设计和开发一个文献衍生的，基于人群的饮食炎症指数

Nitin Shivappa1,2, Susan E Steck1,2, Thomas G Hurley1 , James R Hussey2 and James R Heacute;bert1,2,* 1 Cancer Prevention and Control Program, University of South Carolina, 915 Greene Street, Suite 241, Columbia, SC 29208, USA: 2 Department of Epidemiology and Biostatistics, Arnold School of Public Health, University of South Carolina, Columbia, SC, USA 专业：预防医学 学生姓名：李璐

摘要：目的: 设计和开发一个文献衍生的、基于人群的饮食炎症指数(DII)来比较不同人群的饮食炎症潜力。设计: 筛选截至2010年12月发表的关于饮食对炎症的影响的同行评审的主要研究文章，以便可能纳入DII评分算法。符合条件的文章根据每个饮食参数对IL-1b、IL-4、IL-6、IL-10、TNF-alpha;和c反应蛋白是增加、减少还是无影响进行评分。背景：2011-2012年，美国南卡罗来纳大学哥伦比亚分校癌症预防与控制项目进行了膳食炎症指数发展研究。结果: 截至2010年12月，共发表6500篇关于饮食参数对6种炎症标志物影响的文章，筛选出包含在DII评分算法中的文章。研究人员确定了来自世界各国的11个食品消费数据集，这些数据集使个人的摄入量能用相对于在这些不同人群中观察到的45个食品参数的摄入量范围加以表示。根据研究中确定的45个促炎和抗炎食物参数，阅读和评分合格的文章(n=1943)。当适合复合的全球数据库时，最大促炎饮食的DII评分为 7·98，最大抗炎DII评分为-8·87，中位数是 0·23。结论: DII既反映了一个强大的文献基础，也反映了个人摄入量对全球参考值的标准化。这一首次尝试将调节炎症的食物摄入量与全球标准联系起来的成功，为在流行病学和临床研究中广泛地使用 DII 奠定了基础。

关键词：营养评估 炎症 参考值

炎症是由于反复的“损伤”反应参与了动脉粥样硬化的步骤，导致斑块破裂和血栓形成。关于慢性炎症在癌症中作用的证据也越来越多，其中结肠癌是最佳的证据。除此之外，糖尿病、哮喘、抑郁症、代谢症候群等其他疾病和大量的证据表明饮食在调节慢性炎症方面起着核心作用。2009年的炎性指数(DII)是为了提供一种工具，可以将个人的饮食从最大限度的抗炎性到最大限度的促炎性进行分类。最初的DII是在使用c反应蛋白（CRP）的SEASONS研究的纵向数据中创建和验证的。结果表明，DII适合作为一个分类变量，能够显著预测CRP的区间变化。了解到文献在不断发展，并认为需要改善早期开发的评分算法，《膳食炎症指数开发和测试研究》的总体目标是更新2007年至2010年期间发表的同行评审期刊文章的评论和摘要，并改进评分算法，将个人摄入量和饮食的总体炎症潜力与一套合理的全球规范联系起来。之前并未有过这样的尝试。

一、材料和方法

最初的DII是第一次尝试量化饮食对炎症潜能的总体影响。当时，2007 年发表的2700篇文章被筛选出来, 阅读了929篇文章，并在制定指数时对其打分。在最初的DII 中，以文献回顾为基础的分数乘以个人对食物参数的实际摄入量，并没有尝试与任何外部摄入标准相关联。虽然表面上没有假设，但这种方法对测量单位很敏感。例如，微克和毫克间有三个数量级的差异，有些参数，如维生素A和beta;-胡萝卜素，必须除以100。其他参数，如 n-3 和 n-6 脂肪酸，则必须乘以10，以便将它们置于“合理”范围内，以免过高或低估它们对总分的影响。

新的DII在许多方面得到了改进。首先，一个改进的评分系统已经应用于45个“食品参数”，包括整个食品、营养素和来自一个更大的文献综述的其他生物活性化合物。 其次，确定了来自世界各地的11套食物消费数据集，这些数据代表了一系列人类饮食摄入量，作为“参考”人口数据库，为这45个食物参数提供比较消费数据。第三，为了得出每个人的DII分数，设计了一个百分位评分系统，作为个人摄入量与实际值的乘积。

二、文献综述策略

PubMed和Ovid检索1950年至2007年国家医学图书馆数据库中以英文发表的所有同行评议文章，这些文章符合评估全食品和膳食成分对这些特定炎症标志物的作用的标准: IL-1beta;，IL-4，IL-6，IL-10，TNF-alpha; 和CRP 。在确认两个搜索引擎产生相同的结果后，PubMed 搜索2008年1月至2010年12月以英文发表的所有同行评审文章，以更新炎症效应评分(包括研究设计质量的权重以及每种食品/成分-炎症标志物关系的文章数量)。在对这些最近的文章的审查中，成分列表扩大了15 个。然后重新审查之前(即 2007 年或之前发表的)集合，以确保完整的参数列表适用于整个数据集。

根据它们在炎症中的重要性以及相关文献的可靠性，选择这些炎症标志物作为研究的重点: IL-1beta;，IL-4，IL-6，IL-10，TNF-alpha; 和CRP。为了减少错过相关文章的可能性，使用了每个术语的多种变体。同样地，食物参数 名称的变化是为了确保没有遗漏任何合适的文章(即达到充分和完整代表的目标)。接下来，使用“或”布尔逻辑选项组合炎症术语。

每个食物参数都单独地与使用“和”选项的炎症术语列表结合在一起。根据摘要，下列摘要或文章将被排除: (一)没有检查一个或多个食物参数——炎症标志物之间的关系；(二)使用炎症标志物刺激其他过程；(三)使用食物参数的组合作为暴露； (四)使用静脉注射途径给药的食物参数；(五)2010 年以后发表的文章；(六)为审查(因为需要初步研究结果—— 尽管阅读了文献目录以确保获得评论中引用的所有初步研究文章)；(七)检查极端的、非生理性暴露(如慢性酒精暴露、酒精滥用或酒精蒸气)；(八)使用食物参数的类比。共对1943 篇文章进行了审查和评分。

三、评分算法

根据食物参数对炎症的影响，每篇文章被赋予三个可能值中的一个: 如果影响是促炎症(显著增加 IL-1beta;、 IL-6、 TNF-alpha; 或 CRP，或降低 IL-4 或 IL-10) ，则被赋予“ 1”；如果影响是抗炎症(显著降低 IL-1beta;、 IL-6、 TNF 或 CRP， 或增加 IL-4 或 IL-10) ，则被赋予“-1”； 如果食物参数对炎症标志物没有产生任何显著变化，则被赋予“0”。在某些情况下，在一个单一的研究中，食物参数已被证明具有不同的效果，即食物参数可以通过增加促炎和抗炎标志物或通过增加一种促炎(或抗炎)标志物而减少另一种标志物来减少和增加炎症潜力。以前，为了处理这些矛盾的结果，计算了平均效应。现在，他们被分别评分，给予“-1”的文章为抗炎作用和“ 1”的促炎作用报告在同一篇文章。评分算法的全部细节可以根据要求提供。

3.1计算特定食物参数的原始炎症效应评分和特定食物参数的总体炎症效应评分

文章首先按研究特征加权（见表1）。使用这些加权值，计算每个食物参数的促炎和抗炎分数（见图1第三步）。然后通过以下方式计算“特定于食物参数的总体炎症效应评分”：（i）将加权的促炎和抗炎文章除以文章的总加权数，以及（ii）从促炎分数中减去抗炎分数。炎症部分（见图 2有关如何计算饱和脂肪分数的示例）。选择 236 的截止点，即所有食品参数的文章总加权数的中位数，以表明最佳稳健的文献库。文章加权数量ge;236 的所有食品参数均被分配满分。加权文章数lt;236的食品和成分调整如下：（i）加权文章数除以236；(ii) 然后将该分数乘以特定于食物参数的原始炎症效应评分，从而得出特定于食物参数的总体炎症效应评分（即饱和脂肪：205/236= 0.87；0.87times;0.429 = 0.373)。

图1 创建膳食炎症指数 (DII) 的步骤顺序

3.2 膳食炎症指数的计算

DII 的计算基于膳食摄入数据，然后将这些数据链接到具有区域代表性的世界数据库，该数据库提供了对每个参数的平均值和标准偏差的可靠估计（图1第 5 步和第 6 步）。这些然后成为乘数，以将个人相对于“标准全局平均值”的暴露量表示为Z分数。这是通过从报告的数量中减去“标准平均值”并将该值除以其标准偏差来实现的（所有45个参数的平均值和标准偏差显示在表 2）。为了最大限度地减少“右偏”的影响，该值被转换为百分位数。为了实现对称分布，其值以 0（空值）为中心，介于 -1（最大抗炎）和 1（最大促炎）之间，每个百分位数加倍，然后减去“1”。

然后将每个食物参数的中心百分位值乘以其各自的“整体食物参数特定炎症效应分数”以获得“食物参数特定 DII 分数”（图 1第 7 步）。最后，将所有“特定于食物参数的 DII 分数”相加，以创建个人的“总体 DII 分数”（ 图1第 8 步）。这种方法既“锚定”了个人在各种文化传统中对多种饮食模式的接触，又完全避免了单位不可比较的问题，因为Z分数和百分位数独立于测量单位（即无论参数以mu;g 还是 mg 表示，百分位数都是相同的）。

四、全球数据库中膳食炎症指数值的比较

DII 旨在与从不同评估方法收集的膳食数据一起使用。“高级”方法将是一种开放式方法，可提供所有 45 种饮食参数的数据——例如 24 小时饮食回忆访谈法或食物记录法。作为在对 DII 有贡献的 45 种食物参数的一系列合理摄入量中获得的DII分数的一个例子，我们提供了七种情景进行比较。这些范围从最大值到第 90百分位数、第 75 百分位数、中位数、第 25 百分位数、第 10 百分位数和根据其炎症潜力构成 DII 的 45 个食物参数的最小值。例如，为了计算最大促炎 DII，我们将所有食物参数的最大促炎分数相加。

由于与七种摄入情况有关的四十五种食物参数的模拟值仅用于说明/描述目的，因此没有对结果进行正式的统计分析。

五、结果

表 2列出了 45 个食物参数、特定食物参数的原始炎症效应评分（基于文献综述）、基于加权算法的特定食物参数总体炎症效应评分，以考虑证据的稳健性，以及十一个国际数据集的全球平均消费值和相应的标准偏差。对于列出的大多数参数，标准偏差介于平均值的 1/4 和 1/2 之间。对于少量食用的参数，标准偏差往往更大；由此推论，宏量营养素摄入量的标准差相对于平均消耗量往往更小。这为需要“标准化”评分系统以减少偏倚提供了强有力的初步证据。在表3, 给出了从最大到最小促炎的七种情况的 DII 值。评分范围从 7.98（即强烈促炎）到 -8.87（即强烈抗炎）。

六、讨论

这种基于人群的 DII 代表了一种改进的评分算法，该算法基于对 1950 年至 2010 年（包括在内）文献的广泛回顾以及全球参考数据库的构建。这是第一个主要关注饮食的炎症特性并链接到全球综合食物摄入数据库的此类指数。

评分算法的变化克服了第一代 DII 中发现的弱点。评分所依据的广泛文献回顾进一步提高了内容有效性，超过了之前发表的内容。此外，新的

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[598159]，资料为PDF文档或Word文档，PDF文档可免费转换为Word