利用原子能机构营养数据库中的数据开发出的一个新方程正在帮助研究人员评估研究和调查中自我报告的饮食信息的准确性。
根据最近发表在《自然 -食品》上的一篇科学文章,这一利用机器学习开发的方程揭示,在两个广泛使用的营养数据集中,有近三分之一的记录可能是误报。
这一揭示突出表明,需要有更好的方法来测量人们真正在吃什么。
营养流行病学是一个研究饮食与人类疾病之间联系的领域,通常依靠问卷和食物日记等工具来评估饮食摄入。然而,这些方法容易造成误报,因为参与者可能会不准确地估计份量、记错吃了什么、故意虚报消费量,甚至在报告期间改变饮食习惯。
“许多试图将饮食暴露与疾病结果联系起来的营养流行病学研究都基于不可靠的数据,这可以解释为什么许多研究结果相互矛盾,”论文作者之一、中国深圳先进技术研究院和英国阿伯丁大学教授John Speakman说。
虽然自20世纪80年代以来,人们就认识到了误报问题及其对代谢研究的影响,但由于这些工具被认为很有用,而且缺乏实用、方便的替代方法来收集饮食数据,因此,研究仍在继续使用这些工具。