海口市高血压高危人群基于手机APP 的膳食情况及24 h 尿钠与血压相关性分析

陈俊财，颜有萱，林柳婷，赵婵娟，张 帆

（海南医学院公共卫生与全健康国际学院，海南 海口 571199）

高血压是多基因遗传和多种环境因素共同作用的结果，其中膳食可通过多种形式影响血压，高盐摄入被认为是高血压最常见和最重要的环境因素之一。全球因心血管疾病死亡的人中每年有165万人死于钠摄入过量［1］。一项关于高盐摄入与中风和心血管疾病风险的前瞻性队列研究的荟萃分析显示，高盐摄入使中风的相对风险增加23%，心血管疾病的相对风险增加14%［2］。高质量的膳食调查结果可帮助研究者了解群体或个体的膳食营养状况，为有针对性地开展膳食干预及健康指导提供必要依据。传统的膳食调查方法存在不足，如称重法虽然结果准确，但工作量大、程序繁琐。相比较而言，食物频率法方便快捷，是一种简单、方便、经济的膳食调查工具，通过回顾性调查每种食物摄入的频率和数量评估被调查者的膳食习惯，可反映长期的膳食结构和营养摄入模式，是研究慢性病和膳食关系时常用的方法。不过传统纸质食物频率法需要大量时间进行面对面的调查，不可能在短时间内实施且存在食物量化不准确的缺陷。在信息化时代，利用互联网更方便快捷地进行膳食调查成为了新的趋势。基于上述研究背景，课题组成员研发了基于“互联网+”的膳食调查软件，在软件的帮助下，更精准快速地了解海口市高血压高危人群膳食摄入基线水平，同时分析膳食摄入与血压的相关性，为合理膳食控制血压提供新的研究依据。

1 研究方法

1.1 研究对象

2021 年7～12 月从海口市的15 家社区服务中心纳入符合标准的人群（纳入标准如下），参考国家卫生计生委 2017 年制定的《国家基本公共卫生服务规范（第三版）之高血压患者健康管理服务规范》中高血压高危人群筛查指标，纳入标准为：（1）籍贯为海南或在海南省居住5年及以上；（2）年龄范围55～74 岁；（3）无严重肢体残疾或精神疾病，能正常交流并自愿签署知情同意书者；（4）未被确诊高血压且具有以下危险因素中 1 项及以上者：①血压高值，收缩压（systolic blood pressure，SBP）介于 130 mmHg～139 mmHg 之间和/或舒张压（diastolic blood pres‐sure，DBP）介于 85 mmHg～89 mmHg 之间；②超重或肥胖和（或）腹型肥胖，超重或肥胖指体质指数（bodymassindex，BMI）≥24 kg/m2，腹型肥胖指腰围男≥90 cm（2.7 尺）、女≥85 cm（2.6 尺）；③有高血压家族史（一、二级亲属中有高血压患者）；④长期过量饮酒（每日饮白酒≥100 mL）；⑤长期膳食高盐（平均每日>6 g），可根据每月消耗食盐量除以家中人口数。剔除标准为：（1）经常吸烟，即每天吸卷烟1 支以上，连续或累计6 个月；（2）年龄<55 岁或>74 岁；（3）有精神疾病。

抽样方法：采用多阶段抽样方法进行抽样，第一阶段以社区为单位，将海口市共120 个社区按照市辖区划分为4 个区域，即秀英区、美兰区、龙华区、琼山区；第二阶段在4 个区域中每个区域随机抽取3～4 个社区，共抽取15 个社区；第三阶段以各组社区单位为整群抽样单位，从每个社区抽取所有符合条件的人员。每个社区按样本量测算招募且知情同意后入组20 人。对全部研究对象进行体格检查、实验室检查和问卷调查。

所有研究对象均签署了纸质知情同意书。本研究已完成伦理审查并获得批文（号码No.HYLL‐2021‐216），临 床 试 验 注 册 ：ChiC‐TR2200056810。

1.2 一般情况调查及体格检查

所有研究对象均收集一般情况及生活方式和临床病史资料，如性别、年龄、饮酒史、慢性病家族史 等。体 格 检 查（简 称“体 检”）项 目 为 血 压（mmHg）、身高（cm）、体重（kg）、BMI。血压测量前30 min 禁止吸烟、饮用咖啡、茶或其他刺激性饮料以及剧烈运动。使用统一的电子血压计（日本欧姆龙HEM‐7200），由经过培训的护士测量两次后取平均值，测量间隔至少1 min。

1.3 膳食调查

全部研究对象在进行上述检查的基础上进一步采用课题组自主研发的膳食调查APP“营养助手”进行24 h 膳食调查，该APP 已取得软件著作权（登记号：2021SR1547832）。APP 主要包括个人中心、问卷调查、膳食记录和膳食评价4 大模块。其中个人中心模块包含查看“历史记录”以及“新增记录”等功能，即时记录用户个人数据，尤其是动态的健康数据可形成曲线观察变化趋势，例如体重、血压（收缩压/舒张压）、BMI、空腹血糖等。问卷调查模块是对用户进行膳食习惯和个人情况的问卷调查，分有单选、多选、简答等多种题型，可根据用户的回答不同调整到不同的问题，形成个性化问卷。膳食调查模块可以根据日期添加每日的饮食记录，可选择食用的食物填写食用量，也可选择不同日期查看历史营养合计值。膳食评价模块根据用户填写的膳食摄入信息，在后台与《中国食物成分表》、《中国居民膳食参考素摄入量》、膳食宝塔中分类食物推荐量等数据库匹配并进行运算后得出能量和主要的营养素是否达到或超过推荐量的提示，达到膳食评价目的。通过将APP 调查结果与称重法、生物指标等进行相关性分析评价APP 的效度，通过间隔四周的重复调查评估APP 的信度。APP 的信度和效度均值分别为0.716（0.303～0.945）和0.702（0.225～0.946）。在进行膳食调查前，利用标准食物模型、图片及食物称、调味品量具等，帮助研究对象明确食物分量及食物重量后，使用APP 即时记录体检当天的全部膳食，包括食物和调味品的种类、重量，以及用餐时间。最终完成膳食调查人数共288 人。为了方便调查对象快速准确地估计食物重量，APP 提供了食物量化的图片，受过专业培训的管理员可在后台查看调查对象上传的食物照片，可对研究对象填写的膳食记录进行修订。

1.4 实验室检测

体检当天上午抽取空腹静脉血，由附属医院检验科进行检验，使用贝克曼库尔全自动化学发光免疫分析仪 （DXI800）用于测量血脂（mmol/L）、血糖（mmol/L）、血清叶酸（ng/mL）。体检完成后，由经过培训的工作人员给研究对象发放统一的尿瓶，详细说明收集尿液的注意事项。参与者在收集尿液当天保持日常的饮食习惯，并避免剧烈运动导致大量出汗。所有研究对象在体检次日上午开始收集24 h 尿液，废弃次日上午的晨尿，从第2 次尿液开始收集至体检第3 天上午的首次晨尿为止，然后由工作人员带回实验室，记录24 h 总尿量，若24 h 总尿量<500 mL 或未收集尿液，则剔除该数据（7 人）。使用离子选择电极法（西门子全自动生化分析仪ADVIA XPT）测定尿钠浓度，计算24 h 总尿钠。

1.5 相关指标定义

饮酒指每周饮酒至少1 次且目前仍在饮酒。根据中国医学会高血压专业委员会关于中国高血压患者盐摄入量与血压管理的专家建议［3］，正常情况下，日常饮食钠摄入量约等于24 h 尿钠。本研究依据24 h 尿钠值，将全部研究对象分为三组：低钠组（24 h 尿钠<100 mmol，相当于摄入盐<6 g/d）；中尿钠组（24 h 尿钠<200 mmol，相当于摄入盐<12 g/d）；高尿钠组（24 h 尿钠≥200 mmol，相当于摄入盐≥12 g/d）。参考《中国高血压防治指南 （2018 年修订版）》，收缩压≥140 mm Hg 和 （或）舒张压≥90 mm Hg 或有高血压病史诊断为高血压；将收缩压介于130 mmHg～139 mmHg 之间和 （或）舒张压介于85 mmHg～89 mmHg 之间定义为血压高值；收缩压<130 mmHg 和舒张压<85 mmHg 定义为正常血压。根据《中国成人血脂异常防治指南（2016年）》，TC≥6.2 mmol/L、TG≥2.3 mmol/L、HDL‐C<1.0 mmol/L、LDL‐C≥4.1 mmol/L 中任意一项或服用调脂药物，则定义为血脂异常［4］。一、二代直系亲属中有诊断为高血压、糖尿病、冠心病等定义为慢性病家族史。各营养素摄入量标准均参照《中国居民膳食营养素参考摄入量（2013 年）》，推荐摄入量（recommended nutrient intake，RNI）是可以满足某一特定性别、年龄及生理状况群体中绝大多数（97%～98%）个体的需要；适宜摄入量（adequate in‐take，AI）在个体需要量的研究资料不足不能计算RNI 时，可 设 定AI 来 代 替RNI，AI 是 通 过 观 察 或 实验获得的健康人群某种营养素的摄入量；能量需要量（estimated energy requirement，EER）是指能长期保持良好的体型机体构成以及理想活动水平的个体或群体，达到能量平衡时所需要的膳食能量摄入量；宏量营养素可接受范围（acceptable macronutri‐ent distribution ranges，AMDR）是指蛋白质、脂肪和碳水化合物理想的摄入量范围，具体为蛋白质10%～15%，脂肪20%～30%，碳水化合物55%～60%［5］。

1.6 统计分析

2 结果

2.1 高血压高危人群能量与膳食营养素摄入情况

共纳入288 名研究对象，其中男性104 人（36.1%），女性184 人（63.8%），平均年龄（64.71±5.76）岁。在能量及宏量营养素中，如表1 所示，该群体中有69.4%的能量摄入量高于EER，8.7%的碳水化合物摄入量高于AMDR，44.8%的脂肪摄入量高于AMDR，17%的蛋白质摄入量低于RNI；在常量营养素中，该群体中有76.7%的钙摄入量低于RNI，37.5%的磷摄入量低于RNI，64.6%的钾摄入量高于AI，63.5%的钠摄入量高于RNI，3.8%的镁摄入量低于RNI。在微量营养素中，该群体中铁、碘、锌、锰、铜、硒的摄入量低于RNI 的占比分别为74%、27.8%、43.1%、20.5%、57.3，具体结果见表1。

表1 海口高血压高危人群能量与营养素摄入情况Tab 1 Energy and nutrient intake of high risk population of hypertension in Haikou

2.2 不同血压状况与营养素摄入情况的比较

将调查对象按照血压状况分为正常和正常高值两组，采用t检验分析组间能量和各营养素摄入情况的差异性。结果显示，正常血压组和正常高值组在仅能量、碳水化合物、维生素B6和钠摄入量中有差异（P均<0.05），具体见表2。

表2 不同血压状况与能量和营养素摄入情况差异Tab 2 Difference between different blood pressure status and energy and nutrient intake

2.3 不同尿钠组间差异比较

根据24 h 尿钠排泄量，将研究对象分为3 组，即低钠组44 人，占15.3%，平均尿钠排泄（77.41±15.57）mmol/d，中钠组209 人，占72.46%，平均尿钠排泄量（140.21±20.94）mmol/d，高钠组35 人，占12.2%，平均尿钠排泄（232.79±26.83）mmol/d。对3 组研究对象的基本人口学资料进行分析，结果显示，3 组间BMI、慢性病家族史、SBP 和DBP 的组间差异有统计学意义（P<0.05），年龄、性别、饮酒史、慢性病史、血尿酸、血糖、血脂异常等组间差异均无统计学意义（P>0.05），具体见表3。

表3 尿钠分组基本情况表Tab 3 Basic information of urine sodium grouping

2.4 24 h 尿钠与血压的相关分析

采用线性回归分析全体研究对象24 h 尿钠与血压的相关性。分析结果显示，24 h 尿钠与SBP、DBP 显著正相关。本研究通过多元线性回归分析评价24 h 尿钠与收缩压及收缩压的相关性。模型1调整性别、年龄、BMI、饮酒史、慢性病家族史、慢性病史等协变量，模型2 在模型1 的基础上，根据血脂异常、血糖值、血尿酸值进行了调整。在控制相应混杂因素后，24 h 尿钠排泄量与收缩压和舒张压仍具有显著相关性（P<0.05），24 h 尿钠排泄量每增加1 mmol，收缩压和舒张压分别增加0.135 mmHg、0.068 mmHg。结果具体见图1、2、表4。

图1 24 h 尿钠与收缩压相关性Fig 1 Correlation between 24-hour urine sodium and SBP

图2 24 h 尿钠与舒张压相关性Fig 2 Correlation between 24-hour urine sodium and DBP

表4 24 h 尿钠与血压的线性回归分析Tab 4 Linear regression analysis of 24 h urine sodium and blood pressure

3 讨论

在全球新一轮科技革命和产业变革中，互联网技术与各领域的跨界融合已成为不可阻挡的时代潮流。为解决传统纸质版膳食调查的缺陷，国外已开始采用网络 Food Frequency Questionnaire 法取代传统的纸质调查，如美国国家健康与营养研究调查［6］和欧洲癌症与营养前瞻性调查软件［7］等。但国外的网络 FFQ 法仅实现了膳食调查媒介从纸质到电子化的“形式”过渡，并没有实现内容的革新，数据不准确的问题依然存在。挪威学者 Medin 等将网络 FFQ 法与双标水法（金标准）和 24 h 回顾法进行比较后发现，采用网络 FFQ 法估算能量的摄入量并不准确，主要体现在高估某些种类的食物的摄入量，如蔬菜、鱼贝类［8］。据文献报道，目前国内移动医疗 APP 已有 2 000 多款［9］，随着移动医疗的发展，比数据还在不断增加，但这些 APP 的信效度并没有经过验证。本研究采用自主研发的APP 进行膳食调查，为了保证膳食调查结果的准确性，APP数据库信息以《中国居民膳食指南（2016）》和《中国居民膳食参考摄入量2013》为评价参考值，《食物成分表2009》为能量和营养素计算基础数据，同时采用与膳食和血压双关联的血清叶酸和24 h 尿钠为生物学指标，以称重法作为效标对APP 进行验证，效度检验平均值为0.702，重测信度平均值0.716。（精准膳食调查appV1.0，软著号2021SR1547832）。

我国南北地区居民食物种类差异较大，为了膳食调查的方便性及准确性，研发具有地域特色的膳食调查方法是十分有必要的。本研究研发了针对海南地区的膳食调查APP，研究对象在手机安装APP 后便可随时随地进行膳食记录，避免了传统膳食调查因调查时间长、调查员不足等引起的调查对象等候时间长、配合度不高的现象。为了达到膳食管理和防控慢性病的目的，APP 内还加入了中国居民膳食宝塔和各营养素推荐摄入量，使用者在记录当日膳食后，APP 便可按照食物成分表计算出所摄入的营养素，在APP 界面显示当日摄入的食物种类的总量以及膳食营养素的量，在超出范围后，可进行相应的提醒。

高血压在中国有高患病率、低控制率的特点［10］，由于不同地区地理位置、气候条件、饮食文化的差异，高血压的发病率存在明显的地区差异［11‐15］，一项中国10 个地区的研究结果显示，海口高血压患病率最低，仅为22%，同时该研究结果显示我国高血压患病率呈现北高南低的特点，而该特点可能与南北方盐摄入量差异有关。评价不同地区高血压及高危人群盐摄入量现况，分析尿钠排泄与血压的相关性，对于指导高血压及高危人群减少盐摄入量，增加高血压的控制率，延缓高血压患者早期靶器官损伤，减少心脑血管事件的发生是十分有意义的。

本研究将研究对象根据血压分为正常血压组和正常高值组，尿钠的排泄量约等于钠的摄入量，因此国际上常以24 h 尿钠作为评估盐摄入量的金标 准［16‐18］。但 由 于 取 样 时 间 长、过 程 麻 烦、成 本 较高，这种方法并不受欢迎，较难大规模的开展［16，19，20］。

随着城市化的进程，我国就餐场所也发生了较为明显的变化，外出就餐、外卖及快餐的频率变高，而这些场所制作的食物含盐量无法控制，这可能也是高钠饮食的原因之一。2020 版的中国居民营养与慢性病状况报告指出，2020 年中国家庭人均烹调用盐为9.3 g/d，2019 年一项覆盖全国23 省市的高血压患者的平均摄入盐9.2 g/d，另一项中国河北、湖南、四川、江西、青海和黑龙江六省的研究结果显示，六省居民平均盐摄入量为11.3 g/d［21‐23］，上述结果均采用传统膳食调查方法进行调查。本研究采用自主研发的膳食调查APP，结果显示海口高血压高危人群平均盐摄入量8.58 g/d，男性摄入盐9.17 g/d，女性8.26 g/d，男女性盐摄入量差异有统计学意义，这可能与男性总体食物摄入量较高以及男女性之间食物模式的差异有关。与上述研究结果相比，海口市高血压高危人群盐的摄入量较低，但与WHO 以及最新出版的2022 版《中国居民膳食指南》中所提出的建议每日膳食摄入盐<5 g 的标准相比仍有一定距离。一项随机限盐试验的荟萃分析表明，24 h 尿钠减少50 mmol 可使SBP 和DBP 分别降低4.0 和2.5 mmHg［24］，另 一 项 荟 萃 分 析 结 果 表明［25］，尿钠每减少50 mmol，收缩压和舒张压分别降低1.10 mmHg 和0.33 mmHg。本研究结果略高于上述两项研究结果，这可能与不同研究对象的年龄、性别、地域分布的差异导致结果的差异。同时，研究结果也说明，在高血压高危人群中，钠盐的摄入量过高，其血压也会相应升高。针对高危人群进行管理可以将慢性病的防治关口前移，高血压高危人群虽然不是高血压患者，但极易发展成为慢性病病人，高血压高危人群的转归对高血压发病率有重要影响，防止高危人群发展为高血压是高血压防治的重要环节。

本研究人群来自海口社区居民，以往关于海口高血压高危人群的研究较少，本研究可提供一定的参考依据，但本研究也存在一定局限性，样本量较小，研究结果无法外推。同时本研究相比国内其他研究也具有一定的创新性，采用了24 h 尿测定钠摄入量的金标准以及“互联网+”膳食调查软件的帮助，获得了较高准确的结果；针对特定的目标人群进行了尿钠与血压的相关性分析，可为之后的相关研究作为参考。本研究中采用的APP 不仅具有膳食调查的功能，更具有相应的膳食管理与慢性病防控功能，如能够扩大研究地区和人群，长期通过APP 在线收集膳食数据及研究对象的健康指标，可用于分析食物营养与慢性病之间的关联性，为合理膳食提供更科学的依据。

本研究使用24 h 尿钠“金标准”及自主研发的膳食调查APP 联合开展膳食调查，准确评估海口市具有高血压高危因素人群的盐摄入量，相较于我国其他地区，总体的盐摄入量较低，但仍高于中国居民膳食指南建议标准5 g/d，应针对高血压高危人群有针对性开展社区干预措施，控制高血压病的发生。