。最终分析纳入10,670名20岁及以上成人。膳食调查采用为期一天的家庭半称重膳食记录法，由经过培训的调查员（主要为注册营养师）指导家庭主要记录者完成。为了隔离食品成分数据库修订的影响，研究人员使用完全相同的膳食摄入数据，仅更换数据库版本进行营养素重算。营养素摄入的计算是通过将每种食物的消费量乘以对应版本数据库中该食物的营养素数值，再对所有食物求和得到。统计分析方法包括：配对t检验比较群体均值差异；Spearman秩相关系数和Lin一致性相关系数评估个体水平相关性；Bland-Altman分析法评估个体差异的分布和一致性界限；基于五分位的重分类分析评估个体排序变化；线性加权Kappa系数评估分类一致性；以及按17个食物组进行的贡献度分析。此外，还按性别和年龄进行了亚组敏感性分析。
三、研究结果
3.1 群体水平差异
基于第8版估算的能量、蛋白质、脂肪和碳水化合物平均摄入量较第7版分别下降了约4%（-81千卡/天）、13%（-9.4克/天）、5%（-2.8克/天）和18%（-45.3克/天）（所有P<0.001）。相反，膳食纤维平均摄入量显著增加了约45%（+6.7克/天）（P<0.001）。按性别分层后，趋势一致。
3.2 个体水平差异与一致性
个体水平的变化中位数分别为：能量-76.1千卡/天，蛋白质-8.9克/天，脂肪-2.5克/天，碳水化合物-40.7克/天，膳食纤维+5.9克/天。Spearman秩相关系数：能量0.996，蛋白质0.992，脂肪0.982，碳水化合物0.955，膳食纤维0.872。Lin一致性相关系数：能量0.986，蛋白质0.912，脂肪0.980，碳水化合物0.808，膳食纤维0.616。Bland-Altman分析的95%一致性界限显示各营养素均存在系统偏差。五分位重分类分析显示，被分入相同五分位的比例：能量91.3%，蛋白质88.0%，脂肪83.6%，碳水化合物72.6%，膳食纤维55.8%。线性加权Kappa系数分别为0.945、0.924、0.895、0.816和0.683。个体变化方向分析显示，96.8%的参与者能量估算值下降，99.9%蛋白质下降，100%碳水化合物下降，99.0%膳食纤维上升，而脂肪的变化方向较为分散（79.6%下降，20.4%上升）。
3.3 食物组贡献分析
在能量方面，谷物（特别是大米）对总差异的净贡献最大，占63.2%（大米占43.2%）。蛋白质在所有食物组中均呈下降趋势，最大绝对值减少来自谷物（-2.6克/天）、鱼类（-1.9克/天）和肉类（-1.6克/天），分别贡献了总降幅的27.7%、20.3%和17.1%。对于碳水化合物（第8版的可利用碳水化合物vs第7版的减差法碳水化合物），最大的绝对值减少出现在调味品（-6.7克/天）、饮料（-6.0克/天）、蔬菜（-5.8克/天）和水果（-3.7克/天），贡献率分别为15.0%、14.6%和12.8%；而大米的可利用碳水化合物反而增加了2.9克/天。膳食纤维的增加主要由谷物驱动，贡献了总增幅的64.5%，其中大米增加3.3克/天（增幅达330%）。
四、讨论与结论
讨论部分总结： 本研究发现，在膳食数据完全相同的情况下，仅因数据库版本的更替就导致了营养素摄入估算值的显著变化，这主要反映了第8版在宏量营养素定义、分析方法和组成重分析方面的根本性修订，而非真实的饮食行为改变。蛋白质的普遍下降源于其从粗蛋白向氨基酸残基之和的定义转变，排除了非蛋白氮。脂肪的下降源于从粗脂肪向脂肪酸三酰甘油当量的转变，排除了磷脂等非三酰甘油成分。碳水化合物的巨大降幅主要反映的是定义变化——从包含非消化性组分的减差法转变为仅代表可利用碳水化合物，而非实际可消化碳水化合物的减少。膳食纤维的大幅增加主要归功于分析方法的改进（AOAC 2011.25法），特别是对大米等主食中低分子量可溶性膳食纤维和抗性淀粉的更好捕捉。从流行病学角度看，虽然能量和蛋白质的相对排序保持良好（适用于基于分位的分析），但其绝对值的系统性变化会影响基于固定阈值的时间趋势分析和政策目标评估。碳水化合物和膳食纤维在个体层面的一致性较低，提示其在饮食-疾病关联分析中可能导致错分偏倚。研究者强调，在进行时间趋势分析、跨研究比较以及评估营养政策进展时，必须明确考虑食品成分数据库的版本，并尽可能进行版本间的协调或敏感性分析。
研究结论： 利用2018-2019年NHNS的全国代表性膳食数据，本研究量化了从STFCJ第7版过渡到第8版对营养素摄入估算的影响。多个营养素出现了实质性差异，其主要驱动力是主要宏量营养素分析方法的改变、更新的代表性数值以及对先前缺失数据的改进覆盖。这些发现表明，食品成分表的修订可以在不依赖实际饮食变化的情况下，有意义地改变群体水平的营养素摄入估算。在个体层面，能量、蛋白质和脂肪的相对排序和分类基本得以维持，而碳水化合物和膳食纤维的一致性相对较低，同时绝对摄入量的变化因人而异。因此，在日本乃至全球范围内，为了准确解读营养流行病学研究并为循证营养政策提供信息，必须明确考虑数据库修订的影响。
