评估全国范围内的减钠干预对钠摄入量、膳食钠来源和人群随意盐使用的影响。
数据(24小时尿钠排泄、自我报告调查、24小时饮食回忆)在基线(2016/2017年)和随访(2020年)从澳大利亚维多利亚州的成年人中横断面收集。干预活动包括提高消费者意识的广告宣传活动、通过大众媒体引发公众辩论、加强现有政策举措和支持食品工业创新。
基线时有339名参与者，随访时有211名参与者，其中144名和90名参与者分别完成了24小时饮食回忆。基线组和随访组调整后24小时尿钠排泄量无差异(134 vs 131 mmol/24 h;p=0.260)。在烹饪过程中加入盐的参与者比例没有差异(63% vs 68%;P=0.244)，在餐桌上加盐(34% vs 37%;P=0.400)或定期卫校专业采取行动控制盐/钠摄入量(22% vs 21%;p=0.793)。来自零售商店的膳食钠含量差异很大(57% vs 77%， p < 0.001)，来自新鲜食品市场的钠含量较少(13% vs 2%;P≤0.001)。不同加工水平的食物或不同的食物组之间没有明显的差异。
在维多利亚州成年人继续摄入高于推荐水平的钠的情况下，为期4年的多组分维多利亚州减盐干预对钠摄入量没有明显的人群水平影响。研究结果表明，在国家层面的支持下，针对零售和食品行业的更密集和持续的努力可能需要在州一级实现可测量的钠摄入量改善。
钠(盐)过量消费对健康和经济的不利影响是众所周知的[1]。高盐摄入导致血压升高，是心血管疾病(CVD)的主要原因[1]。在澳大利亚，400万澳大利亚人患有心血管疾病[2,3];2019年，心血管疾病占所有死亡人数的26%[3,4]。世界卫生组织(WHO)建议成年人应将盐摄入量限制在每天少于5克(g/d)[5]，但最近澳大利亚的一项系统综述估计，平均盐摄入量为9.6克/天[6]。作为世界卫生组织成员国，澳大利亚承诺到2025年实现人口盐摄入量减少30%的目标[7,8]。在英国[9]、芬兰[10]和加拿大[11]，减少盐的人口方法已经很有前景;建模表明，它们具有成本效益或节省成本[12]，在减轻非传染性疾病负担方面具有经济可行性[13]。然而，尽管如此，迄今为止，澳大利亚在减少盐摄入方面的努力仍然有限[14]。
大约四分之一的澳大利亚人口居住在维多利亚州[15]。为了解决维多利亚州盐的过度消费问题，2015年成立了维多利亚减盐伙伴关系[16]。这是与健康相关的非政府和政府组织的主要利益相关者与宁波工程学院怎么样学术界(心脏基金会、VicHealth、维多利亚卫生部、乔治全球健康研究所和迪肯大学体育活动与营养研究所)之间的合作伙伴关系。维多利亚减盐伙伴关系制定了一个雄心勃勃的目标，即在4年内(到2020年)将成年人的盐摄入量减少1克/天[17]。有四个主要的干预组成部分:(1)提高消费者意识，以改善与盐摄入有关的态度和改变行为(例如，消费者意识广告活动);(2)引发公众辩论(通过大众媒体宣传);(3)加强现有政策举措(例如，州政府机构营养政策);(4)支持食品创新(例如，让食品制造商参与，开发重新配方进展的案例研究，并为食品制造商提供成功的重新配方指导)[18]。19)。在项目2015-2019年(延长至2020年)期间，对该倡议进行了全面评估[17]。这包括对小学学龄儿童的影响的研究[20];利益相关者访谈[21,22,23];工艺与经济评价;每一项将分别报告。
本研究的目的是评估全州范围内的钠减少干预对钠摄入量、膳食钠来源(食品类别、加工的NOVA水平、购买的来源)和人口水平上随意使用盐的影响;并最终确定维多利亚减盐伙伴关系的理想目标，即到2020年将维多利亚成年人的盐摄入量平均减少1克/天，是否实现。
这一评价很重要，因为研究结果可以为未来国家和国际减盐倡议的设计提供信息。
数据在2016/2017年的基线进行横断面收集[24]，并在2019/2020年进行随访。在这两个时间点的数据收集方法已在前面详细描述[24]，并简要总结如下。
每个时间点的样本量为400人，以成人平均盐摄入量为9 g/d为基础，检测盐摄入量随时间变化的差异≥1 g/d的能力至少为90%[25]。没有达到每个时间点计算的样本量，使用R[26]中收集的实际数据和simr包进行事后功率计算。这一重新估计表明，基线和随访时的最终样本量(结果部分报告)足以检测到1 g/d的变化(基于100次模拟，功率约为100%)。
该研究前/研究后设计的每个时间点的样本旨在反映按年龄和性别分层的全州成年人口，其招募策略旨在实现这一目标[27]。基线参与者是从2014年进行的先前研究中招募的(如果他们同意未来的研究)[28]，通过从维多利亚州选民名册中随机选择，并在迪肯大学城市和地区校园举行的大学迎新周期间招募(方便抽样以招募年轻人)[24]。后续参与者是从2016/2017年的研究(如果他们同意未来的研究)中招募的，这是维多利亚州选民名册和2020年大学迎新周期间的新随机选择。年龄≥18岁的人符合条件，但如果年龄> 65岁，居住地点离澳大利亚认可的用于尿液分析的商业病理服务提供商不近，或正在接受化疗，则被排除在外。
所有潜在的参与者都收到了邀请函、同意书和简单的语言声明。参与者提供书面知情同意书。同意参与者的子样本(也按年龄和性别分层)被邀请通过电话进行24小时的饮食回忆。在完成24小时尿液收集和调查后，我们会寄给参与者一张20元的超市代金券，以感谢他们的时间。
最初的计划是复制基线邮件发送过程，并邀请相同数量的参与者;然而，维多利亚州于2020年3月30日实施了新冠肺炎封锁(居家隔离令)，这大大缩短了邮寄时间。后续数据收集工作已于2019年底开始，并一直持续到2020年3月29日，当时Covid-19大流行开始对维多利亚州人口产生重大影响，除了四个原因(即食品和用品、医疗保健、锻炼和不能在家进行的基本工作/教育)外，命令留在家中。招募受到参与者离开家将尿液收集物归还给病理提供者的能力的影响。后续数据收集于2020年8月完成。
华中师范大学专升本一份收集了人口统计数据(年龄、性别、邮政编码)、身高和体重、药物、补充剂和可随意使用的盐的硬拷贝调查问卷连同尿液收集耗材一起邮寄给同意的参与者。调查问卷通过付费信封寄出。三个问题评估了参与者是否经常在餐桌上加盐，是否经常在烹饪时加盐，以及他们是否定期控制盐或钠的摄入量。
向同意的参与者发送尿液收集包，其中包含24小时尿液收集耗材和现场收集、说明和时间表(未收集尿液的日期、时间和数量)。参与者被要求在适合他们的一天24小时内收集尿液，并在第一次早晨排空后开始收集。参与者将他们的标本送到当地的多列维奇病理中心进行分析。采集24h内标本(50 ml)，统计尿量和钠排泄量。钠含量测定采用离子选择电极，肌酸酐测定采用Jaffe碱性苦味酸，动力学与黑率校正方法在西门子ADVIA 2400自动分析仪。
根据参与者的可用性，在收集尿液的2周内通过电话进行24小时饮食召回。在这两个时间点，它的目的是从200名参与者的子样本中收集数据，反映维多利亚州人口的年龄和性别。采用了五步法，包括:(1)快速列表，(2)遗忘食物，(3)时间和场合，(4)细节周期和(5)最终调查[29]，参与者使用之前邮寄给他们的澳大利亚健康调查食品模型小册子[30]估计召回期间的份量。问题是“你从哪里得到这个/这个(食品名称)的大部分成分?”确定了来源[31]，并根据澳大利亚的情况量身定制了回答类别。回答类别包括商店(如杂货店、超市、便利店、专卖店);新鲜食品市场(例如肉店、本地/农夫/水果/蔬菜市场、绿色食品杂货店);快餐厅或外卖/外卖(如快餐连锁店或外卖);提供全方位服务的餐厅(如餐厅、咖啡厅);酒吧或酒馆;自动售货机;体育、康乐或娱乐设施(例如体育俱乐部、电影院、音乐厅);生长的或捕获的;别人送的/礼物;自来水;不知道;其他请注明。数据输入到FoodWorks版本8 (Xyris)。如果报告了混合菜肴，则将其映射到澳大利亚营养成分数据库(AUSNUT 2011-2013)[32]中可获得的最匹配混合菜肴等效食品代码中，或者将食谱中的分解成分及其后续消费部分输入Foodworks[24]。关于配方管理的更多细节已经在前面描述过[24]。由于量化量的不一致，参与者随意添加的盐没有进入Foodworks。
所有数据均在StataSE 15.0版本(StataCorp LLC)中进行分析。考虑到其目的是在反映维多利亚人口年龄/性别分布的样本中检查钠/盐的消费量;样本使用维多利亚(2016)的人口普查数据进行性别和年龄加权[27]。根据分析的子样本，使用了两种权重——一种用于尿液完成者，另一种用于饮食回忆完成者。所有分析均使用Stata软件中的pweight命令进行，p值< 0.05认为有统计学意义。
人口统计和调查数据
使用自我报告的数据[体重(kg)/身高(m2)]计算身体质量指数(BMI)，并根据世卫组织定义将其分为人体测量状态类别[33]。在邮政编码水平上，使用相对社会经济劣势地区指数(SEIFA)来确定参与者的社会劣势水平[34]。计算描述性统计[平均值、标准差、95% CI、n、百分比(%)]。
对随意使用盐问题的回答分为是(总是/经常/有时)和否(从不/很少)。不知道的回答被排除在分析之外。使用调整了年龄、性别和社会经济劣势的Logistic回归模型来确定从基线到随访期间报告任意盐使用行为的参与者百分比的变化。后估计用于导出调整后的百分比。
尿液收集数据
尿液收集时间标准化为24小时。用肌酐排泄量评估尿的完整性[35]。尿收集过少和过多的评估采用先前公布的标准[24,25,28,36]，包括:肌酐排泄量(女性< 4 mmol/24小时;雄性< 6 mmol/24小时);极端异常值肌酐排泄量(与性别平均值相比> 3 SD);尿量< 500ml，漏尿多于一个(> 300ml)。用Na (23 g/mol)和氯化钠(58.5 g/mol)的分子量将mmol转化为mg。计算了超过世界卫生组织每日钠摄入量< 2000 mg/d(相当于5 g/d的盐)指南的成年人的百分比。样本的中位数钠摄入量也与国家卫生和医学研究委员会建议的钠膳食目标(SDT)[86毫摩尔/天(2000毫克/天钠)][37]一起进行了检查。
使用混合效应回归模型来确定基线和随访期间24小时尿排泄评估的钠(盐当量)摄入量的差异。在进行回归分析之前，进行诊断以检查模型假设，以检查数据的正态性，包括使用直方图可视化表示数据的正态性。该模型针对之前与盐摄入量相关的固定影响进行了调整:年龄、性别、社会经济劣势、BMI和尿液收集日期(工作日与周末)。随机效应包括在模型中，以解释那些(n=218)参与基线和随访的人。初始分析未进行调整(模型1未进行调整);调整年龄、性别、BMI、SEIFA(模型2调整)和调整年龄、性别、BMI、SEIFA和周末/工作日收集(模型3调整)。
膳食召回数据
每个报告的食品项目与AUSNUT 2011-2013食品成分数据库中的代码相匹配[32]，并计算钠和能量摄入量。身体质量比(BMR)使用Schofield方程[38]和Goldberg方法(即能量摄入/估计BMR的比率)进行估算，该方法用于识别能量摄入的潜在漏报，并为样本量提供适当的临界值[39]。在排除在分析之外之前，由三名研究人员(KAB, CG, CN)评估低报者的个人饮食记录，其中两名是营养师，以确定是否将参与者排除在外。使用他们的专业判断和额外的信息，关于食物的种类和数量，以及参与者对“你昨天吃的食物比平时多很多，平常，还是比平时少很多?”“最终决定以漏报为由予以排除。AUSNUT 2011-2013数据库包含2位和3位数字分类代码，分别将食品分为主要和次主要食品组[32]。NOVA分类系统根据食品的加工水平(最低加工、加工、加工烹饪成分、超加工)将食品分为四类[40]，如前所述，该分类系统应用于AUSNUT 2011-2013食品成分数据库中的食品项目[41]。此外，根据澳大利亚健康饮食指南(Australian Guide to Healthy Eating)的定义，所消费的食物被分类为核心或可自由选择的[42,43]。采用平均比率法考察不同食品类别(即主要食品、次主要食品、NOVA食品、核心食品和非必需食品)对钠的贡献以及食品购买来源[44]。采用线性回归模型评估各时间点营养摄入和钠来源的差异，并对年龄、性别、BMI、社会经济劣势、能量摄入(千热/天)和饮食回忆日(工作日与周末)进行调整。初始分析未进行调整(模型1未进行调整);调整年龄、性别、BMI、SEIFA(模型2调整)，调整年龄、性别、BMI、SEIFA和周末/工作日收集和能量摄入(模型3调整)。
迪肯大学健康学院人类伦理咨询小组批准了这项工作(HEAG-H 71_2016)。
摘要
背景
方法
结果
讨论
优势与局限
结论
数据和材料的可用性
缩写
参考文献
致谢
作者信息
道德声明
补充信息
搜索
导航
#####
在基线时，如前所述[24]，6169人被邀请，462人参与，回复率为7.5%。随访时的回复率相似，邀请了3539人，300人参与，回复率为8.5%(补充表1)。补充图1包含了招募、同意和参与的深入摘要。在基线时，在365名同意的参与者中，26名被排除在分析之外[收集的数据不完整(n=10)，尿液样本丢失(n=9)和符合尿液排除标准(n=7)]，留下339份有效的尿液收集。在随访中，在223名同意的参与者中，12名被排除在分析之外[参与者年龄范围外(n=1)，数据收集不完整(n=5)，符合尿液排除标准(n=6)]，留下211份有效的尿液收集。在155名在基线时完成饮食回忆的参与者中，有4人被确定为报告不足，7人没有报告体重，因此无法确定报告不足的状态，因此被排除在分析之外，留下144名有效的饮食回忆。在随访中，在完成饮食回忆的97名参与者中，有7人被确定为报告不足，并被排除在分析之外，剩下90名有效的饮食回忆。
对2020年3月30日之前covid -19大流行前收集的随访数据(65%的尿液收集，57%的24小时饮食回忆，补充表2，补充表4)进行敏感性分析，收集的covid -19大流行前和后的数据没有统计学差异。下面提供的所有分析都包括完整样本，包括在Covid-19封锁限制之前和期间收集的数据。
表1列出了基线和随访时参与者的人口统计学特征。除年龄外，基线和随访时参与者的人口统计学变量(包括按饮食回忆状态分层时)没有统计学上的显著差异。总体而言，从饮食回忆状态来看，随访时的参与者年龄更小(p < 0.05)，总体样本的平均年龄约为2岁，饮食回忆样本的平均年龄为7岁。超过三分之二的参与者在工作日收集尿液。在随访中，较高比例的参与者在工作日完成了饮食回忆(基线72.7% vs随访88.9%，p < 0.003)。
在未调整和调整的模型中，基线和随访之间的盐摄入量没有统计学上的显著差异(表2)。在两个时间点，平均盐摄入量都超过了世卫组织推荐的5 g盐/d的限制——基线时，参与者的平均盐摄入量为7.8 g/d，随访时为7.7 g/d。如果包括10%的非尿失调整，这将分别相当于8.6 g/d和8.5 g/d。此外，钠排泄量中位数超过NHMRC SDT 86 mmol/d，基线为120.9 mmol/d，随访为130.5 mmol/d。
在未调整模型和调整模型中，基线和随访之间的盐摄入量均无统计学差异(表2)。基线和随访时，食物和饮料来源的平均盐摄入量分别为6.7 g/d和7.3 g/d。
后续，以谷类为主的什锦菜;与基线相比，咖啡和咖啡替代品以及甜饼干对每日钠的贡献显著增加(p < 0.05)(表3)。相反，加工肉类、英式松饼、扁平面包、咸面包和甜面包以及鸡蛋在随访中对每日钠的贡献显著减少(p < 0.05)。主要种类的钠的食物来源见补充表3。
对分类为核心食品或非必需食品的检查(图1)显示，在两个时间点上，超过三分之二的钠来自核心食品，随着时间的推移没有显著变化。根据加工水平对食品的进一步检查(图2)显示，在基线和随访的24小时饮食回忆中报告的四种加工类别中，钠对每日摄入量的贡献百分比几乎相同。超加工食品贡献了每日近50%的钠。
根据24小时膳食召回报告，钠的贡献由核心和酌情分类。数据为平均值±SE。基线n=143，随访n=90。注:按核心分类和酌情分类的能量摄入量没有差别(数据未显示)
通过24小时饮食召回报告的加工水平对钠的贡献。根据NOVA食品组分类对食品进行分类[40,41]。数据为平均值±SE。请注意，NOVA分类的能量摄入没有差异(数据未显示)
影响钠摄入量的前三大购买来源(基线与随访)是杂货店/超市(57%对77%)、快餐服务/外卖/外卖(9%对12%)、全方位服务餐厅(9%对5%)(表4)。尽管杂货店/超市在两个时间点贡献了最高的每日钠摄入量百分比，但在随访中贡献了超过三分之一(基线57%对随访77%，p < 0.001)。相反，在随访中，新鲜食品市场在随访中的贡献减少了11%(基线为13%，随访为2%，p < 0.001)。
在调整后的分析中，随时间的任意盐用量没有统计学上的显著差异(表5)。报告采取任何行动控制盐/钠摄入量的参与者的百分比没有变化。
下载原文档：https://link.springer /content/pdf/10.1007/s00394-023-03210-z.pdf
