**基于营养成分轮廓分离嵌套验证的NOVA食品分类鲁棒性研究**

《Frontiers in Nutrition》：Robustness of nutrient-based NOVA food classification under profile-separated nested validation

　　

摘要 引言：营养成分轮廓包含与食品加工相关的信息，但自动化NOVA分类的估计结果可能因模糊的记录链接、严重的类别不平衡、重复的营养成分轮廓以及非嵌套的模型选择而产生偏差。本研究评估了在解决上述乐观偏差来源后，从营养成分组成中恢复四类NOVA标签的效果。方法：分析使用了来自美国农业部膳食研究食品与营养数据库（USDA FNDDS）的2,484种人工标注食品，由99个营养变量表示。相同的营养成分轮廓被分配至同一折，并以先验概率基线为参照，采用三次重复的五折嵌套分层分组交叉验证对逻辑回归（logistic regression）、径向基支持向量机（RBF-SVM）、随机森林（random forest）和直方图梯度提升（histogram gradient boosting）进行比较。超参数和所有转换均在每个外部训练分区内选择。性能评估采用类别平衡指标和机遇校正指标、校正重复交叉验证检验以及折间稳定的多类别Shapley归因。结果：直方图梯度提升达到准确率0.921和宏F1（macro-F1）0.814（标准差SD 0.029；95%折区间0.798–0.831）。随机森林达到宏F1 0.788；均值差0.026经重复折校正后不具有统计可靠性（Holm校正p = 0.203）。NOVA 2的类别特异性F1为0.639，NOVA 4为0.958。讨论：因此，营养成分测量为NOVA类别提供了强有力但不完全的相关性。这些模型适用于该数据源内的方法学筛查，但不能替代基于配料和加工过程的专家分类；仍需在当代品牌食品和独立裁决标签上进行外部验证。

**基于营养成分轮廓分离嵌套验证的NOVA食品分类鲁棒性：一项方法论再分析**

**一、研究背景与问题提出**

NOVA分类系统根据工业加工的性质、程度和目的将食品分为四类：未加工或最低加工食品（NOVA 1）、加工烹饪配料（NOVA 2）、加工食品（NOVA 3）和超加工食品（NOVA 4）。该系统广泛应用于营养流行病学和政策研究，但分类通常需要详细的配料和制造信息，而这些信息并非始终可得，且类别边界尤其在复合食品中难以一致应用。

基于营养成分的机器学习提供了一条补充路径。加工和配方会改变钠、水分、碳水化合物、脂肪、微量营养素等成分的浓度，从而产生即使在缺少配料清单时也可检测的多变量模式。Menichetti等人基于膳食研究食品与营养数据库（FNDDS）的营养成分轮廓开发了FoodProX模型，展示了对人工指定NOVA类别的高区分度。上述研究确立了结构化食品数据可支持有用的预测，但也明确指出预测关联不等同于加工定义或因果机制。

然而，可靠的评估在此领域尤为重要。NOVA 4通常主导可用的标注样本，致使准确率和加权指标可能掩盖对NOVA 2的较差性能；评估前进行的超参数选择和预处理可能产生乐观估计；相同的营养成分向量同时出现在训练集和测试集中会造成直接的特征轮廓泄露；单一随机划分也无法提供分次间变异性的估计。嵌套交叉验证可将模型选择与评估分离；由于重复交叉验证得分具有依赖性，需采用配对校正检验。此外，一项与该研究相关的探索性分析曾尝试通过标准化食品名称将8,790条USDA标准参考记录与NOVA标签链接，仅保留了496条记录，且审计表明大多数保留记录依赖于描述的前两个词而非精确标识符，因此该样本不适合作为主要的验证数据集。本研究正是基于上述问题的系统再分析，旨在回答三个核心问题：（1）在相同营养成分轮廓被分组隔离且模型选择嵌套的条件下，从营养成分测量中预测NOVA类别的准确度如何？（2）在类别平衡和机遇校正指标下，线性、核方法、装袋和提升分类器如何比较，尤其是对NOVA 2类别？（3）哪些营养素对预测贡献最大，其Shapley排名在保留折上的稳定性如何？

**二、关键技术方法**

研究人员采用直接食品代码对齐方式，从FNDDS 2009–2010的2,484种人工分类食品中构建分析样本，以99种营养素变量（常量营养素、矿物质、维生素、脂肪酸及相关食品成分指标）作为预测因子。源矩阵中结构零编码为?20，其余为自然对数营养素值，所有数值均按提供原样保留，未进行额外对数转换或插补。核心验证策略为轮廓分离嵌套验证：将完全相同的99变量营养成分轮廓赋予共同分组标识符，外部评估采用三次重复的五折分层分组交叉验证（共15个保留折），每个轮廓组在每次重复中仅出现于测试集一次，绝不同时出现在训练和测试数据中；在每个外部训练分区内，以宏F1为指标进行独立的三折分层分组交叉验证选择超参数，确保外部测试观测不参与预处理、模型选择、超参数选择或解释背景构建。比较的五种模型规范为：先验概率虚拟分类器、多元逻辑回归、径向基函数支持向量机（RBF-SVM）、随机森林和直方图梯度提升。逻辑回归和RBF-SVM在内部训练折中拟合均值和标准差进行标准化，树模型直接使用提供的对数营养素值；所有学习模型使用类别平衡损失权重，随机森林采用平衡子样本权重。性能评估以宏F1为主要指标，同时报告准确率、宏精确率、宏召回率、加权F1、平衡准确率、Cohen κ系数、马修斯相关系数（MCC）以及宏和患病率加权受试者工作特征曲线下面积（AUC）。配对宏F1差异采用校正重复交叉验证t统计量评估，并以Holm方法调整p值。特征归因采用基于模型无关蒙特卡罗置换的介入式Shapley值，对第一次重复的五个外部模型进行跨五折稳定性评估。

**三、主要研究结果**

**3.1 主要模型比较**

直方图梯度提升产生最高的平均宏F1（0.814；标准差0.029；95%折区间0.798–0.831），准确率0.921，平衡准确率0.810，宏AUC 0.980。随机森林为最接近的替代模型（宏F1 0.788）。RBF-SVM和逻辑回归分别达到宏F1 0.723和0.611。先验基线因NOVA 4主导样本而获得准确率0.754，但其宏F1仅为0.215。这些结果表明，在严格控制信息泄露的验证设计下，营养成分轮廓仍携带关于NOVA类别的实质性信息，但模型间差异的幅度因评估指标而异。

**3.2 类别特异性错误**

对于直方图梯度提升，NOVA 4的精确率为0.958，召回率0.957，F1为0.958。NOVA 2仍是最困难的类别，50种食品的精确率为0.660，召回率0.620，F1为0.639。NOVA 1和NOVA 3的F1分别为0.844和0.802。折外混淆矩阵显示，错误集中于少数类别和相邻加工类别，而非NOVA 4多数类别。值得注意的是，具有相同营养成分轮廓却携带冲突人工标签的8组（17条记录）直接提供了经验证据，表明营养成分组成本身无法唯一确定NOVA类别，这为任何仅依赖营养成分的分类器设定了一个不可约减的上限。

**3.3 配对模型比较**

直方图梯度提升较随机森林的平均宏F1高出0.026，但该差异在校正重复折检验后不具有统计可靠性（校正t(14) = 1.34，Holm校正p = 0.203）。然而，其相对于RBF-SVM、逻辑回归和先验基线的优势在校正后仍保持显著。这些比较考虑了记录在重复折中的重复使用，并对四项配对检验进行了校正，但不涉及外部数据集的可迁移性。

**3.4 特征贡献与稳定性**

钠（Sodium）具有最高的归一化平均绝对贡献（0.113）并在所有五个折中均排名第一。水分（Water）、总糖（Total sugars）、碳水化合物（Carbohydrate）和钾（Potassium）构成五个最高平均重要性特征。钠、水分、总糖、碳水化合物、钾和叶酸（Folic acid）在每个折中均出现在前10位。特征排名的成对Spearman相关系数范围为0.912至0.955，中位数为0.945，表明领先模式的实质性稳定性。针对NOVA 4预测概率的符号化类别特异性贡献图显示，贡献模式是多变量的：没有任何单一营养素足以定义加工水平。

**四、讨论与结论**

本研究表明，营养成分轮廓携带着关于人工指定NOVA类别的实质性信息，但该信息的强度取决于数据来源和验证设计。直接食品代码对齐的样本比探索性名称匹配样本大约五倍，且NOVA 2的代表性问题虽仍严重但较为缓和。将重复营养成分轮廓保持在同一折中，可防止分类器在已见过的特征向量上进行测试。在此更严格的设计下，直方图梯度提升达到宏F1 0.814和平衡准确率0.810，随机森林达到宏F1 0.788。所得性能足以支持筛查，但并非完美，尤其在不同类别间并不均匀。

该结果与加工和配方改变营养素组合的前提一致，但并不暗示营养素等同于NOVA定义。NOVA考虑加工的目的和程度、配料配方以及工业物质的使用，因此两种食品可能共享营养成分轮廓却获得不同标签——本研究中观察到的八组冲突轮廓组即为该不可识别性的直接经验证据。配料清单、添加剂、制备方法和专家裁决仍是相关的输入信息。

类别不平衡对解释具有实质性影响。NOVA 4占样本的四分之三，使得所有学习模型均可获得相对较高的准确率和加权F1，但宏F1、平衡准确率和类别特异性表格揭示了更为困难的NOVA 2问题。类别加权改善了少数观测在拟合中的作用，但无法替代缺失的多样性。营养素的合成插值可能产生无意义成分解释的食品，因此研究人员有意避免了重采样。

模型比较同样应审慎对待。直方图梯度提升虽具有最高的平均宏F1，但其相对于随机森林的0.026优势在依赖校正比较中未能成立；而相对于线性和核基线的较大差异则具有统计可靠性。统计比较虽有价值，但在单一来源内训练和测试的模型间差异无法确立普遍优势，向更新的FNDDS版本、品牌食品数据库、其他国家以及独立裁决标签的迁移才是更具决定性的检验。

Shapley分析识别的是拟合模型所使用的营养素，而非工业加工的生物标志物。钠始终排名第一，随后依次为水分、总糖、碳水化合物和钾。排名相关性的中位数0.945表明领先模式具有实质稳定性，而较低排名特征在不同折间存在变异。相关营养素指标可分割或交换归因值，且排名依赖于背景分布。报告跨折稳定性和符号化类别特异性贡献比单一基尼重要性图提供了更有说服力的解释，但不支持因果推断。

研究的优势包括基于直接标识符的标签对齐、所有样本计数的显式核对、轮廓分离重复嵌套验证、折局部模型选择、多种不平衡敏感指标、机遇基线、校正配对比较以及折级别解释稳定性。若干局限性仍然存在：这是对一份历史性美国食品成分来源的二次分析，与FoodProX研究共享标签和营养素测量，因此属于鲁棒性基准测试而非独立外部复制；无可用的配料清单、添加剂指标、制备元数据或制造工艺变量；人工NOVA标签可能具有不确定性且未进行新的多评估者裁决；重复交叉验证区间量化的是源数据内部的拆分变异性，不应解释为总体不确定性；类别分布高度不平衡，尤其是NOVA 2；蒙特卡罗Shapley值为近似值，相关预测因子使归因复杂化；对完全相同轮廓进行分组并未解决近似重复食品或更广泛产品家族依赖性问题。

研究结论如下：2,484种人工标注食品的直接对齐和轮廓分离嵌套验证为基于营养成分的NOVA分类提供了一致的估计。直方图梯度提升达到平均宏F1 0.814和准确率0.921，随机森林达到宏F1 0.788，两者差异经校正重复折检验后不具有统计可靠性。剩余错误不仅是计算性质的：相同的营养成分轮廓可能携带不同的NOVA标签，且少数类NOVA 2仍相对困难。因此，营养成分轮廓应被解释为加工相关配方的相关性因素，而非NOVA的替代定义。这些模型的实践价值在于作为边界清晰数据领域内的透明决策支持工具。任何关于替代专家、因果营养素标志物或大规模部署的声明都需要独立标签、配料和加工信息以及外部前瞻性验证。