原名：Integrating human activity into food environments can better predict cardiometabolic diseases in the United States
译名：移动大数据重新定义社区食物环境对心脏代谢疾病的影响
期刊：Nature Communications （IF：16.6）
发表时间：2023.11
DOI：10.1038/s41467-023-42667-8
1.研究背景
代谢性心血管疾病（CMD）在美国普遍存在。最新数据显示，有41.9％的美国成年人患有肥胖，47％患有高血压，38.1％患有高胆固醇。这种CMD水平的上升与美国食物系统结构的变化密切相关，这些变化包括快餐连锁店迅速扩张，超加工食品的推广，以及郊区化过程导致居住区的分散。这些政策和城市结构变化最终导致了不平衡的社区食物环境，对健康，尤其是心血管疾病的发生，产生了不利影响。因此，美国在制订公共卫生政策时，会参考标准化的社区食物环境测量指标（例如mRFEI，表征一个地区出售健康食品零售商的比例），以改善与饮食相关的健康结果。
然而，这些基于商店位置的测量指标与CMD之间的关系远非确定。例如，尽管一些研究发现快餐店的可达性与肥胖存在正相关关系，其他研究发现负相关、零相关和混合相关关系，说明社区食物环境对健康的影响并无定论。一个经常被忽视的研究问题是人类移动性。具体而言，社区食物环境测量通常依赖于行政单位内（如人口普查区）的零售商数量。然而，由于人类行为的不确定性（例如饮食文化、经济水平等），消费者的食品采购活动通常超出一个社区或一个地理单位。因此，本研究利用大规模GPS追踪数据分析了超过9400万条的商店访问记录，覆盖全美大约35.9万家食品零售商。基于这一数据集，本研究在精细的空间尺度上构建了零售食品活动指数（RFAI），并评估其与各种心脏代谢健康结果的关联强度。
2.研究区和数据集
本研究采用了多个数据集，其中最重要的是来自SafeGraph的食品零售商访问数据。此外，本研究还包括来自美国疾病控制与预防中心（CDC）的mRFEI数据、CMD患病率数据、社会脆弱性指数（SVI）、来自美国社区调查（ACS）的人口统计和社会经济变量，还有来自美国农业部（USDA）的食品荒漠指标数据。
移动大数据：研究的移动大数据来自SafeGraph，包括了2018至2019年美国居民的食品零商访问数据。该数据主要包括匿名的起点-终点（OD）流数据，这些数据是从美国大约10%的启用GPS的移动设备中聚合得到的。SafeGraph通过分析夜间小时（晚上6:00至早上7:00）的六周数据来确定设备使用者 “家”的位置。先前的研究表明，SafeGraph的抽样代表了各种社会人口统计学特征，并且与美国普查的人口统计数据非常一致。
食品零售商数据：本研究将食品零售商分为两类，出售健康食品（售卖新鲜蔬菜水果）和不出售健康食品的零售商。健康的零售商包括了超市、仓储式大型卖场，以及水果和蔬菜零售商；不太健康的食品零售商包括了便利店和快餐店。这些零售商分类来自NAICS代码。本研究的最终样本包括了359,365个食品零售商POI和94,256,870条访问记录，其中每个记录指示了目标POI、起点（访客的家所在的社区）以及每年的访问次数。值得一提的是，每个NAICS类别下包含的POI数量与2021年NAICS协会统计中列出的企业总数相吻合，表明调查的POI的全面性。
CMD患病率数据：疾病数据来自CDC提供的PLACES数据。该数据在全美范围内以社区为单位提供了基于模型的估计。在这项研究中，本研究关注的是18岁以上成年人中五种CMD的患病率，包括高血压、冠心病、已诊断糖尿病、高胆固醇和肥胖。
人口统计和社会经济变量：本研究从多个来源获取了人口统计和社会经济变量。本研究从CDC获得了2018年SVI的百分位排名（范围从0到1，其中1表示社会最脆弱）。SVI是一个脆弱性指数，分为四个主题：社会经济地位、家庭构成和残疾、少数族裔状况以及住房类型/交通。除SVI数据外，本研究还从同一5年期ACS数据中为每个地区收集了代表性的人口统计和社会经济变量，包括族裔、收入、受教育程度、按年龄段的人口百分比，以及家庭收入中位数。此外，本研究从USDA获取了每个地区的食品荒漠指标。
3.研究方法
3.1构建零售食品活动指数
对于每个社区，本研究提出了一个全新的零售食品活动指数 （RFAI）。该指数代表了在给定地区的居民访问健康食品零售商的百分比，范围从0到100（其中0表示健康食品零售商访问的最低水平）。
3.2统计分析
为了探究RFAI与CMD患病率之间的关系，本研究进行了多元线性回归。本研究将每种疾病患病率为结果，将RFAI作为独立的关键变量，分析他们之间的统计学关系。并考虑一系列社会人口学变协变量，如女性比例、少数民族比例、低收入人口比例、高中以下教育水平人口比例、5岁以下或64岁以上人口比例、家庭收入中位数以及每个地区内食品零售商的总数。此外，本研究将同样的分析方法用到mRFEI上。mRFEI 是一个广泛使用的、基于位置的社区食物环境测量指标，被定义为一个地区内健康食品零售商的百分比。
3.3研究结果
（1）食品零售商访问模式
图1描述了食品零售商访问中，在每位居民社区的1⁄2英里边界内的访问所占的百分比。平均而言，只有20.8%的购物发生在居民社区的半英里范围内。这说明了大多数居民都不在社区范围内购买食物。
食品零售商访问模式可能在城市地区和不同社会人口群体之间存在变化。回归分析结果显示，地区的多个社会人口特征与居民出行距离相关。最强的预测因子是人口密度。此外，按照族裔群体进行的调查显示，非西班牙裔白人社区（定义为该族裔人口≥50%）的出行距离比其他族裔短15%，而非西班牙裔黑人社区的出行距离比其他族裔多3.5%。
图1 基于GPS的美国食品零售商访问
（2）零售食品活动指数 (RFAI)
本研究将RFAI与mRFEI进行了可视化比较。图2展示了RFAI（基于活动的）和mRFEI（基于位置的）的指数的空间分布。两个指数之间几乎没有一致性，这表现为低的相关水平（相关系数=0.069）。
图2 RFAI（基于活动的）和mRFEI（基于位置的）社区食物环境测量指标的空间分布
（3）与CMD患病率的关联
为了探讨研究对公共健康的意义，本研究调查了RFAI与五种CMD患病率之间的关联，如图3所示，结果显示，RFAI与肥胖、高胆固醇和高血压的患病率之间的关联比mRFEI更强。进一步的敏感性分析显示，RFAI对预测肥胖、和高血压患病率的影响是稳健的且在很大程度上是线性的。
图3 RFAI（基于活动的）和mRFEI（基于位置的）社区食物环境测量指标与CMD之间的关联
4.研究结论
本研究认为现有食品环境研究缺乏一个关键的行为组成部分，即人的移动性，这是与饮食相关的健康结果的先决条件。本研究通过利用美国的大规模基于GPS的人类流动性数据，展示了大多数食品零售商的访问超出了居民的社区范围。在此基础上，本研究提出了一个综合测量指标RFAI。这个指标整合了食品零售商的访问，并证明了它与代谢性心血管疾病之间的相关性，为深入了解社区食物环境对饮食相关的疾病的影响提供了框架。
据本研究所知，这是首个在全美尺度，将高空间分辨率的人口流动大数据整合到社区食物环境的研究。
5.文章引用格式
Xu, R., Huang, X., Zhang, K. et al. Integrating human activity into food environments can better predict cardiometabolic diseases in the United States. Nat Commun 14, 7326 (2023). https://doi.org/10.1038/s41467-023-42667-8
转自：“科研圈内人”微信公众号
如有侵权，请联系本站删除！
