开发一种用于混合菜肴的三组分营养密度计算器(NDC)以指导食谱创新和改良

《Nutrients》：Development of a Three-Component Nutrient Density Calculator (NDC) for Mixed Dishes to Guide Innovation and Reformulation of Recipes

　　

背景：捕获每份混合菜肴的健康性是一项挑战。目标：开发一种用于混合菜肴的营养密度计算器（Nutrient Density Calculator，NDC），以指导食谱创新和改良。方法：混合菜肴的配方文件和营养组成数据来自美国农业部膳食研究食品与营养数据库（US Department of Agriculture Food and Nutrient Database for Dietary Studies，FNDDS 2021–2023）。纳入的混合菜肴包括以肉、禽、海鲜、谷物、蔬菜或豆类为主要成分的菜肴、亚洲和墨西哥菜肴、比萨、三明治、汉堡以及坚果和种子（n = 1570）。实际消费的份量数据来自国家健康与营养调查（National Health and Nutrition Examination Survey，NHANES 2017–2020/2021–2023）。NDC₆₄₃版本包含三个组分：基于6种鼓励营养素（蛋白质、纤维、钙、铁、钾、维生素D）的NR6；基于成分（水果和蔬菜、全谷物、豆类、坚果和种子）的MP4；以及基于3种限制营养素（饱和脂肪、添加或总糖、钠）的LIM。简缩版NDC₃₄₃使用NR3（蛋白质、纤维、钙）。替代NDC模型测试了不同的组分权重。营养密度按每份计算。结果：NDC₆₄₃和NDC₃₄₃均赋予蔬菜、豆类和坚果更高的评分，而肉食类菜肴评分较低。三个组分等权重时，NDC评分与Nutri-Score（NDC₃₄₃的r = ?0.64，NDC₆₄₃的r = ?0.70）和健康星级评分（Health Star Rating，HSR）（NDC₃₄₃的r = ?0.74，NDC₆₄₃的r = ?0.75）相关。与能量密度的相关系数：NDC₃₄₃为?0.25，NDC₆₄₃为?0.33。NDC₆₄₃模型对多种混合菜肴的配方改良更为敏感——其敏感度高于Nutri-Score或健康星级评分。结论：结合营养素和成分的三组分NDC模型成功捕获了混合菜肴的营养密度，并对食谱改良具有敏感性。

**研究背景与问题**
现有营养剖面（Nutrient Profiling，NP）系统（如Nutri-Score和健康星级评分（Health Star Rating，HSR））最初用于评估加工包装食品的健康性，侧重于限制能量、脂肪、糖和盐等“限制营养素”，对蛋白质、纤维、维生素和矿物质等“鼓励营养素”关注不足。此外，这些系统通常以100克为计算基准，忽略了不同份量的差异，且未充分考虑全谷物等有益成分。混合菜肴（如餐厅提供的套餐）由于成分复杂、份量不统一，其营养密度的评估面临更大挑战：一方面，营养素在加工和烹饪过程中会降解或相互作用，简单的成分加总无法反映真实含量；另一方面，现有的NP方法无法有效区分不同混合菜肴（如汉堡、三明治或比萨）的营养优劣。为此，研究人员旨在开发一种适用于混合菜肴的营养密度计算器（Nutrient Density Calculator，NDC），以指导餐饮业和预包装食品行业的食谱创新与改良。该研究发表在《Nutrients》期刊上。

**主要关键技术方法**
本研究使用了三个关键数据源：①美国农业部膳食研究食品与营养数据库（Food and Nutrient Database for Dietary Studies，FNDDS 2021–2023），提供混合菜肴（n=1570）的配方文件和营养组成数据；②美国国家健康与营养调查（National Health and Nutrition Examination Survey，NHANES 2017–2023）中10,925名成年人（>19岁）的24小时膳食回顾数据，用于计算实际消费份量；③食物金字塔当量数据库（Food Pyramid Equivalents Database，FPED 2017–2020），获取全谷物和添加糖的含量数据。NDC采用三组分结构：鼓励营养素组分（NRx，基于蛋白质、纤维、钙等3~6种营养素）、鼓励成分组分（MP4，基于水果蔬菜、全谷物、豆类、坚果种子）和限制营养素组分（LIM3，基于饱和脂肪、添加糖/总糖、钠）。评分以每份（observed serving size）为计算基准，而非100克或100千卡，并将原始连续得分通过十分位数转化为1~10分的等级制。为验证NDC的效度，研究人员将其与Nutri-Score和HSR进行了Spearman相关分析，并通过Griffith Foods提供的6组原始与改良食谱检验了NDC对配方改良的敏感性。

**主要研究结果**

**3.1 实际消费份量与联邦参考份量（Reference Amounts Customarily Consumed，RACC）的比较**
通过分析NHANES数据发现，多数混合菜肴的实际平均消费份量高于FDA规定的RACC值。例如，意面类菜肴平均份量为323克，远超RACC值；而海鲜类和豆类菜肴的实际份量则低于RACC。这表明以RACC为基准可能高估或低估实际摄入量，因此NDC采用实际消费份量作为计算基准更为合理。

**3.2 NDC₆₄₃与NDC₃₄₃替代模型**
通过散点图分析，两种NDC版本（含6种鼓励营养素的NDC₆₄₃和含3种鼓励营养素的NDC₃₄₃）的评分高度相关（Spearman r=0.97）。植物性混合菜肴（豆类、蔬菜、坚果）均获得最高分，而高钠、高饱和脂肪的食品（如法兰克福香肠、芝士通心粉、薯条、汉堡）得分最低。加入铁、钾、维生素D后的NDC₆₄₃对肉菜（铁）和土豆、坚果（钾）的评分略有提升。

**3.3 不同权重对NDC₃₄₃的影响**
对NDC₃₄₃设置三种权重方案：(1,1,1)等权重作为参考；(1,1,2)加重LIM组分，使肉菜、比萨、墨西哥菜肴得分降低，而米饭、海鲜、坚果等得分上升；(2,1,1)加重NR组分，使肉菜、汉堡、三明治得分显著提高，而米饭、坚果得分下降；(1,2,1)加重MP组分对最终评分影响甚微（r=0.98）。

**3.4 不同权重对NDC₆₄₃的影响**
与NDC₃₄₃类似，(1,1,2)加权使NDC₆₄₃对高脂高糖高盐食品的惩罚加大，植物性食品的相对排名上升；(2,1,1)加权则提升富含蛋白质和铁的肉菜评分；(1,2,1)仍无明显趋势（r=0.98）。禽肉、豆类、蔬菜类菜肴在不同权重下排名保持稳定（±1位）。

**3.5 NDC₆₄₃(1,1,2)与(2,1,1)的对比**
两种极端权重直接对比显示：NDC₆₄₃(1,1,2)（重惩罚）偏向坚果、蔬菜、米饭谷物类；而NDC₆₄₃(2,1,1)（重鼓励）偏向汉堡、肉菜和比萨。这一对比突出了NDC对不同营养策略的区分能力。

**3.6 NDC₆₄₃与Nutri-Score和HSR的相关性**
NDC₆₄₃的总分及子分与Nutri-Score、HSR均呈显著相关。默认(1,1,1)版本与Nutri-Score的相关系数为r=?0.70，与HSR为r=?0.75（负相关因Nutri-Score/HSR越高表示越不健康）。加重LIM的(1,1,2)版本相关性最高（r=?0.79），加重NR的(2,1,1)版本最低（r=?0.39），说明Nutri-Score和HSR主要追踪限制营养素，未能全面反映营养密度。NDC₆₄₃与能量密度的相关性较低（?0.16至?0.42），表明其并非能量密度的简单转换。

**3.7 原始NDC分值转化为10分制**
基于1570个混合菜肴NDC₆₄₃分值的十分位数，制定了1~10分的等级阈值。例如，NDC₆₄₃(1,1,1)的原始分范围?75至50，均值6.9；不同权重版本因分布范围不同需用不同阈值。转化后的10分制便于与Nutri-Score（5分制）和HSR（0.5~5星）比较。

**3.8 利用10分制评估NDC₆₄₃在食品类别内的区分度**
各食品类别中，NDC₆₄₃评分通常跨越至少5个等级，其中8个类别（如多成分混合菜肴和三明治）覆盖1~10分全范围。加权Kappa系数显示NDC₆₄₃(1,1,1)与(1,1,2)一致性较高（κ=0.76），与(2,1,1)次之（κ=0.73），而(1,1,2)与(2,1,1)之间一致性较低（κ=0.52），进一步证实不同权重对评分的影响。

**3.9 NDC₆₄₃对混合菜肴配方改良的敏感性**
对Griffith Foods提供的6组原始与改良食谱（例如减钠米饭、减钠增纤意式肉丸、用低脂椰奶替代的鹰嘴豆扁豆菜肴）进行测试，NDC₆₄₃评分变化高达6个等级（如鹰嘴豆扁豆炖菜），而Nutri-Score基本无变化，HSR仅小幅移动。这表明NDC在捕捉配方改良（减少限制营养素或添加有益成分）方面优于现有NP系统。

**讨论与结论**
讨论部分指出，NDC旨在帮助餐饮和预包装食品行业改良食谱以提升营养密度。通过对比不同权重，默认(1,1,1)版本提供了均衡的评分分布，适合作为一般基准；(1,1,2)版本对减脂减糖减钠的配方更敏感；(2,1,1)版本则突出高蛋白高铁的肉菜。NDC以份量为计算基准而非100克，更贴近消费者实际外出就餐的摄入量，且与FDA的潜在监管需求相衔接。研究局限性包括：FPED成分单位转换为克时存在食物特异性换算困难；10分制阈值基于当前数据库，可能在应用于其他数据集时变化；配方改良敏感性测试样本有限，需更大规模研究验证。
结论：为在外就餐食品提供更多改良机会有助于改善总体食品供给的营养质量。所提出的NDC可用于评估每份食品营养含量的改善。食品行业在促进人口健康饮食中发挥关键作用，食品评分系统的开发是促进膳食指南依从性、最终改善人群健康的重要公共卫生策略。