实验室分析的营养素数值与研究专用膳食的数据库估算值存在差异(特别是蛋白质、铁、钠)

《Journal of Food Composition and Analysis》:Laboratory?Analyzed Nutrient Values Diverge from Database Estimates in Research?Specific Diets (Notably for Protein, Iron, Sodium)

【字体: 大 中 小 】 时间:2026年07月14日 来源:Journal of Food Composition and Analysis 5.3

编辑推荐:

  营养数据库被广泛用于计算研究膳食的组成,但其与实验室测量值相比的准确性仍不确定。研究人员比较了数据库计算值与实验室分析的能量、蛋白质、脂肪和微量矿物质浓度,在两种受控的5天膳食模式中——美国人膳食指南健康饮食模式(DGA-HEP)和典型美国饮食模式(TAEP)

  
营养数据库被广泛用于计算研究膳食的组成,但其与实验室测量值相比的准确性仍不确定。研究人员比较了数据库计算值与实验室分析的能量、蛋白质、脂肪和微量矿物质浓度,在两种受控的5天膳食模式中——美国人膳食指南健康饮食模式(DGA-HEP)和典型美国饮食模式(TAEP)——以独立三份制备并作为技术重复进行分析,采用描述性方法,设定>10%的相对差异阈值。能量和脂肪在实验室分析与数据库估算值之间总体一致,而蛋白质在实验室分析中始终较高(DGA-HEP:+13±2%;TAEP:+25±5%)。微量矿物质显示出营养素特异性的差异,钠在实验室分析中系统性地较高(各天约+14%至+40%),而铁则系统性地较低(各天约-15%至-58%),两种模式均如此;其他矿物质因营养素和日期而异。这些结果表明,营养数据库可能根据类别、品牌、配方和制备方式高估或低估关键营养素。当精确组成对研究设计或解释至关重要时,可能需要针对性的实验室验证——特别是蛋白质、钠和铁。
**研究背景与问题**
营养数据库(如USDA FoodData Central)是估算食物营养组成和设计受控研究膳食的基础工具。然而,这些数据库面临系统性局限:食品供应快速变化(品牌配方调整、产品更替、制造工艺变化)常超过数据库更新速度,导致数据库条目与受控喂养研究中使用的食物不匹配。此外,区域差异(土壤、季节、农业因素)影响矿物质含量,而依赖营养标签(Nutrition Facts Panel, NFP)数据引入舍入和估算误差。这些因素引发担忧:数据库衍生的营养值可能无法完全反映研究专用膳食的真实营养组成。先前研究记录了数据库计算值与实验室分析值之间的差异,尤其是在加工、强化或成分变异敏感的营养素上(如铁、钠、蛋白质),但多数研究聚焦于单一食物或狭窄食物类别,缺乏对多日复合膳食(模拟人类实际饮食)的系统评估。本研究旨在填补这一空白,系统比较两种对比性5天膳食模式(DGA-HEP和TAEP)的数据库估算值与实验室分析值,评估偏差方向和幅度是否超过10%有意义阈值。研究发表在《Journal of Food Composition and Analysis》。

**关键技术与方法**
研究人员在2018年由内部研究营养师开发两种受控膳食模式:DGA-HEP(基于2015-2020年膳食指南,HEI-2015评分均值92.59)和TAEP(基于NHANES 2013-2014中最低饮食质量五分位人群的200种最常消费食物代码,HEI-2015评分均值43.67)。每种膳食模式按5天旋转菜单,由三名不同厨房技术人员独立制备三份(生物重复),每份均质化后取等分进行技术重复分析。能量含量采用弹式量热法(Parr 6200量热计)测定;脂肪百分比采用核磁共振(NMR)法(SMART 6 Oracle)分析;蛋白质百分比采用染料结合法(Sprint Rapid Protein Analyzer),以氮分析(Rapid N Exceed)校准;九种微量元素(磷、镁、铁、锌、钾、钙、锰、铜、钠)采用电感耦合等离子体质谱(ICP-MS,Nexion 5000)测定,样品经微波湿法消解,使用NIST标准参考物质验证准确性。碳水化合物通过Atwater因子计算得出。

**研究结果**
**3.1 膳食样品的能量含量**
两种膳食模式的实验室分析能量值与数据库估算值总体一致,差异均未超过10%阈值。DGA-HEP中实验室分析能量范围为1954-2092 kcal,数据库估算为1965-2074 kcal;TAEP中实验室分析为2061-2156 kcal,数据库估算为2001-2008 kcal。TAEP的平均绝对差异更大(+108 kcal/天),而DGA-HEP为-19 kcal/天。

**3.2 膳食样品的宏量营养素组成**
脂肪在实验室与数据库间基本一致,但DGA-HEP第2、3、4天平均差异为11%。蛋白质在两种模式中均显示持续且有意义正偏差:DGA-HEP实验室分析值高于数据库估算值平均+13±2%(范围+11%至+16%);TAEP差异更大,平均+25±5%(范围+21%至+33%)。碳水化合物为计算值,未重点强调。

**3.3 膳食样品中微量矿物质浓度**
微量矿物质差异呈营养素特异性:钠在实验室分析中系统性地较高(DGA-HEP:+14%至+39%;TAEP:+18%至+40%),铁系统性地较低(DGA-HEP:-15%至-58%;TAEP:-16%至-51%)。铜在两种模式中均低于数据库(DGA-HEP:-20%至-36%;TAEP:-11%至-30%)。钙、镁、锰、磷、钾、锌的差异方向和幅度因营养素和日期而异,未显示一致模式。

**讨论与结论**
**讨论总结**:本研究直接检验了两种受控研究膳食中营养数据库估算值与实验室分析值的一致性,发现准确性高度依赖于营养素。能量和脂肪的总体一致性较好,但TAEP的原始能量差异提示在长期干预中可能累积影响。蛋白质持续偏高,可能源于:TAEP中加工食品比例高导致品牌和加工变异大;染料结合法与氮基方法(如Kjeldahl法)之间的方法学差异;NFP数据舍入误差。铁的系统性低值表明数据库可能高估某些食物类别的铁含量,影响铁代谢研究。钠的系统性高值可能与注射或腌制禽肉产品中未记录的添加钠溶液有关,以及加工食品钠含量品牌间差异大。铜的持续低值可能源于农业或加工变异,而非方法误差。其他矿物质差异反映了食物组成变异性和数据库误差的相互作用。

**结论翻译**:本研究表明,在精心设计和标准化条件下制备的研究专用膳食中,营养数据库与实验室分析可能对特定营养素(特别是蛋白质、钠和铁)产生不同值。在本研究的实证范围内(单一采购周期内构建的两种膳食模式),观察到营养素特异性模式,强调在需要精确营养定量的受控喂养研究中,应同时考虑分析值和数据库输入值。这些发现指出了在精确营养递送对研究设计或解释至关重要的情境下改进研究实践的机会。此类情境下,对特定感兴趣营养素进行靶向实验室测量可补充数据库估算,并提高膳食配方的透明度。同时,营养数据库仍是膳食开发和评估的基本工具,本研究结果强调了将这些资源与选择性实证验证相结合的价值。这些营养素特异性差异为未来研究理解计算值与分析值一致性的影响因素提供了框架。随着研究不断发展,结合稳健数据库与策略性实验室验证有助于加强方法学严谨性,确保受控膳食的组成尽可能准确和一致。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号