《Current Developments in Nutrition》：Dietary Supplement Use Explains More Variance in Nutritional Biomarker Concentrations Than 24-hour Dietary Intake from Food Only: Evidence From a Cross-Sectional Survey of the United States Population (NHANES 2003–2006)7
在现代营养学与公共卫生领域，准确评估人群的营养状况是制定有效干预策略的基石。然而，这并非易事。我们常常依赖于两种信息：一种是人们“说了什么”——通过回忆或问卷得到的膳食摄入量；另一种是身体“实际呈现什么”——通过血液等样本检测出的营养生物标志物浓度。理想情况下，两者应紧密关联，摄入多，体内水平就高。但现实往往更复杂。年龄、性别、种族、吸烟、饮酒、身体质量指数（BMI）乃至炎症水平等多种因素，不仅影响人们的饮食习惯，还会干扰营养素的吸收、代谢，甚至在基因表达层面产生影响。这就导致了一个棘手的问题：当我们试图通过膳食调查数据来预测或解释一个人的真实营养状态时，结果常常“失真”或“打折扣”。更关键的是，膳食补充剂在现代生活中应用广泛，但它与单纯食物摄入对营养状态的贡献有何不同？各种人口学和生理因素又在其中扮演了怎样的角色——是混淆视听的“干扰项”（混杂因素），还是让关联强度因人而异的“调节器”（效应修饰因素）？这些问题尚未得到系统、全面的解答。
为了拨开迷雾，由Maya R. Sternberg等研究者领衔的团队，利用2003-2006年美国国家健康与营养调查（NHANES）这一具有全国代表性的大型数据库，展开了一项深入的横断面研究。他们选择了血清叶酸（SFOL）、红细胞叶酸（RBF）、5’-磷酸吡哆醛（PLP，维生素B6活性形式）、维生素B12、维生素A（VIA）、维生素C（VIC）、维生素E（VIE）和25-羟基维生素D等多种水溶性和脂溶性维生素的生物标志物作为“结果”。同时，分别收集了参与者24小时膳食回顾（仅食物）和自我报告的过去30天补充剂使用情况，作为两种“暴露”或“起因”。研究的核心目标非常明确：第一，量化摄入（食物或补充剂）与生物标志物之间关联的强度；第二，评估一系列选定的社会人口学、生活方式和生理变量在这一关联中的作用；第三，探究调整这些变量如何影响膳食摄入或补充剂使用与生物标志物浓度之间的关联。这项研究最终发表在《Current Developments in Nutrition》期刊上，为理解营养流行病学中的复杂关系提供了宝贵的方法学见解。
为达成研究目标，作者团队运用了几个关键的技术与方法。研究数据源自NHANES 2003-2006，这是一个采用复杂多阶段概率抽样设计的全国性横断面调查，确保了样本的代表性。营养生物标志物的检测由美国疾病控制与预防中心营养生物标志物实验室完成，采用了包括高效液相色谱串联质谱法（HPLC-MS/MS，用于25OHD）在内的多种标准化实验室方法，并实施了严格的质量控制。膳食摄入数据通过“我们吃什么在美国”项目收集，采用自动化多次通过法进行24小时膳食回忆；补充剂使用信息则通过计算机辅助个人访谈系统收集。在统计分析层面，研究充分考虑了NHANES复杂的抽样设计，应用调查权重。分析策略包括：计算加权几何均数进行描述性统计；使用Spearman相关性分析评估摄入与生物标志物的关联；并构建了多层次的线性回归模型。尤为重要的是，研究者引入了有向无环图框架来理论化并区分潜在的混杂因素与效应修饰因素，通过比较调整模型前后暴露变量系数变化（设定变化≥10%为存在混杂的证据）以及检验交互项来严谨地评估这些作用。
Bivariate analyses
初步的双变量分析揭示了清晰的模式。总体上，年龄≥60岁的成年人在大多数营养素的生物标志物浓度和总摄入量上最高。性别差异的方向因营养素而异，例如女性红细胞叶酸（RBF）更高，而男性血清叶酸（SFOL）和PLP更高。非西班牙裔白人在大多数生物标志物和摄入量上最高。无论是按单纯食物摄入的四分位数还是总摄入（食物+补充剂）的四分位数分组，生物标志物浓度都呈现出剂量-反应关系，且从第三到第四分位的跃升在总摄入中更为明显。补充剂使用者的所有生物标志物浓度均显著高于非使用者。当按补充剂使用状态分层后，许多在总体分析中观察到的年龄、性别和种族差异在不同层中发生了变化，这提示补充剂使用可能是一个效应修饰因素。
Correlations
相关性分析提供了更深入的洞察。维生素生物标志物与单纯膳食摄入之间的Spearman相关性较弱（0.12 至 0.34），但与总摄入（食物+补充剂）的相关性则强得多（0.23 至 0.53）。当按补充剂使用分层后，差异显著：在补充剂使用者中，生物标志物与单纯膳食摄入的相关性很弱甚至不显著；而在非补充剂使用者中，相关性则 consistently 更强且显著。此外，补充剂使用者体内不同维生素生物标志物之间的两两相关性，大约是非使用者的两倍高。这些发现共同表明，摄入与生物标志物的关系因补充剂使用状态而异。
Multivariable linear regression models
多变量线性回归模型最终厘清了各协变量的角色。研究发现，在膳食摄入模型中，混杂效应因营养素而异，没有单一变量对所有摄入-生物标志物关联都构成混杂。C反应蛋白（CRP）是PLP的唯一混杂因素，性别是维生素B12的混杂因素，可替宁（cotinine，吸烟标志物）是维生素C的混杂因素。年龄、性别、种族/族裔和可替宁对多种生物标志物有混杂作用。然而，当暴露变量是补充剂使用时，被识别为混杂因素的特定变量有所不同。例如，性别使SFOL与叶酸摄入的关联在膳食摄入模型中改变了23.5%，但在补充剂使用模型中仅改变1.33%。研究还发现了显著的效应修饰（交互作用）。年龄、性别、种族/族裔、贫困水平和教育程度对多种生物标志物与摄入（无论是膳食还是补充剂）的关联存在效应修饰作用。这意味着这些因素会改变摄入对生物标志物水平影响的强度或方向。
最终，在完全调整所有协变量的模型中，除维生素A摄入外，膳食摄入和补充剂使用均独立地与所有维生素的生物标志物相关。一个值得注意的发现是，在调整后，除SFOL和RBF外，所有补充剂使用与生物标志物的关联方向都发生了改变，这进一步强调了在模型中考虑这些协变量的必要性。
研究结论与重要意义
本研究得出了明确而有力的结论：在解释美国成年人群多种维生素营养生物标志物的变异性时，膳食补充剂的使用比单纯从食物中摄入能解释更多的方差。更重要的是，社会人口学、生活方式和生理因素不仅会混淆（作为混杂因素）膳食摄入与生物标志物之间的关系，还会显著地改变（作为效应修饰因素）补充剂使用与生物标志物之间的关联。这些关联在不同亚组（如不同年龄、性别、种族）中存在异质性。
这项研究的意义深远。首先，它方法学上警示研究者，在基于观察性数据探讨营养摄入与健康结局时，必须谨慎处理补充剂使用这一变量，并充分评估人口学等因素的潜在混杂和效应修饰作用，否则可能导致偏倚或错误推论。其次，在公共卫生实践层面，研究结果强调，制定膳食参考摄入量、强化策略或评估营养不足/过量风险时，若忽略补充剂使用和人群亚组差异，评估可能是不完整或不精准的。例如，针对老年人的营养干预可能需要特别关注其补充剂使用模式。总之，该研究通过精细的数据分析，揭示了营养流行病学中“摄入-状态”关系的复杂性，为未来更精准的营养监测、评估与干预提供了关键的科学依据。
