公共衛生學院博士生趙俊康發表
膳食模式統計分析方法的總結與展望
膳食攝入在高血壓、肥胖、糖尿病等慢性病中起著重要作用，但在營養流行病學領域，占據長期主導地位的單一營養素或食物組研究難以反映食物和營養素間錯綜復雜的相互關系，導致整體膳食在健康促進及疾病預防方面的作用難以被清晰地闡明。例如，某種食物中包含多種營養素，這些營養素有著復雜的交互作用和潛在的累積作用，傳統方法很難分離并明確這些營養素對疾病的單獨效應。另外，由于飲食攝入為不同食物的組合，一些食物攝入的增加會相應導致其它一些食物攝入的減少，呈現出替代效應，因此也很難分析單個食物的健康效應，而同時將所有食物組納入分析模型又會產生共線性的問題。因此，從整體上考慮了不同食物和營養素間關系的膳食模式研究受到越來越多地關注。過去的幾十年里，已經涌現出許多經典統計方法來構建膳食模式，主要分為三大類：第一類是研究者驅動法或先驗法，包括膳食指數法和飲食評分法等；第二類是數據驅動法或后驗法，包括主成分分析、因子分析、聚類算法等。第三類是合并法，包括降秩回歸和偏最小二乘法等。另外，近年來還不斷涌現出一些新的統計方法用于構建膳食模式，包括Treelet變換法、有限混合模型、決策樹算法、LASSO和成分數據分析等方法，但這些方法很少或從未被充分的評述及討論過。
近日，c7c7.app公共衛生學院衛生統計學教研室博士研究生趙俊康及課題組在nutrition journal（中科院升級版2區）發表了題為“A Review of Statistical Methods for Dietary Pattern Analysis”的述評文章，全面總結了國內外膳食模式統計分析方法領域的最新進展。
該研究對目前已知用于構建膳食模式的所有方法進行了重分類，并從其基本思想、主要優缺點、實現軟件及進一步研究方向等方面，進行了全面歸納和總結。盡管經典的統計方法已經被廣泛應用，但某些新穎的方法在具體應用場景中也展示了自身在膳食模式研究中相對于經典方法的優點，尤其是成分數據分析方法作為一種新的單獨類別，給廣大研究者提供了新的研究思路和方向。目前，眾多膳食模式分析方法主要用于解答不同的研究問題，尚沒有一種方法可以解決膳食模式研究中的所有問題。另外，課題組還介紹了未來膳食模式研究中的方法學挑戰并提出了發展展望，為后續更深入的研究和理解膳食模式的構建并揭示膳食與健康結局間的關系提供了參考。
王彤教授為該研究的通信作者，博士研究生趙俊康為第一作者，公共衛生學院營養與食品衛生教研室的趙海峰教授也為該研究做出了重要貢獻。該研究得到了國家自然科學基金的支持。
