《Nutrients》：Dietary Patterns, Food-Group Profiles, and Nutritional Characteristics in a Diverse Cohort of Young Adults Attending a UK University (2016)
编辑推荐：
背景/目的：在具有地理多样性的大学人群中，整体膳食模式尚未得到充分描述。本研究在一项历史性英国大学队列中，依据性别和地理背景考察了食物组消费与膳食模式。方法：本横断面分析纳入了2016年初在英国莱斯特德蒙福特大学评估的111名学生。采用经过扩展和改编的EPIC
背景/目的：在具有地理多样性的大学人群中，整体膳食模式尚未得到充分描述。本研究在一项历史性英国大学队列中，依据性别和地理背景考察了食物组消费与膳食模式。方法：本横断面分析纳入了2016年初在英国莱斯特德蒙福特大学评估的111名学生。采用经过扩展和改编的EPIC-Norfolk食物频率问卷评估习惯性摄入量。对15个食物组进行log1p转换和标准化后，运用主成分分析（PCA）进行评估；组间比较经相关协变量调整并进行Benjamini-Hochberg假发现率校正。结果：参与者平均年龄20.4±1.2岁，女性占70.3%。三种模式——植物丰富型、动物源食品型和能量密集/随意型——解释了46.25%的方差，而双组分替代方案仅解释35.24%。平行分析支持保留三个组分；自助法结果倾向于其总体可重复性，但表明个别食物组载荷存在较大不确定性。男性经调整后的植物丰富型得分低于女性（-0.43 SD，95% CI -0.76至-0.10；q=0.04）。植物丰富型和动物源食品型得分因地理背景而异（全局检验均q=0.006），而能量密集/随意型模式则无显著差异。结论：这些探索性模式表征了这一历史性队列中的膳食异质性，但需在更大规模的当代样本中进行验证。
研究背景与问题
青年时期是个体在饮食自主权、购买决策及生活安排等方面经历重大转变的阶段，尤其是进入高等教育环境后，居住方式、经济状况、社交网络及食物环境的改变可能同时促进有利和不利的饮食行为。尽管已有研究揭示了英国大学生在零食、方便食品及果蔬摄入方面的显著异质性，但针对具有地理和文化多样性特征的大学人群的整体膳食模式仍缺乏充分刻画。现有研究表明，营养知识并不总能直接转化为健康选择，饮食行为受到个体偏好、社会情境、资源条件及食物环境的综合影响。此外，单一营养素分析无法捕捉食物组合间的复杂关联，因此需要采用膳食模式分析方法从整体结构层面理解饮食行为。本研究正是基于这一空白，利用2016年初在英国德蒙福特大学（De Montfort University, DMU）收集的历史性数据，重建并分析了来自非洲、亚洲及欧洲等多元地理背景的青年大学生的食物组消费特征，旨在识别经验性膳食模式并探讨其与性别和地理背景的关联。
研究设计与核心结论
研究人员对111名18-22岁的在校大学生进行了横断面分析，其中女性占70.3%，参与者分别来自非洲（36.9%）、亚洲（36.9%）、欧洲（24.3%）及其他地区（1.8%）。通过扩展版半定量食物频率问卷（FFQ）评估过去约四周的习惯性摄入量，将超过130种食物条目映射至15个分析性食物组，并采用主成分分析（PCA）提取膳食模式。研究发现三种主要膳食维度：植物丰富型（Plant-rich）、动物源食品型（Animal-source foods）和能量密集/随意型（Energy-dense/discretionary），三者共同解释46.25%的食物组变异。经多变量及总能量摄入调整后，男性在植物丰富型模式上的得分显著低于女性（-0.43 SD, q=0.04），而动物源食品型和能量密集/随意型模式未表现出稳健的性别差异。地理背景方面，非洲背景参与者的植物丰富型得分低于亚洲背景参与者（-0.58 SD, q=0.01），而动物源食品型得分则高于亚洲背景参与者（+0.60 SD, q=0.01），亚洲背景参与者的动物源食品型得分亦低于欧洲背景参与者（-0.59 SD, q=0.03）。能量密集/随意型模式在地理背景间无显著差异。这些发现表明，大学人群的饮食行为是多维度的，不能简单地划分为“健康”或“不健康”两类，且性别和地理背景的影响主要体现在特定膳食维度而非整体饮食质量上。该研究的意义在于为理解地理多样化大学人群的膳食异质性提供了详细的历史参照，并强调了多维食物组评估对未来营养研究和针对性校园健康促进策略的价值。
关键技术方法
本研究采用的主要技术方法包括：1）膳食评估工具：基于EPIC-Norfolk食物频率问卷（FFQ）第六版进行扩展和改编，纳入超过130种食物条目，涵盖多种族代表性食品（如chapatti、naan、plantain、豆腐等），并采用九级频率选项和相对份量记录；2）食物组构建：将77个归一化膳食类别通过可追溯的映射流程归并为15个分析性食物组（排除水、混合菜肴/调味品及其他/非模式组），并保留原始食物名称层面的分类审计路径；3）主成分分析（PCA）：对log1p转换并标准化后的每日食物组摄入量矩阵进行PCA，结合平行分析（1000次模拟）、特征值/碎石图、载荷结构、共同度及自助法稳定性评估（1000次重采样）确定最终三组分解，并采用正交varimax旋转与Kaiser归一化；4）统计推断：采用线性回归模型进行性别和地理背景比较，分别调整年龄、地理背景或性别，并对膳食结局额外调整对数转换的总能量摄入，应用Benjamini-Hochberg假发现率（FDR）校正控制多重比较，优先报告效应估计值、95%置信区间及FDR校正后q值。
研究结果
3.1 研究人群特征
最终分析队列共111人，女性78人（70.3%），男性33人（29.7%）。地理背景分布为非洲41人（36.9%）、亚洲41人（36.9%）、欧洲27人（24.3%）、其他2人（1.8%）。平均年龄20.4±1.2岁，平均BMI 23.7±4.1 kg/m2。正常体重者64人（57.7%），超重28人（25.2%），肥胖9人（8.1%），低体重10人（9.0%）。经调整后，性别间在身高、身体成分及收缩压等方面存在显著差异，而BMI差异未通过FDR校正。地理背景在身高、肌肉质量和骨质量方面也存在显著差异。
3.2 整体膳食与食物组概况
平均总能量摄入2524.1±1256.1 kcal/天，中位数2245.4 kcal/天。蛋白质、总脂肪和碳水化合物中位摄入量分别为104.2、77.7和268.2 g/天。饱和脂肪酸（SFA）、单不饱和脂肪酸（MUFA）和多不饱和脂肪酸（PUFA）平均值分别为31.1、32.4和13.4 g/天。总糖平均值144.0 g/天。纤维中位摄入量25.4 g/天，低于英国科学咨询委员会（SACN）推荐的30 g/天。固体/半固体食物组中，谷物/谷类产品（291.9 g/天）、蔬菜（277.4 g/天）、水果（239.3 g/天）和乳制品/替代品（216.3 g/天）的中位摄入量最高。软饮料/能量饮料/运动饮料摄入分布高度异质（中位数225.3 g/天，均值439.3 g/天），酒精饮料中位数为0.0 g/天。
3.3 食物组矩阵适宜性与膳食模式识别
食物组矩阵显示良好的PCA适用性：总体KMO值为0.700，Bartlett球形检验极显著（p<0.001），最大绝对配对相关系数0.610。平行分析支持保留三个组分。三组分方案解释46.25%的方差，优于双组分方案的35.24%。自助法评估显示三组分方案具有更高的组分水平可重复性（中位数相关性0.858-0.888 vs. 0.749-0.776），但个别食物组载荷的不确定性较大，仅豆类和蔬菜的95%自助法区间排除了零。植物丰富型模式（解释16.30%方差）主要由豆类（0.790）、坚果/种子（0.670）、蔬菜（0.661）、谷物/谷类产品（0.619）和水果（0.539）定义。动物源食品型模式（解释15.18%方差）由红肉/加工肉（0.766）、禽肉（0.765）、鱼/海鲜（0.649）和蛋类（0.531）主导。能量密集/随意型模式（解释14.76%方差）以脂肪/油脂（0.788）、随意食品（0.648）、软饮料/能量饮料/运动饮料（0.551）、酒精饮料（0.480）、谷物/谷类产品（0.450）和乳制品/替代品（0.448）为特征。茶/咖啡的共同度仅为0.067，表明其变异未被三组分结构有效捕获。
3.4 膳食模式得分的性别与地理背景差异
经年龄、地理背景和对数总能量摄入调整后，男性在植物丰富型模式上的得分比女性低0.43个标准差（95% CI -0.76至-0.10, p=0.01, q=0.04）。值得注意的是，未经调整的性别效应几乎为零（Hedges' g=+0.01），表明该结果反映的是同等能量摄入下男性相对较低的植物性食物组成，而非绝对摄入量的差异。动物源食品型和能量密集/随意型模式在性别间无显著差异。地理背景方面，植物丰富型模式存在显著的全局关联（F=5.75, 偏η2=0.101, q=0.006），其中非洲组得分低于亚洲组（-0.58 SD, q=0.01）。动物源食品型模式也呈现地理背景差异（F=5.75, 偏η2=0.100, q=0.006），非洲组高于亚洲组（+0.60 SD, q=0.01），亚洲组低于欧洲组（-0.59 SD, q=0.03）。能量密集/随意型模式无显著地理背景差异。
3.5 食物组与核心膳食差异
经协变量调整和FDR校正后，三个食物组显示出稳健的性别差异：男性在酒精饮料（-0.64 SD, q=0.02）、脂肪/油脂（-0.59 SD, q=0.02）和蔬菜（-0.59 SD, q=0.02）的能量调整后标准摄入量均低于女性。红肉/加工肉是地理背景信号最清晰的食物组（F=7.41, 偏η2=0.126, q=0.02），亚洲组摄入量低于欧洲组（-0.72 SD, q=0.04）和非洲组（非洲-亚洲差+0.67 SD, q=0.04）。核心膳食分析进一步凸显了区分绝对摄入量与能量调整后膳食组成的重要性：男性总能量摄入高于女性（+0.67 SD, q=0.005），但能量调整后的总脂肪摄入却较低（-0.24 SD, q=0.005）。
讨论与结论
研究人员指出，三种膳食模式的共存表明大学人群的饮食行为是多维度的，同一参与者可能同时表达多个模式的特征，因此不能简单地将学生划分为“健康”或“不健康”两类。与Sprake等人此前在五所英国大学1448名学生中识别的素食、零食、健康意识、便利/红肉/酒精四模式相比，本研究中的植物丰富型模式在概念上与素食和健康意识维度相似，而能量密集/随意型模式则与零食/便利行为相关。然而，本研究还识别出一个独立的动物源食品型维度，这在之前的分析中并未被单独分离出来。关于性别差异，能量调整的重要性被特别强调：男性在植物丰富型模式上的较低得分并非源于绝对摄入量减少，而是反映了在同等总能量摄入下相对较低的植物性食物组成。地理背景差异可能反映了文化饮食习惯、宗教饮食实践、家庭饮食模式及食材可获得性等因素的影响，但研究人员谨慎指出，地理背景不应等同于种族或文化，这些解释应视为背景性假设而非确证机制。研究方法学方面，本研究具有多项优势，包括从原始数据库重建参与者级膳食信息、独立验证单位换算、显式审计食物组映射、综合运用多种PCA诊断指标以及强调效应量和FDR校正。局限性包括样本量较小（111人）、单中心设计、女性比例偏高、FFQ未经独立验证、BIA估算身体成分的固有误差、PCA的探索性和样本依赖性、地理背景变量的粗放性以及数据的横截面和历史性质（2016年收集）。研究结论总结如下：本研究在111名就读于英国一所多元化大学的年轻成年人中识别出三种经验性膳食模式——植物丰富型、动物源食品型和能量密集/随意型，三者共同解释46.25%的食物组变异。经多变量和总能量调整后，植物丰富型模式得分因性别和地理背景而异，动物源食品型模式得分因地理背景而异，而能量密集/随意型模式在多重比较校正后未显示稳健的性别或地理背景差异。这些发现表明该队列中的饮食行为是多维度的，不能用一个单一的“学生饮食”来充分代表。由于这是一项样本量有限、单中心、历史性横断面研究，其结果应被视为对该研究人群的详细特征描述，而非因果关系证据或当前全国流行率的反映。未来需要在更大规模、当代、多中心队列中进行复制，以确定所识别膳食模式的稳定性和更广泛的适用性。
