方法文章

用于人群膳食调查营养分析的集成电子表格

DOI:

10.3791/64327

2022年10月18日

本文内容

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本文介绍了一套集成电子表格系统,该系统利用简单公式来计算营养素和食物类别的摄入量,以及各类食物对营养素摄入的贡献,用于分析人群膳食调查数据。该系统可处理定量、半定量和非定量的食物摄入数据,并支持用户提供的食物成分表。

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

在人群膳食调查中计算营养素摄入量可能具有挑战性,因为现有的营养分析软件通常侧重于分析个体的摄入量,且可能不允许用户输入或轻松修改分析中所使用的食物成分数据。这些局限性在中低收入国家环境中尤为突出。尽管目前已有多种配备 onboard 营养分析功能的软件辅助膳食评估平台适用于大规模调查,但它们通常也存在类似的限制,并进一步将用户局限于特定的评估方式。本文介绍一种用于人群膳食调查营养分析的多功能集成电子表格系统(ISNAPDS),为已收集数据却无法通过现有软件充分分析的情况提供了解决方案。该方案要求向系统提供完全可自定义的食物成分数据、食物分类信息以及食物摄入量数据(食物摄入量以 g/天为单位,可直接输入,也可根据用户提供的摄入频率以及标准或可变的份量大小进行计算)。数据录入后,用户需调整一组预设的简单公式,使其与输入数据的结构相匹配,系统将应用这些公式计算调查人群中所有个体的营养素摄入量、食物组摄入量,以及各食物组对营养素摄入量的贡献。ISNAPDS 系统的灵活性使其能够适应全球范围内食物消费的多样性,并可分析采用前瞻性与回顾性评估方法收集的定量、半定量和非定量食物消费数据,这些数据可基于不同的参考周期和份量估算方法。截至目前,该系统已应用于中国、埃塞俄比亚、印度、蒙古、泰国以及10个撒哈拉以南非洲国家的多国分析中,涉及24小时回顾法、膳食记录法、食物频率法以及家庭消费数据拆分分析的已发表和正在进行的研究。

引言

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

人口、食物和营养素摄入数据对于了解人群营养不良负担以及饮食与健康之间的关系具有重要意义,并在制定、监测和评估循证营养政策与项目中发挥重要作用1,2

在收集了食物摄入数据后,需使用软件将每种食物的摄入量乘以其营养成分,从而获得营养素摄入量数据(营养分析)3,这一过程在大型计算机出现之前通常由人工完成4。目前已有多种软件可用于执行此类分析,但这些软件通常侧重于个体分析,而非人群调查5,6。研究者若希望在大规模调查中计算营养素摄入量,可能不得不使用自己并不熟练的统计软件编写程序,或对调查人群中的每个个体逐一应用针对个体设计的软件,再汇总结果;这一过程耗时且容易出错。此外,现有的营养分析软件可能未包含特定调查中涉及的全部食物或关注的全部营养素,也无法允许用户输入或便捷地自定义分析中所用的食物成分、份量大小以及食物分类信息。尽管目前已存在多种可进行内置营养分析的膳食评估平台,并适用于大规模调查7,但这些平台通常也存在类似的局限性,并进一步限制用户只能采用特定的评估方式(例如膳食记录、24小时膳食回顾,或回顾在特定参考时间段内各类食物的通常摄入频率)。

这些缺陷在中低收入国家(LMICs)中尤为突出,因为这些地区的本地食物成分、食谱及其他参考数据在现有的膳食评估和营养分析软件中往往严重缺乏代表性,而大多数现有软件都是为高收入国家设计的2,7,8。因此,收集人群营养素摄入数据的研究人员可能不得不使用与其调查人群或研究问题不相匹配的软件辅助膳食评估工具,或者转而采用专门开发的工具——这些工具可能缺乏内置的食物成分数据,或只能依赖繁琐的纸质记录方法;而这两类方法均需要额外的营养分析解决方案9。现有软件的不足之处,进一步加剧了中低收入国家在获取高质量、时效性强的食物与营养素摄入数据方面的诸多障碍,而这些数据正是制定有效营养策略所必需的2。近期开发的INDDEX24膳食评估平台,是弥补中低收入国家这一数据缺口的一项重要尝试10,11,12。INDDEX24采用移动应用程序进行高效的数据采集,并与全球食品数据数据库(Global Food Matters Database)无缝对接,后者是一个内容广泛且持续扩展的全球性资源库,涵盖食物成分、标准食谱和膳食参考数据13。然而,INDDEX24仅限于收集24小时回顾法数据,尽管该方法被认为是适用于人群调查中应用最广泛的评估手段,但在需要较长参考周期的研究中可能无法满足所有研究目标(此时采用食物频率问卷可能更为合适)。

本文介绍了一种用于人群膳食调查营养分析的多功能集成电子表格系统(ISNAPDS),该系统为那些已收集数据但现有软件无法充分满足分析需求的情况提供了可行解决方案。该方案要求用户向系统输入完全可自定义的食物成分数据、食物分类信息以及食物摄入量数据(食物摄入量以克/天为单位,可直接输入,也可根据用户提供的摄入频率以及标准或可变的份量大小进行计算)。在完成数据录入后,用户需调整一组预设的简单公式,使其与输入数据的结构相匹配。系统随后应用这些公式,计算调查人群中所有个体的营养素摄入量、食物组摄入量,以及各食物组对营养素摄入的贡献。ISNAPDS系统的灵活性使其能够适应全球范围内食物消费的多样性,并可分析通过前瞻性或回顾性评估方法收集的定量、半定量和非定量(即定性)食物消费数据,这些数据可能采用不同的参考周期和份量估算方法(例如单次或重复饮食记录法、24小时回顾法或食物频率问卷)。

ISNAPDS 系统简介、实验方案步骤概述及公式说明:
ISNAPDS 系统(补充文件 1)是一个 Microsoft Excel Open XML (.xlsx) 文件,最初开发于 2012 年。此处使用的版本为 2022 年使用 Excel 365 开发。

ISNAPDS 由八个电子表格组成,这些表格通过公式相互连接,将标准或可变份量大小(以克/份表示)的输入数据、食物成分(以单位/天表示)、食物分组分类、食物摄入频率(以份/天表示)转换为食物摄入量(以克/天表示,若数据可直接获得,也可作为输入数据提供)、食物组摄入量(以克/天表示)、营养素摄入量(以单位/天表示)以及各食物组对营养素摄入量的贡献(以单位/天表示)的输出数据。该系统具有集成性,其公式可将每个电子表格中的食物、观察值、营养素和食物组与其它表格中的对应项准确匹配;所有电子表格均包含于单个文件中。系统已预填充10个观察值的示例输入和输出数据,用于展示系统的功能(在本系统及方案中,“观察值”可指个体,也可指人日,例如重复膳食记录或回忆法中的情况)。

使用ISNAPDS的实验方案包括四个主要步骤:(1)确定食物摄入量数据是由用户以g/天为单位提供,还是需要根据摄入频率和份量大小进行计算;如果需要计算食物摄入量,则需进一步确定每种食物是否对应一个标准份量大小,或各观察对象间每种食物的份量大小是否可变;(2)对食物成分数据、食物分组分类数据进行结构化处理,并输入食物摄入量数据,或输入摄入频率数据以及对应的标准份量或可变份量大小;(3)修改输出电子表格中预设的公式,使其与输入数据的结构相匹配;(4)在输出数据表中传播公式,以生成所需的结果。根据所选定的食物摄入量数据填充方法,以及用户是否希望计算营养素摄入量、食物组摄入量或各食物组对营养素摄入量的贡献,部分步骤可跳过。图1为流程图,概括了在特定食物摄入量数据填充方法下所需的协议步骤、输入数据及期望的输出数据。

食物摄入数据处理流程图,展示数据输入步骤、电子表格修改和输出。
图 1:实验方案流程图。 概述了填充食物摄入数据的方法以及所需输出数据对应的各步骤和输入数据。步骤 2(数据结构化与录入)已简化,省略了涉及数据结构化的具体步骤和部分内容。请点击此处查看此图的放大版本。

对于每次观察,ISNAPDS 通过将每种食物的摄入频率乘以其份量大小,计算每日食物摄入量(单位:g/天),除非这些数据由用户直接提供14。计算每个食物组的摄入量时,需对归属于该组的所有食物的摄入量进行简单加总。计算营养素摄入量的公式为:将每种食物的摄入量乘以该食物中每100克所含各营养素的浓度,再除以100,然后对所有摄入食物的计算结果进行加总3。为计算每个食物组对各营养素摄入量的贡献,只需针对每种食物组与营养素的组合分别应用相同的公式即可。

建议新用户查阅两页的补充指南,了解如何在 ISNAPDS 电子表格中输入和操作数据(补充文件 2),以避免错误并确保各工作表之间的数据保持关联。这些指南也可用于排查明显的错误(例如单元格显示 #REF! 或 #VALUE)以及在执行代表性结果中所述的数据完整性检查时可能发现的错误。

访问受限。请登录或开始试用以查看此内容。

方案

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本方案附有应用ISNAPDS系统分析蒙古国实际人口调查数据的示例结果。本调查中所遵循的数据收集程序符合蒙古国卫生部伦理审查委员会以及哈佛大学陈曾熙公共卫生学院机构审查委员会(方案编号 #21002)的伦理标准。符合条件的参与者在入组前均签署了书面知情同意书,同意参加研究并提供可用于发表的数据,并可随时自由退出研究。

1. 确定食物摄入数据的填充方法

  1. 如果食物摄入量数据已以克/天(g/day)为单位直接提供,则跳至第2步。
  2. 如果需要根据摄入频率和份量大小计算以克/天(g/day)为单位的食物摄入量,请在“食物摄入量计算方法”工作表中选择单元格B1,并使用下拉菜单指定每种食物是否对应标准份量(默认选项),或各次观察中的食物份量是否不同(可变份量)。
    注:若需计算食物摄入量,但份量大小数据不可直接获得(例如分析使用非定量食物频率问卷收集的数据),可考虑单独分析定量调查数据,以推导出不同人口统计亚组的标准或可变份量15,16,17,18

2. 参考预填充的示例数据,构建并填写输入数据表格

  1. 在“食物成分”工作表的 A 列中,输入调查数据中报告摄入的所有不同食物的列表(以下简称“食物列表”)。在“食物摄入”工作表中,将食物列表输入第 1 行,并将调查数据中所有不同的观察对象列表(以下简称“观察对象列表”)输入 A 列。
    1. 确保在任何其他输入数据的工作表中,第 1 行的食物列表和 A 列的观察对象列表的顺序与长度,均与“食物成分”和“食物摄入”工作表中的列表顺序和长度保持一致。
  2. 根据步骤 1 中指定的方法,输入必要的原始数据,以填写以克/天(g/day)为单位的食物摄入量。
    1. 如果食物摄入数据已直接提供为克/天(g/day),则在“食物摄入”工作表中填写所有食物和观察对象的数据,并跳至步骤 2.3。
    2. 如果需要基于摄入频率(以份/天表示)以及标准或可变的每份重量(以克/份表示)来计算食物摄入量,则在“摄入频率”工作表中输入食物列表和观察对象列表,并填写数据中所有食物和观察对象的信息。
    3. 若使用标准每份重量计算食物摄入量,请将这些数据填入“食物成分”工作表的 C 列。若使用可变每份重量,则在“可变每份重量”工作表中输入食物列表和观察对象列表,并填写数据中所有食物和观察对象的信息。
  3. 如果需要计算食物组的摄入量或食物组对营养素摄入量的贡献,请在“食物成分”工作表的 B 列中输入食物组。在“食物组摄入”工作表中,将数据中包含的所有不同食物组的列表(以下简称“食物组列表”)输入第 1 行,将观察对象列表输入 A 列。
    1. 确保“食物成分”工作表 B 列中的食物组列表长度以及每个食物组的名称,与“食物组摄入”工作表第 1 行中的列表(以及在计算食物组对营养素摄入贡献时,“营养素来源”工作表第 1 行)保持一致。食物组名称不区分大小写,可按任意顺序输入。
  4. 如果需要计算营养素摄入量或食物组对营养素摄入量的贡献,请在“食物成分”工作表中,将拟分析的所有营养素列表(以下简称“营养素列表”)输入第 1 行,并使用食物成分数据(以每 100 克含量的单位表示)填写该工作表。在“营养素摄入”工作表中,将营养素列表输入第 1 行,将观察对象列表输入 A 列。 有关如何识别、获取、汇编、匹配及评估食物成分数据质量的概要指导和在线资源,请参见 补充文件 3
    注意:尽管称为“营养素列表”,该列表也可包含原料、食物或食物组(例如:面粉(g)、面包(g)或精制谷物(g)),因此“食物成分”工作表中填写的数据可包括来自配方或换算因子的原料、食物或食物组浓度(以 g/100 g 表示)。这种方法为计算食物或食物组摄入量提供了额外或替代的途径。使用此方法时,将食物或食物组视为营养素处理,其摄入量填入“营养素摄入”工作表中。该方法适用于需计算食物列表中未包含的特定原料或关注食物(如强化载体)摄入量的情况,或在使用基于菜肴的膳食评估方法收集数据时,需要在原料或食物层面分配食物组的情形。 
    1. 确保“食物成分”工作表第 1 行的营养素列表与“营养素摄入”工作表第 1 行(以及在计算食物组对营养素摄入贡献时,“营养素来源”工作表第 1 行)的营养素列表在顺序和长度上保持一致。
  5. 如果需要计算食物组对营养素摄入量的贡献:在“营养素来源”工作表中,将营养素列表输入第 1 行;在 A 列中,将观察对象列表垂直重复 # 次(即依次追加自身副本),其中 # 为食物组列表中的食物组数量;在 B 列的每个观察对象堆叠部分中,为每一组观察对象填入不同的食物组。

3. 修改输出电子表格中预填充的公式,以匹配输入数据的结构

  1. 如果需要计算食物组摄入量或食物组对营养素摄入量的贡献:在“食物组摄入量”工作表中单元格 B2 的公式 {=SUM(('Food Composition'!$B$2:$B$21=B$1)*TRANSPOSE('Food Intake'!$B2:$U2))} 中,将 $B$21 修改为 $B$#,其中 # 为“食物成分”工作表中输入数据的最末行;将 $U2 修改为 $*2,其中 * 为“食物摄入量”工作表中输入数据的最右列。输入修改后的公式。
  2. 如果需要计算营养素摄入量或食物组对营养素摄入量的贡献:在“营养素摄入量”工作表中单元格 B2 的公式 {=SUM(('Food Intake'!$B2:$U2)*TRANSPOSE('Food Composition'!D$2:D$21))/100} 中,将 $U2 修改为 $#2,其中 # 为“食物摄入量”工作表中输入数据的最右列;将 $D$21 修改为 $D$*,其中 * 为“食物成分”工作表中输入数据的最末行。输入修改后的公式。
  3. 如果需要计算食物组对营养素摄入量的贡献:在“营养素来源”工作表中单元格 C2 的公式 {=SUM(INDEX('Food Intake'!$B$1$U$11,ROW()-ROUNDDOWN((ROW()-2)/(10),0)*(10),0)*(TRANSPOSE
    ('Food Composition'!D$2:D$21*($B2='Food Composition'!$B$2:$B$21))))/100} 中,将 $U$11 修改为 $#11,其中 # 为“食物摄入量”工作表中输入数据的最右列;将 $D$21 和 $B$21 分别修改为 $D$* 和 $B$*,其中 * 为“食物成分”工作表中输入数据的最末行;并将两个 (10) 均修改为 (!),其中 ! 为观察列表的长度。输入修改后的公式。
    注意:如果使用 2021 年之前的软件版本,请使用 CTRL + SHIFT + ENTER/RETURN 输入数组公式(参见 补充文件 2 获取指导)。

4. 在输出电子表格中填充公式以生成所需结果

  1. 若需根据摄入频率及标准或可变的份量大小计算食物摄入量:在“食物摄入量”电子表格中,选中单元格 B2,并向右向下复制粘贴或拖动,直至数据中的每个观测值均填入每种食物的摄入量(单位:g/天)。
  2. 若需计算食物组的摄入量或食物组对营养素摄入量的贡献:在“食物组摄入量”电子表格中,选中单元格 B2,并向右向下复制粘贴或拖动,直至数据中的每个观测值均填入每个食物组的摄入量(单位:g/天)。
  3. 若需计算营养素摄入量或食物组对营养素摄入量的贡献:在“营养素摄入量”电子表格中,选中单元格 B2,并向右向下复制粘贴或拖动,直至数据中的每个观测值均填入每种营养素组的摄入量(单位:单位/天)。
  4. 若需计算食物组对营养素摄入量的贡献:在“营养素来源”电子表格中,选中单元格 C2,并向右向下复制粘贴或拖动,直至数据中的每个观测值均填入每种食物组对每种营养素的贡献量(单位:单位/天)。

访问受限。请登录或开始试用以查看此内容。

结果

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

确保输出数据完整性的检查
以下检查展示了使用预填充示例数据中的观测值1时,ISNAPDS系统中计算结果的准确性。为确保在分析实际调查数据时正确遵循本方案,建议用户针对多个不同的观测值和输出列自行运行每一项检查(某个输入电子表格中的错误可能会在某些输出电子表格中引发额外错误,而在其他输出中则不会;同样,某个输出电子表格中的错误可能仅影响数据的某一部分,若仅对单个观测值和输出列进行检查,则此类错误可能被忽略)。

使用标准或可变份量计算食物摄入量的验证
对于观察1,全脂牛奶的每日摄入量(克/天)等于全脂牛奶的摄入份数(“摄入频率”表格的B2单元格:0.14份/天)乘以全脂牛奶的标准份量(“食物成分”表格的C2单元格:85克/份)或为观察1指定的全脂牛奶可变份量(“可变份量”表格的B2单元格:130克/份),具体取决于使用的是标准份量还是可变份量:

若采用标准份量:0.14 * 85 = 每日12克。若采用可变份量:0.14 * 130 = 每...

访问受限。请登录或开始试用以查看此内容。

讨论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本文介绍的ISNAPDS系统为营养监测和流行病学中的多项核心分析提供了便捷的起点,例如:估算营养素和食物类别的摄入分布,确定营养素摄入不足和过量的流行情况,识别每种营养素的主要食物来源,推导基于食物或营养素的膳食指标或对膳食指南的依从性,分析膳食与健康结局之间的关系,以及为营养项目的设计提供依据。ISNAPDS已预先完成了在亚洲和非洲多个中低收入国家开展的人群膳食调查中的上述所有分析,所采用的评估方法多种多样。这些调查包括在蒙古采集的334名成人记录的1,838人日称重法膳食记录数据,以及1,356名成人的24小时回顾法数据20,21,22,23;来自3,564名埃塞俄比亚成人的定量食物频率问卷(FFQ)和重复24小时回顾法数据24;来自非洲10个国家3,171名成人的非定量食物频率问卷数据18

访问受限。请登录或开始试用以查看此内容。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者无任何利益冲突需要披露。

致谢

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者谨向 Rosalind S. Gibson 博士、Walter C. Willett 博士、Rebecca L. Lander 博士、Teresa T. Fung 博士、Theresa L. Han-Markey、Guy Crosby 博士、Megan Deitchler 博士、Mourad Moursi 博士、Helena Pachón 博士、Suzanne M. Cole 博士、Tzy-Wen L. Gong 博士以及 Laura A. Sampson 致谢,感谢他们在过去十年中在膳食评估与营养分析方面所提供的教育与指导;向 Kelvin Gorospe 博士致谢,感谢其关于将 ISNAPDS 系统功能转化为统计程序的建议;向 Sinara L. Rossato 博士致谢,感谢其提供关于 DietSys 的信息;并向 Winnie Bell 博士致谢,感谢其提供关于 INDDEX24 膳食评估平台与全球食品事务数据库的信息。 本研究获得了美国国立卫生研究院(T32 DK 007703)的资助支持。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
Excel 365Microsoft CorporationISNAPDS 系统(补充文件 1)  是一个 Microsoft Excel Open XML (.xlsx) 文件,最初于 2012 年开发。已发表的版本是使用 Excel 365 于 2022 年开发的。

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Agriculture Organization of the United Nations (FAO), Intake - Center for Dietary Assessment. Global report on the state of dietary data. Agriculture Organization of the United Nations (FAO), Intake - Center for Dietary Assessment. , Rome, Italy. (2022).
  2. Micha, R., Coates, J., Leclercq, C., Charrondiere, U. R., Mozaffarian, D. Global Dietary Surveillance: Data gaps and challenges. Food and Nutrition Bulletin. 39 (2), 175-205 (2018).
  3. Greenfield, H., Southgate, D. A. T. Food composition data and food composition databases. Food composition data: production, management, and use, 2nd ed. Burlingame, B. A., Charrondiere, U. R. , Food and Agriculture Organization of the United Nations (FAO) Publishing Management Service. Rome, Italy. 5-20 (2003).
  4. West, C. E., Van Staveren, W. A. Food composition, nutrient intake, and the use of food composition tables. Design concepts in nutritional epidemiology, 2nd ed. Margetts, B. M., Nelson, M. , Oxford University Press. New York, NY, USA. 101-119 (1997).
  5. Agriculture Organization of the United Nations (FAO), International Network of Food Data Systems (INFOODS). Software Tools. , Available from: https://www.fao.org/infoods/infoods/software-tools/en/ (2022).
  6. Food and Nutrition Service (FNS), United States Department of Agriculture (USDA). USDA Approved Nutritional analysis Software. , Available from: https://www.fns.usda.gov/tn/usda-approved-nutrient-analysis-software (2022).
  7. McNutt, S., Zimmerman, T. P., Brooke, C. Computer-assisted dietary assessment methods. Advances in the Assessment of Dietary Intake. Schoeller, D. A., Westerterp-Plantenga, M. S. , CRC Press. Boca Raton, FL, USA. 45-66 (2017).
  8. Coates, J. C., Colaiezzi, B., Bell, W. F., Gibson, R. S. INDDEX Priority Technical Criteria and Review of Technology-Assisted 24-h Recall Software Programs. , Tufts University. Boston, MA, USA. (2015).
  9. Rossato, S. L., Fung, T. T., Rodrigues, M. P. A Data entry system for dietary surveys based on visual basic for applications programming. Journal of the Academy of Nutrition and Dietetics. 117 (8), 1165-1170 (2017).
  10. Rogers, B. L., et al. Validation of the INDDEX24 mobile app vs. a pen-and-paper 24-hour dietary recall using the weighed food record as a benchmark in Burkina Faso. The British Journal of Nutrition. , 1-41 (2021).
  11. Coates, J., et al. Accuracy and cost-effectiveness of the INDDEX24 Dietary Assessment Platform in Viet Nam. The British Journal of Nutrition. , 1-38 (2022).
  12. Adams, K. P., et al. The cost and cost efficiency of conducting a 24-h dietary recall using INDDEX24, a mobile dietary assessment platform, compared with pen-and-paper interview in Viet Nam and Burkina Faso. The British Journal of Nutrition. , 1-15 (2022).
  13. International Dietary Data Expansion (INDDEX) Project. Global Food Matters Database. , Available from: https://inddex.nutrition.tufts.edu/global-food-matters-database (2022).
  14. Willett, W. C. Food Frequency Methods. In Nutritional Epidemiology, 3rd ed. , Oxford University Press. New York, NY, USA. 70-95 (2013).
  15. Tjonneland, A., et al. Influence of individually estimated portion size data on the validity of a semiquantitative food frequency questionnaire. International Journal of Epidemiology. 21 (4), 770-777 (1992).
  16. Wakai, K., et al. A simple food frequency questionnaire for Japanese diet--Part I. Development of the questionnaire, and reproducibility and validity for food groups. Journal of Epidemiology. 9 (4), 216-226 (1999).
  17. Schlundt, D. G., et al. Separate estimates of portion size were not essential for energy and nutrient estimation: results from the Southern Community Cohort food-frequency questionnaire pilot study. Public Health Nutrition. 10 (3), 245-251 (2007).
  18. Bromage, S., et al. The global diet quality score is inversely associated with nutrient inadequacy, low midupper arm circumference, and anemia in rural adults in ten sub-Saharan African countries. The Journal of Nutrition. 151 (12), Suppl 2 119-129 (2021).
  19. Bromage, S., et al. Trained cohorts of University students are a useful resource for conducting dietary surveys in Mongolia. Food and Nutrition Bulletin. 38 (2), 267-272 (2017).
  20. Bromage, S., et al. Diet and nutrition status of Mongolian adults. Nutrients. 12 (5), 1514(2020).
  21. Bromage, S., et al. Projected effectiveness of mandatory industrial fortification of wheat flour, milk, and edible oil with multiple micronutrients among Mongolian adults. PLoS One. 13 (8), 0201230(2018).
  22. Jeong, C., et al. Bronze Age population dynamics and the rise of dairy pastoralism on the eastern Eurasian steppe. Proceedings of the National Academy of Sciences of the United States of America. 115 (48), 11248-11255 (2018).
  23. Bromage, S., et al. Comparison of methods for estimating dietary food and nutrient intakes and intake densities from household consumption and expenditure data in Mongolia. Nutrients. 10 (6), 703(2018).
  24. Bromage, S., et al. The global diet quality score is associated with higher nutrient adequacy, midupper arm circumference, venous hemoglobin, and serum folate among urban and rural Ethiopian adults. The Journal of Nutrition. 151 (12), Suppl 2 130-142 (2021).
  25. Mistry, N., et al. Protocol for a case-control study of vitamin D status, adult multidrug-resistant tuberculosis disease and tuberculosis infection in Mumbai, India. BMJ Open. 10 (11), 039935(2020).
  26. Ganmaa, D., et al. Prevalence and determinants of QuantiFERON-diagnosed tuberculosis infection in 9810 Mongolian schoolchildren. Clinical Infectious Diseases. 69 (5), 813-819 (2019).
  27. International Network of Food Data Systems (INFOODS). Training. Food and Agriculture Organization of the United Nations (FAO). , Available from: https://www.fao.org/infoods/infoods/training/en/ (2022).
  28. Intake - Center for Dietary Assessment. Resources. , Available from: https://www.intake.org/resources (2022).
  29. Gibson, R. S., Ferguson, E. L. An interactive 24-hour recall for assessing the adequacy of iron and zinc intakes in developing countries. , ILSI Press. Washington, DC, USA. 98-107 (2008).
  30. Vásquez-Caicedo, A. L., Bell, S., Hartmann, B. Report on collection of rules on use of recipe calculation procedures including the use of yield and retention factors for imputing nutrient values for composite foods. European Food Information Resource (EuroFir). , Brussels, Belgium. (2008).
  31. Allen, L. H., Carriquiry, A. L., Murphy, S. P. Perspective: Proposed harmonized nutrient reference values for populations). Advances in Nutrition. 11 (3), 469-483 (2020).
  32. Institute of Medicine (US) Subcommittee on Interpretation and Uses of Dietary Reference Intakes. DRI Dietary Reference Intakes: Applications in Dietary Planning. , National Academies Press. Washington, DC, USA. (2000).
  33. Herforth, A., et al. A global review of food-based dietary guidelines. Advances in Nutrition. 10 (4), 590-605 (2019).
  34. Miller, V., Webb, P., Micha, R., Mozaffarian, D. Global Dietary Database. Defining diet quality: a synthesis of dietary quality metrics and their validity for the double burden of malnutrition. The Lancet Planetary Health. 4 (8), 352-370 (2020).
  35. Bromage, S., et al. Development and validation of a novel food-based Global Diet Quality Score (GDQS). The Journal of Nutrition. 151 (12), Suppl 2 75-92 (2021).
  36. Ioannidou, S., Cascio, C., Gilsenan, M. B. European Food Safety Authority open access tools to estimate dietary exposure to food chemicals. Environment International. 149, 106357(2021).
  37. Food and Agriculture Organization of the United Nations (FAO) and International Network of Food Data Systems (INFOODS). AInternational food composition table/database directory. , Available from: https://www.fao.org/infoods/infoods/tables-and-databases/en/ (2022).
  38. Food and Agriculture Organization of the United Nations (FAO) and International Network of Food Data Systems (INFOODS). Food nomenclature, terminology and classification systems. , Available from: https://www.fao.org/infoods/infoods/standards-guidelines/food-nomenclature/en/ (2022).
  39. Rodriguez-Martinez, A., Ayala, R., Balchunas, M., Debbabi, Y., Vidal, L. S. NutrienTrackeR: Food Composition Information and Dietary Assessment R package version 1.2.0. , Available from: https://CRAN.R-project.org/package=NutrienTrackeR (2022).
  40. Nutritional Epidemiology, 3rd ed. Willett, W. C. , Oxford University Press. New York, NY, USA. (2013).
  41. Gibson, R. S. Principles of Nutrition Assessment, 2nd ed. , Oxford University Press. New York, NY, USA. (2005).
  42. Rodrigues, S. L., et al. Development of DietSys: A comprehensive food and nutrient database for dietary surveys. Journal of Food Composition and Analysis. 102, 104030(2021).
  43. Monteiro, C. A., et al. Ultra-processed foods: what they are and how to identify them. Public Health Nutrition. 22 (5), 936-941 (2019).
  44. Greenfield, H., Southgate, D. A. T. Guidelines for the use of food composition data. Food composition data: production, management, and use, 2nd ed. Burlingame, B., Charrondiere, U. R. , Food and Agriculture Organization of the United Nations (FAO) Publishing Management Service. Rome, Italy. 187-197 (2003).
  45. Sumbo, P., Beecher, G. Strengths and Limitations of Food Composition Databases. Advances in the Assessment of Dietary Intake. Schoeller, D. A., Westerterp-Plantenga, M. S. , CRC Press. Boca Raton, FL, USA. 337-352 (2017).
  46. Kapsokefalou, M., et al. Food composition at present: New challenges. Nutrients. 11 (8), 1714(2019).
  47. Thornton, K., Seals-Nutt, K., Matsuzaki, M. Introducing WikFCD: Many food composition tables in a single knowledge base. CEUR Workshop Proceedings. 2969, (2021).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

24
视频即将推出

相关文章