编辑推荐：
营养能量密度模型自动评估购物篮健康价值，验证显示其与AHEI（0.60-0.62）和Nutri-Score（-0.60）高度相关，惩罚高糖/脂/盐/饮料摄入，奖励高纤维，支持零售商集成健康评分系统。
保罗·温迪施（Paul Windisch）|桑德罗·马尔孔（Sandro Marcon）|哈维尔·奥rts（Javier Orts）|大卫·费（David Faeh）|理查德·赫雷尔（Richard Hurrell）|安德烈·纳夫（André Naef）
dacadoo AG，瑞士苏黎世
摘要
背景
对一个人的整体饮食进行评分，而不是对单个食物项目进行评分，可以帮助消费者更好地了解他们饮食的健康价值。
目标
我们的目标是开发一种自动化的健康评分系统，用于评估购物篮中的食物，该系统基于购物篮中所有食物的营养成分，而不需要知道有多少人在多长时间内食用了这些食物。预计这种评分或分数可以由零售商添加到现有的忠诚度计划或数字购物篮程序中。
方法
我们开发了一种新的模型来计算购物篮评分（GBS），该模型使用营养能量密度而不是绝对数量。该模型基于国家健康与营养调查（NHANES）中的自我报告的每日食物摄入量以及死亡率随访数据。我们使用替代健康饮食指数（AHEI）和Nutri-Score进行了验证。
结果
营养能量密度（GBS）模型对来自糖和饱和脂肪的卡路里摄入、高盐摄入以及来自饮料的卡路里摄入进行了惩罚。此外，对于蛋白质、维生素C或铁相对于总卡路里含量较低的食物也进行了惩罚。纤维摄入则得到了奖励。该模型与AHEI（在没有适量饮酒保护作用的情况下相关系数为0.62，包含适量饮酒时相关系数为0.60）和Nutri-Score（相关系数为-0.60）具有高度相关性。
结论
所提出的营养能量密度模型与营养指南中的建议一致，这一点通过与AHEI和Nutri-Score的高度相关性得到了证明。长期使用来自一家或多家杂货店的GBS可以帮助消费者遵守饮食指南。
引言
尽管许多研究已经探讨了饮食对非传染性疾病和死亡率的影响（1），但什么是最佳饮食仍存在争议。因此，已经开发了营养分析和评分系统来为消费者提供信息，并引导他们做出更健康的购物选择（2）。
一个例子是Nutri-Score，它得到了多个国家的认可，并被应用于各种产品上（3）。像Nutri-Score这样的分析系统侧重于对某一组内的单个食物进行评分，这使得可以在产品上打印出评分，并使消费者能够直接比较同一类别中的不同物品（4）。虽然这很有用，但关注单个食物也带来了权衡。例如，一个人可以组成一个完全由Nutri-Score评为A级的食物组成的购物篮，因为这些食物卡路里密度低且纤维含量高，尽管Nutri-Score奖励蛋白质的摄入。由于蛋白质缺乏现在已成为工业化国家老年人的一个问题（5），这表明从整体上评估营养比简单总结或平均单个食物的评分要复杂得多。这对消费者也很重要，因为他们必须决定购物篮中评分较低的产品仍然可以接受的比例。
像替代健康饮食指数（AHEI）这样的营养指南倾向于提供定量建议，例如每天的摄入量（6, 7）。AHEI旨在预测慢性疾病风险，并且也已经验证了其预测死亡率的能力（8）。虽然这种方法可以帮助消费者了解应该如何构建他们的饮食，但将这些信息转化为可操作的购物决策仍然具有挑战性，因为消费者仍需评估单个产品中包含的份量，并跟踪他们在给定时间范围内所需的产品数量。
我们的目标是开发一种营养能量密度模型，该模型不需要考虑份量，并且可以直接在超市中使用，将营养指南的指导转化为可操作的决策，同时补充产品级别的评分系统，如Nutri-Score。为此，我们着手开发了一个模型，根据购物篮的健康属性对其进行评分，假设这些购物篮占消费者总营养摄入的很大一部分。尽管单个购物篮中的食物可能相关性不大，但从一个零售商或一组同意共享信息的零售商那里进行的长期购买将具有重要意义。
此外，我们不希望开发一个需要手动标注成分的模型，而是希望开发一个零售商可以直接在现有的忠诚度计划或数字购物篮程序上部署的模型。最后，我们寻求一个基于数据的模型，避免过度依赖专家的主观判断，并将我们的营养能量密度模型建立在营养与最终死亡率之间的联系上。我们通过将最终GBS模型的输出与AHEI和Nutri-Score进行比较来进行验证，以确保其与现有指南的无缝集成。
假设是，由于上述因素，GBS与Nutri-Score之间会存在差异，但对于大多数物品来说，GBS和Nutri-Score会显示出中等到强的相关性。对于AHEI，我们假设它与GBS的相关性比与Nutri-Score更强，因为AHEI是评估消费者的整体食物摄入（即饮食模式），而不是单个物品。
部分摘录
数据
本研究使用的数据来自2001年至2018年的连续国家健康与营养调查（NHANES，（9）的数据，这些数据与2019年的参与者最新死亡率数据进行了关联（10）。因此，这些饮食数据并非来自零售购买，而是每个参与者自我报告的完整每日食物摄入数据。作为NHANES营养评估的一部分，相应队列的参与者完成了24小时的饮食记录
建模
在随访期间，14.6%（n = 5,167）的参与者死亡（训练集：26,598名参与者中有3,839人死亡，占14.4%；测试集：8,874名参与者中有1,328人死亡，占15.0%）。经过多次迭代后，通过使用核心模型对食物和饮料进行评分，然后仅使用专用饮料模型对饮料进行评分，并将结果作为加权平均值结合，得出了接收者操作特征下的面积
讨论
本研究的主要发现是，所测试的新营养能量密度模型预测的健康饮食评分与美国农业部和卫生与公共服务部或世界卫生组织发布的营养指南一致（13, 14）。因此，这种新的营养能量密度模型现在可以用作购物篮评分（GBS），根据
利益冲突声明：
P.W.、S.M.、J.O.、D.F.、R.H.和A.N.在dacadooAG公司有就业或咨询关系，该公司与包括杂货店在内的零售商有业务往来。dacadoo计划将“GBS”注册为商标，并商业化GBSTM软件和/或咨询服务
其他作者没有其他利益冲突。
作者贡献：
概念化：P.W.、A.N.；方法论：P.W.、S.M.、D.F.、R.H.、A.N.；正式分析：P.W.、S.M.、J.O.、A.N.；数据整理：P.W.、S.M.、J.O.、A.N.；写作 - 原稿准备：P.W.；写作 - 审查和编辑：S.M.、J.O.、D.F.、R.H.、A.N.；监督：A.N.；项目管理：P.W.、A.N.
所有作者都阅读并批准了手稿的最终版本。
