乌干达比迪比迪安置区患有高血压和/或2型糖尿病的难民的家庭收入来源以及饮食多样性的驱动因素

《Nutrition》：Household income sources and mobility drivers of dietary diversity among refugees with hypertension and/or type 2 diabetes in Bidibidi Settlement, Uganda

　　比沙尔·贾瓦利（Bishal Gyawali）| 德里西莱·拉蒂布（Dricile Ratib）| 塔尼娅·德雷贝尔（Tania Dr?bel）| 埃丝特·卡卢莱·南富卡（Esther Kalule Nanfuka）| 丽塔·纳坎贾科（Rita Nakanjako）| 大卫·基亚东多（David Kyaddondo）| 苏珊·怀特（Susan Whyte）| 埃马纽埃尔·拉朱（Emmanuel Raju）| 伊布·克里斯蒂安·比格贝格（Ib Christian Bygbjerg）| 丹·沃尔夫·梅罗维茨（Dan Wolf Meyrowitsch）| 莫滕·斯科夫达尔（Morten Skovdal）
哥本哈根大学公共卫生系卫生服务研究部门，丹麦哥本哈根，?ster Farimagsgade 5号，1353

**摘要**
**背景**
饮食多样性是食物种类多样性的关键指标，常被用作患有慢性疾病（如高血压（HTN）和2型糖尿病（DM）人群营养充足性的替代指标。在难民环境中，结构性限制可能会影响饮食多样性。然而，关于已患有HTN和/或DM的难民的饮食多样性的证据仍然有限。本研究旨在探讨乌干达北部比迪比迪难民营（Bidibidi Refugee Settlement）中难民的家庭收入来源、跨境流动性与饮食多样性之间的关联。

**方法**
2024年9月至12月期间，我们进行了一项基于社区的横断面调查，对象为1,010名患有HTN和/或DM的成年难民。采用链式推荐抽样方法（chain-referral sampling）进行招募，并结合了受访者驱动抽样（Respondent-Driven Sampling, RDS）的元素。通过24小时食物回忆法评估饮食多样性，并将其总结为饮食多样性得分（Dietary Diversity Score, DDS），该得分通过统计摄入的不同食物组数量得出（范围0–9）。家庭收入来源（人道主义援助、非正式收入和正式收入）被用作社会经济地位的替代指标，跨境流动性则定义为自我报告的往返南苏丹的旅行次数。使用多元线性回归分析来探讨这些因素与DDS之间的关联，并调整了潜在的混杂变量。

**结果**
参与者在过去24小时内平均摄入了2种食物（平均DDS为2.0 ± 0.64），表明饮食多样性非常低。在调整后的分析中，较高的跨境流动性与较低的饮食多样性相关。与未报告过往返旅行的参与者相比，有过一次往返旅行的参与者DDS较低（调整后β = ?0.28；95%置信区间：?0.38至?0.17），多次往返旅行的参与者DDS更低（调整后β = ?0.46；95%置信区间：?0.57至?0.35）。家庭收入来源也与饮食多样性相关：相对于依赖人道主义援助的情况，正式收入与较高的饮食多样性相关（调整后β = 0.25；95%置信区间：0.10至0.41），而非正式收入则与较低的饮食多样性相关（调整后β = ?0.10；95%置信区间：?0.18至?0.01）。

**结论**
比迪比迪难民营中患有HTN和/或DM的难民的饮食多样性极为有限，且与跨境流动性和家庭收入来源有关。这些发现表明，该环境下的饮食模式主要受影响食物获取和生计机会的结构性限制的影响。然而，横断面设计的局限性限制了因果推断的准确性，而未加权的链式推荐抽样方法也限制了描述性估计结果在更广泛难民群体中的普遍性。

**引言**
饮食多样性是指在一定时期内摄入的不同食物组的数量，是衡量饮食质量和微量营养素充足性的常用指标[[1], [2], [3]]。对于患有慢性疾病（如HTN和/或DM）的人来说，保持饮食多样性对于疾病管理至关重要。饮食多样性是一种关键的自我管理行为，有助于持续护理和长期疾病控制[4,5]。定期获得各种适当的食物，结合持续用药和定期就医，是有效管理慢性疾病的关键[5]。然而，在被迫流离失所的情况下，这一营养方面常常被忽视，因为卫生响应通常优先考虑提供药物和临床咨询，而忽视了维持推荐饮食实践所需的食物环境[6,7]。

难民在实现饮食多样性方面面临特殊挑战。流离失所会破坏生计和食物系统，增加对人道主义援助的依赖以及当地市场的不确定性[8,9]。因此，他们的饮食往往单一且以谷物为主，水果、蔬菜和动物源性食物的摄入量有限——这在乌干达的难民安置点中普遍存在[10,11]。例如，康格（Kang）等人报告称，乌干达北部南苏丹难民的食物消费得分（Food Consumption Score, FCS）明显低于当地社区（40.0 vs 43.4），表明难民家庭的营养摄入处于次优状态[11]。

乌干达北部的比迪比迪难民营容纳了超过20万名主要来自南苏丹的难民，这一情况凸显了这些结构性挑战[12]。食物援助计划对饮食多样性有显著影响。世界粮食计划署（WFP）提供的标准食物篮子的饮食多样性得分约为3种食物组，从而限制了饮食质量的提升。大约40%的难民家庭报告饮食多样性较低（≤2种食物组），主要以主食、豆类和蔬菜为主[13]。由于资金限制，最近食物配给量和质量的减少进一步限制了难民多样化饮食的能力[14,15]。在社会经济层面，有正式收入的家庭通常能够通过市场购买补充食物，而仅依赖援助或非正式劳动的家庭则难以获得多样化的食物。WFP的资金限制也起到了关键作用，因为配给量的减少对依赖援助的家庭影响更大，进一步限制了他们实现饮食多样性的能力。小规模园艺和非正式生计可能提供一些补充，但很少能满足营养需求[16]。

这些结构性限制对患有HTN和/或DM的成年人具有重要影响。有效管理慢性疾病依赖于持续的护理，包括保持规律的饮食模式、一致的饮食习惯以及将食物摄入与药物使用和定期就医相结合。有限的饮食多样性可能会破坏这些常规，迫使个人根据食物可用性而非临床建议调整护理方式。在资源匮乏和危机影响的地区，诸如跳过餐食、减少食物份量以及依赖营养价值低的主食等应对策略与较差的血糖控制和更高的临床脆弱性相关[17,18,19]。

跨境流动性可能进一步影响饮食多样性。比迪比迪靠近南苏丹边境（<50公里），使得难民频繁迁移，这种迁移通常是由“被迫跨国主义”驱动的，他们为了寻找生计、维持家庭联系和服务而跨越边境[20]。迁移活动往往存在性别差异，男性更可能为了工作、农业或贸易而跨境，有时会留下家人。这些迁移可能会打乱饮食规律，限制食物配给和市场的获取，降低饮食的稳定性。在南苏丹的停留时间可能会使个体接触到更单一的饮食，特别是在市场不发达的安全地区。对于管理HTN和/或DM的成年人来说，这种中断可能会削弱自我管理和护理的连续性。

尽管认识到社会经济地位（SES）和流动性会影响饮食多样性，但尚未有实证研究专门调查乌干达难民中这些因素的作用。以往的研究主要集中在热量充足性上，而非作为慢性疾病管理关键指标的饮食多样性[21]。大多数关于乌干达饮食多样性的研究针对儿童、孕妇或普通人群[22,23]，对流离失所环境中长期管理慢性疾病的成年人关注较少。这一证据缺口限制了卫生系统将营养纳入难民慢性病护理模型的能力。因此，本研究主要旨在探讨乌干达北部比迪比迪难民营中患有HTN和/或DM的成年人的家庭收入来源和跨境流动性与饮食多样性之间的关联。本研究将饮食多样性视为受这些结构性因素影响的自我管理行为，这些因素可能影响难民的护理连续性和长期疾病控制。

**研究设计和地点**
2024年9月至12月期间，在乌干达西尼罗河地区的比迪比迪难民营进行了基于社区的横断面研究。选择这种设计是为了在特定人群中提供实际的暴露情况和结果快照，尤其适用于难以进行长期随访的流离失所环境。比迪比迪因拥有大量难民以及该地区记录在案的HTN和DM负担而被特意选中[24]。该定居点分为五个区域，截至2024年底，约有20万名难民居住在约37,000户家庭中[25]。数据收集在所有五个区域进行。本研究遵循STROBE（Strengthening the Reporting of Observational Studies in Epidemiology）指南进行报告。完整的STROBE检查表见补充文件S1。

**研究人群和招募**
符合条件的参与者是至少在比迪比迪居住六个月的成年难民（≥18岁），并通过有效的UNHCR注册卡确认。参与者需被诊断为HTN和/或DM，诊断方式包括自我报告或现场临床筛查确认。为了接触这一难以接触的人群，采用了链式推荐抽样方法，并结合了受访者驱动抽样的部分元素（RDS），包括使用种子和优惠券招募[26]。从比迪比迪所有五个区域的NCD诊所中各选取了一个作为“种子”（seed），并得到了村卫生团队（VHTs）的支持，他们担任社区卫生工作者。“种子”报告了他们个人网络中患有HTN和/或DM的符合条件的个体数量，范围从1到39人（见补充表S1）。第一波招募由这些“种子”发起，他们被提供优惠券并邀请其他符合条件的个体参与第二波招募，第三波招募重复相同过程。但由于参与者数量众多、人口流动性高以及人道主义环境的复杂性，个体招募者与受访者的联系并未系统记录。尽管实施了RDS的部分元素，但未能获得完整的招募链数据，因此无法进行完整的RDS推断（包括重建招募树和计算抽样权重）。因此，分析未使用RDS加权，所有估计值仅作为样本级别的描述，而非代表整个群体的估计值。

**样本量估计**
样本量确定方法已在前文报道[27]，此处再次总结以供参考。由于缺乏目标人群的可靠患病率估计，假设比例为50%以提高统计精度。应用Kish公式[28]，设计效应为2.0，95%置信水平，5%误差范围，估计最小样本量为约768人。考虑到非响应和数据不完整的情况，招募目标增加了20%。最终共有1,010名符合条件的参与者被纳入分析。

**数据收集程序和测量**
数据通过经过培训的VHTs使用KoBo Toolbox平台上的Android设备进行访谈问卷收集[29]。数据收集人员接受了关于研究伦理、访谈技术和临床测量的标准化培训，遵循WHO STEPS协议[31]。研究信息以参与者偏好的语言提供，并获得了书面知情同意书；对于无法签署的参与者，使用指纹确认同意。HTN评估通过自动上臂设备测量三次血压，最终两次读数的平均值用于分析。DM评估中，参与者在测量前需禁食一夜。空腹毛细血管血糖和HbA1c使用即时检测设备按照标准化程序进行测量。

**变量**
**社会人口统计特征**
社会人口统计特征包括年龄（以年为单位连续记录，并用平均值±标准差（SD）表示）、性别（男性或女性）、主要家庭收入来源（自我、配偶/伴侣或依赖者如儿童或其他亲属）以及家庭收入来源。社会经济地位（SES）通过询问参与者的主要收入来源来估算，选项包括：1）工资和津贴，2）汇款，3）人道主义援助，4）创收活动（如贸易、养禽或养兔、编织垫子、铁匠业、陶艺），5）其他来源。为了分析，这些类别被重新编码为三类，反映家庭资源的稳定性：正式收入（稳定收入来源，如工资和津贴及汇款）、非正式收入（不稳定收入来源，如创收活动和其他来源）和人道主义援助[32]。该指标捕捉了收入类型，但不包括财富、资产、教育、家庭支出或社会资本等更广泛的社会经济维度。此外，由于报告汇款作为主要收入来源的参与者较少（n=18），汇款被归类为“正式收入”。进行了敏感性分析（见补充表S6），以评估这种分类的稳健性。种族（部落）由参与者自行报告。Bidibidi难民营收容了来自南苏丹的多个部落的难民，其中许多在样本中的代表性较低。为了确保样本量足够并避免回归分析中的估计不稳定，根据语言和文化相似性以及乌干达和南苏丹常用的地区分类，将种族群体归为更广泛的类别。这些群体被定义为Bari群体（Bari、Kakwa、Pojulu）、Lugbara群体（Lugbara、Madi、Keliko、Aringa）和其他种族群体（Luo、Acholi及其余部落）。这种方法与流行病学实践一致，因为较小的亚群体规模会限制回归模型的统计功效。在Bidibidi难民营的居住时间被分为≤5年和>5年两类。根据移民和移民后适应研究中的分析框架，这一分界线区分了近期移民（在目的地居住≤5年）和长期定居的移民（>5年）[33]。家庭规模被分为<6名成员和≥6名成员。这一分界线采用了2022年乌干达人口健康调查的分析结果，以便与影响健康结果的家庭层面因素的国家数据进行比较[34]。此外，这一分界线还区分了规模较小和较大的家庭，后者在难民营环境中可能具有不同的资源动态。

临床特征包括收缩压（SBP）和舒张压（DBP），单位为毫米汞柱（mmHg）；空腹血糖（FBG），单位为毫摩尔/升（mmol/L）；以及糖化血红蛋白（HbA1c），以百分比记录。所有临床变量均以平均值±标准差（mean ± SD）的形式呈现。血压测量使用标准程序，分析时使用重复测量的平均值。如果参与者的平均SBP≥140 mmHg或平均DBP≥90 mmHg，或者在研究前两周内使用了抗高血压药物，或者之前被医疗专业人员诊断为高血压（HTN），则被归类为高血压患者[35]。如果参与者的FBG≥7.0 mmol/L或HbA1c≥6.5%，或者在研究前两周内使用了抗糖尿病药物，或者之前被医疗专业人员诊断为糖尿病（DM），则被归类为糖尿病患者[36]。最终的疾病分类结合了自我报告的诊断结果和现场筛查结果，以涵盖已诊断和未诊断的病例。

饮食多样性通过基于24小时食物频率问卷的DDS（Dietary Diversity Score）进行评估，该问卷遵循联合国粮食及农业组织（FAO）的指南[1]。这种九类食物的DDS方法已在乌干达背景下被使用并验证过[37]。对于每位参与者，如果在过去24小时内摄入了某种食物，则该食物组得分为“1”，未摄入则得分为“0”。DDS通过计算摄入的食物组数量得出，得分范围为0到9。研究中使用平均值±标准差（mean ± SD）来总结DDS。虽然DDS可以作为食物多样性和潜在微量营养素充足性的有用指标，但它并不直接衡量饮食质量对高血压或糖尿病管理的影响，也不衡量对临床饮食指南的遵守情况。用于构建DDS的九类食物在表1中列出。

表1. 基于24小时回忆法定义的食物组。

**食物组** | **示例**
--- | ---
**谷物** | 玉米/玉米粉、大米、小米、高粱、小麦粉**
**豆类/坚果** | 豆类（红、黄、白）、花生、豌豆、大豆、芝麻、豇豆**
**蔬菜** | 苏库马维基、番茄、洋葱、卷心菜、纳卡蒂、多多、茄子、秋葵、奥索比、木薯叶**
**水果** | 芒果、香蕉、菠萝、木瓜、鳄梨、百香果、菠萝蜜、马图克（青香蕉）**
**牛奶及奶制品** | 新鲜牛奶、奶粉、酸奶**
**根茎类** | 木薯、红薯、爱尔兰土豆、山药**
**肉类和家禽** | 牛肉、山羊肉、鸡肉、猪肉、野味肉、蚱蜢**
**鱼类** | 尼罗河鲈鱼、罗非鱼、熏鱼、干鱼（mukene）
**鸡蛋** | 鸡蛋、鸭蛋

**食物（不）安全**
食物和营养数据包括家庭的食物不安全状况，通过询问过去一周内是否有因无法负担食物而饿着肚子睡觉的情况（是或否）来评估。虽然这一指标可以识别严重的食物匮乏，但它没有涵盖家庭食物不安全的多个维度，包括食物获取的不确定性、饮食质量或摄入不足的频率。每天摄入的餐数被分为<3餐或≥3餐。

心理压力使用六项Kessler心理压力量表（K6）[38]进行评估。该量表衡量过去30天内参与者感到紧张、绝望、坐立不安或烦躁、抑郁、一切都是努力的感觉，或感到无价值的频率。回答采用5点李克特量表（从1（从未）到5（总是）进行评分。总得分范围为6到30分，分数越高表示压力越大。K6显示出优异的内部一致性（α = 0.89；[38]）以及区分患有严重精神疾病和未患精神疾病个体的强区分效度（AUC = 0.86；临界值 = 13）[39]。心理压力水平被分为轻度或中度至重度。

针对高血压和/或糖尿病的社交支持通过询问参与者“您是否从其他人那里获得了专门用于管理高血压或糖尿病的帮助或支持？”来评估。回答被记录为“是”或“否”。对于回答“是”的参与者，后续问题记录了支持来源（例如，家人、同伴、医疗工作者）、地点（例如，家庭、社区或宗教中心、医疗机构）、类型（例如，药物提醒、咨询、食物或经济支持）以及频率（每天、每周、每月、按需）。最初的“是/否”回答被用作分析中的二元指标。

移动模式定义为跨境移动，通过参与者自我报告的过去一年内的往返南苏丹次数来衡量，并分为0次、1次或>1次。这一指标关注的是跨境旅行的频率，没有涵盖移动的其他维度，如旅行时长或目的。

为了最小化偏差并确保数据质量，采取了以下措施：对数据收集人员进行标准化培训，使用结构化问卷和带有校准设备的标准化临床协议。通过从难民营的所有区域招募不同背景的参与者，部分缓解了选择偏差。然而，链式推荐抽样方法可能引入了选择偏差，因为社会网络较大或更愿意参与的个体可能被过度代表。参与者之间的招募联系没有系统记录，且未收集所有参与者的网络规模，因此无法应用RDS加权方法。此外，一些变量是自我报告的，可能存在回忆偏差和社会期望偏差。

数据使用Kobo Toolbox电子收集，并在STATA 18版本中进行分析。描述性统计以频率和百分比的形式呈现分类变量，连续变量以平均值和标准差（SD）呈现。使用Student's t检验（两组比较）和单因素方差分析（多组比较）评估DDS的双变量分析。简单线性回归用于检查粗略关联，多变量线性回归用于主要分析。尽管DDS的取值范围有限（0-9；观察范围0-4），但由于样本量和中心极限定理，线性回归对中度非正态性具有鲁棒性。进行了残差诊断，包括Shapiro-Wilk检验和Breusch-Pagan检验[40]。使用序数逻辑回归和具有稳健标准误差的线性回归进行敏感性分析，结果一致（补充表5）。多变量模型的变量选择遵循因果推断文献中的公认原则[41]。基于这一框架和先前关于难民和资源匮乏人群的文献，以下变量被预先确定为混杂因素并纳入调整后的模型：年龄、性别、家庭收入来源、主要收入者身份、部落、家庭规模、在难民营的居住时间以及疾病组[42,43,44]。这些变量已被证明会影响流离失所人群和慢性疾病患者的社会经济状况、移动性和饮食行为。可能位于移动性和饮食多样性之间的因果路径上的变量被归类为中介变量，并被排除以避免过度调整。具体来说，食物不安全是将低社会经济地位（SES）和移动性与不良饮食质量联系起来的机制[45]，而餐频是食物获取和饮食多样性之间的中间步骤[46]。心理压力未被纳入混杂因素，因为它可能同时受到食物不安全和心理压力的影响[41]。社交支持被视为潜在的效应修饰因素。回归分析的结果以未标准化的贝塔系数（β）及其对应的95%置信区间（CIs）呈现。统计显著性设定为双尾p值<0.05。尽管抽样方法包含了RDS的部分特征，但由于招募链数据不完整，未能完全实施RDS，因此分析未进行加权。这是因为连接参与者和原始招募者的招募链没有系统记录，无法计算RDS权重。此外，本研究的主要目的是检查暴露与结果之间的关联，而不是生成人群水平的患病率估计。对于此类非概率样本，未加权的回归分析是合适的[47,48]。因此，描述性估计应被视为样本层面的发现，不能推广到整个Bidibidi难民营人群。缺失数据很少，除了HbA1c外，所有变量的数据均完整，HbA1c有12名参与者缺失（1.2%）。鉴于缺失数据的比例较低，包含HbA1c的模型使用了完整案例分析，未进行插补。

在数据收集前，本研究获得了Makerere大学社会科学研究生院研究伦理委员会（MAKSSREC06.2023.679）和乌干达国家科学技术委员会（SS1959ES）的伦理批准。研究遵循《赫尔辛基宣言》的伦理原则[49]进行。所有参与者在入组前均获得了知情同意。对于有读写能力的参与者，获得了书面同意；对于文盲参与者，同意书被大声朗读，并在独立当地见证人在场的情况下获得了口头同意，见证人随后签署同意书以证明参与者的自愿同意。所有参与者都被告知他们有权随时退出研究，而不会对其医疗护理产生任何负面影响。为了保持保密性，所有收集的数据均进行了匿名处理并安全存储。

研究包括1,010名患有高血压和/或糖尿病的难民（表2）。参与者的平均年龄为56.0岁（SD ± 14.7岁），其中大多数为女性（78%）。略超过一半的参与者（51.6%）是主要家庭收入者，大多数家庭依赖人道主义援助（62.1%），97.6%的人获得了实物食品配给。人群主要为Bari族（83.6%），几乎所有参与者（92.8%）在Bidibidi难民营居住超过五年。大家庭很常见，69.1%的家庭有六名或更多成员。

表2. 乌干达Bidibidi难民营中患有高血压和/或糖尿病的参与者特征（N=1,010）。

| 变量 | 总样本（N=1,010） | DDS（平均值±标准差）? | P值 |
|-------------|------------|-------------|------------|
| 年龄（岁） | 56.0 ± 14.7 | 1.97 ± 0.64 | 0.144 |
| 性别 | n (%) | 0.32 | 218 (21.6) | 2.01 ± 0.68 |
| 主要收入者 | n (%) | 0.39 | 521 (51.6) | 1.95 ± 0.66 |
| 配偶/伴侣 | n (%) | 0.39 | 290 (28.7) | 1.98 ± 0.62 |
| 依赖者 | n (%) | 0.39 | 199 (19.7) | 2.02 ± 0.63 |
| 家庭收入来源 | n (%) | 0.25 | 627 (62.1) | 1.99 ± 0.61 |
| 正式收入 | n (%) | 0.25 | 82 (8.1) | 2.00 ± 0.38 |
| 非正式收入 | n (%) | 0.25 | 301 (29.8) | 1.92 ± 0.76 |
| 种族（部落） | n (%) | <0.001 | 845 (83.7) | 1.97 ± 0.63 |
| 在Bidibidi的居住时间 | n (%) | 0.001 | 73 (7.2) | 1.86 ± 0.76 |
| 家庭规模 | n (%) | 0.001 | 312 (30.9) | 1.87 ± 0.61 |
| ≥6名成员 | n (%) | 0.001 | 698 (69.1) | 2.02 ± 0.65 |
| 临床特征 | | | | |
| SBP（mmHg） | 142.9 ± 20.6 | | |
| DBP（mmHg） | 86.8 ± 12.6 | | |
| FBG（mmol/L） | 5.5 ± 2.4 [4.9(4.5-5.4)] | | |
| HbA1c（%） | 5.0 ± 1.7 [4.4(4.1-5.0)] | | |
| 疾病状态 | n (%) | 0.02 | 805 (79.7) | 1.99 ± 0.65 |
| 仅高血压 | 0.02 | 37 (3.7) | 1.72 ± 0.56 |
| 仅糖尿病 | 0.02 | 37 (3.7) | 1.72 ± 0.56 |
| 两种情况都存在 | 0.02 | 168 (16.6) | 1.91 ± 0.64 |
| 食物不安全 | n (%) | 0.02 | 961 (95.1) | 1.95 ± 0.67 |
| 每天餐数 | n (%) | 0.02 | 971 (96.1) | 1.96 ± 0.64 |
| <3餐/天 | 0.02 | 971 (96.1) | 1.96 ± 0.64 |
| ≥3餐/天 | 0.02 | 39 (3.9) | 2.20 ± 0.73 |
| 心理压力水平 | n (%) | 0.007 | 409 (40.5) | 1.90 ± 0.60 |
| 中度至重度 | 0.02 | 601 (59.5) | 2.01 ± 0.67 |
| 社交支持 | n (%) | 0.04 | 393 (38.9) | 1.92 ± 0.64 |
| 移动模式 | n (%) | 0.001 | 638 (63.2) | 2.09 ± 0.63 |
| 0次（无往返） | 0.001 | 638 (63.2) | 2.09 ± 0.63 |
| 1次（一次往返） | 0.001 | 191 (18.9) | 1.84 ± 0.62 |
| 多次往返 | 0.001 | 181 (17.9) | 1.70 ± 0.60 |
| DDS平均值（范围0-9） | 0.001 | | |
| P值来自双变量分析：连续变量的简单线性回归（年龄），二元变量的Student's t检验，以及具有>2组的分类变量的单因素方差分析。**粗体字表示统计显著性（p < 0.05）**。*由于数据缺失，HbA1c 的样本量为 998。**平均膳食多样性得分（DDS）为 2.0 ± 0.64，范围在 0 到 4 之间，大多数参与者（82.3%）的得分在 1 到 2 之间，只有 1.0% 的得分是 4，这反映了在严重食物不安全环境中典型的界限效应和潜在的最低值效应。模型诊断没有显示出异方差性的证据（Breusch-Pagan 检验，p = 0.086）。尽管 Shapiro-Wilk 检验表明数据分布与正态分布有些偏差（p < 0.001），但鉴于样本量，线性回归对这种偏差具有鲁棒性。使用序数逻辑回归进行的敏感性分析得出的结果与主要线性模型一致（补充表 S5）。此外，排除将汇款作为主要收入来源的参与者（n = 18，1.8%）的敏感性分析显示，多变量模型中的关联程度和方向没有显著变化（补充表 S6），表明将汇款与正式收入合并并没有实质性影响研究结果。**双变量分析显示，在几个社会人口统计、家庭和临床特征方面存在显著的 DDS 差异（表 2）。**来自较大家庭（≥6 人）的参与者平均 DDS 较高（2.02 ± 0.65），而来自较小家庭的参与者平均 DDS 较低（1.87 ± 0.61；p = 0.001）。DDS 还因部落而异（p < 0.001），Lugbara 部落的参与者平均 DDS 最高（2.25 ± 0.72），而被归类为“其他”的参与者平均 DDS 最低（1.79 ± 0.63）。疾病状况与 DDS 有关（p = 0.020），仅患有糖尿病的参与者平均 DDS 最低（1.72 ± 0.56），其次是同时患有高血压和糖尿病的参与者（1.91 ± 0.64），仅患有高血压的参与者平均 DDS 最高（1.99 ± 0.65）。餐频与 DDS 有显著关联（p = 0.023）；每天吃三餐或更多餐的参与者平均 DDS 较高（2.20 ± 0.73），而每天吃少于三餐的参与者平均 DDS 较低（1.96 ± 0.64）。心理压力（p = 0.007）和社会支持（p = 0.043）也与 DDS 有显著关联，尽管差异较小。**跨境流动性与饮食多样性有很强的相关性（p < 0.001），随着返程次数的增加，DDS 降低（无返程：2.09 ± 0.63；一次返程：1.84 ± 0.62；多次返程：1.70 ± 0.60）。**年龄、性别、主要家庭收入来源、在 Bidibidi 的居住时间和食物不安全状况与 DDS 无显著关联。**临床方面，平均收缩压为 142.9 mmHg，平均舒张压为 86.8 mmHg。平均空腹血糖（FBG）和 HbA1c 水平分别为 5.5 mmol/L 和 5.0%。根据自我报告，874 名（86.5%）参与者仅患有高血压，45 名（4.5%）仅患有糖尿病，91 名（9.0%）同时患有这两种疾病（补充表 S2）。筛查发现了额外的未诊断病例，最终分类为仅患有高血压的 805 名（79.7%），仅患有糖尿病的 37 名（3.7%），以及同时患有这两种疾病的 168 名（16.6%）。**在患有糖尿病的参与者中（n = 205），126 名（61.5%）报告在过去两周内服用了降糖药物，其中 58 名（46.0%）的糖尿病得到了控制（FBG < 7.0 mmol/L 和 HbA1c < 7.0%）。**控制组的平均 HbA1c 为 5.0%（标准差 0.7），未控制组的平均 HbA1c 为 8.9%（标准差 3.3），平均 FBG 分别为 5.2 mmol/L（标准差 0.8）和 11.4 mmol/L（标准差 5.0）（补充表 S3）。**总体平均 HbA1c 和 FBG 较低反映了仅患有高血压的参与者比例较高，而不是糖尿病患者的血糖控制良好。**

**食物组消费模式**
在我们的样本中，69.9% 的参与者食用了蔬菜，48.5% 的参与者食用了谷物，43.4% 的参与者食用了豆类/豆制品，22.3% 的参与者食用了根茎类食物。水果的消费率为 6.8%，肉类和禽类的消费率为 6.2%，鱼类的消费率为 0.3%，乳制品的消费率为 0.1%。图 1 展示了乌干达 Bidibidi 收容所中患有高血压和/或糖尿病的难民在过去的 24 小时内的食物组消费模式。

**与饮食多样性相关的因素**
表 3 展示了针对 Bidibidi 收容所中患有高血压和/或糖尿病的难民的 DDS 的粗略和调整后的线性回归分析结果。两个主要因素——跨境流动性和收入来源——仍然是 DDS 的强预测因子。跨境流动性与饮食多样性呈负相关；与未报告返程的参与者相比，进行了一次返程的参与者 DDS 显著较低（调整后的 β = –0.28，95% CI：–0.38 至 –0.17，p < 0.001），而进行多次返程的参与者 DDS 降低得更明显（调整后的 β = –0.46，95% CI：–0.57 至 –0.35，p < 0.001）。收入来源也与 DDS 有显著关联。相对于依赖人道主义援助的参与者，有正式收入的参与者 DDS 较高（调整后的 β = 0.25，95% CI：0.10 至 0.41，p = 0.001），而非正式收入与较低的 DDS 相关（调整后的 β = –0.10，95% CI：–0.18 至 –0.01，p = 0.037）。其他与 DDS 独立相关的因素包括部落、家庭规模和疾病状况。Lugbara 部落的参与者 DDS 高于 Bari 参考组（调整后的 β = 0.25，95% CI：0.09 至 0.40，p = 0.002），而被归类为“其他”的参与者 DDS 较低（β = –0.14，95% CI：–0.27 至 –0.01，p = 0.032）。生活在六人或以上家庭的参与者 DDS 较高（调整后的 β = 0.14，95% CI：0.06 至 0.23，p = 0.001）。仅患有糖尿病的参与者 DDS 显著低于仅患有高血压的参与者（调整后的 β = –0.30，95% CI：–0.50 至 –0.09，p = 0.005）。在调整后的模型中，年龄、性别、主要家庭收入来源和在 Bidibidi 的居住时间与 DDS 无显著关联。在敏感性分析中，将多变量分析限制在仅自我报告有既往诊断的参与者（n = 805）上，结果与主要模型一致（补充表 S4），表明纳入筛查发现的病例并未实质性影响研究结果。为了评估仅患有糖尿病的较小亚组是否影响结果，我们还将仅患有糖尿病和同时患有两种疾病的参与者合并为“任何糖尿病”类别进行了敏感性分析。结果与主要分析一致（补充表 S7）。

**表 3. 乌干达 Bidibidi 收容所中患有高血压和/或糖尿病的难民的饮食多样性相关因素（N = 1,010）**
| 变量 | 粗略 β (95% CI) | 调整后 β (95% CI) | p-value |
|------------|-------------|--------------|---------|
| 流动模式 | 0 次（无返程） | –0.25 (-0.35, -0.15) | <0.001 |
| | 1 次（一次返程） | –0.28 (-0.38, -0.17) | <0.001 |
| | 多次返程 | –0.39 (-0.49, -0.28) | <0.001 |
| | 家庭收入来源 | 人道主义援助 | 0.003 (-0.14, 0.15) | 0.967 |
| | 正式收入 | 0.25 (0.10, 0.41) | 0.001 |
| | 非正式收入 | –0.07 (-0.16, 0.01) | 0.108 |
| | 年龄（岁） | –0.002 (-0.005, 0.001) | 0.070 |
| | 性别 | –0.04 (-0.14, 0.04) | 0.322 |
| | 主要家庭收入来源 | 自己 | 0.03 (-0.06, 0.12) | 0.518 |
| | 配偶/伴侣 | 0.03 (-0.06, 0.12) | 0.518 |
| | 依赖者 | 0.07 (-0.03, 0.18) | 0.176 |
| | 种族（部落） | Bari | 0.28 (0.12, 0.44) | 0.001 |
| | Lugbara | 0.28 (0.12, 0.44) | 0.001 |
| | 其他 | –0.17 (-0.30, -0.04) | 0.010 |
| | 在 Bidibidi 的居住时间 | >5 年 | 0.12 (-0.03, 0.27) | 0.125 |
| | ≤6 人 | ≥6 人 | 0.15 (0.06, 0.23) | 0.001 |
| | 疾病状况 | 仅高血压 | –0.26 (-0.48, -0.05) | 0.014 |
| | 仅糖尿病 | –0.26 (-0.48, -0.05) | 0.014 |
| | 两种疾病 | –0.08 (-0.19, 0.02) | 0.090 |

**讨论**
本研究考察了乌干达北部 Bidibidi 难民收容所中患有高血压和/或糖尿病的难民的饮食多样性以及社会经济地位（SES）和跨境流动性的关联。观察到饮食多样性极为有限，参与者在过去的 24 小时内平均只摄入了两种食物组。饮食非常单调，主要以主食为主，包括谷物、豆类和蔬菜，而营养丰富且易腐烂的食物（如水果、动物性食物、鱼类和乳制品）的摄入量极少。鉴于慢性病管理所需的营养需求，这种饮食限制尤其令人担忧[50]。观察到的模式可能反映了长期难民生活的结构性限制，其中饮食选择主要受食物援助的组成和市场准入的限制，而非个人偏好或临床饮食需求[51]。该人群的饮食多样性得分始终较低，平均分为 2 ± 0.64，范围在 0–4 之间。这种狭窄的分布可能反映了潜在的最低值效应，这在严重食物不安全的环境中很常见[52]。这种有限的变异性可能会降低 DDS 检测饮食质量差异的敏感性。因此，这些发现应被解释为在整体饮食多样性较低的情况下的相对差异，而不是代表营养充足性的完整范围，DDS 应被视为食物组多样性的代理指标，而不是饮食质量或遵循疾病特定建议的直接指标。

**食物组消费模式（图 1）**显示了极端的饮食单调性，具有直接的临床意义。虽然主食（根茎类、蔬菜，70.4%）和蔬菜（69.9%）的摄入量较高，这与人道主义食物援助的组成一致，但鱼类（0.3%）和乳制品（0.1%）的几乎缺失，以及水果（6.8%）和动物性食物（6.2%）的极低摄入量尤其令人担忧。对于高血压患者来说，缺乏富含钾的食物（水果、蔬菜、乳制品）和钙（乳制品、鱼类）的饮食可能会加剧血压问题。对于糖尿病患者来说，缺乏瘦肉动物蛋白和高纤维水果可能会使血糖管理复杂化，并增加微量营养素缺乏的风险[53,54]。这种模式表明，该人群的营养挑战不仅限于热量不足，还包括对慢性病自我管理至关重要的食物组的严重缺乏。观察到的极低饮食多样性对营养状况有重要影响。DDS 被广泛认为是营养充足性的代理指标，因为单调的饮食会增加必需宏量和微量营养素摄入不足的风险[9,55]。在该人群中，以淀粉类主食为主，几乎不含水果、动物性食物和乳制品，表明蛋白质、铁、钙和维生素 A 和 B12 的缺乏风险增加，这些营养素对免疫功能、代谢控制和心血管健康至关重要[50,56]。虽然我们的研究没有直接测量人体测量或生化指标，但观察到的饮食模式表明，该人群可能面临复杂的营养风险，从而影响慢性病的结果。在其他流离失所和经济脆弱人群中也记录了单调的饮食；然而，Bidibidi 的情况更为严重。例如，阿尔及利亚的撒哈拉难民长期依赖食物援助，其平均 DDS 为 3.8 ± 1.4[48]。尽管这两种情况都以严重依赖淀粉类主食和缺乏富含维生素 A 的蔬菜、坚果和鸡蛋等微量营养素丰富的食物为特征，但 Bidibidi 的较低 DDS 表明食物可用性和获取方面的限制更为严重。在北非的移民人群中也观察到了类似的饮食模式，他们依赖谷物，水果、肉类和乳制品的摄入量较低[46]。这些比较将 Bidibidi 放置在关于流离失所和饮食的更广泛文献中，同时强调了该收容所饮食限制的极端严重性。

与研究目的一致，家庭收入来源和跨境流动性都与饮食多样性显著相关。有正式收入的难民的 DDS 高于依赖人道主义援助的难民，而依赖非正式收入的难民的 DDS 最低。这一发现表明，收入的稳定性和可预测性，而不仅仅是现金的获取，对于实现饮食多样性至关重要。非正式生计往往产生不稳定的收入，限制了家庭规划食物购买或持续获取多样化食物的能力。相比之下，正式收入可能使市场参与更加可预测，并支持慢性病自我管理所需的常规饮食实践。这些发现与全球关于社会经济稳定性和低资源环境中饮食多样性改善之间关系的证据一致[16,57]，也与撒哈拉难民的观察结果相符，经济稳定促进了更多样化的饮食[42]。我们认识到，收入来源是 SES 的一个狭窄代理指标，不能涵盖财富、资产、教育或社会资本；因此，结论仅适用于收入来源，而不是广义的 SES，未来的研究应包括全面的 SES 测量[58,59]。报告有跨境流动性的参与者比未旅行的参与者 DDS 更低。这种关联可能通过两个相互关联的途径起作用，这些是合理的假设，而不是本研究中直接测量的机制。首先，流动性可能会打乱日常生活，限制对食物配给、市场和食物准备的持续访问，这些都是维持饮食多样性的必要条件[53]。其次，跨境流动性可能标志着经济脆弱性，而不是机会。基于关于难民身份重组的新兴研究[60]，前往南苏丹的难民可能是由于在乌干达缺乏稳定的生计选择。因此，流动人群中较低的饮食多样性可能反映了旅行的破坏性影响以及潜在的经济不安全感。一些次要因素提供了进一步的见解。种族与饮食多样性（DDS）显著相关；来自Lugbara部落的参与者表现出更高的饮食多样性，这可能反映了更强的当地社会网络、农业专业知识或地理熟悉度，因为Lugbara人是西尼罗河地区的原住民。家庭规模也显示出意想不到的关联。与资源稀释假设相反，我们观察到拥有六个或更多成员的家庭饮食多样性更高（调整后的β=0.14，p=0.001）。这与乌干达北部其他难民定居点的证据一致，在那里较大的家庭规模与饮食多样性呈正相关，反映了资源的汇集和共同的生活方式[61]。在叙利亚难民群体中也记录了类似的动态[57]。在Bidibidi，这种动态可能解释了为什么尽管整体食物供应不足，较大的家庭仍能实现更高的饮食多样性。大多数参与者报告了食物不安全的情况，但使用的单一的“是/否”测量方法只能捕捉到严重的贫困情况。这一高比例（95.1%），加上该变量的二分性质，可能限制了我们检测饮食多样性与其他因素之间关联的能力。缺乏统计关系不应被解释为食物不安全与这一人群的饮食无关；相反，它突显了未来研究需要更细致、多维度的测量方法。

仅患有糖尿病（DM）的参与者平均饮食多样性最低，这需要进一步调查特定疾病的障碍或应对机制。总体而言，这些发现强调，患有高血压（HTN）和/或糖尿病的难民的饮食多样性不仅仅是一个营养问题，也是一个受结构性因素影响的护理挑战。研究结果表明，慢性病护理计划中的营养支持可以考虑结合生计和流动性因素。来自其他资源有限环境的证据表明，将营养咨询与经济支持机制（如食品券、现金转移或生计援助）结合起来可以改善饮食多样性[62,63]。基于这些证据，Bidibidi的未来研究应探讨针对高风险群体（包括频繁流动的人和依赖非正式收入的人）的干预措施是否能够有效改善饮食多样性。小规模的家庭园艺项目结合针对慢性病管理的营养教育在类似环境中显示出改善蔬菜获取和饮食多样性的潜力[64]。然而，由于我们的研究是横断面的，需要干预研究来确定将这些方法整合进来是否能够改善Bidibidi的饮食多样性或慢性病结果。

这项研究的一个主要优势是它关注了一个研究不足且临床上脆弱的群体，并使用了经过多重协变量调整的标准饮食多样性测量方法。该研究也存在几个局限性。首先，横断面设计限制了因果推断，无法评估饮食多样性的时间或季节性变化。因此，无法确定家庭收入来源、流动性模式和饮食多样性之间观察到的关联的方向性。其次，饮食多样性是通过24小时回忆法测量的。虽然这种方法能够捕捉到最近的食物摄入情况，但它可能无法反映习惯性的饮食模式，特别是在食物获取日变化较大的环境中；重复测量可以提高可靠性。第三，家庭经济状况是通过家庭收入来源而不是绝对收入或财富、资产、教育或社会资本等更广泛的指标来评估的。因此，这只是一个有限的代理指标，可能无法完全反映家庭之间的社会经济差异。第四，尽管采用了结合了随机分配抽样（RDS）某些元素的链式抽样方法，但并未收集所有参与者的网络规模，也没有系统地记录招募链接，这阻碍了RDS权重的计算。可能存在选择偏差，因为样本可能过度代表了具有更大社会网络或更愿意参与的个体。因此，描述性估计应被视为样本层面的发现，不能推广到Bidibidi所有患有高血压和/或糖尿病的难民群体。此外，缺乏抽样权重也可能影响关联的估计，因此应对发现持谨慎态度。第五，跨境流动性是通过返回旅行的频率来衡量的，没有涵盖其他相关维度，如旅行时间、目的、季节性、家庭层面的流动性或与食物分配周期的匹配情况。这些因素可能通过本研究未完全捕捉到的机制影响饮食多样性。第六，样本主要为女性（78.4%），这反映了由于跨境旅行导致许多男性缺席的情况，可能限制了对男性难民的普遍性。第七，仅患有糖尿病的参与者子组相对较小（n=37），这可能会降低子组特定估计的精确度。第八，我们没有收集营养状况的直接测量数据，如人体测量数据或详细的生化指标；因此，我们无法直接评估饮食多样性与营养或临床结果之间的关系。此外，饮食多样性的分布较窄，可能存在下限效应（平均值2.0，标准差0.64，范围0-4），这可能降低检测饮食质量差异的敏感性。因此，饮食多样性应被视为食物种类多样性的代理指标，而不是营养充足性或遵循高血压和/或糖尿病特定饮食建议的精确指标。最后，进行了敏感性分析以评估发现的稳健性。在排除了报告汇款的人、将分析限制在先前被诊断的人以及合并小型临床亚组后，结果在不同模型规格下是一致的。这些发现支持了观察到的关联的稳定性，尽管无法完全排除残余混杂和测量限制。

结论：Bidibidi中患有高血压和/或糖尿病的难民的饮食多样性极低，并且与跨境流动性和家庭收入来源独立相关。报告跨境流动的难民饮食多样性较低，而拥有正式收入的难民饮食多样性较高，相比之下，依赖人道主义援助或非正式收入来源的难民饮食多样性较低。这些发现表明，这种环境下的饮食模式主要受到影响食物稳定获取和生计机会的结构性约束的影响。因此，改善难民环境中的慢性病管理可能需要综合策略，同时解决营养、生计和流动性问题，以支持持续的自我管理和长期健康结果。

利益冲突声明：作者声明没有利益冲突。

CRediT作者贡献声明：
Bishal Gyawali：概念化、方法论、正式分析、数据管理、可视化、验证、初稿撰写、审稿与编辑。
Dricile Ratib：调查、监督、审稿与编辑。
Tania Dr?bel：监督、审稿与编辑。
Esther Kalule Nanfuka：监督、审稿与编辑。
Rita Nakanjako：监督、审稿与编辑。
David Kyaddondo：监督、审稿与编辑。
Susan Whyte：监督、审稿与编辑。
Emmanuel Raju：监督、审稿与编辑。
Ib Christian Bygbjerg：监督、审稿与编辑。
Dan Wolf Meyrowitsch：监督、审稿与编辑。
Morten Skovdal：概念化、资金获取、监督、项目管理、审稿与编辑。

CRediT作者贡献声明：
Bishal Gyawali：审稿与编辑、初稿撰写、可视化、验证、软件、方法论、调查、正式分析、数据管理、概念化。
Dricile Ratib：审稿与编辑、验证、监督、资源管理、调查、概念化。
Tania Dr?bel：审稿与编辑、监督。
Esther Kalule Nanfuka：审稿与编辑、监督。
Rita Nakanjako：审稿与编辑、监督。
David Kyaddondo：审稿与编辑、监督。
Susan Whyte：审稿与编辑、监督。
Emmanuel Raju：审稿与编辑、监督。
Ib Christian Bygbjerg：审稿与编辑、监督、概念化。
Dan Wolf Meyrowitsch：审稿与编辑、监督、审稿与编辑。
Morten Skovdal：审稿与编辑、监督、资源管理、项目管理、方法论、资金获取、概念化。