饮食酸负荷以及饮食植物化学指数与多发性硬化症的关系：病例对照研究结果 | BMC Nutrition

该研究旨在探索 DPI、DAL 与罹患 MS 几率之间的关联。该研究经马什哈德医科大学伦理委员会批准开展，参考编号为 IR.MUMS.REC.1393.182。

研究设计和参与者

这项病例对照研究涉及 197 名复发缓解型 MS (RRMS) 患者，年龄在 18 至 65 岁之间。这些患者是从 2015 年伊朗东北部马什哈德 MS 协会登记处选出的。研究人群包括新登记的 MS 患者，他们过去六个月的饮食没有变化。此外，研究中还包括 200 名健康个体。对照组的纳入标准是没有神经系统疾病（基于自我报告）、与病例在同一家医院接受服务并且没有急性疾病。对照组的排除标准是怀孕和有意改变饮食。对照组与病例组在年龄（10 岁组）、性别、教育水平和体重指数 (BMI) 方面相匹配。向参与者简要介绍了如何回答 FFQ 中的问题 [21]研究人员记录了参与者的姓名、年龄、身高、体重、身体成分、性别、更年期、吸烟习惯和教育状况。

两组的排除标准如下：

[1] 在过去 12 个月内开始采取特定饮食， [2] 服用任何食品补充剂，以及 [3] 低估或高估能量摄入量（< 800 or >4200 kcal/天）。所有参与者均通过填写并签署同意书提供了书面知情同意。

样本大小

相关性研究中的样本量公式可计算所需的样本量。根据 Jahromi 等人的一项调查，传统饮食评分与 MS 风险之间的相关系数为 0.27 [22]。

研究样本量包括病例组197名患者和对照组200名健康个体，共计397名参与者。

数据收集工具

人口统计数据

熟练的采访者获得了人口统计和吸烟习惯信息。

体格测量

经过培训的卫生专业人员遵循 CDC 的《人体测量程序手册 2007》记录每个人的人体测量数据，作为国家健康和营养检查调查的一部分 [23]。

参与者在穿着极简衣物且不穿鞋的情况下测量其身体成分和体重。使用生物电阻抗分析仪（Tanita BC-418 身体成分分析仪）获取数据，然后记录到最接近的 100 克。使用卷尺测量他们站立时不穿鞋的身高，肩膀处于正常位置，数据记录到最接近的 0.5 厘米。使用柔性卷尺在最低肋骨和髂嵴之间的中间水平测量两次腰围，记录数据到最接近的毫米。BMI 使用以下公式计算：体重（公斤）除以身高（米）平方。然后根据世界卫生组织确定的临界点，根据受试者的 BMI 对他们进行分类，分为体重过轻（< 18.5 公斤/平方米）、健康体重（18.5-24.9 公斤/平方米）、超重（25-29.9 公斤/平方米）或肥胖（≥ 30 公斤/平方米） [24]。

膳食摄入量的评估

该研究使用包含 160 种伊朗食品的半定量 FFQ 评估了参与者的常规饮食摄入量。FFQ 由马什哈德医科大学开发和验证，与三天食物记录相比，大营养素的相关系数为 0.225 至 0.323，微量营养素的相关系数为 0.128 至 0.476（与食物记录总体一致率为 60%），类内相关系数 (ICC) 介于 0.363 和 0.578 之间 [21]。专业营养师通过面对面个人访谈完成FFQ。在访谈过程中，通过照片确认家庭份量，以确保准确测量食物摄入量。

平均食物摄入量是根据伊朗普通民众的典型食用份量确定的。标准单位是使用日常食品的平均份量建立的，例如一碗酸奶和薯片、一杯饮料或一盘米饭。为了确保一致性，FFQ 开头附有一本食物相册，其中有十张照片，描绘了平均份量和家庭测量值。参与者被问及过去一个月内食用各种食物的频率。他们的回答分为四组：从不/每月少于一次、每月（每月 1-3 次）、每周（每周 1-6 次）和每天（每天 1-6 次或更多）。

份量大小分为小份（少于持续中度用量的一半）、中份（等于确定的平均用量）和大份（比中度用量多一倍半或更多）。记录每种食物的食用频率并将其转换为每日摄入量，同时使用家用计量单位将所食用物品的份量转换为克。研究人员中立地询问这些问题，不评判参与者的饮食习惯。

膳食酸碱计算

本研究采用 PRAL 和 NEAP 两个指标评估膳食酸负荷，具体公式如下 [25, 26]：

所需的常量和微量营养素的值是通过 FFQ 获得的。

DPI 计算

DPI 是根据 McCarty 开发的方法计算的 [13]。该指数由水果、蔬菜、豆类、全谷类、大豆制品、坚果、种子、橄榄和橄榄油八个部分组成。首先，计算上述八种食物或食物组（kcal）与每日总能量摄入量之比，并乘以100。由于天然果汁的植物化学成分含量高，因此这些食物被归类为水果类，蔬菜汁和番茄酱被归类为蔬菜类。土豆、腌菜和蔬菜粉不被认为是植物化学成分的丰富来源，因此被排除在外。

统计分析

使用社会科学统计软件包 (SPSS) 软件版本 22（IBM SPSS Statistics for Windows，版本 21.0。纽约州阿蒙克：IBM 公司）进行数据分析。使用 Kolmogorov-Smirnov 检验评估连续变量的正态性。使用平均值和标准差 (SD)、中位数和四分位距 (IQR) 表示正态分布和非正态分布的连续变量。使用频率和百分比描述分类变量。使用学生 t 检验和 Mann-Whitney 检验比较组间正态分布和非正态分布的变量。使用卡方检验比较研究组间的连续变量和分类变量。二元逻辑回归通过报告比值比 (OR) 和 OR 的 95% 置信区间来评估研究变量与结果变量 (MS) 之间的关系 [27]. 统计学显著性水平为p<0.05。