方法文章

用于人口饮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...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本文提出了一个综合电子表格系统,使用简单的公式来计算营养和食物组的摄入量以及食物组对营养摄入量的贡献,以分析人口饮食调查数据。该系统包含定量、半定量和非定量食物摄入量数据以及用户提供的食物成分表。

摘要

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

在人口饮食调查中计算营养摄入量可能具有挑战性,因为现有的营养分析软件通常面向分析个体的摄入量,并且可能不允许用户输入或轻松修改分析中使用的食物成分数据。这些缺点在低收入和中等收入国家环境中更为成问题。虽然有许多软件辅助膳食评估平台可以进行机上营养分析并适用于大型调查,但它们通常同样受到限制,并进一步限制用户使用特定的评估方式。本文提出了一个多功能的集成电子表格系统,用于人口饮食调查 (ISNAPDS) 的营养分析,该系统为已收集数据但无法使用现有软件进行充分分析的情况提供了一种解决方案。该方案包括向系统提供有关食物成分、食物组分类和食物摄入量的完全可定制的数据(以克/天为单位的食物摄入量可以直接输入,也可以根据用户提供的摄入频率和标准或可变份量计算)。输入数据后,用户修改一组简单的预填充公式,使其与输入数据的结构相匹配,系统应用这些公式来计算营养和食物组摄入量,以及食物组对调查人群所有成员营养摄入量的贡献。ISNAPDS 系统的灵活性使其能够适应全球消费食品的多样性,并分析使用采用不同参考期和份量估计方法的前瞻性和回顾性评估方法收集的定量、半定量和非定量食品消费数据。迄今为止,该系统已应用于已发表和正在进行的 24 小时回忆、饮食记录、食物频率和来自中国、埃塞俄比亚、印度、蒙古、泰国人口调查的分类家庭消费数据的分析,以及对 10 个撒哈拉以南非洲国家的多国分析。

引言

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

有关人口、食物和营养摄入的数据对于了解人群营养不良的负担以及饮食与健康之间的关系非常重要,并在设计、监测和评估循证营养政策和计划方面发挥着重要作用 1,2

收集食物摄入量数据后,使用软件将每种食物的摄入量乘以其营养成分,以获得营养摄入量数据(营养分析)3,这一过程过去是手动执行的,直到大型计算机出现4。有许多软件工具可以做到这一点,但它们通常面向个人分析而不是人口调查 5,6。想要在大型调查中计算营养摄入量的调查人员可能会使用他们不熟悉的统计软件编写程序,或者求助于为个人设计的软件应用于调查人群的每个成员并编译结果;这非常耗时且容易出错。此外,现有的营养分析软件可能不包括特定调查中食用的所有食物或感兴趣的营养物质,或者允许用户输入或轻松自定义有关分析中使用的食物成分、份量和食物组分类的数据。虽然存在许多软件辅助饮食评估平台进行机载营养分析并适用于大型调查7,但它们通常同样受到限制,并进一步限制用户使用特定的评估方式(例如,饮食记录、24 小时饮食回忆或回忆在指定参考期内通常食用食物的频率)。

这些缺点在低收入和中等收入国家 (LMIC) 更为成问题,因为当地的食品成分、食谱和其他参考数据在现有的膳食评估和营养分析软件中通常基本上没有体现,其中大多数软件是为高收入国家设计的 2,7,8.因此,收集人群营养摄入量数据的调查人员可能会使用不适合其调查人群或研究问题的软件辅助饮食评估工具,或者求助于可能不包含机载食物成分数据或艰苦的纸笔方法的专用工具;这两者都需要一个单独的营养分析解决方案9。因此,现有软件的不足加剧了许多其他障碍,无法生成在低收入和中等收入国家实施有效营养战略所需的高质量和时间相关的食物和营养摄入数据2。最近开发的 INDDEX24 膳食评估平台是解决中低收入和中等收入国家这一数据差距的一项显着努力 10,11,12。INDDEX24 使用移动应用程序来简化数据收集,该应用程序与 Global Food Matters 数据库无缝链接,该数据库是一个广泛且不断增长的全球食品成分、标准食谱和膳食参考数据存储库13。然而,INDDEX24仅限于收集 24 小时回忆,这被认为是用于人口调查的最广泛适用的评估方法,但可能无法满足所有研究目标,特别是如果需要较长的参考期(在此期间收集食物频率问卷可能更合适)。

本文提出了一个多功能的集成电子表格系统,用于人口饮食调查 (ISNAPDS) 的营养分析,该系统为已收集数据但现有软件不足以分析数据的情况提供了一种解决方案。该方案涉及向系统提供有关食物成分、食物组分类和食物摄入量的完全可定制的数据(以克/天为单位的食物摄入量可以直接输入,也可以根据用户提供的摄入频率和标准或可变份量计算)。输入数据后,用户修改一组简单的预填充公式,以将它们与输入数据的结构相匹配。然后,系统应用这些公式来计算调查人群中所有成员的营养物质和食物组摄入量以及食物组对营养物质摄入量的贡献。ISNAPDS 系统的灵活性使其能够适应全球食品消费的多样性,并分析使用前瞻性和回顾性评估方法收集的定量、半定量和非定量(即定性)食品消费数据采用不同的参考期和份量估计方法(例如,单次或重复的饮食记录或回忆,或食物频率问卷)。

ISNAPDS 定位、协议步骤摘要和公式说明:
ISNAPDS 系统(补充文件 1)是 Microsoft Excel Open XML (.xlsx) 文件,最初于 2012 年开发。此处使用的版本是在 2022 年使用 Excel 365 开发的。

ISNAPDS 由八个电子表格组成,这些电子表格由公式连接,这些公式将标准或可变份量(以克/份表示)、食物成分(单位/天)、食物组分类、食物摄入量频率(以份/天为单位)的输入数据转换为食物摄入量的输出数据(以克/天为单位,如果可用,也可以作为输入数据提供), 食物组别的摄入量(克/天)、营养素的摄入量(单位/天)和食物类别对营养素摄入量的贡献(单位/天)。该系统的集成意义在于,公式将每张表格中的食物、观察、营养素和食物组与其他表格中的正确对应物相匹配;所有图纸都包含在一个文件中。该系统预先填充了 10 个观察的示例输入和输出数据,以证明系统的功能(在系统和方案中,术语观察可能是指个人或人日,例如在重复饮食记录或召回的情况下)。

使用 ISNAPDS 的方案涉及四个主要步骤:(1) 指定食物摄入量数据是否由用户以克/天为单位提供,还是必须根据摄入频率和份量计算,以及(如果必须计算食物摄入量)每种食物是否与标准份量相关,或者每种食物的份量是否在观察之间有所不同;(2) 构建和输入有关食物成分、食物组分类以及食物摄入量或摄入量频率的数据,并附有标准或可变份量;(3) 修改输出电子表格中预先填充的公式以匹配输入数据的结构;(4) 在输出数据表中传播公式以填充所需的结果。可以跳过某些协议步骤的部分内容,具体取决于填充食物摄入量的指定方法,以及用户是否对计算营养摄入量、食物组摄入量或食物组对营养摄入量的贡献感兴趣。 图 1 是一个流程图,它总结了填充食物摄入量数据和所需输出数据的给定方法所需的协议步骤和输入数据。

figure-introduction-1
图 1:协议流程图。 给定填充食物摄入量数据的方法和所需输出数据的协议步骤和所需输入数据的摘要。步骤 2(构建和输入数据)已简化为排除涉及构建数据的步骤和步骤的一部分。 请单击此处查看此图的较大版本。

对于每次观察,ISNAPDS 通过将每种食物的摄入频率乘以其份量14 来计算以克/天为单位的食物摄入量(如果这些数据不是用户提供的)。计算每个食物组的摄入量涉及归类为属于该组的所有食物的摄入量的简单总和。计算营养素摄入量的公式包括将每种食物的摄入量乘以每 100 克食物中每种营养素的浓度,除以 100,然后将摄入的所有食物的结果相加3。要计算每种食物组对每种营养素摄入量的贡献,只需将相同的公式分别应用于食物组和营养素的每种组合即可。

建议新用户查看在 ISNAPDS 电子表格中输入和作数据的两页补充指南(补充文件 2),以防止错误并确保它们保持工作表之间的集成。这些指南还可用于解决可见错误(例如,单元格显示 #REF! 或 #VALUE)以及在运行代表性结果中描述的数据完整性检查时可能检测到的错误。

访问受限。请登录或开始试用以查看此内容。

方案

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

该协议附有基于应用 ISNAPDS 系统分析蒙古实际人口调查数据的示例结果。本调查中收集数据的程序符合蒙古卫生部伦理审查委员会和哈佛大学陈曾熙公共卫生学院机构审查委员会的道德标准(协议 #21002)。符合条件的参与者提供了书面知情同意书以加入研究并在入组前提供可发表的数据,并且可以随时退出研究。

1. 指定填充食物摄入量数据的方法

  1. 如果食物摄入量数据以 g/day 为单位,请跳至第 2 步。
  2. 如果必须根据摄入频率和份量计算以克/天为单位的食物摄入量,请选择食物摄入量方法电子表格的单元格 B1,并使用下拉菜单指定每种食物是否与标准份量相关(默认选项),或者每种食物的份量是否因观察而异(可变份量)。
    注意:如果必须计算食物摄入量,但份量不容易获得(例如,在分析使用非定量食物频率问卷收集的数据时),请考虑对定量调查数据进行单独分析,以得出不同人口阶层的标准或可变份量15161718

2. 使用预填充的示例数据作为指南来构建和填充输入数据电子表格

  1. 在 Food Composition 电子表格的 A 列中,输入调查数据中报告食用的所有独特食物的列表(随后称为食物列表)。在"食物摄入量"表中,在第 1 行输入食物列表,并在 A 列中输入调查数据中所有唯一观察值的列表(后来称为观察值列表)。
    1. 确保输入数据的任何其他工作表中第 1 行食物列表的顺序和长度以及 A 列中的观察列表与食物成分和食物摄入量表中这些列表的顺序和长度一致。
  2. 根据步骤 1 中指定的方法,通过输入必要的输入数据来填充以 g/day 为单位的食物摄入量。
    1. 如果食物摄入量数据以 g/day 为单位,请为数据中的所有食物和观察结果填写食物摄入量表,然后跳至步骤 2.3。
    2. 如果必须根据摄入频率(以份数/天表示)和标准或可变份量(以克/份为单位)计算食物摄入量,请在摄入量频率表中输入食物清单和观察清单,并为数据中的所有食物和观察填充表格。
    3. 如果使用标准份量计算食物摄入量,请在食物成分表的 C 列中输入这些数据。如果使用可变份量,请在 Variable Serving Sizes(可变份量)表中,输入食物列表和观察列表,并填充数据中所有食物和观察值的工作表。
  3. 如果有兴趣计算食物组别的摄入量或食物组别对营养素摄入量的贡献,请在食物成分表的 B 栏中输入食物组别。在食物组摄入量表中,在第 1 行输入数据(后来称为食物组列表)中表示的所有唯一食物组的列表,在 A 列中输入观察列表。
    1. 确保食物成分表B列与食物类别摄入量表第1行的食物类别表长度和每个食物类别的名称一致(如计算食物类别对营养素摄入量的贡献,则计算食物类别表第1行)。食品组不区分大小写,可以按任何顺序输入。
  4. 如果对计算营养摄入量或食物组对营养摄入量的贡献感兴趣,请在食物成分表中,在第 1 行输入所有要分析的营养素列表(后来称为营养清单),并在表中填写食物成分数据(以单位/100 克表示)。在营养摄入表中,在第 1 行输入营养清单,在 A 列中输入观察清单。补充文件 3 中提供了有关如何识别、获取、汇编、匹配和评估食品成分数据质量的摘要指南和在线资源。
    注意:尽管名称如此,营养清单可以包括成分、食物或食物组(例如面粉 (g)、面包 (g) 或精制谷物 (g)),因此,食物成分表中填写的数据可以包括成分、食物或食物组浓度(以 g/100 g 表示)从食谱或等效因子数据中获得。这使得计算食物或食物组摄入量的附加或替代方法成为可能。使用这种方法时,食物或食物组被视为营养素,它们的摄入量显示在营养摄入量表中。这种方法为需要计算食物清单中未包含的特定成分或感兴趣食物(例如强化剂)的摄入量的情况提供了一种解决方案,或者当分析使用基于菜肴的膳食评估方法收集的数据时,并且需要在成分或食物级别分配食物组。
    1. 确保食物成分表第 1 行与营养素摄入量表第 1 行的营养素表的顺序和长度一致(如果计算食物类别对营养素摄入量的贡献,则计算营养素来源表第 1 行)。
  5. 如果有兴趣计算食物组对营养摄入的贡献:在营养来源电子表格中,在第 1 行输入营养清单。在 A 列中,通过以垂直方式在列表后附加其自身的副本来输入 # 次观察列表,其中 # 是食物组列表中的食物组数。为每组观测值使用不同的食物组填充列 B 中的每个单元格。

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. 如果对计算食物组摄入量或食物组对营养摄入量的贡献感兴趣:在食物组摄入量电子表格单元格 B2 的公式中,{=SUM(('食物成分'!$B$2:$B$21=B$1)*TRANSPOSE('食物摄入量'!$B 2:$U 2))},将 $B$21 更改为 $B$#,其中 # 是在食物成分电子表格中输入的数据的底行,并将 $U 2 更改为 $*2, 其中 * 是在 Food Intake (食物摄入量) 表中输入的数据的最右侧列。输入修改后的公式。
  2. 如果对计算营养摄入量或食物组对营养摄入量的贡献感兴趣:在营养摄入量电子表格单元格 B2 的公式中,{=SUM(('食物摄入量'!$B 2:$U 2)*TRANSPOSE('食物成分'!D$2:D$21))/100},将 $U 2 更改为 $#2,其中 # 是在食物摄入量电子表格中输入的数据的最右侧列,并将 $D$21 更改为 $D$*,其中 * 是在食物成分电子表格中输入的数据的底行。输入修改后的公式。
  3. 如果对计算食物组对营养摄入的贡献感兴趣:在营养来源电子表格的单元格 C2 的公式中,{=SUM(INDEX('食物摄入量'!$B$1$U$11,ROW()-ROUNDDOWN((ROW()-2)/(10),0)*(10),0)*(TRANSPOSE)
    ("食物成分"!D$2:D$21*($B 2='食物成分'!$B$2:$B$21)))/100};,将 $U$11 更改为 $#11,其中 # 是在食物摄入量电子表格中输入的数据的最右侧列;将 $D$21 和 $B$21 分别更改为 $D$* 和 $B$*,其中 * 是在食物成分电子表格中输入的数据的底行;并将 (10) 的两个实例更改为 (!),其中 !是观察列表的长度。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 将公式作为数组公式输入(有关指导,请参阅 补充文件 2 )。

4. 在输出电子表格中传播公式以填充所需的结果

  1. 如果必须根据摄入频率和标准或可变份量计算食物摄入量:在食物摄入量电子表格中,选择单元格 B2 并复制并粘贴或向右和向下拖动它,直到数据中的每个观测值都填充了每种食物的摄入量(以克/天为单位)。
  2. 如果对计算食物组摄入量或食物组对营养摄入量的贡献感兴趣:在食物组摄入量电子表格中,选择单元格 B2 并向右和向下复制粘贴或拖动它,直到数据中的每个观测值都填充了每个食物组的摄入量(以克/天为单位)。
  3. 如果对计算营养摄入量或食物组对营养摄入量的贡献感兴趣:在营养摄入电子表格中,选择单元格 B2 并复制和粘贴或向右和向下拖动,直到数据中的每个观测值都填充了每个营养组的摄入量(单位/天)。
  4. 如果对计算食物组对营养摄入的贡献感兴趣:在营养来源电子表格中,选择单元格 C2 并复制并粘贴或向右和向下拖动它,直到数据中的每个观测值都填充了每个食物组对每种营养素的贡献(单位/天)。

访问受限。请登录或开始试用以查看此内容。

结果

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

检查以确保输出数据的完整性
下面的检查使用预填充示例数据的观察值 1 来证明 ISNAPDS 系统中计算的准确性。为确保在分析实际调查数据时应用系统时正确遵守协议,建议用户自己对几个不同的观测值和输出列运行这些检查(给定输入电子表格中的错误可能会在某些输出电子表格中传播其他错误,而不会在其他输出电子表格中传播其他错误,并且给定输出电子表格中的错误可能只影响数据部分,如果运行检查,可能会被忽视仅针对一个观测值和输出列)。

使用标准或可变份量检查食物摄入量的计算
对于观察 1,全脂牛奶的摄入量(克/天)等于摄入量(摄入量/天(摄入量频率电子表格的单元格 B2:0.14 份/天)乘以全脂牛奶的标准份量(食物成分电子表格的单元格 C2:85 克/份)或为观察 1 指定的全脂牛奶份量(可变份量电子表格的单元格 B2: 130 克/份),具体取决于使用的是标准份量还是可变份量:

如果使用标准份...

访问受限。请登录或开始试用以查看此内容。

讨论

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

本文提出的 ISNAPDS 系统为营养监测和流行病学的众多核心分析提供了一个方便的起点,例如:估计营养物质和食物组的摄入量分布,确定营养不足和过剩的普遍性,确定每种营养素的关键食物来源,得出基于食物或营养的饮食指标或对膳食指南的依从性, 分析饮食与健康结果之间的关系,并为营养计划的设计提供信息。ISNAPDS 在亚洲和非洲的一系列低收入和中等收入国家进行的人口饮食调查中使用了一系列评估方法,抢先进行了所有这些分析。这些调查涉及从蒙古 334 名成年人收集的 1,838 人天的称重饮食记录和 1,356 名成年人的 24 小时回忆 20,21,22,23,定量食物频率问卷 (FFQ) 和重复 24 小时回忆来自 3,564 名埃塞俄比亚成年人24,来自非洲国家的 3,17...

访问受限。请登录或开始试用以查看此内容。

披露

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

作者没有什么可披露的。

致谢

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

作者要感谢 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-温 L. Gong 博士和 Laura A. Sampson 在过去十年中提供的膳食评估和营养分析方面的教育和指导;Kelvin Gorospe 博士,关于将 ISNAPDS 系统的功能转化为统计程序的建议;Sinara L. Rossato 博士,了解有关 DietSys 的信息;和 Winnie Bell 博士,了解有关 INDDEX24 膳食评估平台和全球食品问题数据库的信息。作者得到了美国国立卫生研究院 (T32 DK 007703) 的支持。

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,最初开发于 2012 年。发布的版本于 2022 年使用 Excel 365 开发。

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

Nutritional AnalysisPopulation Diet SurveysFood Composition DataDietary AssessmentIntegrated SpreadsheetsNutrient Intake CalculationFood Group ClassificationHousehold Consumption Data24 Hour RecallFood Frequency
视频即将推出

相关文章