摘要目的
该研究发表于《EUROPEAN JOURNAL OF NUTRITION》，围绕黄酮类膳食摄入评估工具的开发、验证与重复测量稳定性展开。黄酮类化合物是多酚（polyphenols）的一类，广泛存在于植物性食物中，包括茶、浆果、柑橘类水果及红酒等。流行病学、临床与动物研究不断提示，富含黄酮类的膳食与心血管疾病、癌症及糖尿病等慢性病风险下降相关。然而，不同黄酮亚类的生物活性、代谢特征及健康效应并不一致，因此在营养流行病学研究中，不仅需要评估总黄酮类摄入，还需要区分花青素、黄烷-3-醇、黄烷酮、黄酮、黄酮醇及异黄酮等亚类。当前该领域的重要瓶颈在于，膳食评估方法不足以准确捕捉黄酮类的长期习惯性摄入，且不同食物的黄酮谱差异明显，普通食物频率问卷（food frequency questionnaire, FFQ）常将营养相似但黄酮组成不同的食物合并，从而削弱估计精度。与此同时，传统长篇FFQ往往包含100–200个条目，受试者负担较重，易引发疲劳和报告偏倚。因此，开发一种更简短、可操作性更强且具有可接受效度与可重复性的黄酮特异性评估工具，具有明确的方法学价值与应用意义。
研究人员据此在既有96条目的Kent & Charlton黄酮特异性FFQ基础上，构建了一份23条目的简化版问卷FLAV-Q，并在澳大利亚成年人中考察其相对于重复24 h膳食回顾的相对效度，以及其在12个月内4个时间点重复施测的一致性。研究结论表明，FLAV-Q能够在一定程度上对个体总黄酮类摄入水平及主要食物来源进行排序，但对绝对摄入量的估计存在系统性高估，且对不同黄酮亚类的测量表现不一，整体效度与可重复性为中等至较低水平。这意味着该工具更适用于以分层或排序为目的的流行病学研究，而不宜直接作为精确估计绝对摄入值的工具。
本研究的主要技术方法包括以下几个方面：首先，基于原96条目问卷中各食物与总黄酮类及各亚类摄入的Pearson相关和逐步线性回归，筛选出贡献较大的23种食物条目构成FLAV-Q。其次，在80名澳大利亚成年人样本中，按季度收集1年内重复的在线24 h膳食回顾（Intake24），并通过多来源法（MSM，用于将重复短期摄入转换为习惯性摄入）校正日内与个体内变异。再次，采用Wilcoxon符号秩检验、Spearman相关分析、Bland–Altman一致性分析与Cohen’s κ检验评价相对效度和可重复性。黄酮含量数据库主要来自Phenol-Explorer，缺失项目辅以USDA数据库。
研究结果部分可以概括如下。
FLAV-Q development
研究人员说明，FLAV-Q来源于既往已发表的Kent and Charlton FFQ，原工具用于评估过去12个月黄酮类习惯性摄入。为减少条目数量，研究首先计算原问卷各食物条目与总黄酮类及各亚类摄入的相关性，仅保留正相关且相关系数r > 0.10的条目进入回归模型，再通过逐步线性回归删除对总黄酮类解释贡献不足的项目。最终，仅保留对总体黄酮摄入贡献超过1%的食物，形成由23个条目、3个类别组成的简化问卷。该结果表明，研究人员试图在保留主要黄酮来源食物的同时降低问卷长度，以改善可操作性。
Study participants
研究纳入80名澳大利亚成年人进入效度和可重复性分析。样本以女性为主，占67.5%；平均年龄为36.3岁，平均体质指数（body mass index, BMI）为23.82 kg/m
2 。大多数参与者为不吸烟者，超过半数很少或不饮酒，65%处于就业状态，95%接受过高等教育。该样本特征提示研究对象总体教育水平较高，且样本来源为便利抽样，这对结果外推性构成一定限制。
Study design and data collection
研究采用纵向重复测量设计。参与者在4个时间点完成FLAV-Q，每次间隔约3个月；同时在各时间点完成连续2天的在线24 h膳食回顾，因此一年内最多获得8天回顾数据。所有数据经REDCap平台收集。研究将至少完成4天24 h回顾的参与者纳入验证分析，以兼顾摄入估计准确性与样本量。此设计的优势在于纳入了季节性饮食变异，从而使参考方法更接近长期习惯性摄入。
Calculation of flavonoid intakes
研究人员依据Phenol-Explorer数据库为FLAV-Q中的各食物和饮料指定总黄酮类及亚类含量，对数据库中缺失项目则参考USDA数据库。问卷频次根据NHANES编码换算为每日摄入频率，再与预设份量相乘，计算每日黄酮摄入量。对于24 h回顾数据，由于Intake24本身不提供黄酮含量，研究人员需将AUSNUT 2011–13中的各食物逐项手工赋值黄酮含量，再计算个体每日摄入。这一结果说明，该研究在黄酮摄入量估算上采用了数据库映射和人工赋值相结合的方法。
Validation (FLAV-Q1 versus habitual intake (multiple 24-h recalls))
效度分析显示，FLAV-Q1报告的总黄酮类平均摄入量为443.2 mg/day，而经MSM校正的习惯性摄入为234.4 mg/day，前者显著高于后者，平均百分差为89.05%。除黄烷酮外，其余亚类在FLAV-Q1中亦普遍高估，其中花青素、黄酮醇高估幅度尤为明显。该结果说明，FLAV-Q在绝对量估计方面存在系统性偏高。
Top food sources contributing to total flavonoid and subclasses intake
两种方法识别出的主要黄酮来源总体相似。红茶是总黄酮类、黄烷-3-醇和黄酮醇的首要来源；蓝莓是花青素的主要来源；橙汁或橙子是黄烷酮的重要来源。不过，也有若干习惯性摄入中的重要来源未被FLAV-Q充分覆盖，如草莓、其他草本茶、巧克力和南瓜等。该结果表明，简化问卷虽保留了主要来源食物，但在部分亚类来源覆盖上仍不完整，这可能是导致高估或分类偏差的重要原因之一。
Statistical validity outcomes
Wilcoxon符号秩检验显示，总黄酮类、花青素、黄烷-3-醇、黄酮和黄酮醇摄入在FLAV-Q1与习惯性摄入之间存在显著差异。Spearman相关分析表明，总黄酮类、黄烷-3-醇和黄酮醇具有较好且显著的正相关；黄烷酮、花青素和黄酮表现为中等相关。Cohen’s κ结果进一步表明，总黄酮类、黄烷-3-醇和黄酮醇为中等一致性，黄烷酮为一般一致性，而花青素与黄酮仅为轻度且无统计学显著性的一致性。由此可见，FLAV-Q在个体排序方面对总黄酮类和部分亚类具有一定能力，但并不稳定适用于所有亚类。
Bland–Altman agreement analysis
Bland–Altman分析进一步揭示，总黄酮类存在较大偏倚，平均偏倚为+208.81 mg/day，Bland–Altman指数为7.5%，超过通常认为良好一致性的5%阈值。黄烷-3-醇的偏倚也较明显，花青素和黄酮醇呈中等偏倚；黄烷酮偏倚较小且呈负斜率，黄酮偏倚较小。多数图形中偏倚随平均摄入增高而增加，提示高摄入水平下FLAV-Q高估更为严重。研究同时指出，异常值的存在提示部分参与者可能存在特殊饮食模式、回忆误差或社会期许偏倚。该结果表明，FLAV-Q对高摄入个体的绝对量评估尤其有限。
Reproducibility (FLAV-Q1 versus FLAV-Q2, FLAV-Q3 and FLAV-Q4)
在重复性方面，FLAV-Q1与后续3个时间点相比，总黄酮类平均摄入差异分别高出22%、36.9%和34%。相关分析显示，FLAV-Q1与其余时间点之间的总黄酮类摄入均有良好且显著的相关；花青素在Q1与Q2之间表现较好，而在更远时间点相关性下降；黄烷-3-醇和黄烷酮在各时间点间表现相对稳定；黄酮和黄酮醇则存在一定波动。Bland–Altman分析提示重复性的偏倚为中等至较小，Bland–Altman指数为2.5%–3.8%。该结果说明，FLAV-Q在短时间间隔内重复性较好，但随着时间延长，一致性下降，反映出季节性摄入波动及受试者填写注意力变化的影响。
Discussion
讨论部分指出，本研究是首次在澳大利亚成年人中开发并验证23条目的黄酮特异性短版FFQ。研究人员认为，FLAV-Q与习惯性摄入相比虽高度相关，但仍存在系统性高估，这与既往FFQ验证研究中常见现象一致。导致误差的原因包括回忆偏倚、食物份量报告误差、社会期许偏倚，以及同类食物在全天多次出现时更易在FFQ中被过度报告。对于亚类测量，黄烷-3-醇效度最佳，黄酮醇和黄烷酮次之，而花青素与黄酮较弱，因此该工具更适合总黄酮类评估而非精细的亚类绝对量测定。讨论还指出，浆果、樱桃、柑橘类等季节性食物摄入波动较大，可能削弱花青素、黄烷酮和黄酮醇测量稳定性。研究优势包括：问卷简短、适用于时间有限的大型调查；采用足量重复24 h回顾并通过MSM转换为习惯性摄入；研究跨越不同季节，考虑了食物供应季节性。局限性则包括：自填问卷可能引入报告偏倚；缺乏组内相关系数（intraclass correlation coefficient, ICC）分析；黄酮数据库主要基于Phenol-Explorer和USDA，未必完全反映澳大利亚本地产物成分；便利抽样降低了代表性；且缺乏可全面反映多种黄酮亚类摄入的生物标志物（biomarker）验证。
研究结论部分可译为：总之，针对澳大利亚成年人开发的FLAV-Q在依据总黄酮类摄入对个体进行排序，以及识别黄酮类食物来源方面，相对于由重复24 h膳食回顾推导的习惯性摄入表现尚可。然而，该工具在准确估计绝对黄酮类摄入量方面存在局限，尤其对于特定黄酮亚类，其表现为系统性高估，且在高摄入水平下更为明显。该FFQ在成人总黄酮类及其亚类摄入估计方面具有一定应用潜力，尤其适用于以排序为关键目的的流行病学研究，但仍需进一步验证。未来研究应着重校正过度报告现象，以提高FFQ作为参考方法时的效度。
打赏
