年轻成人饮食质量与能量密度

医疗保健

文章社会决定因素与澳大利亚年轻成年人高能量密度饮食的饮食质量差

阿曼达·格雷奇* ID,安娜·兰根 ID 和玛格丽特·奥尔曼‐法里内利
营养与饮食学组,生命与环境科学学院,查尔斯·珀金斯中心D17,悉尼大学,澳大利亚悉尼,新南威尔士州 2006;anna.rangan@sydney.edu.au(A.R.);maragaret.allman‐farinell@sydney.edu.au(M.A.‐F.)*通讯作者:agre3682@uni.sydney.edu.au;电话:+61‐2‐9036‐7045

摘要

本研究旨在确定澳大利亚年轻成年人饮食的能量密度水平与其饮食质量及社会人口学决定因素之间的关系。对2011/2012年澳大利亚国家营养与身体活动调查中年龄在18至34岁之间的成年人 (n= 2397)进行了二次分析。通过24小时回顾法评估饮食。膳食能量密度计算为膳食能量/食物克重(千焦/克),并采用澳大利亚人健康饮食指数(HEIFA‐2013)评估饮食质量(最高得分为= 100)。分析了膳食能量密度与饮食质量以及性别、最高高等教育程度、出生国家、年龄、收入和社会经济指数区域(SEIFA)等社会人口学决定因素之间的关系。较高的膳食能量密度与较低的饮食质量评分相关(β= −3.71,t(2394)= −29.29,p< 0.0001),且水果和蔬菜摄入较少,而自由选择食品摄入较多。男性和女性的平均膳食能量密度分别为7.7千焦/克和7.2千焦/克。最有可能摄入高能量密度饮食的亚群体包括受教育程度较低者、出生于澳大利亚和英语国家者,以及低收入男性和来自较低社会经济地位地区的女性。报告摄入低能量密度饮食的年轻成年人具有更高的饮食质量。需要加大努力以降低年轻成年人饮食的能量密度,并确保覆盖社会经济地位较低的人群。

关键词 :膳食能量密度;膳食质量;饮食指数;健康;肥胖;年轻人

1. 引言

研究表明,年轻人的体重增加速度比其他年龄群体更快,且每一代新人都比上一代面临更高的超重和肥胖风险[1–3]。因此,预计肥胖率将持续上升[3]。由于超重和肥胖会增加患非传染性疾病的风险,带来巨大的个人和社会经济成本,迫切需要采取干预措施来预防肥胖[4,5]。低能量密度饮食有助于防止体重增加[6–8],世界癌症研究基金会(WCRF)建议膳食能量密度应低于5.23千焦/克[8]。然而,目前关于年轻人饮食的能量密度量化研究较少,也缺乏对哪些年轻人亚群体最可能摄入高能量密度饮食的明确判断。

膳食能量密度(kJ/g)是影响总能量摄入的重要因素[9,10]。由于人们每天摄入的食物体积相对恒定,能量密度可能导致被动性过量摄入[9]。因此,所摄入食物每克所含能量越高,总能量摄入就越多 [9]。通过增加低能量密度食物的摄入来降低能量密度,已被证明在减重干预中有效[11,12],,而高能量密集型饮食则可能

示意图0

导致体重增加[13,14]。在澳大利亚,2014–2015年18–24岁男性的超重和肥胖患病率为45%,女性为 34%;而在25–34岁人群中,男性上升至62%,女性上升至41%[15]。肥胖患病率在教育程度较低的人群以及来自社会经济劣势地区的女性中更高[16]。膳食能量密度高是社会经济地位(SES)较低与肥胖患病率较高相关的一个合理原因,因为此类饮食在美国和法国已被证明与较低的饮食成本相关 [17,18]。然而,目前尚无针对澳大利亚人口中不同社会经济背景人群或年轻人的膳食能量密度分析。

能量密度随食物脂肪含量的增加而升高,并因食物水分含量高而降低。高能量密度的食物可能包括自由选择食品,如快餐、零食、蛋糕和饼干[9,10],但也可能包括更健康的营养密集型食品,如早餐谷物、橄榄油、坚果、奶酪和面包。同样,含有较高水平有害营养素(如钠和添加糖)的营养贫乏食品[5],,其能量密度也可能较低,例如酱料和冰淇淋。因此,不能认为低能量密度饮食的质量一定更高。尽管一些证据表明低能量密度饮食质量较高[19,20],,但这一点尚未在澳大利亚人口中得到证实,目前尚不清楚摄入较低能量密度饮食的人群是否更符合澳大利亚膳食指南。

本研究的目的有两个:一是确定年轻人的低能量密度饮食是否具有更好的膳食质量和更符合澳大利亚膳食指南;二是确定高能量密集型饮食与社会人口学背景之间是否存在关联。

2. 材料与方法

2011/2012年国家营养与身体活动调查(NNPAS‐2011/2012)由澳大利亚统计局(ABS)开展。该调查是一项横断面多阶段区域抽样调查,覆盖了97%的澳大利亚人口,旨在提供足够样本量,以便按年龄组和性别对总人口进行分析。有关方法学的详细信息已在其他地方发表[21]。该调查根据 1905年联邦普查法实施。本研究涉及对去识别化数据的二次分析,免于机构审查委员会的全面审查。

2.1. 膳食评估

24小时膳食回顾数据收集于2011年5月至2012年6月。采用美国农业部开发的五步“自动化多通道法”,并在澳大利亚和新西兰食品标准局(FSANZ)的协助下进行了修改,以反映澳大利亚的食物供应情况。所有参与者均被邀请参与第二次回顾,但参与率下降,仅有第一次调查中60.8%的参与者完成了第二次回顾。本分析仅使用了第一天数据,但单次回顾已足以提供群体均值的估计[22]。第一天访谈通过计算机辅助个人访谈(CAPI)进行,访谈日期包括周一至周日。访谈由来自ABS小组的高度训练的技术人员执行。食物成分数据库“AUSNUT‐2013”由FSANZ专门为评估NNPAS‐2011/2012中报告食物的营养成分而构建,因此反映了调查期间的食物供应情况[23]。

2.2. 膳食能量密度

膳食能量密度的计算方法为:调查当天从食物中摄取的总千焦数除以食物的总克数(千焦/克)。在能量密度计算中排除了饮料,因为饮料的能量密度相对于食物较低,可能掩盖高能量密度食物暴露与健康结果之间的关系[24,25]。与此一致,世界癌症研究基金会建议膳食能量密度应低于5.23千焦/克,该值仅针对食物计算得出,并对饮料制定了单独的指南[8]。

示意图1

计入食物中的牛奶被纳入能量密度的计算中(例如,谷物上的牛奶),但所有乳基饮料均被排除在外。饮料摄入在本分析中被单独考虑,如下所述。

2.3. 膳食质量

膳食质量通过一种经过验证的膳食质量指数——澳大利亚人健康饮食指数‐2013(HEIFA‐2013)进行评估[26]。该工具的验证和评分系统的完整细节已在其他地方发表[26–28]。该工具用于评估对澳大利亚膳食指南–2013(ADG)的遵循情况,包含十个组成部分,分别评估以下方面的摄入情况: (1)自由摄入食物的份;(2)蔬菜的份及蔬菜种类多样性(橙色、绿色和甘蓝类、淀粉类、豆类以及鳞茎类);(3)水果的份及水果种类多样性(柑橘类、浆果类、仁果类、热带水果、核果类及其他);(4)乳制品及替代品的份(即牛奶、酸奶、奶酪以及非乳制品替代品如豆奶);(5)肉类、禽类及替代品的份;(6)谷物食品和全谷物的份;(7)饱和脂肪供能百分比和多不饱和脂肪的份;(8)钠;(9)添加糖供能百分比;(10)水和酒精。每个组成部分最高得分为10分。得分根据与 ADG建议的符合程度逐级给出,即达到推荐量时获得最高分,低于最低阈值时不得分。营养素获得最高分的标准为:<10饱和脂肪供能百分比;<5添加糖供能百分比;>50水占液体摄入总量的百分比; 以及<20每日酒精摄入克数[26,28]。获得HEIFA‐2013最高分所需的食物份量大小及推荐份数见表1。

表1。食物和营养素的份量大小及来自澳大利亚膳食指南的推荐份数
膳食成分 份量大小 Men 女性
蔬菜和豆类 75 g 6 5
水果 150克 1 2 2
谷物 500千焦 6 6
全谷物 2 500千焦 >50%谷物 >50%谷物
肉类、禽类及替代品 500–600千焦 3 2.5
乳制品及替代品 500–600千焦 2.5 2.5
自由选择的食品和饮料 600千焦 0–3 0–2.5
不饱和脂肪(单不饱和和多不饱和) 7–10g 3 4份 2份

ADG,澳大利亚膳食指南。 1.一份干果= 30 g,一份果汁= 125 mL; 2.该指南指出“摄入充足的谷物食品,主要是全谷物”,这被解释为>50%; 3. 7 g不饱和油或10g不饱和涂抹酱或10g坚果/坚果酱。

每位参与者所报告的食物份数由澳大利亚统计局提供。AUSNUT数据库中的每种食谱均被分解为其组成部分,以便报告的份数能够反映各食物类别实际摄入量。例如,千层面被分解为以下成分:蔬菜(如番茄、洋葱)、谷物(意大利面)和乳制品(奶酪和牛奶)。自由选择食品定义为含有较高添加糖(如含糖饮料、糖浆)、饱和脂肪(如糕点、黄油、薯片,以及每份饱和脂肪超过5克的披萨或汉堡)、添加钠(酱汁和肉汁)或酒精(如葡萄酒、啤酒和烈酒)的食物。这些食物未被纳入其他食物类别份数的计算中。例如,牛奶巧克力中的牛奶仅计入自由选择食品类别,不计入“牛奶、酸奶、奶酪及替代品”类别。AUSNUT数据库中被归类为自由选择食品的1630种食物(占28.8%)完整列表可在澳大利亚统计局网站[21]获取。

2.4. 不合理的能量报告

能量摄入:基础代谢率比值(EI:BMR)为< 0的参与者被视为能量摄入不合理的个体。87[29] 参与者被分为低能量报告者(EI:BMR< 0.87)(n= 167,16.3%男性和n= 235,22.1%女性) 或合理能量报告者(EI:BMR ≥ 0.87)以及未知类别。该变量作为协变量纳入分析,所报告的均值已对低能量报告的影响进行了调整。

2.5. 统计分析

从三个方面考察了饮食的差异。(1)随着膳食能量密度的增加,使用健康饮食指数‐2013( Heifa‐2013)测量的膳食质量评分的变化;(2)报告膳食能量密度≤≤5.23千焦/克(符合世界癌症研究基金会(WCRF)建议)与膳食能量密度>>5.23千焦/克(超过WCRF建议)的人群在食物类别的摄入量(即蔬菜、水果、谷物食品、肉类、禽类及替代品、乳制品及替代品、自由选择的食品和饮料以及多不饱和脂肪的份量)上的差异。各类食物的份量大小见表1。(3)对于膳食能量密度分别为< ≤5.8千焦/克、5.8–8.9千焦/克和> ≥8.9千焦/克且被>10%的年轻人报告摄入的食物,分析其“次级主要食物组”(例如汉堡、土豆或巧克力)的消费量。次级主要食物组由澳大利亚统计局 (ABS)分类。每个次级主要食物组的能量密度也通过以下方式计算:该组中年轻人所报告食物的总能量(kJ)除以该组中食物的总重量(克)。采用SASprocGLM中的广义线性模型(GLM)评估不同膳食能量密度人群在食物类别摄入量和次级主要食物组摄入量上的差异,并根据能量报告状态进行调整。

对2011/2012年澳大利亚年轻人的膳食能量密度的社会人口学决定因素进行了研究。分析所用的社会人口学变量包括:出生国家(澳大利亚、其他主要英语国家(加拿大、爱尔兰、新西兰、南非、英国、美国)以及所有其他国家);年龄组(18–24岁、25–29岁、30–34岁);教育水平(学士或更高、技术学院/职业培训、无高等教育,以及访谈时正在学习(未提供学习层次));以五分位数表示的等值家庭收入;以及由澳大利亚统计局(ABS)编制的地区社会经济指数(SEIFA),该指数作为社会经济地位(SES)的相对指标,也以五分位数表示[30]。分析分别针对总人口、男性和女性进行。

采用线性回归分析膳食质量评分随膳食能量密度增加的变化情况。使用方差分析检验各组之间的显著均值差异,并根据年龄和低能量报告状态进行调整。通过多元回归模型估算每个显著社会人口学变量的调整后贡献。分析使用SAS软件Windows版9.4版本生成。版权所有©2002‐2012SAS研究所股份有限公司,美国北卡罗来纳州凯里市。

3. 结果

NNPAS‐2011/2012的应答率为被联系人员的77%[21]。完整的NNPAS‐2011/2012样本包括n= 12, 153名年龄为>2岁的人员。本分析共纳入2397名年龄在18至34岁之间的参与者(女性占53.27%)。

膳食质量评分解释了膳食能量密度的显著方差(F(1,2394)= 858.08,p< 0.0001,R2= 0.26),且随着膳食能量密度的增加,饮食质量更差(β= −3.71,t(2394)= −29.29,p< 0.0001)(图1)。在根据年龄、能量摄入误报状态和SEIFA进行调整后,这些结果变化不大(β= −3.64,t(2394)= −28.46,p< 0.0001)。图2显示了报告低能量密度饮食(符合WCRF标准,≤5.23千焦/克)与较高膳食能量密度(>5.23千焦/克)者各类食物的平均摄入量。在调查当天,低能量密度饮食者的蔬菜和水果平均摄入份数高于较高能量密度饮食者,分别为蔬菜4.4份和2.2份,水果2.1份和1.2份(p< 0.001)。肉类和其他

乳制品及替代品和多不饱和脂肪的摄入量没有差异。与较高能量密度饮食者相比,低能量密度饮食者的自由选择食品和非必需饮料摄入量也较低,分别为1.5份自由选择食品和0.7份非必需饮料,而较高能量密度饮食者为4.0份自由选择食品和1.4份非必需饮料(p<0.001)。

示意图2

3. 结果(续)

表2列出了被超过10%的年轻人所消费的所有食物的能量密度。报告的大多数高能量密度食物为自由选择食品,包括糖、甜饼干、炸土豆、巧克力、糕点、蛋糕和黄油。大多数高能量密度核心食物(如面包和奶酪)的消费量与整体膳食能量密度呈正相关,但早餐谷物例外,其在低能量密度饮食者中的消费量更高。中等能量密度的核心食物,如禽肉、牛肉、羊肉和猪肉菜肴以及鸡蛋,在不同能量密度三分位组之间没有差异。通常能量密度较低的食物与较低的膳食能量密度相关。

表2。在2011/2012年国家营养与身体活动调查的第一次访谈中,报告食物的澳大利亚18‐34岁年轻人中,膳食能量密度为<5.8 kJ/g、5.8–8.9 kJ/g和>8.9 kJ/g的食物消费者比例(%)、能量密度以及消费量(n= 2397)
食物 ED (kJ/g) % 参与者膳食能量密度 < 5.8 kJ/g DED 5.8–8.9 kJ/g 参与者膳食能量密度 > 8.9 kJ/g P为趋势
普通面包和小面包 56 11.1 (1.0) 40.7 55.4 59.22 <0.0001
糖、蜂蜜和糖浆 42.1 15.4 (1.5) 6.3 8.2 8.1 0.06
奶酪 30.9 14.5 (2.6) 8.9 13.2 13.5 0.0004
即食早餐谷物 28.4 15.3 (1.0) 19.9 20.8 13.4 <0.001
人造黄油和餐桌涂抹酱 18.6 23.2 (3.5) 1.2 2.3 3.0 <0.0001
甜饼干 18 19.4 (1.8) 4.4 6.9 11.5 <0.0001
炸土豆 17.8 10.7 (1.8) 3.0 16.2 31.4 <0.0001
沙拉酱 17.2 18.2 (10.3) 3.1 4.1 4.5 0.035
巧克力 17 20.9 (2.0) 3.8 8.7 12.7 <0.0001
糕点 14 10.8 (2.7) 14.0 26.2 42.3 <0.0001
坚果及坚果制品 13 25.3 (3.7) 3.6 5.8 4.4 0.08
蛋糕、松饼和司康 12.9 14.7 (2.1) 7.8 18.3 29.8 <0.0001
咸味饼干 12.6 18.3 (1.9) 2.6 4.4 6.2 0.003
其他面包 1 12.3 12.2 (1.3) 10.8 10.9 10.8 0.9
黄油 11.6 30.4 (1.1) 0.8 1.6 1.8 0.005
混合菜肴‐基于谷物 2 45.5 8.3 (2.4) 132.7 171.4 167.5 0.002
‐汉堡 10.6 9.6 (1.2) 3.8 28.9 51.7 <0.0001
‐披萨 9.6 10.8 (0.9) 4.9 15.8 45.0 <0.0001
>5.23–9.41 kJ/g
‐意面菜肴 16.8 5.6 (1.5) 72.2 68.7 18.3 <0.0001
禽类和带羽毛的野味 19.4 7.3 (2.3) 36.8 28.5 25.3 0.07
大米和其他谷物 3 18.4 7.1 (1.9) 62.1 40.6 13.2 <0.0001
牛肉、羊肉和猪肉菜肴 18.4 8.9 (3.3) 30.9 32.0 25.9 0.38
混合禽肉/野味菜肴 4 16.3 8.8 (2.7) 35.2 45.7 38.9 0.15
冰淇淋和冷冻酸奶 12.4 8.4 (1.9) 10.7 19.3 12.1 0.0006
混合红肉菜肴 11.3 6.6 (1.9) 30.0 38.6 16.3 0.0017
Eggs 10.1 6.7 (1.3) 7.1 7.4 6.3 0.75
≤ 5.23 kJ/g
肉汁和咸味酱料 26.1 4.9 (3.6) 13.7 14.6 12.6 0.8
乳制品牛奶 25.7 2.4 (0.8) 227 116.2 34.5 <0.0001
其他结果类蔬菜 23.1 3.1 (2.9) 25.9 19.8 6.0 <0.0001
混合蔬菜类菜肴 5 21.8 3.4 (2.0) 52.3 30.5 21.3 <0.0001
仁果类水果 21.6 2.4 (0.1) 73.3 33.8 9.4 <0.0001
叶菜和茎菜 21.2 0.8 (0.6) 8.5 6.7 3.8 0.0006
其他蔬菜 20.4 2.7 (2.1) 27.8 14.4 3.7 <0.0001
番茄及番茄制品 18.6 1.2 (1.8) 15.1 10.7 6.2 0.0006
胡萝卜及根茎类蔬菜 17.6 1.9 (1.3) 20.8 11.2 4.2 <0.0001
热带和亚热带水果 17.0 3.6 (0.6) 43.2 19.5 6.5 <0.0001
酸奶 13.3 3.7 (1.1) 34.3 22.2 3.9 <0.0001
土豆 12.1 4.1 (1.7) 18.1 20.5 4.6 <0.0001

ED,食物能量密度。SD,标准差。DED,参与者膳食能量密度。 1.英式松饼、扁面包及咸味/甜味面包 2.该组主要包括意面和面食类菜肴(30%)、披萨(16%)、汉堡(20%)、三明治(11%)、米饭类菜肴(8.2%)、塔可和玉米饼类菜肴(7%)、寿司(6%)、其他咸味谷物类菜肴(1%) 3.该组主要为米饭(92%) 4.该组主要为裹粉油炸鸡肉(55%) 5.该组包括沙拉(85%)以及咖喱、炒菜和砂锅菜等菜肴。食物分组依据世界癌症研究基金会的能量密度标准进行划分。均值已针对低能量报告者(能量摄入:基础代谢率比值为<0.87)进行调整。

男性的平均(标准差)膳食能量密度为7.67千焦/克,女性为7.24千焦/克,所有年轻人的平均值为7.40千焦/克。不同年轻人群体亚群体的膳食能量密度见表3。18–24岁参与者比其他人群具有较高的能量密度,年龄在30‐34岁之间的人群分别为7.38 kJ/g和7.13 kJ/g(p= 0.04)。出生于澳大利亚和其他英语国家的年轻人平均膳食能量密度为7.36 kJ/g,高于出生于非英语国家的年轻人(6.77 kJ/g)(p< 0.0001)。来自社会经济地位低下地区(即SEIFA五分位数1)的女性膳食能量密度为7.40 kJ/g,显著高于来自社会经济地位最高地区的女性(6.88 kJ/g)。接受大学教育的年轻人能量密度最低,拥有大学学历者为6.85 kJ/g,而无高等教育者为7.53 kJ/g(p<0.0001)。较高收入与男性较低的能量密度相关,但在女性中未发现此关联。男性的出生国家差异与能量密度无独立关联(表3)。

表3。基于2011/2012年国家营养与身体活动调查第一次访谈的膳食数据,年轻人亚群体的膳食能量密度(kJ/g)
人口统计学和社会经济状况 男性 女性 总计
n 平均DED kJ/g n 平均DED kJ/g n
Age
18–24岁 373 7.71 407 7.16a 780
25–29岁 342 7.50 394 6.95a 736
30–34岁 405 7.53 476 6.83b 881
p‐值 0.32 0.15 0.046
出生国家
澳大利亚或英国 905 7.68 1070 7.17 1975
其他 215 7.30 207 6.23 422
p‐值 0.02# <0.0001 <0.0001
收入
第一五分位数‐最低20% 130 7.76abc 159 7.22ab 289
第二五分位数 177 8.12a 160 6.97ab 337
第三五分位数 187 7.40bc 172 6.91ab 359
第四五分位数 167 7.56bc 125 7.07a 292
第五五分位数‐最高20% 197 7.40bc 211 6.69b 408
p‐值 0.01 0.14 0.06
SEIFA
第一五分位数‐最低20% 130 7.84a 159 7.40a 289
第二五分位数 177 7.60ab 160 7.09ab 337
第三五分位数 187 7.70ab 172 6.92b 359
第四五分位数 167 7.41b 125 6.68b 292
第五五分位数‐最高20% 197 7.42b 211 6.88b 408
p‐值 0.18 0.005 0.005
教育
大学 333 7.33a 364 6.56a 697
学生(未指定级别) 120 7.69ab 87 6.86ab 207
职业的 217 7.59a 207 7.59c 424
None 188 7.93b 169 7.15b 357
p‐值 0.004 <0.0001 <0.0001

社会经济地位(SES)。DED,膳食能量密度(kJ/g)。SEIFA,由澳大利亚统计局(ABS)开发的地区社会经济指数,根据社会经济劣势对澳大利亚进行排名。英语国家包括加拿大、爱尔兰、新西兰(NZ)、南非、英国(UK)和美国(USA)。显著差异通过广义线性模型(GLM)确定。均值已针对低能量报告者(能量摄入:基础代谢率比值为<0.87)进行调整。应用了特定调查的加权因子。每列中不同变量的不同字母表示存在显著差异(p< 0.05)。在调整教育、年龄和收入后无显著性(p= 0.09)。粗体数值表示显著趋势。

4. 讨论

年轻的澳大利亚成年人的高能量密集型饮食质量较差,与膳食指南的差异最大。因此,食用能量密度最高饮食的人群不仅面临更高的体重增加风险,还可能因饮食质量差而引发其他健康问题,如心血管疾病和中风、某些癌症以及糖尿病[5]。高能量密度饮食与低能量密度饮食者在膳食质量上的差异主要是由于前者摄入更多的自由选择食品,这些食品富含添加糖、钠和饱和脂肪,而水果和蔬菜的摄入量则较低。

年轻人膳食能量密度的平均水平超过了世界癌症研究基金会(WCRF)的建议值,所有年轻人群体均如此,但在教育程度较低者、来自社会经济地位较低地区的女性以及收入较低的男性中,膳食能量密度更高。旨在降低膳食能量密度的干预措施需要解决水果和蔬菜摄入不足以及自由摄入食物摄入过多的问题。

年轻人的平均膳食能量密度相较于其他国家报道的数值较高。日本成年人的膳食能量密度为男性 5.98千焦/克,女性5.72千焦/克[31],西班牙男性和女性分别为5.2千焦/克和4.6千焦/克[32]。然而,该数值低于美国50岁及以下成年人的膳食能量密度(8.5千焦/克)[33]。相应地,日本和西班牙的肥胖患病率也较低,而美国则高于澳大利亚[34]。伊朗年轻女性的膳食能量密度在低到高的四分位区间内分别为5.3千焦/克至7.1千焦/克,超重和肥胖的患病率范围为8%至30%[20]。然而,西班牙和伊朗人群的膳食能量密度估计值是通过食物频率问卷得出的[20,32],因此不能直接与本研究及其他使用 24小时回顾法的研究所得出的估计值进行比较。由于膳食能量密度的增加已被证明会提高总体能量摄入[9],,年轻人平均摄入的能量较高的膳食,因而存在破坏能量平衡、导致体重增加的风险。事实上,大多数澳大利亚人口在其一生中将变得超重,预计到 2025[3],时,澳大利亚成年群体中超重比例将上升至超过70%,高于 2012[35]的62.8% 2012[35]。早期成年期和中年期(分别为18–35岁和35–50岁)的体重增加会提升死亡率,而在年轻成年期的体重增加与死亡率的关系最为显著[36]。年轻人所做出的生活方式选择显然对其未来的健康具有严重后果。应进一步研究降低年轻人膳食能量密度以改变这一趋势的有效性。

与国际上的研究结果一致[32,37–39],,膳食能量密度较低的年轻人膳食质量更高。与本研究分析类似,对伊朗年轻女性饮食的评估表明,低膳食能量密度与较高的健康饮食指数得分相关[20]。已有研究表明,使用膳食质量指数评估的较高膳食质量与全因死亡率、心血管疾病和癌症风险降低相关[40]。由此推断,摄入低能量密度饮食的人群患慢性疾病的风险较低。膳食质量的改善通常与水果和蔬菜摄入量增加以及自由选择食品摄入减少有关[32,37–39]。例如,在爱尔兰成年人中,膳食能量密度的差异主要归因于水果、蔬菜和含糖饮料的摄入差异,而年轻人摄入的饮食能量密度最高[37]。在本研究分析中发现,肉类、禽类及替代品、乳制品和谷物的摄入量在膳食能量密度较低的人群中保持不变或略有增加。这意味着,对于年轻人群体而言,提高水果和蔬菜摄入量并减少自由选择食品摄入的组合措施在降低膳食能量密度方面最为有效。一项针对年轻人的减重干预研究也一致发现,持续小幅增加蔬菜摄入量的行为改变能够促进减重[41]。食物能量密度随脂肪提供的能量增加而升高[11],,然而,本研究及其他研究中自由生活人群所报告的低能量密度饮食,其脂肪摄入量仍处于可接受的宏量营养素分布范围之内,或多不饱和脂肪摄入量并无差异,但总体饱和脂肪摄入量较低[20,42]。

尽管国际上普遍发现社会经济地位(SES)在多种健康行为方面存在差异,但这些差异存在的原因仍无共识[43]。美国和法国的研究提出,较低社会经济地位人群肥胖患病率较高,可能是由于低能量密度饮食成本更高,以及膳食能量密度更高[19,44]。较低的收入与男性较高的膳食能量密度相关,但在女性中未发现此关联。粮食不安全问题影响了约4%的澳大利亚人,过去的研究显示年轻人属于高风险群体。高达15%的人口面临粮食不安全的风险[45],尽管这些数据近年来未得到更新。然而,收入只是健康不平等的一个潜在方面,其他已确定的障碍包括社会支持和影响力差异、社区机会缺乏和/或健康食品获取受限[43]。较高的教育程度也是社会经济不平等的一个重要方面,并且与男性和女性的膳食能量密度呈负相关。教育水平的提高与自我效能和自主性提升相关,因此被认为有助于增强对有益健康行为的控制感,例如选择摄入更多蔬菜[43]。

许多被较低社会经济地位人群指出的障碍也同样被年轻人提及,例如信心不足以及难以获得健康的食物选择,而朋友和家人作为健康行为的榜样则有助于改善其行为[46–48]。成本也是年轻人提到的实现更健康饮食的常见障碍[46,48,49]。已有研究表明,符合膳食指南的饮食比人群当前的食物支出购买成本更低[50],人们对健康饮食更昂贵的感知而非实际成本才是主要问题[50]。一项针对年轻人成功的随机对照健康干预研究证据表明,教育和社会经济指数(SEIFA)等社会人口学因素并未影响干预期间的减重效果,而收入仅在男性干预3个月时对结果产生调节作用,但在9个月时该效应已消失,因此该项目适用于大多数年轻人[41]。

本分析中的膳食能量密度计算未包含饮料,因为在关于能量密度的系统综述中,是否将饮料纳入能量密度计算的有效性存在争议[24]。由于饮料的重量高于食物,将其纳入会明显降低膳食能量密度,这可能会扭曲高能量密度食物暴露与健康结果之间的真正关联[24]。然而,在所有成年人中,19–30岁人群的含糖饮料摄入量最高[51],因此除高能量密度食物外,还应考虑含糖饮料的摄入。本研究显示,报告膳食能量密度较高的人群,其含糖饮料的摄入量也较高。因此,针对膳食能量密度较高人群的干预措施,很可能同时覆盖含糖饮料摄入量最高的年轻人。

尽管多阶段24小时回顾法是膳食评估中一种有效且可靠的工具,但由于难以估计食物的份量大小、食物的营养成分,或参与者回忆所摄入食物存在困难,自我报告数据中不可避免地存在测量误差[52]。在2011/2012年全国营养与健康调查中,已尽一切努力减少误差,采用了严格的方法,例如使用实物大小食物模型帮助参与者估算份量大小,包含约15,847种不同食物计量单位(如市售加工食品的包装规格)的数据库,专为本次调查所报告食物的营养分析而建立的营养数据库,以及采用自动化多阶段回顾法以协助参与者准确回忆[21]。然而,低能量报告现象仍然明显。使用能量密度有助于校正自我报告膳食数据中的误差,因为能量的误差与其他所有膳食成分的误差相关,因此每1000千焦营养素摄入量(或此处使用的千焦/克)比绝对值更可靠[52]。已知人们倾向于高报被认为更具社会可接受性的食物摄入量,例如蔬菜,而低报自由选择食品,这可能导致此处膳食能量密度被低估[53,54]。然而,可以明确的是,年轻人群体的膳食能量密度较高,而饮食质量较低。本分析为横断面研究,旨在描述年轻人饮食的能量密度特征,但并未试图证明因果关系;仍需进一步证据来评估低能量密度饮食对体重的长期影响,并确定其与其他非传染性疾病的潜在关联风险[55]。

5. 结论

总之,澳大利亚年轻成年人报告的膳食能量密度较高且饮食质量差。教育成就较低和社会经济地位较低的人群存在差异的证据——这些信息应被用于帮助确保干预措施涵盖那些摄入较高膳食能量密度风险最高的人群。必须加大努力改善膳食模式,增加低能量密度的水果和蔬菜的摄入,同时应积极劝阻高能量密度、低营养食物的摄入。

国央企创新负责人如何通过平台提升技术需求挖掘与资源配置的精准性?.docx 国央企创新负责人如何通过平台提升技术需求挖掘与资源配置的精准性? 立即下载

相关推荐

科技中介服务机构在协助企业对接科研成果时,如何提升服务响应速度与专业化水平.docx

科技中介服务机构在协助企业对接科研成果时,如何提升服务响应速度与专业化水平

项目介绍 基于Python的食物营养数据分析可视化系统设计与实现(含模型描述及部分示例代码)专栏近期有大量优惠 还请多多点一下关注 加油 谢谢 你的鼓励是我前行的动力 谢谢支持 加油 谢谢

本文介绍了一个基于Python的食物营养数据分析与可视化系统,旨在帮助用户科学管理饮食健康。系统通过整合多源营养数据,构建标准化数据库,并利用pandas进行数据处理和分析。核心功能包括:1) 食物营养特征计算,分析能量来源结构;2) 个体每日营养摄入统计与评估;3) 基于规则的健康饮食建议生成;4) 数据可视化展示,包括能量结构饼图和时间序列趋势图。该系统将复杂的营养数据转化为直观易懂的图表和提示,支持用户做出更科学的饮食选择,特别适合健康管理、减脂增肌等场景。文章提供了完整的数据处理流程和代码示例,展示

优质创作者: 人工智能技术领域 对于有一定基础的 MATLAB和Python带具体需求都可以详谈 MATLAB和Python可以提供代码调试服务加油 谢谢 你的鼓励是我前行的动力 谢谢支持 加油 谢谢 392

国央企创新负责人在推动内部技术成果转化与外部协同创新时,如何实现资源的高效整合与协同联动?.docx

国央企创新负责人在推动内部技术成果转化与外部协同创新时,如何实现资源的高效整合与协同联动?

2026最新基于Aria2下载器解决百度网盘限速问题

Aria下载器

机器人入门实战:用 ROS2 和 Gazebo 先把差速车 URDF 跑起来,再做一版 SLAM 建图(含教学手册与源码骨架)

原创教学资源包(VIP专属)。围绕机器人开发项目实战搭建可复现闭环:用差速车 URDF 把 base_link、左右轮和激光连杆的关节树写自洽,配一间教学库房的 Gazebo 世界与 launch 骨架;再提供一版合成二维占用栅格建图,对比纯里程计写入和扫描匹配修正,用来分辨 odom 系漂移与 map 系 SLAM 输出。内含中文实战手册与可 make 抽检的 ROS 2 源码骨架。实现均为教学桩,注释标明不是完整 Navigation2 栈,不能替代实机传感器标定,也不是 Cartographer / slam_toolbox 的生产方案。 使用方法:解压后进入 src/ 目录(需 Linux、Python 3;不必安装 ROS 2 或 Gazebo 也能抽检)。先执行 make clean && make test,或运行 python3 scripts/smoke_test.py,看到 ALL SMOKE TESTS PASSED 后再阅读手册.md、README.md 与源码注释。若本机已安装 ROS 2 Humble/Jazzy 与 Gazebo,再把 src/diffbot_slam_tutor 放入工作空间,按 README 中「读者本地环境再跑」的 launch 命令启动仿真。细节见手册.md 与 src/README_SRC.txt。 适合作为成长任务「机器人开发项目实战」的自制合规 VIP 资源上传。建议售价 9.90 元。模型与数据均为虚构示例,不含刷量、搬运或真实个人信息。

两路半桥LLC谐振变换器软开关Simulink仿真(模拟谐振参数不同、分裂电容)

内容概要:本文介绍了“两路半桥LLC谐振变换器软开关Simulink仿真”资源包,重点在于基于Simulink平台对两路半桥LLC谐振变换器进行高精度建模与动态仿真,特别考虑了谐振参数不一致及分裂电容等非理想工况对系统性能的影响。该仿真模型不仅涵盖了主电路拓扑、软开关实现机制与谐振网络设计,还深入分析了不同参数配置下系统的启动特性、稳态效率、动态响应及软开关条件的满足情况。通过参数扫描与对比仿真,帮助用户掌握LLC变换器的关键设计要素与优化方法,具备较强的工程指导价值和科研教学意义。; 适合人群:电力电子、电气工程及其自动化等相关专业的高校师生,以及从事高频开关电源、新能源变换器、车载充电机等领域的研发工程师和技术人员。; 使用场景及目标:① 掌握两路并联半桥LLC谐振变换器的建模与仿真方法;② 理解软开关技术在提升变换器效率与降低EMI方面的关键作用;③ 分析谐振参数偏差与分裂电容结构对系统均流特性、增益曲线及软开关范围的影响;④ 支持科研项目中的拓扑验证、控制策略开发与故障工况分析; 阅读建议:建议结合Simulink仿真模型与配套说明文档进行学习,重点关注谐振腔参数设置、驱动时序设计及软开关波形观测;可通过调整谐振电感、电容值或引入参数失配,观察系统行为变化,深入理解LLC变换器的稳定边界与优化设计原则。

港股十档行情tick数据,包含逐笔成交与买卖委托快照 逐笔记录含成交时间、价格、成交量、成交方向及委托单类型 十档委托快照提供买卖各十个价位的挂单价格与挂单数量,可观察盘口深度变化 分钟数据以一分钟为

港股十档行情tick数据,包含逐笔成交与买卖委托快照。逐笔记录含成交时间、价格、成交量、成交方向及委托单类型。十档委托快照提供买卖各十个价位的挂单价格与挂单数量,可观察盘口深度变化。分钟数据以一分钟为单位,包含开盘价、最高价、最低价、收盘价、成交量及成交额。历史行情覆盖近十五年,提供完整日线csv表格,字段包含日期、开盘价、最高价、最低价、收盘价、成交量、成交额,部分还包含调整因子或前收盘价。所有数据均为非实时历史数据。 数据源:CMES金融数据库

双向全桥CLLC谐振变换器仿真模型(Simulink仿真实现)

内容概要:本文系统介绍了双向全桥CLLC谐振变换器的Simulink仿真模型,重点阐述了变频控制、闭环仿真及其与多种电力电子拓扑(如维也纳整流器、DAB变换器、图腾柱PFC等)的联合仿真设计。资源包涵盖2.5kW双向全桥LLC、V2G电动汽车充放电系统、三相PFC、多相交错LLC等多种变换器的仿真案例,并深入展示了三电平VIENNA整流器在双闭环PI控制与SVPWM调制策略下,结合上下电容电压差值补偿实现中点电位平衡的先进控制方法。通过仿真验证,该策略不仅有效维持了800V直流母线电压的稳定,还在动态工况下显著提升了电容电压的均衡度,同时保持了较低的输入电流THD,充分体现了SVPWM与中点平衡控制协同优化的技术优势。; 适合人群:具备电力电子与自动控制理论基础,从事新能源发电、电动汽车、工业电源、微电网等领域的研究生、工程师及科研人员。; 使用场景及目标:① 学习并构建高频谐振变换器(如LLC、CLLC)的Simulink仿真模型,掌握其变频与混合控制策略;② 深入理解并应用中点电位平衡、双闭环PI控制、SVPWM调制等核心技术于VIENNA等三电平变换器中;③ 复现高水平期刊论文中的控制算法,服务于科研项目申报、学术论文撰写或工程产品开发。; 阅读建议:该资源为综合性仿真资料库,建议使用者结合自身研究方向(如电动汽车充电、新能源并网)选择对应案例进行精学,重点关注控制策略的设计逻辑、仿真参数的整定方法以及SVPWM与中点平衡的协同机制,并充分利用附带的计算书和参考文献深化理解,以实现从仿真模型到实际工程应用的顺利转化。

高校技术转移办公室人员如何提升科技成果推介效率与质量?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

全桥LLC谐振(变频+移相混合控制)变换器闭环仿真模型(Simulink仿真实现)

全桥LLC谐振(变频+移相混合控制)变换器闭环仿真模型(Simulink仿真实现)

虚拟同步发电机(VSG)惯量阻尼自适应控制仿真模型(simulink仿真实现)

内容概要:本文提供了“虚拟同步发电机(VSG)惯量阻尼自适应控制仿真模型”的Simulink仿真实现方法,系统阐述了如何通过仿真手段研究VSG在电力系统中的动态响应特性,重点聚焦于其惯量与阻尼的自适应控制策略。文中详细说明了模型构建流程,涵盖控制算法设计、参数调节、根轨迹分析等内容,并通过对比不同调节系数下的系统响应,深入探讨了控制参数对系统稳定性与动态性能的影响。该仿真模型有效复现了VSG模拟传统同步发电机惯性与阻尼特性的能力,对于提升新能源并网系统的频率稳定性和抗扰动能力具有重要研究价值。; 适合人群:具备电力系统、自动化或相关领域基础知识,从事新能源并网、微电网控制、电力电子与电力系统仿真研究的研究生、科研人员及工程师。; 使用场景及目标:①用于教学与科研中深入理解虚拟同步发电机的工作原理及其在现代电力系统中的应用;②为新能源发电系统接入电网时的稳定性分析与控制策略设计提供仿真验证平台;③支持对VSG控制参数进行优化,提升系统应对负荷波动和扰动的能力。; 阅读建议:建议读者结合Matlab/Simulink软件动手实践,按照文档结构逐步搭建仿真模型,重点关注控制环路设计与参数整定部分,同时参考提供的代码与仿真结果进行对比分析,以加深对VSG自适应控制机制的理解。

基于双向Buck-Boost电路的锂电池储能充电+放电控制Simulink仿真

内容概要:本文系统介绍了基于双向Buck-Boost电路的锂电池储能系统充放电控制的Simulink仿真设计,重点构建了储能系统中能量双向流动的控制模型,涵盖充电与放电两种工作模式。通过Simulink平台搭建主电路拓扑与闭环控制系统,实现对锂电池的安全、高效能量管理,确保系统在不同工况下的稳定性与动态响应性能。研究不仅聚焦于Buck-Boost变换器的能量转换机制,还结合多种先进控制策略,如模型预测控制、电压下垂控制等,提升系统的控制精度与鲁棒性。同时,文中列举了包括LLC谐振变换器、Vienna整流器、PWM整流器等多种电力电子变换器的仿真案例,体现了该资源在新能源、微电网及电力电子系统建模与控制领域的广泛适用性与技术综合性; 适合人群:具备电力电子、自动控制或电气工程等相关专业背景,熟悉MATLAB/Simulink仿真环境,从事新能源系统、储能技术、电力电子变换器设计及相关领域研究的研发人员与高校研究生; 使用场景及目标:①深入理解双向Buck-Boost电路在锂电池储能系统中的能量管理原理与系统建模方法;②掌握基于Simulink的充放电控制策略设计、闭环系统搭建与仿真验证流程;③拓展至其他主流DC-DC与AC-DC变换器(如LLC、Vienna、DAB等)的建模与控制研究,服务于科研项目、课程设计、毕业课题或工程开发应用; 阅读建议:建议结合文中提供的仿真模型与参考资料,动手实践Simulink建模与参数调试过程,重点关注控制环路的设计逻辑、控制器参数整定方法及系统动态响应特性;同时可参考同系列其他变换器的仿真案例,横向比较不同拓扑的控制策略差异,以拓宽技术视野与工程应用能力。

两相交错并联Boost电路仿真模型(Simulink仿真实现)

内容概要:本文介绍了“两相交错并联Boost电路仿真模型(Simulink仿真实现)”的技术资源,属于电力电子变换器领域的仿真研究内容。该模型基于Simulink平台构建,旨在深入分析两相交错并联Boost电路的工作原理、动态响应特性及控制策略。交错并联结构通过错开各相开关管的导通时刻,有效降低输入电流纹波、提升系统效率与功率密度,适用于中高功率DC-DC变换应用场景。资源包含完整的主电路建模、PWM驱动信号生成、闭环控制器设计(如电压/电流双闭环控制)等关键模块,并可能涵盖软启动、均流控制等关键技术问题。整个仿真模型强调理论分析与工程实践的紧密结合,不仅有助于理解电路基本行为,也为优化控制算法提供验证平台,服务于科研与教学需求。; 适合人群:电气工程、自动化、电力电子及相关专业的高校本科生、研究生,以及从事电源系统研发的工程技术人员,具备一定的电路理论、自动控制原理和Simulink仿真基础者更佳。; 使用场景及目标:① 学习和掌握两相交错并联Boost电路的拓扑结构、工作机理及性能优势;② 利用Simulink进行电力电子电路的建模与仿真,深入理解PWM控制、闭环调节、均流控制等核心技术的应用;③ 为科研项目、课程设计或毕业设计提供可复用的仿真案例和技术支持,辅助开展中高功率电源系统的创新设计与优化研究。; 阅读建议:建议结合Simulink软件动手搭建并调试模型,通过调整占空比、开关频率、电感参数等变量,观察其对输入电流纹波、输出电压稳定性及动态响应的影响,以深化对电路特性的理解;同时可参考文中列出的其他相关资源(如LLC、PFC等仿真模型)进行横向对比学习,拓宽电力电子系统设计视野。

高校技术转移办公室人员需要哪些工具来提升成果转化服务能力?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

区域电网含风光火压缩空气储能抽水蓄能以及电化学储能的联合调度,加入IEEE39系统,进行潮流计算,分析电能质量研究(Matlab代码实现)

内容概要:本文研究了包含风能、太阳能、火电以及压缩空气储能、抽水蓄能和电化学储能等多种能源形式的区域电网联合调度问题,通过将系统接入IEEE 39节点标准测试系统,利用Matlab平台开展潮流计算与电能质量分析,旨在提升高比例可再生能源接入背景下电网运行的稳定性与供电品质。研究重点涵盖多类型电源与多种储能系统的协调优化调度策略设计,深入探讨储能系统在削峰填谷、平滑新能源出力波动方面的关键作用,并对复杂运行工况下电压偏差、频率波动、谐波污染等电能质量问题进行评估与改善。通过构建完整的仿真模型,系统性地分析了联合调度对电网电能质量的影响机制,为现代电力系统中多能互补与协同控制提供了理论依据和技术参考。; 适合人群:具备电力系统分析、优化调度及电能质量相关基础知识,熟悉Matlab/Simulink仿真环境的研究生、科研人员及电力系统相关领域的工程师。; 使用场景及目标:①为含多种储能的区域电网联合调度研究提供完整的Matlab仿真案例与开源代码参考;②分析大规模新能源接入对IEEE 39系统潮流分布及电能质量的综合影响,并定量评估不同类型储能系统的调控效果;③为电力系统优化调度、电能质量综合治理、多能协同控制等学术研究与工程项目提供可复现的技术支撑与解决方案。; 阅读建议:本资源以Matlab代码实现为核心,读者应在掌握电力系统基本理论的基础上,重点关注联合调度的数学建模过程、储能系统充放电策略的制定逻辑以及电能质量各项评价指标的计算方法。建议在学习过程中动手调试仿真代码,尝试调整系统参数、优化目标权重或改变新能源渗透率,以深入理解系统动态行为与控制策略的有效性。

量化交易如何利用涨停板策略收割散户

量化交易通过算法筛选特定特征的股票,在早盘建立底仓后,利用大单拉升制造抢筹假象,吸引散户跟风买入。这种策略利用了散户的认知偏差,如锚定效应和从众心理,导致次日低开闷杀。从技术实现来看,量化策略通过控制买入量、隐藏真实意图等手段,精准执行隔日砸策略。对于短线交易者而言,理解量化资金的运作逻辑和识别危险涨停板的特征至关重要,这包括观察封板时间、盘口挂单、量价关系等多维度数据。在算法主导的市场中,散户需要升级交易工具和策略,从预测走势转向应对走势,才能避免成为量化策略的牺牲品。

weixin_33046983的博客 293
上一篇: 52、突触背景活动与神经元输出放电的奥秘
下一篇: 31、高级 VBA 技术:图表操作与多应用交互
python9snake
博客等级 码龄1天 0粉丝 1724原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值