JoVE Logo

로그인

JoVE 비디오를 활용하시려면 도서관을 통한 기관 구독이 필요합니다. 전체 비디오를 보시려면 로그인하거나 무료 트라이얼을 시작하세요.

기사 소개

  • 요약
  • 초록
  • 서문
  • 프로토콜
  • 결과
  • 토론
  • 공개
  • 감사의 말
  • 자료
  • 참고문헌
  • 재인쇄 및 허가

요약

이 논문은 인구 식단 조사 데이터 분석을 위해 영양소 및 식품군 섭취량과 영양소 섭취량에 대한 식품군의 기여도를 계산하기 위해 간단한 공식을 사용하는 통합 스프레드시트 시스템을 제시합니다. 이 시스템은 정량적, 반정량적, 비정량적 식품 섭취 데이터와 사용자 제공 식품 구성 테이블을 수용합니다.

초록

기존 영양 분석 소프트웨어는 일반적으로 개인의 섭취량을 분석하는 데 중점을 두고 사용자가 분석에 사용된 식품 구성 데이터를 입력하거나 쉽게 수정할 수 없기 때문에 인구 집단 식단 조사에서 영양소 섭취량을 계산하는 것이 어려울 수 있습니다. 이는 저소득 및 중간소득 국가에서 더 문제가 되는 단점입니다. 온보드 영양 분석을 수행하고 대규모 설문 조사에 사용하기에 적합한 수많은 소프트웨어 지원 식이 평가 플랫폼이 있지만, 종종 비슷하게 제한적이며 사용자가 특정 평가 방식에 더 많이 제한되는 경우가 많습니다. 이 백서는 데이터가 수집되었지만 기존 소프트웨어로 적절하게 분석할 수 없는 상황에 대한 솔루션을 제공하는 인구 식단 조사(ISNAPDS)의 영양 분석을 위한 통합 스프레드시트의 다기능 시스템을 제시합니다. 이 프로토콜은 식품 구성, 식품 그룹 분류 및 식품 섭취량에 대한 완전히 사용자 정의 가능한 데이터를 시스템에 제공하는 것을 포함합니다(g/일 단위의 식품 섭취량은 직접 입력하거나 사용자가 제공한 섭취 빈도 및 표준 또는 다양한 서빙 크기에 따라 계산될 수 있음). 데이터 입력 후 사용자는 미리 채워진 간단한 수식 집합을 수정하여 입력 데이터의 구조와 일치시키면 시스템은 이러한 수식을 적용하여 영양소 및 식품군 섭취량을 계산하고 설문조사 모집단의 모든 구성원에 대한 영양소 섭취량에 대한 식품군의 기여도를 계산합니다. ISNAPDS 시스템의 유연성을 통해 전 세계적으로 소비되는 식품의 다양성을 수용하고 다양한 참조 기간 및 부분 크기 추정 방법을 사용하는 전향적 및 후향적 평가 방법을 사용하여 수집된 정량적, 반정량적 및 비정량적 식품 소비 데이터를 분석할 수 있습니다. 현재까지 이 시스템은 중국, 에티오피아, 인도, 몽골, 태국의 인구 조사와 사하라 사막 이남 아프리카 10개국의 다국적 분석에서 얻은 24시간 리콜, 다이어트 기록, 음식 빈도 및 세분화된 가계 소비 데이터의 발표 및 지속적인 분석에 적용되었습니다.

서문

인구, 식량 및 영양소 섭취에 대한 데이터는 인구의 영양실조 부담과 식단과 건강 간의 관계를 이해하는 데 중요하며, 증거 기반 영양 정책 및 프로그램을 설계, 모니터링 및 평가하는 데 중요한 역할을 합니다 1,2.

음식 섭취에 대한 데이터가 수집된 후, 소프트웨어를 사용하여 섭취하는 각 음식의 양에 영양소 성분을 곱하여 영양소 섭취에 대한 데이터(영양 분석)3를 얻는데, 이는 메인프레임 컴퓨터4가 출현하기 전까지 수동으로 수행되던 프로세스입니다. 이러한 작업을 수행하는 수많은 소프트웨어 도구가 있지만, 일반적으로 인구 조사보다는 개인 분석에 중점을 두고 있다 5,6. 대규모 설문조사에서 영양소 섭취량을 계산하고자 하는 조사관은 능숙하지 않은 통계 소프트웨어를 사용하여 프로그램을 작성하거나 개인을 위해 설계된 소프트웨어를 설문조사 모집단의 모든 구성원에게 적용하고 결과를 컴파일하는 데 의존할 수 있습니다. 이 작업은 시간이 많이 걸리고 오류가 발생하기 쉽습니다. 또한, 기존의 영양 분석 소프트웨어는 특정 설문조사에 소비된 모든 식품이나 관심 영양소를 포함하지 않을 수 있으며, 사용자가 분석에 사용된 식품 구성, 서빙 크기 및 식품 그룹 분류에 대한 데이터를 입력하거나 쉽게 사용자 정의할 수 있도록 할 수 있습니다. 기내 영양 분석을 수행하고 대규모 설문조사7에 사용하기에 적합한 많은 소프트웨어 지원 식이 평가 플랫폼이 존재하지만, 이러한 플랫폼들은 종종 비슷하게 제한적이며 사용자를 특정 평가 방식(예: 다이어트 기록, 24시간 다이어트 회상 또는 지정된 기준 기간 동안 일반적으로 식품을 섭취한 빈도 회상)으로 제한합니다.

이러한 단점은 저소득 및 중간소득 국가(LMIC)에서 더욱 문제가 되는데, 현지 식품 구성, 조리법 및 기타 참조 데이터가 대부분 고소득 국가에서 사용하도록 설계된 기존 식이 평가 및 영양 분석을 위한 소프트웨어에 대부분 표시되지 않는 경우가 많기때문입니다 2,7,8. 따라서 인구 집단의 영양소 섭취량에 대한 데이터를 수집하는 연구자는 설문 조사 모집단 또는 연구 질문에 적합하지 않은 소프트웨어 지원 식이 평가 도구를 사용하거나 온보드 식품 구성 데이터 또는 힘든 펜과 종이 방법을 포함하지 않을 수 있는 특수 제작된 도구를 사용할 수 있습니다. 이 두 가지 모두 영양 분석을 위한 별도의 솔루션이 필요합니다9. 따라서 기존 소프트웨어의 부적절성은 LMIC에서 효과적인 영양 전략을 구현하는 데 필요한 고품질의 시간 관련 식품 및 영양소 섭취 데이터를 생성하는 데 수많은 다른 장애물을 가중시킵니다2. 최근에 개발된 INDDEX24식이 평가 플랫폼은 LMIC10,11,12의 이러한 데이터 격차를 해소하기 위한 주목할 만한 노력입니다. INDDEX24는 간소화된 데이터 수집을 위해 모바일 앱을 사용하며, 이 앱은 전 세계 식품 구성, 표준 조리법 및 식이 참조 데이터의 광범위하고 성장하는 저장소인 Global Food Matters Database와 원활하게 연결됩니다13. 그러나 INDDEX24 24시간 리콜 수집으로 제한되며, 이는 인구 조사에 사용하기 위해 가장 광범위하게 적용 가능한 평가 방법으로 간주되지만, 특히 긴 참조 기간이 필요한 경우(식품 빈도 설문지를 수집하는 것이 더 적절할 수 있음) 모든 연구 목적을 달성하지 못할 수 있습니다.

이 논문은 데이터가 수집되었지만 기존 소프트웨어가 이를 분석하기에 적합하지 않은 상황에 대한 솔루션을 제공하는 인구 식단 조사(ISNAPDS)의 영양 분석을 위한 통합 스프레드시트의 다기능 시스템을 제시합니다. 이 프로토콜은 식품 구성, 식품군 분류 및 식품 섭취량에 대한 완전히 사용자 정의 가능한 데이터를 시스템에 제공하는 것을 포함합니다(g/일 단위의 식품 섭취량은 직접 입력하거나 사용자가 제공한 섭취 빈도와 표준 또는 가변 서빙 크기에 따라 계산할 수 있음). 데이터 입력 후 사용자는 미리 채워진 간단한 수식 집합을 수정하여 입력 데이터의 구조와 일치시킵니다. 그런 다음 시스템은 이러한 공식을 적용하여 설문 조사 모집단의 모든 구성원에 대한 영양소 및 식품군 섭취량과 영양 섭취량에 대한 식품군의 기여도를 계산합니다. ISNAPDS 시스템의 유연성을 통해 소비되는 식품의 전 세계 다양성을 수용하고 다양한 참조 기간 및 부분 크기 추정 방법(예: 단일 또는 반복 다이어트 기록 또는 리콜 또는 식품 빈도 설문지)을 사용하는 전향적 및 후향적 평가 방법을 사용하여 수집된 정량적, 반정량적 및 비정량적(즉, 정성적) 식품 소비 데이터를 분석할 수 있습니다.

ISNAPDS에 대한 오리엔테이션, 프로토콜 단계 요약 및 수식 설명:
ISNAPDS 시스템(Supplemental File 1)은 원래 2012년에 개발된 Microsoft Excel Open XML(.xlsx) 파일입니다. 여기에 사용된 버전은 Excel 365를 사용하여 2022년에 개발되었습니다.

ISNAPDS는 표준 또는 가변 서빙 크기(g/서빙으로 표시), 식품 구성(단위/일), 식품 그룹 분류, 식품 섭취 빈도(서빙/일)에 대한 입력 데이터를 식품 섭취량에 대한 출력 데이터(g/일, 쉽게 사용할 수 있는 경우 입력 데이터로 제공될 수 있음)에 대한 출력 데이터로 변환하는 수식으로 연결된 8개의 스프레드시트로 구성됩니다. 식품군 섭취량(g/일), 영양소 섭취량(단위/일) 및 영양소 섭취량에 대한 식품군의 기여도(단위/일). 이 시스템은 수식이 각 시트의 식품, 관찰, 영양소 및 식품 그룹을 다른 시트의 올바른 대응물과 일치시킨다는 점에서 통합됩니다. 모든 시트는 단일 파일에 포함되어 있습니다. 시스템에는 시스템의 기능을 입증하는 10개의 관찰에 대한 예제 입력 및 출력 데이터가 미리 채워져 있습니다(시스템 및 프로토콜에서 관찰이라는 용어는 반복되는 다이어트 기록 또는 리콜의 경우와 같이 개인 또는 인일을 나타낼 수 있음).

ISNAPDS를 사용하기 위한 프로토콜은 4가지 주요 단계를 포함합니다: (1) 음식 섭취 데이터가 g/day 단위로 사용자에 의해 제공되는지 또는 섭취 빈도 및 서빙 크기에 따라 계산되어야 하는지 여부, 그리고 (음식 섭취량을 계산해야 하는 경우) 각 음식이 표준 서빙 크기와 관련이 있는지 또는 각 음식의 서빙 크기가 관찰 간에 다른지 여부를 지정합니다. (2) 식품 구성, 식품 그룹 분류, 표준 또는 다양한 서빙 크기와 함께 식품 섭취 또는 섭취 빈도에 대한 데이터를 구성하고 입력합니다. (3) 입력 데이터의 구조와 일치하도록 출력 스프레드시트에 미리 채워진 수식을 수정하는 단계; (4) 원하는 결과를 채우기 위해 출력 데이터 시트 내에서 수식을 전파합니다. 음식 섭취 데이터를 채우기 위해 지정된 방법 및 사용자가 영양소 섭취량, 식품군 섭취량 또는 영양소 섭취량에 대한 식품군의 기여도를 계산하는 데 관심이 있는지 여부에 따라 일부 프로토콜 단계의 일부를 건너뛸 수 있습니다. 그림 1 은 음식 섭취 데이터와 원하는 출력 데이터를 채우는 주어진 방법에 필요한 프로토콜 단계와 입력 데이터를 요약한 순서도입니다.

figure-introduction-4275
그림 1: 프로토콜 순서도. 프로토콜 단계 및 음식 섭취 데이터를 채우는 방법과 원하는 출력 데이터를 제공하는 데 필요한 입력 데이터에 대한 요약. 2단계(데이터 구조화 및 입력)는 데이터 구조화와 관련된 단계 및 단계의 일부를 제외하도록 단순화되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

각 관찰에 대해 ISNAPDS는 각 음식의 섭취 빈도에 서빙크기 14를 곱하여 g/day 단위의 음식 섭취량을 계산합니다(이러한 데이터가 사용자가 제공하지 않는 경우). 각 식품군의 섭취량을 계산하려면 해당 식품군에 속하는 것으로 분류된 모든 식품의 섭취량을 간단히 합산하는 것이 포함됩니다. 영양소 섭취량을 계산하는 공식은 각 식품의 섭취량에 100g당 해당 식품의 각 영양소 농도를 곱하고 100으로 나누고 섭취한 모든 식품의 결과를 합산하는 것입니다3. 각 영양소 섭취량에 대한 각 식품군의 기여도를 계산하기 위해 식품군과 영양소의 각 조합에 대해 동일한 공식을 개별적으로 적용하기만 하면 됩니다.

신규 사용자는 ISNAPDS 스프레드시트에 데이터를 입력하고 조작하기 위한 두 페이지 분량의 추가 지침(보충 파일 2)을 검토하여 오류를 방지하고 시트 간의 통합을 유지하는 것이 좋습니다. 이러한 지침은 또한 눈에 보이는 오류(예: #REF! 또는 #VALUE를 표시하는 셀) 및 대표 결과에 설명된 데이터 무결성 검사를 실행할 때 감지될 수 있는 오류를 해결하는 데 사용할 수 있습니다.

프로토콜

이 프로토콜에는 몽골의 실제 인구 조사 데이터 분석에 ISNAPDS 시스템을 적용한 결과 예시가 함께 제공됩니다. 본 조사에서 데이터를 수집하기 위해 따랐던 절차는 몽골 보건부 윤리검토위원회(Ministry of Health Ethical Review Board)와 하버드 T.H. 챈 공중보건대학원 기관검토위원회(Harvard T.H. Chan School of Public Health Institutional Review Board)의 윤리 기준(Protocol #21002)에 따른 것이었다. 적격 참가자는 연구에 참여하고 등록 전에 게시 가능한 데이터를 제공하는 데 대한 서면 동의서를 제공했으며 언제든지 연구를 철회할 수 있었습니다.

1. 음식 섭취 데이터를 채우는 방법 지정

  1. 음식 섭취량 데이터를 g/day 단위로 쉽게 사용할 수 있는 경우 2단계로 건너뜁니다.
  2. 섭취 빈도 및 제공량에 따라 g/일 단위의 음식 섭취량을 계산해야 하는 경우 음식 섭취 방법 스프레드시트의 B1 셀을 선택하고 드롭다운 메뉴를 사용하여 각 음식이 표준 제공량과 연관되어 있는지(기본 옵션) 또는 각 음식의 제공량이 관측치 간에 다른지(가변 제공량 크기)를 지정합니다.
    참고: 음식 섭취량을 계산해야 하지만 제공량을 쉽게 구할 수 없는 경우(예: 비정량적 식품 빈도 설문지를 사용하여 수집된 데이터 분석), 다양한 인구 통계학적 계층 15,16,17,18에 대한 표준 또는 가변 제공량을 도출하기 위해 정량적 설문조사 데이터에 대한 별도의 분석을 수행하는 것이 좋습니다.

2. 미리 채워진 예제 데이터를 가이드로 사용하여 입력 데이터 스프레드시트를 구성하고 채우기

  1. Food Composition 스프레드시트의 A열에 설문조사 데이터에서 소비되는 것으로 보고된 모든 고유 식품 목록(이후 식품 목록이라고 함)을 입력합니다. Food Intake 시트에서 1행에 음식 목록을 입력하고 설문조사 데이터의 모든 고유 관찰 목록(이후 관찰 목록이라고 함)을 A열에 입력합니다.
    1. 1행에 있는 식품 목록의 순서와 길이, 그리고 데이터가 입력된 다른 시트의 A열에 있는 관찰 목록이 식품 구성 및 식품 섭취 시트에 있는 이러한 목록의 순서 및 길이와 일치하는지 확인합니다.
  2. 1단계에서 지정한 방법에 따라 필요한 입력 데이터를 입력하여 음식 섭취량을 g/day 단위로 채웁니다.
    1. 음식 섭취 데이터를 g/day 단위로 쉽게 사용할 수 있는 경우 데이터의 모든 음식 및 관측치에 대한 음식 섭취량 시트를 채우고 2.3단계로 건너뜁니다.
    2. 섭취 빈도(섭취 빈도/일로 표시)와 표준 또는 가변 섭취량 크기(g/제공량)를 기준으로 음식 섭취량을 계산해야 하는 경우, 섭취 빈도 시트에 식품 목록과 관찰 목록을 입력하고 데이터의 모든 음식 및 관측치에 대한 시트를 채웁니다.
    3. 표준 제공량 크기를 사용하여 음식 섭취량을 계산하는 경우 식품 구성 시트의 C 열에 이러한 데이터를 입력합니다. 다양한 제공량을 사용하는 경우 Variable Serving Sizes(다양한 제공량 크기) 시트에 식품 목록과 관찰 목록을 입력하고 데이터의 모든 식품 및 관측치에 대한 시트를 채웁니다.
  3. 식품군 섭취량을 계산하거나 영양소 섭취량에 대한 식품군의 기여도를 계산하는 데 관심이 있는 경우 식품 구성 시트의 B열에 식품군을 입력합니다. Food Group Intake(식품 그룹 섭취량) 시트에서 데이터에 표시된 모든 고유 식품군 목록(이후 식품 그룹 목록이라고 함)의 목록을 행 1에 입력하고 관찰 목록을 열 A에 입력합니다.
    1. 식품 그룹 목록의 길이와 각 식품군의 이름이 식품 구성 시트의 B열과 식품 그룹 섭취 시트의 1행 사이에서 일치하는지 확인합니다(영양소 섭취량에 대한 식품군의 기여도를 계산하는 경우 영양소 공급원 시트의 1행). 식품군은 대소문자를 구분하지 않으며 순서에 관계없이 입력할 수 있습니다.
  4. 영양소 섭취량 또는 영양소 섭취량에 대한 식품군의 기여도를 계산하는 데 관심이 있는 경우 식품 구성 시트에서 분석할 모든 영양소 목록을 행 1(이후 영양소 목록이라고 함)에 입력하고 식품 성분 데이터(단위/100g로 표시)로 시트를 채웁니다. 영양소 섭취 시트에서 1행에 영양소 목록을 입력하고 A열에 관찰 목록을 입력합니다. 식품 구성 데이터의 품질을 식별, 획득, 컴파일, 일치 및 평가하는 방법에 대한 요약 지침 및 온라인 리소스는 보충 파일 3에 제공됩니다.
    참고: 이름에도 불구하고 영양소 목록에는 재료, 식품 또는 식품군(예: 밀가루(g), 빵(g) 또는 정제된 곡물(g))이 포함될 수 있으므로 식품 구성 시트에 채워진 데이터에는 조리법 또는 등가 요인에 대한 데이터에서 얻은 성분, 식품 또는 식품군 농도(g/100g로 표시)가 포함될 수 있습니다. 이를 통해 식품 또는 식품군 섭취량을 계산하기 위한 추가 또는 대체 접근 방식을 사용할 수 있습니다. 이 접근 방식을 사용할 때 식품 또는 식품군은 영양소인 것처럼 취급되고 해당 섭취량은 영양소 섭취 시트에 채워집니다. 이 접근 방식은 식품 목록에 포함되지 않은 특정 재료 또는 관심 식품(예: 강화 차량)의 섭취량을 계산해야 하는 상황 또는 요리 기반 식단 평가 방법을 사용하여 수집된 데이터를 분석하고 재료 또는 식품 수준에서 식품 그룹을 할당해야 하는 경우에 대한 솔루션을 제공합니다.
    1. 영양소 목록의 순서와 길이가 식품 구성 시트의 1행과 영양소 섭취 시트의 1행 사이에서 일관되는지 확인합니다(영양소 섭취량에 대한 식품군의 기여도를 계산하는 경우 영양소 공급원 시트의 1행).
  5. 영양소 섭취량에 대한 식품군의 기여도를 계산하려면 Nutrient Sources(영양소 공급원) 스프레드시트에서 1행에 영양소 목록을 입력합니다. A 열에서 세로로 자신의 복사본이 있는 목록을 추가하여 관찰 목록을 # 번 입력하며, 여기서 #은 식품 그룹 목록에 있는 식품 그룹의 수입니다. B 열의 모든 셀을 각 관측치 스택에 대해 다른 음식 그룹으로 채웁니다.

3. 입력 데이터의 구조와 일치하도록 출력 스프레드시트에 미리 채워진 수식 수정

  1. 식품군 섭취량 또는 영양소 섭취량에 대한 식품군의 기여도를 계산하는 데 관심이 있는 경우: 식품 그룹 섭취량 스프레드시트의 B2 셀에 있는 수식 {=SUM(('Food Inform'!$B$2:$B$21=B$1)*TRANSPOSE('Food Intake'!$B 2:$U 2))}에서 $B$21을 $B$#(여기서 #은 식품 구성 스프레드시트에 입력된 데이터의 맨 아래 행)으로 변경하고 $U 2를 $*2로 변경합니다. 여기서 *는 Food Intake 시트에 입력된 데이터의 가장 오른쪽 열입니다. 수정된 수식을 입력합니다.
  2. 영양소 섭취량 또는 영양소 섭취량에 대한 식품군의 기여도를 계산하는 데 관심이 있는 경우: 영양소 섭취 스프레드시트의 B2 셀에 있는 수식에서 {=SUM(('식품 섭취량'!$B 2:$U 2)*TRANSPOSE('식품 구성'! D$2:D$21))/100}에서 $U 2를 $#2로 변경하고, 여기서 #은 Food Intake 스프레드시트에 입력된 데이터의 가장 오른쪽 열인 $D$21을 $D$*로, 여기서 *는 Food Composition 스프레드시트에 입력된 데이터의 맨 아래 행입니다. 수정된 수식을 입력합니다.
  3. 영양소 섭취량에 대한 식품군의 기여도를 계산하는 데 관심이 있는 경우: 영양소 소스 스프레드시트의 C2 셀에 있는 수식에서 {=SUM(INDEX('Food Intake'!$B$1$U$11,ROW()-ROUNDDOWN((ROW()-2)/(10),0)*(10),0)*(TRANSPOSE)
    ('음식 구성'! D$2:D$21*($B 2='Food Composition'!$B$2:$B$21))))/100};, $U$11을 $#11로 변경합니다. 여기서 #은 Food Intake 스프레드시트에 입력된 데이터의 가장 오른쪽 열입니다. $D$21 및 $B$21을 각각 $D$* 및 $B$*로 변경합니다. 여기서 *는 Food Composition 스프레드시트에 입력된 데이터의 맨 아래 행입니다. 그리고 (10)의 두 인스턴스를 (!)로 변경합니다. 여기서 ! 은 관측치 목록의 길이입니다. 수정된 수식을 입력합니다.
    참고: 2021 이전 소프트웨어 버전을 사용하는 경우 CTRL + SHIFT + ENTER/RETURN을 사용하여 수식을 배열 수식으로 입력합니다(지침은 추가 파일 2 참조).

4. 원하는 결과를 채우기 위해 출력 스프레드시트 내에서 수식을 전파합니다.

  1. 음식 섭취 빈도와 표준 또는 다양한 섭취량을 기준으로 음식 섭취량을 계산해야 하는 경우: 음식 섭취 스프레드시트에서 B2 셀을 선택하고 데이터의 모든 관측치가 g/day의 모든 음식 섭취량으로 채워질 때까지 복사하여 붙여넣거나 오른쪽 및 아래쪽으로 드래그합니다.
  2. 식품군 섭취량 또는 영양소 섭취량에 대한 식품군의 기여도를 계산하는 데 관심이 있는 경우: 식품 그룹 섭취량 스프레드시트에서 B2 셀을 선택하고 데이터의 모든 관측치가 g/일 단위의 모든 식품군 섭취량으로 채워질 때까지 셀을 복사하여 붙여넣거나 오른쪽 및 아래쪽으로 드래그합니다.
  3. 영양소 섭취량 또는 영양소 섭취량에 대한 식품군의 기여도를 계산하는 데 관심이 있는 경우: 영양소 섭취 스프레드시트에서 B2 셀을 선택하고 데이터의 모든 관측치에 모든 영양소 그룹의 섭취량(단위/일)이 채워질 때까지 셀을 복사하여 붙여넣거나 오른쪽 및 아래쪽으로 드래그합니다.
  4. 영양소 섭취량에 대한 식품군의 기여도를 계산하려면 영양소 소스 스프레드시트에서 C2 셀을 선택하고 데이터의 모든 관측치가 단위/일의 모든 영양소에 대한 모든 식품군의 기여도로 채워질 때까지 셀을 복사하여 붙여넣거나 오른쪽 및 아래쪽으로 드래그합니다.

결과

출력 데이터의 무결성을 확인하기 위해 검사합니다.
아래 검사는 미리 채워진 예제 데이터의 관찰 1을 사용하여 ISNAPDS 시스템에서 계산의 정확성을 보여줍니다. 실제 설문조사 데이터 분석에 시스템을 적용할 때 프로토콜이 올바르게 준수되는지 확인하려면 사용자가 몇 가지 다른 관찰 및 출력 열에 대해 이러한 각 검사를 직접 실행하는 것이 좋습니다(주?...

토론

이 논문에 제시된 ISNAPDS 시스템은 영양소 및 식품군의 섭취 분포 추정, 영양소 부족 및 과잉의 유병률 결정, 각 영양소의 주요 식품 공급원 식별, 식품 또는 영양소 기반 식단 지표 도출 또는 식단 지침 준수와 같은 영양 감시 및 역학의 중심이 되는 수많은 분석을 위한 편리한 출발점을 제공합니다. 식단과 건강 결과 간의 관계를 분석하고 영양 프로그램 설계에 정보를 제...

공개

저자는 공개할 내용이 없습니다.

감사의 말

저자는 지난 10년 동안 식이 평가 및 영양 분석에 대한 교육과 지도를 제공해 주신 Rosalind S. Gibson 박사, Walter C. Willett 박사, Rebecca L. Lander 박사, Teresa T. Fung 박사, Theresa L. Han-Markey, Guy Crosby 박사, Megan Deitchler 박사, Mourad Moursi 박사, Helena Pachón 박사, Suzanne M. Cole 박사, Tzy-Wen L. Gong 박사, Laura A. Sampson 박사에게 감사의 뜻을 전합니다. Kelvin Gorospe 박사는 ISNAPDS 시스템의 기능을 통계 프로그램으로 변환하는 방법에 대한 조언을 제공합니다. DietSys에 대한 정보를 제공한 Dr. Sinara L. Rossato; 위니 벨 박사(Dr. Winnie Bell)는 식이 평가 플랫폼(Dietary Assessment Platform) 및 글로벌 식량 데이터베이스(Global Food Matters Database)에 대한 정보를 제공INDDEX24. 저자는 미국 국립보건원(National Institutes of Health, T32, DK 007703)의 지원을 받았다.

자료

NameCompanyCatalog NumberComments
Excel 365Microsoft CorporationThe ISNAPDS system (Supplemental File 1)  is a Microsoft Excel Open XML (.xlsx) file originally developed in 2012. The published version was developed in 2022 using Excel 365.

참고문헌

  1. Agriculture Organization of the United Nations (FAO), Intake - Center for Dietary Assessment. Global report on the state of dietary data. Agriculture Organization of the United Nations (FAO), Intake - Center for Dietary Assessment. , (2022).
  2. Micha, R., Coates, J., Leclercq, C., Charrondiere, U. R., Mozaffarian, D. Global Dietary Surveillance: Data gaps and challenges. Food and Nutrition Bulletin. 39 (2), 175-205 (2018).
  3. Greenfield, H., Southgate, D. A. T., Burlingame, B. A., Charrondiere, U. R. Food composition data and food composition databases. Food composition data: production, management, and use, 2nd ed. , 5-20 (2003).
  4. West, C. E., Van Staveren, W. A., Margetts, B. M., Nelson, M. Food composition, nutrient intake, and the use of food composition tables. Design concepts in nutritional epidemiology, 2nd ed. , 101-119 (1997).
  5. . Agriculture Organization of the United Nations (FAO), International Network of Food Data Systems (INFOODS). Software Tools Available from: https://www.fao.org/infoods/infoods/software-tools/en/ (2022)
  6. . Food and Nutrition Service (FNS), United States Department of Agriculture (USDA). USDA Approved Nutritional analysis Software Available from: https://www.fns.usda.gov/tn/usda-approved-nutrient-analysis-software (2022)
  7. McNutt, S., Zimmerman, T. P., Brooke, C., Schoeller, D. A., Westerterp-Plantenga, M. S. Computer-assisted dietary assessment methods. Advances in the Assessment of Dietary Intake. , 45-66 (2017).
  8. Coates, J. C., Colaiezzi, B., Bell, W. F., Gibson, R. S. . INDDEX Priority Technical Criteria and Review of Technology-Assisted 24-h Recall Software Programs. , (2015).
  9. Rossato, S. L., Fung, T. T., Rodrigues, M. P. A Data entry system for dietary surveys based on visual basic for applications programming. Journal of the Academy of Nutrition and Dietetics. 117 (8), 1165-1170 (2017).
  10. Rogers, B. L., et al. Validation of the INDDEX24 mobile app vs. a pen-and-paper 24-hour dietary recall using the weighed food record as a benchmark in Burkina Faso. The British Journal of Nutrition. , 1-41 (2021).
  11. Coates, J., et al. Accuracy and cost-effectiveness of the INDDEX24 Dietary Assessment Platform in Viet Nam. The British Journal of Nutrition. , 1-38 (2022).
  12. Adams, K. P., et al. The cost and cost efficiency of conducting a 24-h dietary recall using INDDEX24, a mobile dietary assessment platform, compared with pen-and-paper interview in Viet Nam and Burkina Faso. The British Journal of Nutrition. , 1-15 (2022).
  13. . International Dietary Data Expansion (INDDEX) Project. Global Food Matters Database Available from: https://inddex.nutrition.tufts.edu/global-food-matters-database (2022)
  14. Willett, W. C. Food Frequency Methods. In Nutritional Epidemiology, 3rd ed. , 70-95 (2013).
  15. Tjonneland, A., et al. Influence of individually estimated portion size data on the validity of a semiquantitative food frequency questionnaire. International Journal of Epidemiology. 21 (4), 770-777 (1992).
  16. Wakai, K., et al. A simple food frequency questionnaire for Japanese diet--Part I. Development of the questionnaire, and reproducibility and validity for food groups. Journal of Epidemiology. 9 (4), 216-226 (1999).
  17. Schlundt, D. G., et al. Separate estimates of portion size were not essential for energy and nutrient estimation: results from the Southern Community Cohort food-frequency questionnaire pilot study. Public Health Nutrition. 10 (3), 245-251 (2007).
  18. Bromage, S., et al. The global diet quality score is inversely associated with nutrient inadequacy, low midupper arm circumference, and anemia in rural adults in ten sub-Saharan African countries. The Journal of Nutrition. 151 (12), 119-129 (2021).
  19. Bromage, S., et al. Trained cohorts of University students are a useful resource for conducting dietary surveys in Mongolia. Food and Nutrition Bulletin. 38 (2), 267-272 (2017).
  20. Bromage, S., et al. Diet and nutrition status of Mongolian adults. Nutrients. 12 (5), 1514 (2020).
  21. Bromage, S., et al. Projected effectiveness of mandatory industrial fortification of wheat flour, milk, and edible oil with multiple micronutrients among Mongolian adults. PLoS One. 13 (8), 0201230 (2018).
  22. Jeong, C., et al. Bronze Age population dynamics and the rise of dairy pastoralism on the eastern Eurasian steppe. Proceedings of the National Academy of Sciences of the United States of America. 115 (48), 11248-11255 (2018).
  23. Bromage, S., et al. Comparison of methods for estimating dietary food and nutrient intakes and intake densities from household consumption and expenditure data in Mongolia. Nutrients. 10 (6), 703 (2018).
  24. Bromage, S., et al. The global diet quality score is associated with higher nutrient adequacy, midupper arm circumference, venous hemoglobin, and serum folate among urban and rural Ethiopian adults. The Journal of Nutrition. 151 (12), 130-142 (2021).
  25. Mistry, N., et al. Protocol for a case-control study of vitamin D status, adult multidrug-resistant tuberculosis disease and tuberculosis infection in Mumbai, India. BMJ Open. 10 (11), 039935 (2020).
  26. Ganmaa, D., et al. Prevalence and determinants of QuantiFERON-diagnosed tuberculosis infection in 9810 Mongolian schoolchildren. Clinical Infectious Diseases. 69 (5), 813-819 (2019).
  27. International Network of Food Data Systems (INFOODS). Training. Food and Agriculture Organization of the United Nations (FAO) Available from: https://www.fao.org/infoods/infoods/training/en/ (2022)
  28. . Intake - Center for Dietary Assessment. Resources Available from: https://www.intake.org/resources (2022)
  29. Gibson, R. S., Ferguson, E. L. . An interactive 24-hour recall for assessing the adequacy of iron and zinc intakes in developing countries. , 98-107 (2008).
  30. Vásquez-Caicedo, A. L., Bell, S., Hartmann, B. Report on collection of rules on use of recipe calculation procedures including the use of yield and retention factors for imputing nutrient values for composite foods. European Food Information Resource (EuroFir). , (2008).
  31. Allen, L. H., Carriquiry, A. L., Murphy, S. P. Perspective: Proposed harmonized nutrient reference values for populations). Advances in Nutrition. 11 (3), 469-483 (2020).
  32. Institute of Medicine (US) Subcommittee on Interpretation and Uses of Dietary Reference Intakes. . DRI Dietary Reference Intakes: Applications in Dietary Planning. , (2000).
  33. Herforth, A., et al. A global review of food-based dietary guidelines. Advances in Nutrition. 10 (4), 590-605 (2019).
  34. Miller, V., Webb, P., Micha, R., Mozaffarian, D. Global Dietary Database. Defining diet quality: a synthesis of dietary quality metrics and their validity for the double burden of malnutrition. The Lancet Planetary Health. 4 (8), 352-370 (2020).
  35. Bromage, S., et al. Development and validation of a novel food-based Global Diet Quality Score (GDQS). The Journal of Nutrition. 151 (12), 75-92 (2021).
  36. Ioannidou, S., Cascio, C., Gilsenan, M. B. European Food Safety Authority open access tools to estimate dietary exposure to food chemicals. Environment International. 149, 106357 (2021).
  37. . AInternational food composition table/database directory Available from: https://www.fao.org/infoods/infoods/tables-and-databases/en/ (2022)
  38. . Food nomenclature, terminology and classification systems Available from: https://www.fao.org/infoods/infoods/standards-guidelines/food-nomenclature/en/ (2022)
  39. . NutrienTrackeR: Food Composition Information and Dietary Assessment R package version 1.2.0 Available from: https://CRAN.R-project.org/package=NutrienTrackeR (2022)
  40. Willett, W. C. . Nutritional Epidemiology, 3rd ed. , (2013).
  41. Gibson, R. S. . Principles of Nutrition Assessment, 2nd ed. , (2005).
  42. Rodrigues, S. L., et al. Development of DietSys: A comprehensive food and nutrient database for dietary surveys. Journal of Food Composition and Analysis. 102, 104030 (2021).
  43. Monteiro, C. A., et al. Ultra-processed foods: what they are and how to identify them. Public Health Nutrition. 22 (5), 936-941 (2019).
  44. Greenfield, H., Southgate, D. A. T., Burlingame, B., Charrondiere, U. R. Guidelines for the use of food composition data. Food composition data: production, management, and use, 2nd ed. , 187-197 (2003).
  45. Sumbo, P., Beecher, G., Schoeller, D. A., Westerterp-Plantenga, M. S. Strengths and Limitations of Food Composition Databases. Advances in the Assessment of Dietary Intake. , 337-352 (2017).
  46. Kapsokefalou, M., et al. Food composition at present: New challenges. Nutrients. 11 (8), 1714 (2019).
  47. Thornton, K., Seals-Nutt, K., Matsuzaki, M. Introducing WikFCD: Many food composition tables in a single knowledge base. CEUR Workshop Proceedings. 2969, (2021).

재인쇄 및 허가

JoVE'article의 텍스트 или 그림을 다시 사용하시려면 허가 살펴보기

허가 살펴보기

더 많은 기사 탐색

ISNAPDS24

This article has been published

Video Coming Soon

JoVE Logo

개인 정보 보호

이용 약관

정책

연구

교육

JoVE 소개

Copyright © 2025 MyJoVE Corporation. 판권 소유