A Nutri-Score csomagolás elülső címkéinek alapjául szolgáló élelmiszerek táplálkozási profilja és a halálozás összefüggése: EPIC kohorsz-tanulmány 10 európai országban

Olvassa el a koronavírus kitörésével kapcsolatos legfrissebb tudósításunkat

Mélanie Deschasaux, kutató 12,
Inge Huybrechts, tudós 23,
Chantal Julia, egyetemi docens 14,
Serge Herzberg, 124. professzor,
Manon Egnell, doktorandusz 1,
Bernard Srour, epidemiológus 12,
Emmanuelle Kesse-Guyot, vezető kutató 12,
Paule Latino-Martel, vezető kutató 12,
Carine Biessy, vezető statisztikus 3,
Corinne Casagrande, vezető statisztikus 3,
Neil Murphy, tudós 23,
Mazda Jenab, tudós 23,
Heather A Ward, kutató 5,
Elisabete Weiderpass, igazgató 3,
Kim Overvad, professzor 7,
Anne Tjønneland, 89. kutatási vezető,
Agnetha Linn Rostgaard-Hansen, doktorandusz 9,
Marie-Christine Boutron-Ruault, 1011 csapatfőnök,
Francesca Romana Mancini, posztdoktori kutató 1011,
Yahya Mahamat-Saleh, doktorandusz 1011,
Tilman Kühn, 12. csoportvezető,
Verena Katzke, posztdoktori kutató 12,
Manuela M Bergmann, kutató 1314,
Matthias B Schulze professzor 1314,
Antonia Trichopoulou, professzor 15,
Karakatsani Anna, egyetemi docens 1516,
Eleni Peppa, táplálkozási szakember 15,
Giovanna Masala, orvosi epidemiológus 17,
Claudia Agnoli, tudós 18,
Maria Santucci De Magistris, táplálkozási szakember 19,
Rosario Tumino, vezető patológus 20,
Carlotta Sacerdote, orvosi epidemiológus 21,
Jolanda MA Boer, vezető epidemiológus 22,
WM Monique Verschuren, professzor 2223,
Yvonne T van der Schouw, professzor 23,
Guri Skeie professzor 6,
Tonje Braaten, docens 6,
M Luisa Redondo, tudós 24,
Antonio Agudo, egységvezető 25,
Dafina Petrova, posztdoktori kutató 262728,
Sandra M Colorado-Yohar, posztdoktori kutató 282930,
Aurelio Barricarte epidemiológus, szolgálati vezető 283132,
Pilar Amiano, 2833 epidemiológus,
Emily Sonestedt, egyetemi docens 34,
Ulrika Ericson, egyetemi docens 34,
Julia Otten, endokrinológus 35,
Björn Sundström, posztdoktori kutató 35,
Nicholas J Wareham, professzor 36,
Nita G Forouhi, professzor 36,
Paolo Vineis, professzor 37,
Konstantinos K Tsilidis, vezető előadó 3839,
Knuppel Anika, táplálkozási epidemiológus 40,
Keren Papier, táplálkozási epidemiológus 40,
Pietro Ferrari, a csoport vezetője 23,
Elio Riboli, professzor 5,
Marc J Gunter, szakaszvezető 23,
Mathilde Touvier, csapatfőnök 12

1 Sorbonne Paris Nord University, Inserm, Inrae, Cnam, Táplálkozási Epidemiológiai Kutatócsoport (EREN), Epidemiológiai és Statisztikai Kutatóközpont - Párizsi Egyetem (CRESS), Bobigny, Franciaország
2 francia táplálkozási és rákkutatási hálózat (NACRe hálózat), Franciaország
3 Nemzetközi Rákkutató Ügynökség, Egészségügyi Világszervezet, Lyon, Franciaország
4 Közegészségügyi Minisztérium, Hôpitaux Universitaires Paris Seine-Saint-Denis (AP-HP), Bobigny, Franciaország
5 Orvostudományi Kar, Közegészségügyi Iskola, Imperial College London, London, Egyesült Királyság
6 Közösségi Orvostudományi Kar, Egészségtudományi Kar, UiT Norvég Arktikai Egyetem, Tromsø, Norvégia
7 Közegészségügyi Minisztérium, Epidemiológiai Szakosztály, Aarhus University, Aarhus C, Dánia
8 Népegészségügyi Minisztérium, Koppenhágai Egyetem, Koppenhága, Dánia
9 Dán Rákellenes Társaság Kutatóközpont, Diéta, gének és környezet, Koppenhága, Dánia
10 CESP, INSERM U1018, University of Paris-Sud, UVSQ, University of Paris-Saclay, Párizs, Franciaország
11 Gustave Roussy, Villejuif, Franciaország
12 Rákepidemiológiai osztály, Német Rákkutató Központ (DKFZ), Heidelberg, Németország
13 Molekuláris Epidemiológiai Osztály, Német Emberi Táplálkozástudományi Intézet Potsdam-Rehbruecke, Nuthetal, Németország
14 Táplálkozástudományi Intézet, Potsdami Egyetem, Nuthetal, Németország
15 Hellenic Health Foundation, Athén, Görögország
16 2. tüdőgyógyászati osztály, Orvostudományi Kar, Athén Nemzeti és Kapodistrian Egyetem, Attikon Egyetemi Kórház, Haidari, Görögország
17 Rákkockázati tényezők és életmód-epidemiológiai egység, Rákkutató, Megelőzési és Klinikai Hálózat (ISPRO), Firenze, Olaszország
18 Epidemiológiai és Megelőzési Osztály, IRCCS Alapítvány Tumori Nemzeti Intézet, Milánó, Olaszország
19 AOU Federico II, Nápoly, Olaszország
20 Ráknyilvántartási és szövettani osztály, Tartományi Egészségügyi Hatóság, ASP Ragusa, Olaszország
21 Rák-epidemiológiai osztály, Città della Salute e della Scienza Egyetemi Kórház és Rákmegelőzési Központ (CPO), Torino, Olaszország
22 Nemzeti Közegészségügyi és Környezetvédelmi Intézet, Bilthoven, Hollandia
23 Julius Egészségtudományi és Alapellátási Központ, Egyetemi Orvosi Központ Utrecht, Utrechti Egyetem, Utrecht, Hollandia
24 Közegészségügyi Igazgatóság, Asztúria, Spanyolország
25 Táplálkozás és rák egység, Rák epidemiológiai kutatási program, Katalán Onkológiai Intézet - ICO, Táplálkozási és rákkutatási csoport, Bellvitge Biomedical Research Institute - IDIBELL, L'Hospitalet, Llobregat, Barcelona, Spanyolország
26 Andalúz Közegészségügyi Iskola (EASP), Granada, Spanyolország
27 Instituto de Investigación Biosanitaria de Granada (ibs. GRANADA), Granada, Spanyolország
28 Epidemiológiai és közegészségügyi ciber (CIBERESP), Spanyolország
29 Járványügyi Osztály, Murcia Regionális Egészségügyi Tanács, IMIB-Arrixaca, Murcia, Spanyolország
30 Demográfia és egészség kutatócsoport, Nemzeti Közegészségügyi Kar, Antioquia Egyetem, Medellín, Kolumbia
31 Navarra Közegészségügyi Intézet, Pamplona, Spanyolország
32 Navarra Egészségkutató Intézet (IdiSNA), Pamplona, Spanyolország
33 Gipuzkoa közegészségügyi osztálya, Biodonostia Egészségügyi Kutatóintézet, a baszk kormány egészségügyi minisztériuma, San Sebastian, Spanyolország
34 Klinikai Tudományok Tanszék Malmö, Lund Egyetem, Malmö, Svédország
35 Népegészségügyi és Klinikai Orvostudományi Tanszék, Umeå Egyetem, Umeå, Svédország
36 MRC epidemiológiai egység, Cambridge-i Egyetem Klinikai Orvostudományi Kar, Cambridge Biomedical Campus, Cambridge, Egyesült Királyság
37 MRC Környezetvédelmi és Egészségügyi Központ, Közegészségügyi Iskola, Imperial College London, London, Egyesült Királyság
38 Epidemiológiai és Biostatisztikai Tanszék, Közegészségügyi Iskola, Imperial College London, London, Egyesült Királyság
39 Ioanninai Egyetem Orvostudományi Karának Higiénés és Epidemiológiai Tanszék, Ioannina, Görögország
40 Rák epidemiológiai osztály, Nuffield Népegészségügyi Tanszék, Oxfordi Egyetem, Oxford, Egyesült Királyság

Levelezés: M Deschasaux m.deschasauxeren.smbh.univ-paris13.fr

Elfogadva 2020. augusztus 3

Absztrakt

Célkitűzés Annak meghatározása, hogy az Food Standards Agency tápanyagprofil-rendszere (FSAm-NPS), amely osztályozza az élelmiszerek tápanyagminőségét, és amelyet a Nutri-Score csomagolás előtti címke levezetésére használnak, hogy a fogyasztókat az egészségesebb ételválasztás felé terelje halálozás.

Tervezés Népességalapú kohorsz vizsgálat.

Beállítás A rák és táplálkozás európai prospektív vizsgálata (EPIC) 10 európai ország 23 központjából származik.

Résztvevők 521 324 felnőtt; toborzáskor országspecifikus és validált étrendi kérdőíveket használtak a szokásos étrendi bevitelük értékelésére. FSAm-NPS pontszámot számítottunk minden egyes élelmiszerre 100 g energia, cukor, telített zsírsav, nátrium, rost és fehérje, valamint gyümölcs, zöldség, hüvelyesek és diófélék esetében. Az FSAm-NPS étrendi indexet minden résztvevőre kiszámoltuk, az összes elfogyasztott étel FSAm-NPS pontszámának energiasúlyozott átlagaként. Minél magasabb a pontszám, annál rosszabb az étrend általános tápértéke.

Fő eredménymérő Az FSAm-NPS étrendi index pontszáma és a mortalitás összefüggései, többváltozós korrigált Cox arányos veszélyek regressziós modellek alkalmazásával értékelve.

Eredmények A kizárások után 501 594 felnőttet (medián követés 17,2 év, 8 162 730 fő év) vontak be az elemzésekbe. A magasabb FSAm-NPS táplálkozási index pontszámmal (a legmagasabb az alacsonyabb ötödikkel szemben) az összes halálozás fokozott kockázata mutatkozott (n = 53 112 esemény nem külső okból; kockázati arány 1,07, 95% konfidencia intervallum 1,03–1,10, P ábra 1

Egyenlet az Food Standards Agency tápanyagprofil-rendszerének (FSAm-NPS) táplálkozási indexének kiszámításához

A létfontosságú állapot követése

A létfontosságú állapotra és a halál okára vonatkozóan adatokat kaptunk a halandósági nyilvántartásokhoz kapcsolva, a kohorsz nyomon követése során összegyűjtött adatokkal kombinálva. A vizsgálati időszak nyomon követésének vagy lezárásának dátuma országtól függően 2012 és 2015 között változott. A halál okát az ICD-10 (kórképek nemzetközi osztályozása, 10. átdolgozás) segítségével kódoltuk .43 Ebben a tanulmányban az összes okból eredő halálozás mellett a specifikus okok miatti halálozást is figyelembe vettük: rák (C00 - D48), a keringési rendszer (I00 - I99), a légzőrendszer betegségei (J00 - J99) és az emésztőrendszer betegségei (K00 - K93), valamint negatív kontrollként a külső okokból eredő halálozás (sérülés, mérgezés és egyéb külső okok következményei: S00-T98, valamint a morbiditás és halálozás külső okai: V01 - Y98). A nem-külső okokból eredő halálozás (fő kitettség) a halálozás minden okból, a külső halálok kivételével.

Statisztikai elemzések

Az 521 324 résztvevő közül kizártuk azokat, akiknek hiányoztak az életmóddal vagy az étrenddel kapcsolatos információk (n = 6902), valamint azokat, akiknél az energiafogyasztás és az energiaigény aránya rendkívül magas (a legmagasabb és a legalacsonyabb centilis, n = 10 241). -up (n = 2516), és akiknek hiányzik a halál dátuma (n = 71). Összesen 54 951 halálesetet regisztráltak a nyomon követés során, amelyek közül 1839 külső okok miatt következett be (lásd a folyamatábra az 1. kiegészítő ábrán).

Kiszámoltuk az életkor szerinti standardizált abszolút arányokat, mint az FSAm-NPS étrendi index legmagasabb és legalacsonyabb ötödében 10 év alatt 10 000 emberre esett esetek számát.

Hiányzó adatok a kovariánsokról (fizikai aktivitás: n = 34 400 (6,9%); dohányzási állapot és intenzitás: n = 8527 (1,7%); iskolázottság: n = 18 383 (3,7%); szív- és érrendszeri betegségek története: n = 78 400 (15,6%), cukorbetegség kórtörténete: n = 39 892 (7,9%); BMI: n = 91 412 (18,2%); magasság: n = 90 258 (18%)) több imputációval kezeltük láncolt egyenletekkel MICE módszer45) teljesen feltételes specifikációval (10 imputált adatkészlet). Teljes esettanulmányt is végeztünk (azaz kizártuk azokat a résztvevőket, akiknek hiányoztak a kovariátok adatai).

A BMI-t zavaró tényezőnek tekintettük az elemzések során, ezért a multiváltozó modellekben hozzáigazítottuk. Mivel a BMI szintén közbenső közvetítő tényezőnek tekinthető, azonban érzékenységi elemzéseket végeztünk a BMI kiigazítása nélkül, és a BMI variációján keresztüli mediáció elemzését szintén korábban javasolt módszerrel hajtottuk végre.46

Az asszociációk robusztusságának tesztelésére több érzékenységi elemzést hajtottunk végre: kivettük az energiafelvételt a modellekből (felmérve az esetleges ütközési torzítást), a modellekbe bevontuk a kávé és az üdítőital bevitelét (felmérve, hogy a két étrendi tényezőt nemrégiben találták-e meg). az EPIC4748-ban a halálozással való szoros összefüggés teljes mértékben megmagyarázná az összefüggéseket), kizártuk az elemzésekből azokat a résztvevőket, akiknek kórtörténetében rák, szív- és érrendszeri betegségek és cukorbetegség szerepel (felmérve a módosított étkezési magatartás lehetséges elfogultságát ezen jelentős egészségügyi események, például indikációk után) egészségesebb étrendet követni), és az elemzésekből kizártuk azokat a résztvevőket, akik a nyomon követés első öt évében meghaltak (hosszabb késleltetést engedélyezve az étrendi kiértékelés és a halálozási esemény között). A maradék zavarok lehetőségének felmérése érdekében alcsoport-elemzéseket is végeztünk a fő potenciális zavarók szerint (nem, BMI, fizikai aktivitás, iskolai végzettség, dohányzási állapot, alkoholfogyasztás, energia bevitel). A nem mérhető keverőkből származó potenciális maradék zavartságot E értékek alkalmazásával értékeltük. 4950

Valamennyi teszt kétoldalas volt, és P 1. táblázatot vettünk figyelembe

A tanulmány résztvevőinek alapjellemzői a rák és táplálkozás európai prospektív vizsgálatának (EPIC) kohorszából összességében és az Élelmezési Szabványügyi Ügynökség táplálékprofil-rendszerének (FSAm-NPS) táplálkozási index-pontszámának nem szerinti specifikus ötöde szerint. Az értékek számok (százalékok), hacsak másként nem jelezzük

A magasabb FSAm-NPS étrendi index pontszámmal rendelkező résztvevők nagyobb valószínűséggel kevesebb egészséges táplálékot fogyasztottak (alacsonyabb az élelmi rost, a gyümölcs és a zöldség, valamint a hal, és magasabb a vörös és a feldolgozott hús), és nagyobb az energiafogyasztásuk. Ennek ellenére minden ötödikben széles körű energiafogyasztást figyeltek meg. A magasabb FSAm-NPS táplálkozási index pontszámmal rendelkező résztvevők nagyobb valószínűséggel dohányoztak, kevésbé fizikailag aktívak, magasabb volt az alkoholfogyasztásuk, magasabb az iskolai végzettségük, valamint kórtörténetük volt a rákban. Ezzel szemben a meglévő szív- és érrendszeri betegségek vagy cukorbetegség nagyobb hányadát és magasabb BMI-t figyeltek meg azoknál a résztvevőknél, akiknek alacsonyabb az FSAm-NPS étrendi index pontszáma, ami tükrözheti a betegség kezeléséhez szükséges étrend változását e résztvevőknél.

A 2. táblázat bemutatja az FSAm-NPS étrendi index és a mortalitás közötti összefüggéseket. A magasabb pontszám (alacsonyabb táplálkozási minőségű étrend) a magasabb mortalitással járt együtt (a legmagasabb ötödik és a legalacsonyabb ötödik: kockázati arány 1,06, 95% -os konfidencia intervallum 1,03–1,09, P 2. táblázat

Az Food Standards Agency tápanyagprofil-rendszerének (FSAm-NPS) táplálkozási index-pontszámának ötöde, valamint a sokváltozós Cox-arányos veszélyek regressziós modelljeiből származó összes halálozás okozója és kiváltója az Európai Prospektív Vizsgálati Rák- és Táplálkozási (EPIC) kohorsz résztvevőiben, 1992 -2015. Az értékek veszélyességi arányok (95% -os megbízhatósági intervallumok), hacsak másképp nem szerepel

Összességében az eredmények minden országban konzisztensek voltak (lásd a 3. kiegészítő ábrát), csak statisztikailag szignifikáns összefüggések voltak (korlátozott minta nagysága). A Norvégiával kapcsolatos eredmények összefüggésben lehetnek az FSAm-NPS étrendi index pontszámainak megoszlásával ebben az országban, általában alacsony pontszámokkal és ebből adódóan kis kontrasztdal a magasabb és alacsonyabb pontszámot mutató egyének között (medián 4,92, interkvartilis tartomány 3,87-5,98).