A véletlenszerű hibák és torzítások kezelése a rövid távú étrendi értékelés során alkalmazott módszerekben

Sinara L Rossato I II III

I Kórház de Clinicas de Porto Alegre. Porto Alegre, RS, Brasil

II. Programa de Pós-Graduação em Epidemiologia. Faculdade de Medicina. A Universidade Federal do Rio Grande do Sul. Porto Alegre, RS, Brasil

III Táplálkozási Osztály. Harvard Közegészségügyi Iskola. Boston, Massachusetts, USA

Epidemiológiai vizsgálatok kimutatták az étrend hatását a krónikus betegségek előfordulására; a pontos és pontos élelmiszer-fogyasztási adatok megszerzéséhez azonban megfelelő tervezésre, tervezésre és statisztikai modellezésre van szükség. A népesség élelmiszer-fogyasztásának rövid távú értékelésére alkalmazott értékelési módszereket, például a 24 órán át tartó táplálékfogyasztás nyomon követését vagy az étkezési naplókat, befolyásolhatják a módszerhez kapcsolódó véletlenszerű hibák vagy torzítások. A statisztikai modellezést a véletlenszerű hibák kezelésére használják, míg a megfelelő tervezés és mintavétel elengedhetetlen az elfogultságok ellenőrzéséhez. Jelen tanulmány célja a lehetséges torzítások és véletlenszerű hibák elemzése volt, és annak meghatározása, hogy ezek hogyan befolyásolják az eredményeket. Célul tűztük ki megelőzésük módjainak meghatározását és/vagy statisztikai megközelítések alkalmazását az étrendi értékeléssel járó epidemiológiai vizsgálatokban.

Kulcsszavak: Fogyókúrás nyilvántartások; Adatok elemzése, módszerek; Enni; Ételfogyasztás; Fogyókúrás felmérések, módszerek

Estudos epidemiológicos têm evidenciado o efeito da dieta na incidência de doenças crônicas, mas a precisão e a acurácia de dados de ingestão alimentar requerem planejamento, delineamento e modelagem estatística. A estimativa da ingestão alimentar parasti na população por métodos de avaliação de curto período, como recordatórios alimentares de 24 horas ou diários alimentares, é influenciada por erros aleatórios e vieses inerentes ao método. Para o manejo de erros aleatórios, utilizam-se a modelagem estatística e o apropriado delineamento e amostragem, cruciais para controle de vieses. O objetivo deste artigo é analisar potenciais vieses e erros aleatórios, suas influências nos resultados e como prevenir e/ou tratá-los estatisticamente em estudos epidemiológicos de avaliação de dieta.

Palavras-Chave: Registros de Dieta; Análise de Dados, métodos; Ingestão de Alimentos; Consumo de Alimentos; Inquéritos sobre Dietas, métodos

Az élelmiszer-fogyasztás és a tápanyagbevitel értékelése szisztematikus és véletlenszerű hibákat foglal magában, amelyek az adatgyűjtés során alkalmazott módszer velejárói, amelyeket 24 órás élelmiszer-nyilvántartással (R24h) vagy élelmiszer-napló (FD) vezetésével lehet megszerezni. Az egyetlen R24h-ból vagy FD-ből nyert információk nem a szokásos táplálékfelvételt jelentik. A szokásos táplálékfelvétel megfelelő ábrázolása a résztvevő együttműködésétől és a jelentett napok számától függ. Mindazonáltal a többszörös megfigyelésből nyert eszközök nagy változékonyságot mutathatnak, ami hibákhoz vezethet a populáció azon részén, amely szokatlan táplálékfelvételről számol be. 2 Így az egyetlen vagy több napból nyert adatok hajlamosak a hibákra, amelyeket megfelelő statisztikai megközelítéssel és megfelelő mintavétellel lehet minimalizálni.

Amikor a hiba az egyes ételválasztások variációiból származik, amelyek napról napra egyszerűen eltérhetnek, a hibát véletlenszerűnek jellemzik, és a populáció minden egyénére jellemző. Az egyéni jellemzők mellett azonban más tényezők is befolyásolják az élelmiszer-fogyasztás változékonyságát, beleértve annak az országnak a fejlettségi szintjét, ahol a vizsgálatot végzik, a lakosság sajátos jellemzőit és az adatgyűjtéshez használt módszereket. Amikor ezek a tényezők befolyásolják az eredményeket, az eseményre torzításként hivatkozunk, és már nem véletlenszerű hibának. 6 Az elfogultságok közé tartoznak a nyári kalóriabevitel és a téli vagy a hétköznapi kalóriabevitel különbségei, szemben a hétvégi és az elhízott egyéneknél az élelmiszer-fogyasztásról. Ezenkívül az elfogultságok összekapcsolhatók a tanulmányi eredményekkel; esettanulmány-vizsgálatokban az esetekbe bekerült személyek eltérően jelenthetik a táplálékfelvételt, mint a kontrollként szerepeltettek. 3

A véletlenszerű és a szisztematikus hibák egyaránt befolyásolhatják az adatok elemzését és az eredmények értelmezését.

A tanulmány célja a lehetséges torzítások és véletlenszerű hibák elemzése volt, valamint ezeknek az eredményekre gyakorolt hatása. Ezen felül célul tűztük ki a megelőzésükre szolgáló módszerek azonosítását és/vagy statisztikai megközelítések alkalmazását az étrendi értékeléssel járó epidemiológiai vizsgálatokban.

A második módszer az élelmiszer-bevitel becslésének százalékos arányban kifejezett konfidenciaszintjének kiszámításán alapul [d = (Zα CVw/Do) 2], ahol d az egyének által igényelt napok száma, amely normális esetben feltételezi értéke 1,96; A CVw az egyénen belüli variáció együtthatója, amelyet úgy számolunk, hogy az egyénen belüli változást elosztjuk az átlagos táplálékfogyasztással; és a Do a megadott hibaszint (konfidenciaszint), amely 10,0% és 30,0% között változhat. 5 Ha a számítást nem hajtják végre, a nem szignifikáns eredmények értelmezését meg lehet erősíteni a statisztikai teljesítmény becslésével, amelyet az ismételt megfigyelések számával kapunk.

VÉLETLEN HIBÁK ÉS STATISZTIKAI MODELLEZÉSEK HATÁSA

Egy véletlenszerű hiba gyakran félreértelmezésekhez vezet. Dood és munkatársai szerint 2 véletlenszerű hiba növeli az eredmények körét, amint azt az egyetlen R24h-ból összegyűjtött adatokon alapuló étrendi értékelés hatókörének összehasonlítása két vagy több R24h-értékelés eredményeivel összehasonlítva bizonyítja. Ami a gyümölcs- és zöldségfogyasztást illeti, például a napi egy adagnál kevesebb bevitelnek megfelelő egyedek száma 9,3% -ról (egyetlen R24h becslés alapján) 0,4% -ra (két átlag átlagán alapul) R24h értékelések). A második gyakori hiba a hipotézis tesztek értelmezéséhez kapcsolódik. A túlzott változékonyság a statisztikai teljesítmény csökkenéséhez vezet, ami a statisztikai teszteket érvénytelen erőforrássá teszi. 2

Annak a feltételezésnek az alapján, hogy a táplálékfelvételi adatok torzításmentesek, a statisztikai modellezés gyengítheti a benne rejlő variabilitást. 2 A Nemzeti Kutatási Tanács (1986) által javasolt módszer legalább hat további módszert generált: a Slob-módszert (1993), Wallace (1994), az eredeti és módosított Buck-módszereket (1995), Nusser (2000), Gay (2000), és N-Nusser; 4 újabban más módszereket javasoltak. Az alábbi táblázat különböző statisztikai modellezési módszereket ismertet, amelyeket az ételbevitel változékonyságának lépésről lépésre történő beállítására használnak. Ez a táblázat a Dodd és munkatársai által közzétett eredeti munkán alapul; 2 azonban kiegészül az étrendi kitettség értékelésére szolgáló statisztikai program (SPADE) és a többszörös forrás módszer (MSM) információival is.

A Nemzeti Kutatási Tanács/Orvostudományi Intézet, az Iowa Állami Egyetem (ISU), a Best-Power, az Iowa Állami Egyetemi Élelmiszerek (ISUF), a 4 MSM és a SPADE metódusainak fejlesztésével kapcsolatos további részletek a konkrét hivatkozásokból szerezhetők be ( Asztal). Más módszereket írtak le, adaptáltak vagy átalakítottak. A Slob módszer hátrányokat mutatott az egyénen belüli variabilitási veszteségek korrekciója szempontjából, befolyásolva az alsó százalékok átlagát. A Buck-módszer reprodukálta az eredeti adatokban talált aszimmetriát. 4 Következésképpen az Age-mode statisztikai szoftvert 2006-ban fejlesztették 4 (átdolgozták a SPADE szoftver létrehozásához) a szokásos táplálékbevitel becsléséhez (táblázat). Más modellektől eltérően a SPADE a táplálékfelvételt az életkorral való közvetlen összefüggésként írja le, különbségeket mutatva a gyermekek eredményeinek terjedelmében az ISU módszerrel összehasonlítva. Az MSM módszer felhasználható a QFA és az ételhajlam kérdőívek szórványos táplálékbevitelének becslésére. Ez a megközelítés azonban a regressziós modellek maradványaihoz kapcsolódó problémákat is felmutatott, amelyek általában nem oszlanak meg. Ezt a modellt is fejlesztik.

Táblázat A szokásos táplálékbevitel kiszámításához használt statisztikai modellek R24h és FD alapján.

Forrás: adaptálva Dodd és mtsai, 2 2006-ból.

R24h: 24 órás táplálékrekord; FD: étkezési napló; NRC: Nemzeti Kutatási Tanács; IOM: Orvostudományi Intézet; ISU: Iowa Állami Egyetem; BP: Legjobb teljesítmény; ISUF: Iowa Állami Egyetem ételei.

További adatok leírása - MSM: Többszörös forrás módszer; 8 SPADE: Statisztikai program az étrendi expozíció értékelésére 9

1. Basiotis PP, Thomas RG, Kelsay JL, Mertz W. A férfiak és a nők által bevitt energiafogyasztás variációjának forrásai egy éves napi étrendi rekordok alapján meghatározva. Am J Clin Nutr. 1989; 50 (3): 448-53. [Linkek]

2. Dodd KW, Guenther miniszterelnök, Freedman LS, Subar AF, Kipnis V, Midthune D és mtsai. Statisztikai módszerek a tápanyagok és élelmiszerek szokásos bevitelének becslésére: az elmélet áttekintése. J Am Diet Assoc. 2006; 106 (10): 1640-50. DOI: 10.1016/j.jada.2006.07.011 [Linkek]

3. Freedman LS, Schatzkin A, Midthune D, Kipnis V. Az étrendi mérési hibák kezelése a táplálkozási vizsgálatokban. J Natl Cancer Inst. 2011; 103 (14): 1086-92. DOI: 10.1093/jnci/djr189 [Linkek]

4. Hoffmann K, Boeing H, Dufour A, Volatier JL, Telman J, Virtanen M és mtsai. A szokásos étrendi bevitel megoszlásának becslése rövid távú mérésekkel. Eur J Clin Nutr. 2002; 56 (2. kiegészítés): S53-62. DOI: 10.1038/sj/ejcn/1601429 [Linkek]

5. Nelson M, fekete AE, Morris JA, Cole TJ. A tápanyagbevitel csecsemőkortól öregkorig terjedő változása az egyénen belül és az alanyon belül: becsüljük meg az étrend-bevitel kívánt pontosságú rangsorolásához szükséges napok számát. Am J Clin Nutr. 1989; 50 (1): 155-67. [Linkek]

. Willett WC. Táplálkozási epidemiológia. 3.ed. New York: Oxford University Press; 2013. [Linkek]

7. Tokudome Y, Imaeda N, Nagaya T, Ikeda M, Fujiwara N, Sato J, Kuriki K, Kikuchi S, Maki S, Tokudome S. A tápanyagbevitel napi, heti, szezonális, egyedi és közötti változása négy évszak szerint egymást követő 7 napos tápanyag-étrend rekordok japán női dietetikusoknál. J Epidemiol. 2002; 12: 85-92. [Linkek]

. Német Emberi Táplálkozástudományi Intézet Járványügyi Osztálya Postdam-Rehbrucke, Versão 1.0.1. Válasz: https://nugo.dife.de/msm [Linkek]

9. Waijers PMCM és mtsai. Az életkorfüggő modell, az AGE_MODE lehetősége megbecsülni a nem megfelelő bevitel szokásos bevitelét és prevalenciáját egy populációban. J Nutr. 2006; 136: 2916-20. [Linkek]

Ezt a tanulmányt a Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq - doktori ösztöndíj a Rossato SL számára) és a Clínicas de Porto Alegre Kórház támogatta a Fundo de Incentivo à Pesquisa e Eventos (FIPE-HCPA - Folyamat 00-176 - Kutatási és Eseményösztönző Alap).

Beérkezett: 2013. szeptember 25 .; Elfogadva: 2014. március 11-én

Levelezés: Harvard Közegészségügyi Iskola. Táplálkozási Tanszék - 300. terem. 677 Huntington Avenue Boston, Massachusetts 02115. E-mail: [email protected].

A szerzők nem jelentenek összeférhetetlenséget.

Ez egy nyílt hozzáférésű cikk, amelyet a Creative Commons Nevezd meg, nem kereskedelmi licensz feltételei szerint terjesztenek, és amely korlátlan, nem kereskedelmi célú felhasználást, terjesztést és sokszorosítást tesz lehetővé bármilyen adathordozón, feltéve, hogy az eredeti művet megfelelően hivatkozják.