数字食品与营养素养调查问卷评估以支持改善饮食质量

《Current Developments in Nutrition》：Evaluation of a Digital Food and Nutrition Literacy Survey to Support Improvements in Diet Quality

　　

背景：使用数字工具支持健康的食物选择和获取，可能抵消生活在资源不足社区对饮食质量的不利影响。
目标：研究人员旨在开发并评估一项数字食品与营养素养（Digital Food and Nutrition Literacy, DFNL）调查问卷的心理测量学特性及其与饮食质量的关联，以期为未来改善饮食质量的定制化干预提供信息。
方法：DFNL调查问卷以信息-动机-行为技能模型（Information-Motivation-Behavioral Skills Model, IMB）和在线做出健康食物选择的多维模型为理论基础。在这项横断面研究中，来自康涅狄格州东北部一个低收入、低食物获取社区的196名成年人完成了一项在线调查。采用主成分分析（Principal Component Analysis, PCA）识别DFNL指数和组件，用于与饮食质量（一个理论上预期与DFNL相关的外部变量）进行多变量线性回归分析。使用简短健康饮食指数（Short Healthy Eating Index, sHEI）和基于喜好的饮食质量指数（liking-based Diet Quality Index, DQI）评估饮食质量。
结果：包含10个条目的DFNL指数内部一致性可靠，通过三个可解释的组件——在线杂货购物、在线营养信息和在线沟通——解释了53.8%的总方差。DFNL与饮食质量之间的关联因DFNL组件和饮食质量测量指标而异；最强的关联出现在在线营养信息和在线杂货购物组件，尤其是两种饮食质量测量的充分性得分。
结论：这些初步发现支持DFNL指数的结构效度。评估DFNL可能有助于识别社区营养干预中可修正的行为技能，这些干预可根据参与者的知识差距和动机进行定制，以支持资源不足人群的饮食质量。
总结：开发的数字食品与营养素养调查问卷显示了结构效度的初步证据。三组件DFNL结构是可定义的，显示出与饮食质量（尤其是充分性得分）的显著关联。

**数字食品与营养素养调查问卷评估：支持改善饮食质量**

**研究背景与问题**

不良饮食质量是2型糖尿病、心血管疾病、肥胖及部分癌症等慢性疾病的主要风险因素。数字干预和技术介导的沟通已成为促进更健康饮食行为的有前景工具。然而，数字素养——即利用数字技术查找、评估、创造和交流信息的能力——作为影响健康饮食行为的重要因素常被忽视，尤其是在个体在线搜索和应用营养信息时。数字素养正日益被视为健康的社会决定因素，低数字素养可能限制个体获取数字健康资源，包括营养教育和在线饮食项目。现有关于成人食品与营养素养的研究均未评估导航在线食品零售环境所需的数字素养技能。随着在线杂货购物的使用日益增加，例如补充营养援助计划（Supplemental Nutrition Assistance Program, SNAP）在线购买试点的扩展，低收入成年人面临营养知识有限、数字素养较低、互联网接入受限、额外配送成本及零售商可用性有限等障碍，这可能进一步加剧数字化的食品环境中饮食质量的 disparities。因此，开发一种能够综合评估数字食品与营养素养（Digital Food and Nutrition Literacy, DFNL）的工具具有重要意义。

**研究内容、结论与意义**

研究人员基于信息-动机-行为技能模型（Information-Motivation-Behavioral Skills Model, IMB）和多维数字食品与营养素养模型，开发并评估了一项DFNL调查问卷的心理测量学特性及其与饮食质量的关联。研究在康涅狄格州东北部低收入、低食物获取社区招募了196名成年人，通过主成分分析确定了包含10个条目的三组件DFNL指数，解释了53.8%的总方差，且显示出与饮食质量的显著关联，尤其与充分性得分相关。这些初步发现支持DFNL指数的结构效度。该论文发表于《Current Developments in Nutrition》。

**主要技术方法**

研究采用系统多步骤方法：通过文献检索和专家意见进行概念开发；由数字素养、营养和公共卫生领域专家评审以建立表面效度；对6名社区参与者进行认知预测试（出声思维法和追问法）以评估认知效度；随后对196名来自康涅狄格州东北部低收入低食物获取社区的成年人进行横断面在线调查；使用主成分分析（Principal Component Analysis, PCA）和主轴因子分析（Principal Axis Factoring, PAF）评估结构效度，并用Cronbach's α检验内部一致性；通过多变量线性回归检验DFNL与饮食质量（简短健康饮食指数[Short Healthy Eating Index, sHEI]和基于喜好的饮食质量指数[liking-based Diet Quality Index, DQI]）的关联。

**研究结果**

**Sociodemographic Characteristics and Diet Quality（社会人口学特征与饮食质量）**

通过描述性统计和t检验/ANOVA比较不同特征参与者的sHEI和DQI得分，发现样本以女性为主（65.3%），45.4%出生于康涅狄格州，34.7%出生于其他国家，36.7%参与两个及以上食物援助项目。69.9%被分类为超重或肥胖，26.5%为当前吸烟者。sHEI得分在年龄、性别、出生地、自评健康、自评饮食和吸烟状态方面存在显著差异；DQI得分在出生地、自评健康、自评饮食和吸烟状态方面存在显著差异。sHEI均值为49.1±9.3，DQI均值为9.4±41.4。

**Digital Food and Nutrition Literacy Characteristics（数字食品与营养素养特征）**

**Online Grocery Shopping（在线杂货购物）**

通过频率和知识题评估，61.2%的参与者使用至少一种在线杂货购物工具，但45.9%从未在线订购杂货；39.6%对在线安全问题（有关未经请求的电子邮件或短信）的回答不正确；在使用单价信息的参与者中，66.7%能正确根据单价识别更优交易。

**Online Nutrition Information（在线营养信息）**

87.2%的参与者在过去一个月搜索过营养信息，食谱是最常见的搜索内容（57.7%）；63.2%每周使用社交媒体平台获取营养信息；76.0%听说过MyPlate，但仅40.3%知道其“餐盘一半为水果和蔬菜”的建议。

**Online Communication（在线沟通）**

97.4%的参与者拥有至少一种互联网接入方式，其中家庭Wi-Fi最常见（81.6%）；94.4%使用远程沟通工具联系医疗专业人员，最常用的依次为电话（73.5%