《The American Journal of Clinical Nutrition》：Comparison of food processing classification frameworks in the NHANES 2017–2018
编辑推荐：
本研究针对不同食品加工分类系统（NOVA、IARC、IFIC、UNC）在实际应用中的差异和一致性进行了系统评估。研究人员利用NHANES 2017-2018周期数据，将4605种食物饮料按四大系统分类并评估其可靠性、与营养摄入及心脏代谢风险因素的关联。研究发现，尽管各系统对“高度加工/配方食品”的分类比例不同（如IARC系统占比最高），但其与不良营养成分、特定人群特征以及BMI和高敏C反应蛋白升高等健康风险的一致性关联，揭示了食品加工程度作为健康评估维度的潜力。研究强调了建立标准化食品加工分类系统的必要性，以统一研究、评估和政策制定。
在当代营养科学领域，食品加工已成为一个无法回避的核心议题。越来越多的研究证据表明，大量摄入“超加工食品”与肥胖、心血管疾病、2型糖尿病等多种非传染性疾病的风险增加密切相关。然而，一个基础性的问题却困扰着科研人员：究竟什么是“超加工食品”？目前，国际上存在多套食品加工分类系统，其中最广为人知的是NOVA系统，它将食品分为四大类，明确提出了“超加工食品”的概念。但除此之外，国际癌症研究机构、国际食品信息理事会以及北卡罗来纳大学等也各自提出了分类框架。这些系统在定义、分类标准和具体应用上存在差异，导致研究结果难以直接比较，甚至可能引发混淆。这就好比用不同刻度的尺子去丈量同一物体，得出的结论自然可能不同。
这种“各自为政”的局面给研究带来了挑战。不同系统对同一食物的归类可能大相径庭，这会影响我们对加工食品真实健康影响的评估，进而阻碍基于统一标准制定有效的膳食指南和公共卫生政策。为了解决这一难题，来自约翰斯·霍普金斯大学的研究团队开展了一项开创性的比较研究，系统评估了NOVA、IARC（国际癌症研究机构）、IFIC（国际食品信息理事会）和UNC（北卡罗来纳大学）这四套主流分类系统。他们利用美国国家健康与营养调查（NHANES）2017-2018周期的大规模代表性数据，旨在回答几个关键问题：这些系统在应用时的一致性如何？它们对食物加工程度的判定有多大差异？更重要的是，尽管定义不同，它们是否都能一致地揭示加工食品摄入与不良营养状况及健康风险之间的关联？这项研究成果发表在营养学顶级期刊《The American Journal of Clinical Nutrition》上，为厘清食品加工分类的混乱局面提供了宝贵的实证依据。
为了开展这项研究，研究人员主要运用了几项关键技术方法。首先，研究基于具有全国代表性的美国成年人健康与营养调查数据库，对其中4392名成年参与者报告的4605种食物和饮料条目进行了系统的膳食评估。其次，研究核心是采用多评审员编码与裁决流程，由两名编码员独立依据四大分类系统的标准对所有食物条目进行加工等级归类，并由第三位营养学专家对存在分歧的分类进行最终裁定，以确保分类的准确性和可靠性。最后，研究运用了复杂的调查加权线性回归模型等统计学方法，在控制了人口社会学、生活方式及总能量摄入等混杂因素后，分析了不同系统定义下的高度加工食品摄入量与一系列心脏代谢风险指标之间的横断面关联。
研究结果通过多个维度揭示了四大分类系统的异同。
评估者间信度与系统间一致性
首先，在评估者间信度方面，IARC系统表现出最高的一致性（一致性百分比85.9%，科恩κ系数0.66），而NOVA系统的信度相对较低（一致性百分比68.1%，κ系数0.46）。这说明IARC和UNC系统的分类标准可能更明确、更易于操作。当比较不同系统之间的分类结果时，IARC与UNC系统的一致性最高（78.9%，κ=0.54），而IARC与IFIC系统的一致性最低（59.2%，κ=0.26）。四套系统整体的一致性仅为一般水平（弗莱斯κ=0.38），这直观地表明，各系统对“高度加工食品”的界定存在实质性差异。
各系统对加工食品的界定分布
其次，在食物分类的分布上，差异更为明显。IARC系统将最大比例（75.8%）的食物条目归类为高度加工/配方食品，其次是UNC系统（62.4%），而NOVA（52.1%）和IFIC（49.3%）系统归类的比例相对较低。在能量贡献方面，趋势类似：IARC系统下，高度加工食品贡献了总能量的84.8%，而IFIC系统下为57.4%。这提示，采用不同系统进行估计，会得出差异巨大的“加工食品”消费量。
主要食品组贡献与营养成分趋势
尽管分类标准不同，但研究发现在“哪些食物是主要贡献者”这一点上，各系统显示出惊人的一致性。无论采用哪套系统，谷物制品；肉类、禽类、鱼类及其混合物；以及糖、甜点和饮料，都是高度加工/配方食品摄入的主要来源。例如，在IFIC系统下，约24%的高度加工食品能量来自肉类、禽类、鱼类及其混合物。而在各食品组内部，谷物制品以及糖、甜点和饮料组中，被归为高度加工食品的比例也 consistently 最高。
在营养成分和社会人口学特征方面，四大系统识别出的趋势高度一致。摄入更多高度加工食品的参与者，普遍更年轻，更可能是非西班牙裔白人或黑人，教育水平较低，且更不可能是亚裔或西班牙裔。营养分析显示，高摄入组的膳食模式 consistently 表现为更高的碳水化合物和总糖摄入，更低的蛋白质、膳食纤维以及多种微量营养素（如维生素A、C、D、E，叶酸，钾，镁）的摄入。
与心脏代谢风险因素的关联
最后，也是最重要的发现，在于其与健康指标的关联。尽管各系统定义的“高度加工食品”范围和数量不同，但它们得出的健康关联结论却颇为一致。在调整了年龄、性别、种族、教育水平、家庭规模、休闲体力活动和总能量摄入后，所有四种系统都一致地显示，更高的高度加工食品摄入量与更高的身体质量指数（BMI）和更高的高敏C反应蛋白水平显著相关。例如，在NOVA系统下，摄入最高四分位数组的参与者BMI比最低组平均高1.1 kg/m2，log转换后的高敏C反应蛋白水平高0.2 mg/mL。此外，在NOVA、IARC和UNC系统下，高摄入还与更大的腰围显著相关。
研究的讨论与结论部分深刻阐释了这些发现的含义。论文指出，虽然IARC和UNC系统将更多食物归类为高度加工，并且不同系统间的整体一致性不高，但在揭示加工食品摄入与不良社会人口学特征、劣质营养模式以及特定的健康风险（如更高的BMI和炎症标志物高敏C反应蛋白）之间的关联时，所有系统都表现出了显著的一致性。这种“殊途同归”的现象强烈暗示，尽管分类标准存在操作上的差异，但这些系统可能都捕捉到了现代工业食品体系中某些共同的核心特征，这些特征与不健康的饮食模式和健康风险紧密相连。
研究特别强调了NOVA系统虽然应用最广，但也因其可能忽略某些食物的营养成分和潜在益处而受到批评。例如，一些植物基肉类和乳制品替代品虽被归为超加工食品，但其饱和脂肪含量可能更低。这突显了未来分类系统需要更精细化，不仅要考虑加工程度，还需整合营养成分、添加剂功能目的等多维度信息。
本研究的优势在于使用了具有全国代表性的大样本、涵盖所有报告食品条目的全面分析、以及严格的编码与裁决流程。局限性则包括横断面设计无法推断因果关系、仅使用单次24小时膳食回忆可能无法反映长期摄入模式、以及未包含所有现存分类系统等。
总而言之，这项研究清晰地表明，尽管NOVA、IARC、IFIC和UNC这四套食品加工分类系统在具体分类上存在差异，但它们都指向一个共同的公共卫生关切：高度加工食品的消费与不良的健康指标相关。研究结果揭示了当前食品分类实践中的挑战，同时也为整合现有系统、开发更标准化、更全面的评估工具奠定了坚实的基础。建立一个公认的、标准化的食品加工分类系统，对于推动营养学研究的一致性、改进膳食评估、以及制定基于证据的食品政策至关重要。这项研究为迈向这一目标提供了关键的数据支持和方向指引。
