公共卫生学院王彤教授团队利用成分数据分析方法

提取膳食模式并揭示粗粮模式与高血压的关系

膳食摄入在高血压、肥胖、糖尿病等慢性病中起着重要作用，但在营养流行病学领域，传统的的单一营养素或食物组对健康的影响研究模式并不能反映现实世界中人们会摄入多种食物且包含多种营养素的复杂健康效应，从整体上考虑不同食物和营养素间关系的膳食模式研究受到越来越多地关注。主成分分析（Principal component analysis, PCA）是膳食模式研究中最经典的统计分析方法之一。但PCA提取膳食模式过程中仍存在许多问题，一是主成分的计算会引入较多的主观性，比如旋转方法的选择、食物因子载荷界值的确定等；二是每个主成分都是所有食物组的线性组合，给膳食模式的解释和命名带来了困难；三是主成分主要用于研究不同的食物组合，无法充分描述食物摄入过程中的成分数据特性（即每餐不同食物摄入会此消彼长）。成分数据分析方法（compositional data analysis, CoDA）是近年来最新用于构建膳食模式的一类统计方法，主要包括成分主成分分析、平衡和主平衡。CoDA以对数比方法为基础，着重分析了不同食物组在整体饮食中的摄入相对变化情况。然而，成分膳食模式与慢性病发病风险的关系目前尚未有研究。2022年，课题组在Public Health Nutrition（影响因子4.022）发表题为“Exploring the Association of Dietary Patterns with the Risk of Hypertension Using Principal Balances Analysis and Principal Component Analysis”文章，将成分数据分析方法中的主平衡分析应用于中国成年人健康与营养调查的前瞻性队列研究，并与传统PCA作对比，充分比较和评价CoDA与传统的膳食模式提取方法在确定膳食模式及这些模式与高血压发病风险关系方面的差异。研究发现，主平衡分析提取的粗粮模式能显著降低高血压发病风险。该研究成功填补了成分膳食模式与慢性病发病风险关系研究的空白，为同类研究提供了重要参考。研究结果提示，CoDA作为当前营养流行病学研究中较为新颖的一类方法，可作为目前传统统计分析方法的重要补充，并在未来的营养流行病学研究中具有较大的应用潜力。

山西医科大学公共卫生学院王彤教授为本项研究的通讯作者，博士研究生赵俊康为第一作者。该研究得到了国家自然科学基金和山西省科技重大专项资金的支持。