基于潜在剖面分析法的学龄前儿童膳食模式研究
2021-08-07马永红张海瑞冯彦成
马永红,尚 磊,谭 姣,门 可,张海瑞,冯彦成
(1西安医学院公共卫生学院流行病与卫生统计学教研室,西安 710021;2陕西省公共安全医学防控研究中心;3空军军医大学军事预防医学系;*通讯作者,E-mail:2456292789@qq.com)
营养是儿童生长发育和体质健康的基础,膳食摄入决定营养状况[1]。学龄前期是儿童生长发育的关键时期,这一时期的营养状况直接决定学龄前儿童的生长发育及未来的体质健康水平[2]。居民每日摄入的食物多种多样,且食物和所含营养素之间互相影响、互相联系,只分析某单一食物或营养素对居民健康的影响,缺乏膳食研究的客观性和全面性,是传统营养流行病学的不足[3]。因此,近年来随着现代营养流行病学的快速发展,相关学者提出用居民膳食模式(food pattern)来综合评价个体食物及营养素摄入状况[4]。膳食模式也称膳食结构,指的是日常摄入的各类食物的数量以及比重,判断膳食模式是否合理的标准是膳食中各类食物所能提供的能量及各种营养素的数量和比例是否恰当[5]。利用膳食模式进行儿童营养状况调查,是在掌握儿童食物摄入等基本情况的基础上,综合考虑不同食物和营养素的交互作用,这样不仅可以全面反映儿童的膳食摄入情况,还可以反映居民膳食结构,从而能提出更有效的营养干预措施。本研究通过对西安、兰州等地区学龄前儿童膳食模式和饮食特点进行调查分析,为制定有针对性的学龄前儿童膳食干预措施提供科学依据。
1 对象和方法
1.1 对象
本研究采用方便抽样的方法,在西安市、兰州市、西宁市、银川市和乌鲁木齐市等5个城市,每个城市选取城市和农村幼儿园各一所,以幼儿园不同年级3-7岁学龄前儿童为研究对象进行膳食调查。共发放问卷600份,回收有效问卷541份,有效率90.17%。
1.2 研究方法
通过查阅文献、专家咨询等方法[6-8],按照问卷开发的标准流程编制《西北地区学龄前儿童半定量食物频率问卷》,包括主食类、肉类及其制品、蛋奶类及其制品、豆类及其制品、水果类、深色蔬菜类、浅色蔬菜类、菌菇类蔬菜和饮料类等9大类66种的食物。为了减少饮食时令性的影响,本次调查特于2019年6-10月开展学龄前儿童的膳食现况调查。本研究采用Cronbach’s α系数来测量问卷内部一致性,问卷Cronbach’s α=0.819,内部一致性良好,问卷信度尚好。根据调查资料,利用潜在剖面分析法提取学龄前儿童膳食模式,为了避免摄入量较少的食物信息丢失,将9类66种食物根据其种类及营养成分合并为20大类进行分析。
1.3 统计学方法
潜在类别模型(latent class model,LCM)是指研究的群体内部含有多个构成比例不明确的且部分各异的亚组时,便可利用LCM通过构建不同变量来解释研究群体内部存在的异质性,并以此为依据将研究群体进行分类。根据潜变量的数据属性,将潜在类别模型分为潜在类别分析模型和潜在剖面分析模型(latent profile model,LPM),两者的原理和计算过程基本一致,只是潜在类别分析一般用于处理分类变量,而潜在剖面分析用于处理连续型变量[9]。本研究学龄前儿童的不同食物种类摄入量是连续型变量,故采用潜在剖面分析。潜在剖面分析模型必须符合2个假设:①第一个假设是研究者调查的群体中所含的所有样本必须且只能被分到潜在变量的一个类别中,而且各个类别之间不能相交,要完全相互独立,即学龄前儿童膳食调查资料均可以进行膳食模式提取,且不同膳食模式之间互不相交;②第二个假设是局部独立性(local independence)假设[10],在确定膳食模式的特定类别下,外显变量必须各自独立,即学龄前儿童确定膳食模式类别后,其特征如身高、体重等外显变量是各自独立的。由此可见,利用潜在剖面分析法进行学龄前儿童膳食模式提取符合该方法的基本要求。
采用SPSS23.0统计软件包建立数据库分析数据,利用M-plus8.0软件进行潜在剖面分析法数据处理,检验统计量P<0.05时,差异有统计学意义。
2 结果
2.1 研究对象一般特征分析
本研究共调查541名学龄前儿童,具体特征见表1。其中男孩和女孩分别占56.01%和43.99%。儿童年龄分布较平均,3-6岁学龄前儿童百分比在17.38%-35.30%之间。独生子女占到52.13%。以城市儿童为主,占72.64%,所在城市以西安市儿童最多,占24.03%,银川市儿童最少,占16.64%。
表1 研究对象一般特征
2.2 研究对象食物分组及食用率
本研究在进行膳食模式提取时为了避免摄入量较少的食物信息丢失,将9类66种食物根据其种类及营养成分合并为20大类,具体食物分类及食用率见表2。其中谷物类、肉类和奶类及制品等三类食物的食用率最高,分别为98.52%,97.23%和92.05%。食用比较低的食物有柑橘类水果、浆果类水果、动物内脏类食物等,食用率分别为29.76%,32.90%和34.94%。
表2 学龄前儿童半定量食物频率问卷食物分组及食用率
2.3 研究对象膳食模式的提取
以学龄前儿童20类食物的摄入量为资料进行潜在剖面分析法分析,模型1为纳入1个潜类别,模型2为纳入2个潜类别,以此类推。将潜类别尝试设置为5,LCM的拟合统计量见表3。由于AIC、BIC指标均为越小越好。且Entropy值越接近1表明分类越明确,分类效果越好。由此可见应当选择四类别模型为理想模型,可是进行LMR和BLRT检验发现,当选择四类别模型时,LMR的检验结果P=0.079>0.05,仅有BLRT检验结果P<0.05。综合考察所有指标并考虑到模型的简单明了,故确定以三分类模型(模型3)作为最优模型。
表3 探索性潜在剖面分析模型拟合指数
以潜在类别数量为3作为理想模型,利用期待最大化EM算法参数估计,我们进一步获得3个潜在类别在20类食物的条件均数和3个类别的类别概率(见图1)。由图1可知相比于其他两个类别,class 3类别在问卷各食物种类中的条件均数均较高,这一类别所占比例为全体研究对象的9.22%,为50人。该类别中蛋类及制品、畜肉类、奶类及制品以及水产品类食物明显高于其他类型,因此可定义为“高质量膳食模式”。class 2类别在谷物类、畜肉类、叶类深色蔬菜、核果类蔬菜等食物中摄入量相对较高,因此命名为“常规膳食模式”,该类膳食模式在全体研究对象中所占比例最高,为57.38%,有310名学龄前儿童;class 1类别在3个类别中,各个食物种类的条件均数均较低,但在甜食类、油炸类和饮料类食物中摄入量较高,可以把这一类别定义为“低质量膳食模式”,全体研究对象中占33.41%,有181名儿童。
图1 3个潜在类别的估计条件均值分布图Figure 1 The distribution of the estimated conditional mean values of the three potential categories
2.4 研究对象不同膳食模式食物组成差异性比较
对潜在剖面分析法提取的3种不同膳食模式食物摄入量进行独立样本Kruskal-WallisH检验发现,低质量膳食模式与高质量膳食模式及常规膳食模式在叶类蔬菜类、蛋奶及制品、奶类及制品以及仁果类和核果类水果等食物摄入量差异均有统计学意义(P<0.05,见表4),低质量的膳食模式其叶类蔬菜、蛋类及制品、奶类及制品及仁果类和核果类水果等食物摄入均较低;油炸类食物及饮料类的P25,P75摄入量均高于常规及高质量膳食模式;高质量膳食模式的甜食类食物P25,P75摄入量均高于低质量及常规膳食模式(P<0.05)。
表4 潜在剖面分析提取的3种膳食模式食物摄入量比较
3 讨论
潜在剖面分析是依据调查对象不同外显变量的反应(连续型变量),将被试对象分为不同的潜在类别。每个儿童都拥有各自的饮食特点,这种饮食特征通常都是潜在的,无法直接测量,则可通过调查儿童食物摄入量归类来反映这种潜在的类别,因此潜在剖面分析被应用于居民膳食模式的提取[11]。
本研究利用潜在剖面分析法将学龄前儿童膳食模式分为低质量膳食模式、高质量膳食模式和常规质量膳食模式,其学龄前儿童所占比例分别为33.41%,9.22%和57.38%。低质量膳食模式的特点各个食物种类的均数均较低,但在甜食类、油炸类和饮料类食物中摄入量较高(P<0.05)。高质量膳食模式儿童日常摄入蛋类及制品、畜肉类、奶类及制品以及水产品类食物明显高于其他类型。常规膳食模式谷物类、畜肉类、叶类深色蔬菜、核果类水果等食物中摄入量相对较高。由此可见,针对低质量膳食模式的学龄前儿童应该加大蛋奶类、蔬菜水果类食物的摄入,减少油炸和饮料类食物的摄入,有针对性地开展儿童膳食干预。
北京大学于盼等[12]对我国7个城市学龄前儿童膳食模式研究将其分为传统型(面食、米饭、猪肉等为主)、动物内脏/水果型、面粉/家禽型3类。张安慧等[13]将学龄前儿童膳食模式分为加工/零食型、粗粮/豆制品型、健康营养型和蛋奶型4个类型。这些研究结果与本研究结果有一定差异,这种差异可能与不同研究采用的食物频率问卷及膳食模式提取方法不同有关,也在一定程度上反映了我国不同地域人群饮食模式的差异。
由于学龄前儿童进食量不稳定且年龄不同摄入量也有差异,因此其食物摄入量数据离散趋势较大,且外显变量未经分析而进入了潜在类别估计,这势必会影响模型估计以及分析的准确性;另外,由于潜在剖面分析多用于心理学的研究,在营养学的研究较少,虽然学者提出了一些潜在剖面模型选择的指标,但由于在演算的过程中模型的精确性受到外显变量数目、样本量等指标的影响,模型在一定程度上有很大的主观性。因此,潜在剖面分析法在学龄前儿童膳食模式提取方面的应用有待进一步验证,将进一步进行膳食模式的影响因素研究,提高膳食模式提取的准确性。