
-
生物通官微
陪你抓住生命科技
跳动的脉搏
比较潜在类别分析与聚类分析在识别澳大利亚成年人时间性饮食模式中的应用
《Proceedings of the Nutrition Society》:Comparison of latent class analysis and cluster analysis for identifying temporal eating patterns in Australian adults
【字体: 大 中 小 】 时间:2026年07月04日 来源:Proceedings of the Nutrition Society 7.1
编辑推荐:
摘要 此内容不支持核心分享和HTML查看功能。不过,由于您有权限访问该内容,可通过“保存PDF”按钮获取完整PDF版本。 有研究指出,不同的进食时间模式(TEPs)——即一天中进食次数的时间、频率及顺序(1,2)——与饮食质量及肥胖率存在关联,但研究结果并不一致(1–4)。这种差
有研究指出,不同的进食时间模式(TEPs)——即一天中进食次数的时间、频率及顺序(1,2)——与饮食质量及肥胖率存在关联,但研究结果并不一致(1–4)。这种差异可能源于用于分析TEPs的方法及输入变量的不同,但目前直接比较这些方法的研究较少。本研究旨在对比两种常用的分析方法:潜类分析(LCA)和基于改进动态时间规整的聚类分析(MDTW),以探究这两种方法在确定TEPs及其与饮食质量、肥胖率关联方面的效果。这项横断面研究分析了澳大利亚维多利亚州672名18至65岁成年人的数据,这些参与者在2017年至2020年期间通过“FoodNow”智能手机应用完成了为期七天的食物日记记录,作为“EveryDayLife”调查的一部分。LCA的分析以每天各时段的进食次数为输入变量,而基于MDTW的聚类分析则以每小时的平均能量摄入量为输入变量。饮食质量通过饮食指南指数(DGI)进行评估,体重指数(BMI)则根据参与者自我报告的身高和体重计算得出。通过模式可视化、成员重叠度分析、卡帕统计值,以及利用线性回归分析解释饮食质量和BMI时的方差(调整后R2值),对LCA和基于MDTW的聚类分析方法进行了比较。两种方法都识别出了三种TEPs,其中规模最大的第一类和第一簇在早上7点至9点、中午12点,以及晚上18点至19点时,进食次数和能量摄入量的条件概率出现峰值,这与澳大利亚传统的用餐时间相符。第二类和第二簇的特点是午餐时间较晚,为下午1点,且晚上进食高峰出现在19点之后。规模最小的第三类和第三簇的进食次数和能量摄入量较为均匀,且集中在一天中的早些时段(早上7点至中午12点)。这些TEPs之间的成员重叠度处于中等水平(第一类和第一簇为66.8%,第二类和第二簇为56.2%,第三类和第三簇为73.1%),一致性也较好(κ = 0.37,p < 0.001)。第一类的饮食质量优于第二类(β = 4.8 ± 1.2,p < 0.001),第二类的饮食质量是三类中最差的;第一簇的饮食质量也优于第二簇(β = 2.6 ± 1.3,p = 0.044)。研究未发现TEPs与BMI之间存在显著关联。LCA在解释饮食质量方面的方差略高于基于MDTW的聚类分析(分别为6%和4%),而在解释BMI方面的方差则两者相近(均为约11%)。综上所述,虽然两种方法识别出的TEPs相似,但并不能互相替代。当研究的主要目标是评估饮食质量时,LCA更为合适;而当需要分析能量摄入的时间模式时,基于MDTW的聚类分析效率更高,这在研究健康相关结果时具有优势。研究人员应根据具体研究目标选择合适的分析方法。
生物通微信公众号