《Eating Behaviors》：Eating styles with some feeling: Latent profiles of appetitive and emotion-related impulsivity traits
编辑推荐：
潜在剖面分析揭示非临床成人样本中存在四类饮食模式：弹性组（23.3%）、适度组（46.27%）、享乐组（14.03%）和冲动组（16.40%），弹性组心理健康指标最优，冲动组与核心进食障碍症状及共病心理问题最显著。
Maria Gemescu|Cezar Giosan|Carmen Andreea Petre|Ana Maria Olgu?a Barizi|Br?ndu?a Diana Paraschiv
罗马尼亚布加勒斯特大学心理学与教育科学博士研究生院
摘要
引言
关于成人饮食风格的研究，如果能够探讨食欲相关和情绪相关冲动性特征的潜在轮廓在饮食障碍（ED）和一般心理病理学中的差异，将会更加丰富。
目的
本研究旨在识别并验证基于食欲相关和情绪相关冲动性特征的潜在饮食轮廓。
方法
我们进行了一项横断面研究，样本包括232名成年人，他们完成了在线问卷调查，内容涉及食欲特征、情绪相关冲动性、饮食障碍症状、焦虑、抑郁、压力以及其他临床和背景特征。我们对数据集应用了2-8类的潜在轮廓分析（LPA）模型（排除多变量异常值，N = 223）。在保留最佳轮廓解决方案后，我们使用ANCOVAs和Tukey事后检验进行了比较，同时控制了年龄因素。
结果
最合适的模型揭示了四种不同的饮食轮廓：
**适应性较强的饮食者**（23.30%），其食物反应性和情绪相关冲动性最低；
**中等适应性的饮食者**（46.27%），表现出较高的食物回避行为和情绪相关冲动性；
**享乐型饮食者**（14.03%），以对食物的高享受度和较低的情绪相关冲动性为特征；
**冲动型饮食者**（16.40%），具有最高的食物反应性和情绪相关冲动性。与中等适应性和冲动型饮食者相比，适应性较强的饮食者在整体适应性和饮食障碍特异性灵活性方面表现更好，同时具有较低的饮食障碍心理病理学指标、抑郁、焦虑和压力水平。
结论
根据食欲和冲动性特征对饮食轮廓进行分类，有助于改进对复杂饮食障碍心理病理学的筛查。
引言
根据行为易感性理论（BST），肥胖环境对个体的饮食行为的影响因他们的食欲特征而异（综述见Llewellyn等人，2023年）。具体来说，较高的食物接近倾向和较低的食物回避倾向被认为会增加过度进食和超重的风险，而极低的食物接近倾向和较高的食物回避倾向则可能导致选择性进食和体重过轻。
一系列研究（例如Coakley等人，2022年；Francis等人，2022年；He等人，2020年）采用了潜在轮廓分析（LPA）来分类饮食风格，使用的是成人饮食行为问卷（AEBQ；Hunot等人，2016年），这是一个评估某些饮食风格遗传倾向的有用工具（Llewellyn等人，2023年），该问卷评估了食物接近倾向（对食物的享受度、食物反应性、情绪性过度进食）和回避倾向（饱腹感反应性、进食缓慢、对食物的挑剔）。
Coakley等人（2022年）利用LPA对所有AEBQ子量表进行了分析，识别出四种饮食轮廓：中等适应性的饮食者（食物接近和回避倾向均较低）、食物寻求者和回避者（两者倾向均较高）、食物寻求者（食物接近倾向较高而回避倾向较低）以及食物回避者（食物回避倾向较高而接近倾向较低）。在所有轮廓中，食物寻求者表现出最高的食物接近倾向和最低的食物回避倾向。相比之下，食物回避者表现出最高的食物回避倾向和最低的食物接近倾向，而中等适应性和冲动型饮食者在其他食欲特征方面处于中间水平。值得注意的是，食物寻求者和回避者的焦虑水平最高，而中等适应性的饮食者焦虑水平最低。
Francis等人（2022年）不仅基于食欲，还结合了行为自我调节能力，研究了学龄前儿童的潜在饮食轮廓，以考虑影响肥胖行为的自上而下和自下而上的机制相互作用。食欲自我调节被定义为特定食物回避特征（饱腹感反应性、进食缓慢）得分较高，而某些食物接近特征（对食物的享受度、食物反应性）得分较低；行为自我调节则表现为较高的抑制控制和注意力集中能力，以及较低的冲动性。LPA识别出四种饮食风格：高度调节的行为和食欲、失调的行为和调节的食欲、调节的行为和失调的食欲，其中以食欲失调为特征的群体具有最高的体重指数（BMI）。
类似地，关于亚临床和临床饮食障碍（ED）的机制基础分类的文献开始增多，这响应了先前的呼吁（Treasure等人，2007年；Wildes & Marcus，2013年），即从基于症状的分类转向基于病因的分类，以便更好地解释临床异质性，并通过指定潜在的内表型（如冲动性、强迫性、惩罚和奖励敏感性）来指导个性化治疗。鉴于各种与冲动性相关的因素一直与饮食障碍心理病理学相关（Fischer等人，2008年；Garcia-Garcia等人，2022年；Waxman，2009年），这些因素经常被纳入饮食障碍心理病理学的替代机制模型中（Brucar等人，2025年；Soidla & Akkermann，2020年；Wilkinson & Juarascio，2025年）。
为了识别与饮食障碍和一般心理病理学相关的潜在饮食风格，关注成人的研究可以从基于食欲和冲动自我调节相互作用的LPA研究中受益。
越来越受到重视的冲动自我调节维度是情绪相关冲动性（Carver & Johnson，2018年；Pearlstein等人，2024年），它包含认知和行为两个方面，与多种内化和外化心理病理学现象有关，如抑郁、焦虑、边缘型人格特征、物质滥用或各种强迫行为等（Berg等人，2015年；Cyders等人，2016年）。
本研究旨在通过在一个非临床成人样本中识别和验证潜在饮食轮廓来填补这一空白，使用的指标包括食欲相关和情绪相关冲动性特征。为了验证这些潜在类别的有效性，我们调查了它们在一般适应性和饮食障碍特异性灵活性、多种饮食障碍相关领域、饮食相关心理社会障碍、焦虑、抑郁、压力、不良童年经历和物质滥用等方面的差异。这些验证指标的选择基于以往关于饮食风格的LPA研究（Coakley等人，2022年；Ellis等人，2018年；He等人，2020年），或强调一般适应性和饮食障碍特异性灵活性临床相关性的研究（Dahlgren等人，2019年；Duriez等人，2021年；Tchanturia等人，2011年），以及童年虐待（Rossi等人，2024年）或物质滥用（Bahji等人，2019年）对饮食障碍心理病理学的影响。从临床角度来看，选择这些变量是为了评估饮食轮廓在饮食障碍心理病理学核心领域中的差异（Forbush等人，2017年；Wildes & Marcus，2013年），不仅涵盖核心饮食症状，还包括常见的共病情况和人格特征，以及心理困扰。
基于Francis等人（2022年）的研究，我们预计会出现四个类别：（1）高冲动性和食欲自我调节（情绪相关冲动性最低，食物回避最高，食物接近倾向最低）；（2）冲动失调和食欲自我调节（情绪相关冲动性和食物回避倾向较高，食物接近倾向较低）；（3）冲动自我调节和食欲失调（情绪相关冲动性较低，食物回避倾向最低，食物接近倾向最高）；（4）冲动和食欲失调（情绪相关冲动性最高，食物回避倾向较低，食物接近倾向较高）。我们预计表现出冲动和食欲失调的潜在轮廓在整体适应性和饮食障碍特异性灵活性方面表现最差，同时在饮食障碍症状、饮食相关心理社会障碍、焦虑、抑郁、压力、不良童年经历和BMI方面也最严重。对于其他潜在类别，我们没有事先提出任何假设。
研究片段
参与者
我们在一组18岁及以上的罗马尼亚语成人中进行了横断面研究，参与者通过社交媒体广告和现场邀请招募。排除标准包括：（1）自报患有神经系统或精神疾病；（2）自报有影响饮食行为或体重的慢性疾病；（3）当前或近期怀孕或哺乳；（4）近期接受过减肥手术；（5）其他特殊情况。
样本特征
包括多变量异常值在内的完整样本共有232名参与者，平均年龄为41.53岁（标准差 = 14.84），平均BMI为25.51（标准差 = 5.10）。大多数参与者认同自己是罗马尼亚人（97.41%），少数为匈牙利人（0.43%）、罗姆人（0.86%）或混合种族（1.29%）。在出生时分配的性别和当前性别认同方面，76.72%为女性，23.28%为男性。大多数参与者报告了自己的性取向。
讨论
我们的发现揭示了食欲相关和情绪相关冲动性特征如何共同塑造出复杂的饮食轮廓，这些轮廓表现出更高的抑郁、焦虑、压力和饮食相关心理社会障碍，从而推动了基于机制的饮食风格模型的发展。
我们识别出的四个潜在类别与之前的LPA研究结果一致（例如Coakley等人，2022年；Francis等人，2022年；He等人，2020年）。适应性较强的饮食者似乎代表了一个功能较高的群体。
结论
本研究基于食欲相关和情绪相关冲动性特征的相互作用，识别出了四种饮食轮廓：适应性较强的饮食者、中等适应性的饮食者、享乐型饮食者和冲动型饮食者，其中前者始终表现出最高的适应性，而后者则表现出最高的饮食障碍和一般心理病理学指标。
作者贡献声明
Maria Gemescu：撰写——审阅与编辑、初稿撰写、数据可视化、项目管理、方法论设计、数据分析、概念化。
Cezar Giosan：撰写——审阅与编辑、验证、项目监督、项目管理。撰写——审阅与编辑、初稿撰写、数据分析。
撰写——审阅与编辑、数据管理。
Br?ndu?a Diana Paraschiv：撰写——审阅与编辑、数据整理。
知情同意
所有参与者在完成问卷调查前都在线提供了知情同意。
伦理批准
所有研究程序均获得了欧洲某大学研究伦理委员会的批准。
资金
本研究未获得公共、商业或非营利部门的任何特定资助。
致谢
我们感谢Cristian Opariuc-Dan在统计方法规划方面的帮助，Adina Iacob在工具翻译、手稿审阅和统计结果验证方面的支持，以及Daria Ioana Vasiliu在关键观点总结方面的贡献。
