CC BY
627
Для корреспонденции
Максимов Сергей Алексеевич - доктор медицинских наук, доцент, ведущий научный сотрудник отдела эпидемиологии хронических неинфекционных заболеваний ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России
Адрес: 101990, Россия, г. Москва, Петроверигский переулок, д. 10, стр. 3
Телефон: (499) 553-69-46
E-mail: m1979sa@yandex.ru
https://orcid.org/0000-0003-0545-2586
Максимов С.А.1, Карамнова Н.С.1, Шальнова С.А.1, Баланова Ю.А.1, Деев А.Д.1, Евстифеева С.Е.1, Имаева А.Э.1, Капустина А.В.1, Муромцева Г.А.1, Ротарь О.П.2, Шляхто Е.В.2, Бойцов С.А.3, Драпкина О.М.1
Эмпирические модели питания в российской популяции и факторы риска хронических неинфекционных заболеваний (исследование ЭССЕ-РФ)
Empirical dietary patterns in the Russian population and the risk factors of chronic non-infectious diseases (Research ECVD-RF)
Maksimov S.A.1, Karamnova N.S.1, Shalnova S.A.1, Balanova Yu.A.1, Deev A.D.1, Evstifeeva S.E.1, Imaeva A.E.1, Kapustina A.V.1, Muromtseva G.A.1, Rotar O.P.2, Shlyakhto E.V.2, Boytsov S.A.3, Drapkina O.M.1
1 ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России, Москва, Россия
2 ФГБУ «Национальный медицинский исследовательский центр им. В.А. Алмазова» Минздрава России, Санкт-Петербург, Россия
3 ФГБУ «Национальный медицинский исследовательский центр кардиологии» Минздрава России, Москва, Россия
1 National Medical Research Center for Preventive Medicine
of the Ministry of Healthcare of the Russian Federation, Moscow, Russia
2 Almazov National Medical Research Centre of the Ministry of Health of the Russian Federation, St. Petersburg, Russia
3 National Medical Research Center of Cardiology of the Ministry of Healthcare of the Russian Federation, Moscow, Russia
В эпидемиологии питания в настоящее время активно используются методические подходы эмпирической оценки рационов питания населения и их ассоциаций с показателями состояния здоровья. В России данные подходы использованы в ряде когортных и региональных исследований, однако в целом для российской популяции такие исследования отсутствуют.
Для цитирования: Максимов С .А., Карамнова Н.С., Шальнова С. А., Баланова Ю.А., Деев А.Д., Евстифеева С.Е., Имаева А.Э., Капустина А.В., Муромцева Г.А., Ротарь О.П., Шляхто Е.В., Бойцов С.А., Драпкина О.М. Эмпирические модели питания в российской популяции и факторы риска хронических неинфекционных заболеваний (исследование ЭССЕ-РФ) // Вопр. питания. 2019. Т. 88, № 6. С. 22-33. doi: 10.24411/00428833-2019-10061
Статья поступила в редакцию 23.07.2019. Принята в печать 19.11.2019.
For citation: Maksimov S.A., Karamnova N.S., Shalnova S.A., Balanova Yu.A., Deev A.D., Evstifeeva S.E., Imaeva A.E., Kapustina A.V., Muromtseva G.A., Rotar O.P., Shlyakhto E.V., Boytsov S.A., Drapkina O.M. Empirical dietary patterns in the Russian population and the risk factors of chronic non-infectious diseases (Research ECVD-RF). Voprosy pitaniia [Problems of Nutrition]. 2019; 88 (6): 22-33. doi: 10.24411/0042-8833-2019-10061 (in Russian)
Received 23.07.2019. Accepted 19.11.2019.
Цель работы - выделение эмпирических моделей питания в российской популяции и анализ их ассоциаций с факторами риска хронических неинфекционных заболеваний.
Материал и методы. Работа выполнена в рамках многоцентрового эпидемиологического исследования «Эпидемиология сердечно-сосудистых заболеваний в регионах Российской Федерации» (ЭССЕ-РФ) в 2013-2014 гг. Конечный объем выборки составил 19 520 человек в возрасте 25-64 лет. Под факторами риска хронических неинфекционных заболеваний рассматривали артериальную гипертензию, общее и абдоминальное ожирение, гиперхолестеринемию, гипертригли-церидемию, низкий уровень липопротеинов высокой плотности, высокий уровень липопротеинов низкой плотности, гипергликемию. Интервьюированием собраны данные по частоте потребления 13 групп пищевых продуктов, которые затем сгруппированы в 10 групп за счет объединения молочных продуктов в одну. Выделение моделей питания и оценки их устойчивости проводили с помощью факторного анализа (метод главных компонент). По индивидуальной приверженности участников исследования к выделенным моделям питания выборка сгруппирована на квартили по каждой модели. Для выявления ассоциаций между приверженностью к моделям питания и факторами риска использовали логистический регрессионный анализ с корректировкой на социально-демографические характеристики участников исследования.
Результаты и обсуждение. Выделены 4 устойчивые модели питания с суммарным удельным весом объясняемой дисперсии 55,9%, условно обозначенные как «Разумная» (молочные продукты, сладости и кондитерские изделия, свежие фрукты и овощи, крупы и макароны), «Солевая» (колбасные изделия, соления и маринованные продукты), «Мясная» (мясо, рыба и морепродукты, птица) и «Смешанная» (бобовые, соления и маринованные продукты, рыба и морепродукты). По набору продуктов «Разумная» модель преимущественно соответствует «Здоровым» или «Сбалансированным» моделям в зарубежных исследованиях, сочетание «Солевой» и «Мясной» моделей - «Западной солевой». Приверженность к «Разумной» модели ассоциируется со снижением вероятности факторов риска хронических неинфекционных заболеваний, а к «Солевой» и «Мясной» моделям - напротив, с увеличением. Полученные ассоциации в целом соответствуют результатам аналогичных зарубежных исследований. По «Смешанной» модели питания отмечаются отдельные ассоциации с факторами риска, не позволяющие однозначно оценить модель с точки зрения влияния на здоровье. Заключение. Проведенное исследование позволило выделить эмпирические модели питания российской популяции, а также охарактеризовать их с точки зрения ассоциаций с состоянием здоровья по факторам риска хронических неинфекционных заболеваний.
Ключевые слова: модели питания, российская популяция, факторный анализ, метод главных компонент, факторы риска хронических неинфекционных заболеваний
Currently, in the epidemiology of nutrition, methodological approaches to the empirical assessment of the diets of the population and their relationship to health indicators are actively using. In Russia, these approaches have been used in a number of cohort and regional studies, however, such studies are not available for the entire Russian population.
Aim. Identification of empirical dietary patterns in the Russian population and analysis of their associations with risk factors for chronic non-communicable diseases.
Material and methods. The work was carried out as part of a multicenter epidemiological study "Epidemiology of cardiovascular diseases in the regions of the Russian Federation" (ECVD-RF) in 2013-2014. The final sample size was 19 520 people aged 2564 years. Arterial hypertension, general and abdominal obesity, hypercholesterolemia, hypertriglyceridemia, low HDL, high LDL, and hyperglycemia were observed as risk factors for chronic non-infectious diseases. The data on the frequency of consumption of 13 food groups, which were grouped into 10 groups by combining dairy products into one were collected by interviewing. The identification of dietary patterns and assessment of their sustainability was performed using factor analysis (principal component analysis). In accordance with the individual commitment of the participants to the selected dietary patterns the sample was grouped into quartiles for each of the patterns. In order to ensure associations between patterns commitment and risk factors, a logistic regression analysis was used adjusted for the socio-demographic characteristics of the participants.
Results and discussion. Four stable dietary patterns with a total specific gravity of the explained variance of 55.9% were identified and conventionally designated as "Reasonable" (milk, sweets and confectionery, fresh fruits and vegetables, cereals and pasta), "Salt" (sausages, pickles and pickled products), "Meat" (meat, fish and seafood, poultry meat) and "Mixed" (beans, pickles and pickled products, fish and seafood). The set of products of the "Reasonable" patterns mainly corresponds to the "Healthy" or "Balanced" patterns in foreign studies, the combination of the "Salt" and "Meat"patterns - the "Western Salt". Adherence to a "Reasonable" pattern was associated with a decrease in the likelihood of risk factors for chronic non-communicable diseases, and to a "Salt" and Meat" patterns, on the contrary, with an increase. The associations obtained generally correspond to the results of similar foreign studies. A "Mixed" dietary pattern was associated with a few risk factors, which did not allow an unambiguous assessment of the pattern in terms of its impact on health.
Conclusion. The study identified empirical dietary patterns of the Russian population and characterized them in terms of associations with the state of health of risk factors for chronic non-communicable diseases.
Keywords: dietary patterns, Russian population, factor analysis, principal component analysis, risk factors for chronic non-communicable diseases
Питание представляет достаточно сложную неоднородную систему пищевых привычек, связанных с приверженностью к определенным видам продуктов, и может характеризоваться как сформированными стереотипами питания, так и достаточно беспорядочным
случайным потреблением разнообразных продуктов. Традиционные подходы к анализу отдельных групп продуктов и пищевых веществ не позволяют оценить потенциальные синергетические эффекты питания, в связи с чем в эпидемиологии питания активно используются
методы оценки рационов [1, 2]. При этом применяются два существенно различающихся подхода к построению исследуемых рационов. Первый подход - это использование априори определенных индексов и моделей, включающих конкретные, заранее определенные на основе диетических рекомендаций группы продуктов, например широко известные индекс здорового питания или средиземноморская диета. Несмотря на то что применение таких априорных инструментов позволяет классифицировать качество рациона питания, их применение в популяциях, существенно отличающихся по потребляемым пищевым продуктам, может приводить к неадекватным результатам [2]. Второй подход, апостериорный, предполагает определять модели питания на основе эмпирической частоты потребления групп продуктов населением с помощью методов многомерной статистики (факторный и кластерный анализ).
В начале 2000-х гг. апостериорные методы оценки пищевого рациона стали широко рассматриваться в качестве нового направления в эпидемиологии питания [1], хотя их применение в научной практике началось гораздо раньше. Так, обзор 2004 г. рассматривал уже 93 исследования, начиная с 1980 г., использовавших эмпирические модели питания, в том числе 65 исследований, применявших кластерный или факторный анализ для оценки ассоциаций между особенностями питания и заболеваниями или факторами их риска [3]. К настоящему времени оценка эмпирических схем питания является важной составляющей в эпидемиологии тания наряду с анализом потребления отдельных групп продуктов и априорной оценкой рационов [4, 5]. Так, несколько свежих обзоров и метаанализов рассматривают результаты исследований с использованием апостериорного анализа структуры питания в связи с развитием целого ряда патологий: опорно-двигательного аппарата [6], онкологии [7], сахарного диабета [8], сердечно-сосудистых заболеваний [9].
В российских исследованиях апостериорная оценка рационов питания была использована в ряде когортных и региональных исследований [10-14]. В то же время анализ эмпирических моделей питания российского населения в целом отсутствует. Ранее в рамках эпидемиологического исследования «Эпидемиология сердечно-сосудистых заболеваний в регионах Российской Федерации» (ЭССЕ-РФ) была показана частота потребления конкретных групп пищевых продуктов в российской популяции [15]. Продолжением данной работы является выделение эмпирических моделей питания в российской популяции и анализ их ассоциаций с факторами риска хронических неинфекционных заболеваний.
Материал и методы
Работа выполнена в рамках многоцентрового эпидемиологического исследования ЭССЕ-РФ в 20132014 гг., с участием 13 регионов РФ и общим числом обследованных 21 923 человек в возрасте 25-64 лет.
Исследование выполнено в соответствии со стандартами надлежащей клинической практики (Good Clinical Practice) и принципами Хельсинкской Декларации. Протоколы исследования одобрены Этическими комитетами ФГБУ «НМИЦ профилактической медицины» Минздрава России, ФГБУ «НМИЦ кардиологии» Минздрава России, ФГБУ «НМИЦ им. В.А. Алмазова» Минздрава России, а также региональных центров-соисполнителей. Более подробная информация о формировании выборки и протоколе исследования ЭССЕ-РФ была представлена ранее [16]. До включения в исследование у всех участников было получено письменное информированное согласие. Отклик на обследование составил около 80%.
Из общего числа участников исследования у 2403 (11,0%) человек пропущены необходимые данные, поэтому они были исключены из анализа. Конечный объем выборки составил 19 520 человек.
По семейному положению выделяли группу «есть семья», включившую проживающих совместно с партнером в официальном или гражданском браке, и группу «нет семьи», объединившую лиц, никогда не бывших в браке, разведенных и живущих раздельно, а также вдов/вдовцов. По уровню образования выделяли группы с начальным профессиональным образованием (плюс неполное и полное общее образование), со средним профессиональным образованием (плюс неоконченное высшее образование) и с высшим профессиональным образованием. Уровень достатка оценивали с помощью вопроса: «Как вы оцениваете обеспеченность вашей семьи по сравнению с другими?». Варианты ответов «очень бедная» и «относительная бедная» классифицировали как «низкий достаток», вариант «средняя (не богатая, но и не бедная)» - как «средний достаток», варианты «относительно обеспеченная» и «очень обеспеченная» - как «высокий достаток».
Общая характеристика выборки представлена в табл. 1. Среди участников исследования превалировали женщины (62,4%), старшие возрастные группы (доля лиц 45-54 и 55-64 лет составляет 58,7%), семейные (64,6%), лица без высшего образования (56,6%), работающие (75,9%), со средним и высоким достатком (89,3%), проживающие в городе (81,0%). Распределение по регионам исследования достаточно равномерное, от 6 до 10%.
Артериальная гипертензия регистрировалась при систолическом артериальном давлении >140 мм рт.ст. и/или диастолическом артериальном давлении 90 мм рт.ст., либо при регулярном приеме участником исследования антигипертензивных препаратов.
Ожирение классифицировалось при индексе массы тела >30 кг/м2. Абдоминальное ожирение определяли по обхвату талии: у мужчин - >102 см, у женщин - >88 см.
Гиперхолестеринемия классифицировалась при концентрации общего холестерина более 5,0 ммоль/л либо при нормальных значениях общего холестерина в случае приема липидоснижающих препаратов, гипер-триглицеридемия - при концентрации триглицеридов
>1,7 ммоль/л, низкий уровень липопротеинов высокой плотности (ЛПВП) - при концентрации <1,0 ммоль/л для мужчин, <1,2 ммоль/л для женщин, высокий уровень липопротеинов низкой плотности (ЛПНП) - при значениях >3,0 ммоль/л. Гипергликемия отмечалась при концентрации глюкозы натощак >6,1 ммоль/л либо при нормальных значениях, но при приеме лекарственных препаратов, снижающих уровень глюкозы.
Методы определения моделей питания
Интервьюированием получены данные по частоте потребления 13 групп пищевых продуктов с выделением градаций: «не употребляю/редко», «1-2 раза в месяц», «1-2 раза в неделю», «ежедневно/почти ежедневно». Из оцениваемых групп пищевых продуктов 4 характеризуют молочные продукты: «молоко, кефир, йогурт», «сметана, сливки», «творог», «сыр». С целью объединения данных 4 групп продуктов в единую укрупненную группу «молочные продукты» было решено провести процедуру факторного анализа (метод главных компонент) с выделением латентного фактора и с последующей оценкой индивидуальной приверженности каждого участника к данному фактору. Для приведения к единообразию частоты потребления молочных продуктов с другими группами пищевых продуктов, количественные значения приверженности переведены в 4 вышеуказанные условные категории. Таким образом, в конечный анализ вошли 10 групп пищевых продуктов: «мясо» (говядина, свинина, баранина и др.), «рыба и морепродукты», «птица» (курица, индейка и др.), «колбасы, сосиски, субпродукты» (язык, печень, сердце и др.), «соления и маринованные продукты», «крупы, макароны», «свежие овощи и фрукты», «бобовые» (фасоль, чечевица, горох и др.), «сладости и кондитерские изделия» (конфеты, варенье, печенье и др.), «молочные продукты» (молоко, кефир, йогурт, сметана, сливки, творог, сыр). С целью применения факторного анализа частоты потребления переведены в условные количественные баллы: «не употребляю/ редко» - 1 балл, «1-2 раза в месяц» - 2 балла, «1-2 раза в неделю» - 3 балла, «ежедневно/почти ежедневно» -4 балла.
Методы статистического анализа
Определение моделей питания проводили с помощью ранее представленной методики [10]. Вкратце, применяли факторный анализ (метод главных компонент), вращение факторов методом варимакс нормализованный. Выделенные латентные факторы формировались при факторных нагрузках частоты потребления пищевых продуктов >0,40.
Для оценки устойчивости факторных решений анализ проводили также в гендерных и в 4 возрастных группах. В связи с тем что структура потребления продуктов в данных группах в целом соответствует общероссийской выборке (коэффициенты конгруэнтности Такера находятся в диапазоне от 0,97 до 0,99), решено использовать факторное решение в целом по всей выборке.
Таблица 1. Общая характеристика участников исследования
Характеристика Количество
абс. %
Пол Женщины 12 191 62,4
Мужчины 7329 37,6
Возраст, 25-34 4148 21,3
годы 35-44 3903 20,0
45-54 5432 27,8
55-64 6037 30,9
Семья Нет 6905 35,4
Есть 12 615 64,6
Образование Начальное профессиональное 5527 28,3
Среднее профессиональное 5516 28,3
Высшее профессиональное 8477 43,4
Работа Нет 4710 24,1
Есть 14 810 75,9
Достаток Низкий 2098 10,7
Средний 15 291 78,3
Высокий 2131 10,9
Место Город 15 817 81,0
жительства Село 3703 19,0
Регион Красноярский край 1370 7,0
Приморский край 1903 9,8
Волгоградская область 1176 6,0
Вологодская область 1516 7,8
Воронежская область 1480 7,6
Ивановская область 1731 8,9
Кемеровская область 1469 7,5
Самарская область 1530 7,8
Санкт-Петербург 1460 7,5
Оренбургская область 1445 7,4
Томская область 1464 7,5
Тюменская область 1371 7,0
Республика Северная Осетия - Алания 1605 8,2
Выделенные модели питания условно обозначали по преимущественным группам пищевых продуктов, вошедших в данные модели.
По индивидуальной приверженности участников исследования к выделенным моделям питания выборка сгруппирована на квартили (01-04), при этом 1-й квартиль объединил лиц с минимальной приверженностью к модели питания, 4-й квартиль - с максимальной. Далее проводили однофакторный анализ различий частоты факторов риска в квартилях с помощью критерия х2 Пирсона. Для учета возможного влияния на исследуемые ассоциации структуры выборки по социально-демографическим характеристикам применяли логистический регрессионный анализ с корректировкой на пол, возраст, семейное положение, уровень образования, наличие работы, финансовый достаток, проживание в городе/селе, регион. Рассчитывали отношение шансов (ОШ) и 95% доверительный интервал (ДИ). В качестве референсной группы использовали лиц из 1-го квартиля. Для определения линейности
ассоциации факторов риска от моделей питания рассчитывали уровень статистической значимости линейного тренда значений ОШ.
Критическим уровнем статистической значимости принимали 0,05. Анализ статистических данных проводили в программе 81айэ1юа 10.0.
Результаты
Модели питания
В российской популяции выделены 4 модели питания с суммарным удельным весом объясняемой дисперсии 55,9% (табл. 2). Модель питания, условно обозначенная как «Разумная», характеризуется сочетанием высокого уровня потребления молочных продуктов, сладостей и кондитерских изделий, среднего по уровню потребления свежих фруктов и овощей, круп и макарон. Сочетание высокого уровня потребления колбасных изделий, солений и маринованных продуктов условно обозначено как «Солевая» модель. Сочетание высокого уровня потребления мясных продуктов, рыбы и морепродуктов, птицы классифицировано как «Мясная» модель. Модель питания, включающая высокий уровень потребления бобовых, средний уровень потребления солений и маринованных продуктов, рыбы и морепродуктов, обозначена как «Смешанная».
Ассоциации моделей питания с факторами риска
«Разумная» модель питания. Однофакторный анализ свидетельствует о статистически значимых различиях частоты всех факторов риска в квартилях по «Разумной» модели питания (табл. 3). В большинстве случаев наиболее выражены различия частоты факторов риска в 01, с одной стороны, и 03-04, с другой стороны. Многофакторный анализ, с корректировкой на социально-демографические и региональные различия структуры также показал множественные ассоциации вероятности факторов риска (исключая высокий уровень ЛПНП) в 02-04 по сравнению с референсной 01. С увеличением приверженности к «Разумной» модели питания
последовательно снижается вероятность артериальной гипертензии, ожирения, абдоминального ожирения, гипергликемии, гипертриглицеридемии. По данным факторам значения ОШ в 02-04 статистически значимо ниже, чем в 01, линейный тренд значений ОШ статистически значимый. По пониженному уровню ЛПВП линейный тренд также статистически значим, однако статистически значимые низкие вероятности фактора риска по отношению к референсной группе наблюдаются только в 03 и 04. Низкая вероятность гиперхолестери-немии по сравнению с референсной группой отмечается в 02 и 03, тренд значений ОШ не соответствует линейному.
«Солевая» модель питания. Частота всех факторов риска, за исключением пониженного уровня ЛПВП, статистически значимо различается в квартилях по «Солевой» модели питания (табл. 4). При этом в группах с более высокой приверженностью к модели питания частота факторов риска, как правило (за исключением гипертриглицеридемии), снижается. Корректировка на социально-демографические и региональные различия структуры привела к существенному изменению силы и направленности ассоциаций. Так, приверженность к «Солевой» модели питания перестала ассоциироваться с вероятностью артериальной гипертензии. Ассоциации по вероятности ожирения, включая абдоминальное ожирение (01/03 и 01/04), гиперхолестеринемии (01/02 и 01/03) и повышенного уровня ЛПНП (01/03) изменили направленность в сторону увеличения вероятности факторов риска с ростом приверженности к «Солевой» модели. Вероятность гипертриглицери-демии по многофакторному анализу также осталась выше в 03 и 04 по сравнению с референсной группой. По всем факторам риска тренд значений ОШ не соответствует линейному. Исключением является вероятность гипергликемии - единственный фактор риска, вероятность которого снижается с ростом приверженности к «Солевой» модели питания как в однофакторной, так и в многофакторном анализе (01/03 и 01/04).
«Мясная» модель питания. Однофакторный анализ показал статистически значимые различия частоты ар-
Таблица 2. Факторные нагрузки основных выявленных моделей питания
Группа продуктов Выделенные факторы (модели питания)
«Разумный» «Солевой» «Мясной» «Смешанный»
Мясо - - 0,645 -
Рыба и морепродукты - - 0,644 0,436
Птица - - 0,643 -
Колбасные изделия - 0,754 - -
Соления и маринованные продукты - 0,609 - 0,472
Крупы, макароны 0,471 - - -
Фрукты и овощи 0,545 - - -
Бобовые - - - 0,837
Сладости и кондитерские изделия 0,675 - - -
Молочные продукты 0,764 - - -
Доля объясняемой дисперсии, % 15,9 13,5 14,3 12,2
Факторы риска Квартили по модели питания Р X2 р тренда ОШ
01, п=4884 02, п=4850 03, п=4862 04, п=4924
Артериальная гипертензия % (п) 53,2 (2600) 47,1 (2282) 44,6 (2168) 45,3 (2231) <0,0001
ОШ (95% ДИ) Референсная 0,91 (0,86; 0,95) 0,86 (0,82; 0,91) 0,83 (0,79; 0,87) 0,028
Ожирение % (п) 35,2 (1717) 31,4 (1524) 30,2 (1470) 31,4 (1546) <0,0001
ОШ (95% ДИ) Референсная 0,92 (0,88; 0,97) 0,89 (0,85; 0,93) 0,86 (0,82; 0,90) 0,035
Абдоминальное ожирение % (п) 40,0 (1952) 35,3 (1710) 35,9 (1748) 35,8 (1765) <0,0001
ОШ (95% ДИ) Референсная 0,90 (0,86; 0,94) 0,89 (0,85; 0,93) 0,82 (0,78; 0,86) 0,042
Гипергликемия % (п) 19,3 (941) 13,8 (670) 11,7 (570) 10,2 (504) <0,0001
ОШ (95% ДИ) Референсная 0,83 (0,79; 0,87) 0,76 (0,72; 0,81) 0,68 (0,64; 0,73) 0,024
Гипертриглицеридемия % (п) 30,4 (1483) 27,3 (1322) 24,1 (1170) 22,8 (1122) <0,0001
ОШ (95% ДИ) Референсная 0,95 (0,90; 0,99) 0,88 (0,84; 0,93) 0,86 (0,82; 0,90) 0,019
Гиперхолестеринемия % (п) 58,3 (2846) 55,0 (2670) 55,3 (2691) 57,1 (2813) 0,0032
ОШ (95% ДИ) Референсная 0,96 (0,92; 0,99) 0,95 (0,91; 0,99) 0,98 (0,93; 1,02) 0,59
ЛПВП % (п) 21,3 (1042) 20,5 (995) 19,9 (967) 19,0 (934) 0,028
ОШ (95% ДИ) Референсная 0,96 (0,91; 1,01) 0,95 (0,90; 0,99) 0,91 (0,86; 0,96) 0,022
ЛПНП % (п) 63,2 (3089) 61,4 (2979) 62,9 (3058) 64,5 (3176) 0,018
ОШ (95% ДИ) Референсная 0,99 (0,95; 1,03) 1,02 (0,97; 1,06) 1,02 (0,98; 1,07) 0,22
П р и м е ч а н и е. Здесь и в табл. 4-6: расшифровка аббревиатур дана в тексте.
Таблица 3. Ассоциации «Разумной» модели питания с факторами риска
териальной гипертензии, ожирения, абдоминального ожирения, гипергликемии и гипертриглицеридемии в квартилях по «Мясной» модели питания (табл. 5). При этом более высокая частота факторов риска по сравнению с 01, как правило, отмечаются в 03 и 04. Многофакторные ассоциации в основном соответствуют однофакторным, при этом тренд ОШ по данным факторам риска линейный, статистически значимый. Более высокая вероятность ожирения и абдоминального ожирения по сравнению с референсной группой наблюдается в 02-04, артериальной гипертензии и гипергликемии - в 03-04, гипертриглицеридемии -в 04. Помимо данных ассоциаций, при многофакторном
анализе появляется статистически значимая более высокая вероятность низких концентраций ЛПВП в 04 по сравнению с 01.
«Смешанная» модель питания. В квартилях по «Смешанной» модели питания отмечаются различия частоты всех факторов риска, за исключением пониженного уровня ЛПВП (табл. 6). При этом с увеличением приверженности к модели частота факторов риска, как правило, увеличивается. После корректировки на социально-демографические и региональные различия структуры схожие ассоциации остались лишь по гипергликемии и повышенному уровню ЛПНП. В 02-04 выше вероятность гипергликемии (тренд линейный, статистически значи-
Таблица 4. Ассоциации «Солевой» модели питания с факторами риска
Факторы риска Квартили по модели питания Р X2 р тренда ОШ
01, п=4934 02, п=4812 03, п=4914 04, п=4860
Артериальная гипертензия % (п) 51,3 (2532) 47,0 (2262) 46,5 (2283) 45,3 (2204) <0,0001
ОШ (95% ДИ) Референсная 0,97 (0,92; 1,01) 0,99 (0,94; 1,04) 0,99 (0,95; 1,04) 0,90
Ожирение % (п) 33,3 (1641) 32,4 (1557) 32,5 (1595) 30,1 (1464) 0,0068
ОШ (95% ДИ) Референсная 1,04 (0,99; 1,08) 1,08 (1,03; 1,13) 1,06 (1,01; 1,11) 0,17
Абдоминальное ожирение % (п) 40,4 (1992) 37,4 (1800) 36,4 (1789) 32,8 (1594) <0,0001
ОШ (95% ДИ) Референсная 1,04 (0,99; 1,08) 1,08 (1,03; 1,13) 1,05 (1,00; 1,10) 0,26
Гипергликемия % (п) 16,2 (802) 13,7 (661) 13,4 (661) 11,5 (561) <0,0001
ОШ (95% ДИ) Референсная 0,95 (0,89; 1,01) 0,94 (0,89; 0,99) 0,87 (0,81; 0,92) 0,036
Гипертриглицеридемия % (п) 24,9 (1229) 25,5 (1226) 27,2 (1337) 26,8 (1305) 0,027
ОШ (95% ДИ) Референсная 1,04 (0,99; 1,09) 1,10 (1,05; 1,15) 1,08 (1,03; 1,14) 0,13
Гиперхолестеринемия % (п) 58,8 (2900) 57,1 (2749) 56,8 (2792) 53,1 (2579) <0,0001
ОШ (95% ДИ) Референсная 1,05 (1,01; 1,10) 1,07 (1,03; 1,12) 1,02 (0,98; 1,07) 0,67
ЛПВП % (п) 20,9 (1030) 20,2 (972) 19,8 (974) 19,8 (962) 0,51
ОШ (95% ДИ) Референсная 0,98 (0,93; 1,03) 1,00 (0,95; 1,06) 1,01 (0,96; 1,06) 0,49
ЛПНП % (п) 64,8 (3199) 62,8 (3021) 64,2 (3157) 60,2 (2925) <0,0001
ОШ (95% ДИ) Референсная 1,02 (0,98; 1,07) 1,09 (1,04; 1,14) 1,03 (0,98; 1,07) 0,47
Факторы риска Квартили по модели питания Р X2 р тренда ОШ
01, п=4923 02, п=4845 03, п=4909 04, п=4843
Артериальная гипертензия % (п) 46,1 (2272) 45,2 (2191) 47,7 (2341) 51,2 (2477) <0,0001
ОШ (95% ДИ) Референсная 1,02 (0,97; 1,07) 1,06 (1,01; 1,11) 1,08 (1,03; 1,13) 0,010
Ожирение % (п) 29,8 (4923) 30,4 (1473) 31,8 (1559) 36,3 (1757) <0,0001
ОШ (95% ДИ) Референсная 1,07 (1,02; 1,12) 1,10 (1,05; 1,16) 1,18 (1,13; 1,24) 0,013
Абдоминальное ожирение % (п) 33,2 (1637) 35,8 (1734) 38,1 (1869) 39,9 (1935) <0,0001
ОШ (95% ДИ) Референсная 1,12 (1,07; 1,18) 1,19 (1,13; 1,24) 1,23 (1,17; 1,29) 0,027
Гипергликемия % (п) 11,5 (568) 11,9 (579) 14,5 (713) 17,0 (825) <0,0001
ОШ (95% ДИ) Референсная 1,03 (0,97; 1,10) 1,15 (1,08; 1,22) 1,24 (1,17; 1,33) 0,022
Гипертриглицеридемия % (п) 25,4 (1253) 24,9 (1206) 26,5 (1299) 27,6 (1339) 0,011
ОШ (95% ДИ) Референсная 1,01 (0,96; 1,05) 1,05 (1,00; 1,10) 1,07 (1,02; 1,13) 0,023
Гиперхолестеринемия % (п) 56,4 (2778) 56,1 (2716) 56,9 (2794) 56,4 (2732) 0,86
ОШ (95% ДИ) Референсная 1,01 (0,96; 1,05) 1,01 (0,98; 1,06) 1,00 (0,95; 1,05) 0,99
ЛПВП % (п) 20,0 (986) 20,0 (969) 19,9 (977) 20,8 (1006) 0,69
ОШ (95% ДИ) Референсная 0,99 (0,94; 1,04) 1,02 (0,97; 1,07) 1,08 (1,03; 1,14) 0,13
ЛПНП % (п) 63,1 (3106) 62,3 (3017) 63,1 (3100) 63,6 (3079) 0,60
ОШ (95% ДИ) Референсная 0,99 (0,94; 1,03) 0,99 (0,95; 1,03) 0,97 (0,93; 1,02) 0,08
Таблица 5. Ассоциации «Мясной» модели питания с факторами риска
мый), а в 02 выше вероятность высоких уровней ЛПНП по сравнению с референсной группой. По артериальной ги-пертензии ассоциации изменились на противоположные: в 04 вероятность данного фактора риска статистически значимо ниже, чем в 01. По ожирению, абдоминальному ожирению, гипертриглицеридемии и гиперхолестерине-мии ассоциации с приверженностью к «Смешанной» модели питания после корректировки исчезли.
Обсуждение
В российской популяции выделены 4 устойчивые модели питания, условно обозначенные как «Разумная»,
«Солевая», «Мясная» и «Смешанная», с долей объясняемой дисперсии 55,9%. В моделях «Разумная», «Мясная» и «Смешанная» присутствуют как продукты с высокой пищевой ценностью, так и не рекомендуемые к частому потреблению в рамках здорового питания. «Солевая» модель представлена только нерекомендуемыми продуктами - колбасные изделия, соления и маринованные продукты. Выделенные модели отражают реальное потребление пищевых продуктов и свидетельствуют, что в российской популяции, к сожалению, нет устойчивого стереотипа пищевого поведения здорового питания, подобного средиземноморской диете в странах Южной Европы. Если ранее в рамках исследования ЭССЕ-РФ была показана частота потребления отдельных групп
Таблица 6. Ассоциации «Смешанной» модели питания с факторами риска
Факторы риска Квартили по модели питания Р X2 р тренда ОШ
01, п=4888 02, п=4889 03, п=4891 04, п=4852
Артериальная гипертензия % (п) 44,8 (2190) 46,2 (2260) 48,9 (2393) 50,2 (2438) <0,0001
ОШ (95% ДИ) Референсная 0,96 (0,92; 1,01) 0,96 (0,92; 1,01) 0,94 (0,89; 0,98) 0,08
Ожирение % (п) 29,3 (1432) 32,2 (1574) 33,1 (1619) 33,6 (1632) <0,0001
ОШ (95% ДИ) Референсная 1,03 (0,99; 1,08) 1,02 (0,98; 1,07) 1,00 (0,95; 1,05) 0,91
Абдоминальное ожирение % (п) 33,9 (1659) 36,9 (1803) 37,7 (1845) 38,5 (1868) <0,0001
ОШ (95% ДИ) Референсная 1,03 (0,98; 1,07) 1,02 (0,97; 1,06) 1,00 (0,95; 1,04) 0,91
Гипергликемия % (п) 10,9 (533) 13,3 (649) 14,3 (702) 16,5 (801) <0,0001
ОШ (95% ДИ) Референсная 1,08 (1,01; 1,15) 1,09 (1,01; 1,16) 1,16 (1,09; 1,24) 0,034
Гипертриглицеридемия % (п) 24,5 (1197) 25,8 (1261) 26,4 (1293) 27,7 (1346) 0,0031
ОШ (95% ДИ) Референсная 1,01 (0,96; 1,06) 1,01 (0,96; 1,06) 1,01 (0,96; 1,06) 0,22
Гиперхолестеринемия % (п) 53,0 (2593) 56,6 (2765) 57,7 (2822) 58,5 (2840) <0,0001
ОШ (95% ДИ) Референсная 1,03 (0,98; 1,06) 1,01 (0,97; 1,06) 1,03 (0,98; 1,07) 0,40
ЛПВП % (п) 20,4 (996) 20,2 (990) 19,4 (947) 20,7 (1005) 0,39
ОШ (95% ДИ) Референсная 0,99 (0,94; 1,05) 0,97 (0,92; 1,02) 1,01 (0,96; 1,07) 0,92
ЛПНП % (п) 59,7 (2916) 64,1 (3134) 63,7 (3115) 64,6 (3137) <0,0001
ОШ (95% ДИ) Референсная 1,05 (1,01; 1,10) 1,00 (0,96; 1,04) 1,00 (0,96; 1,04) 0,74
пищевых продуктов в российской популяции [15], то данное исследование дополняет эти знания с точки зрения группировки пищевых продуктов в фактические (эмпирические) рационы питания населения России.
Выделенные модели питания лишь частично соответствуют моделям, выделяемым в других странах. В структуре питания европейских и североамериканских популяций, более близкой к российской, достаточно высокий удельный вес занимают модели питания, характеризуемые как «Здоровые» и включающие потребление фруктов, овощей, птицы, рыбы и морепродуктов, сыра, риса [17-19]. В противоположность этой модели зачастую выделяют «Западную» модель, нередко с двумя разновидностями: «Западно-солевая» (жареные говядина и свинина, хот-доги или колбасы, бекон, картофель, паста, пицца, выпечка, газированные напитки, белый хлеб) и «Западно-сладкая» (печенье, кексы, торты, выпечка, пироги, мороженое, фрукты и овощи).
Вызывает интерес «Мясная» модель, так как, как правило, в зарубежных исследованиях в апостериорных рационах питания потребление красного мяса разделяется с потреблением птицы и, особенно, рыбы и морепродуктов. Красное мясо при этом попадает в модели, обозначаемые как «Нездоровые» или «Западные», а мясо птицы и, особенно, рыба - в «Здоровые» модели. В то же время нередко данные продукты частично или полностью пересекаются в моделях, в частности в польской [20, 21] и швейцарской [22], индийской [23] и тайванской [24] популяциях.
В целом можно отметить, что выделенная «Разумная» модель питания в большей степени соответствует «Здоровым» моделям в зарубежных исследованиях, а «Солевая» и «Мясная» - объединенной зарубежной «Западно-солевой» модели.
К сожалению, не представляется возможным сравнить полученные результаты с аналогичными российскими исследованиями, так как настоящее исследование является первой работой по анализу эмпирических данных структуры питания в рамках репрезентативной выборки российской популяции. Ранее проведенные российские исследования, использовавшие факторный анализ для выделения моделей питания, посвящены изучению детей [11, 13], школьных преподавателей [10], шорцев (малочисленной народности в Сибири) [14], населения одного из регионов России [12]. Последнее из этих исследований [12] выполнялось в рамках ЭССЕ-РФ и поэтому представляет собой часть результатов настоящего исследования, но только по Кемеровской области, с некоторыми методологическими ограничениями. Необходимо все же отметить, что полученные результаты в значительной степени соответствуют аналогичным ранее проведенных российских исследований.
Приверженность к выделенным моделям ассоциируется с факторами хронических неинфекционных заболеваний. «Разумная» модель питания характеризуется обратными (протективными) ассоциациями с артериальной гипертензией, ожирением, абдоминальным ожирением, гипергликемией, гипертриглицеридемией,
гиперхолестеринемией, пониженным уровнем ЛПВП. При этом по всем данным факторам риска, за исключением гиперхолестеринемии, отмечается линейный тренд ОШ, свидетельствующий о наличии дозо-эффективной ассоциации. Зарубежные исследования эмпирических моделей питания свидетельствуют об аналогичных ассоциациях. Снижение вероятности артериальной ги-пертензии при схожих моделях питания регистрировалось в бразильском [25], индийском (Мумбаи) [26], польском [20], бангладешском [27] поперечных исследованиях. Последующее проспективное исследование в Бангладеш [28] показало, что увеличение на единицу стандартного отклонения приверженности к «Сбалансированной» модели питания ассоциируется с ежегодным замедлением роста систолического артериального давления на 0,06 мм рт.ст. и на 0,08 мм рт.ст. пульсового давления.
Помимо артериальной гипертензии, приверженность к схожим с «Разумной» моделям питания ассоциировалась со снижением вероятности абдоминального ожирения (Бразилия, Индия) [23, 25], уменьшением концентрации триглицеридов (США) [29] и ЛПВП (Тайвань) [24]. Стоит, однако, отметить, что в индийском исследовании (Дели) [26] «фруктово-молочная» модель питания положительно ассоциировалась с абдоминальным ожирением и артериальной гипертензией, со статистически значимым трендом ОШ.
Ассоциации «Солевой» и «Мясной» моделей питания с факторами риска прямые (за исключением ассоциации «Солевой» модели с гипергликемией), т.е. негативные по характеру, при этом по ОШ «Мясной» модели отмечаются статистически значимые линейные тренды. Данные ассоциации соответствуют результатам зарубежных исследований со схожими наборами продуктов в эмпирических моделях питания: тайваньской «Мясной» модели - с гиперхолестеринемией и гипергликемией натощак [24], индийским моделями «Мясная» и «Закуски и сладости» - с общим и абдоминальным ожирением [26, 23], голландской «Традиционной» модели - с увеличением концентрации общего холестерина и глюкозы, а также снижением концентрации ЛПВП [30], «Современной западной» модели в Буркина-Фасо -с избыточной массой тела [31], мексиканской «Западной» модели - с гипергликемией натощак и снижением концентрации ЛПВП [32], таиландскими «Традиционной» -с гипертриглицеридемией [33] и «Современной западной» - с артериальной гипертензией [34], бангладеш-ской «Западной» модели - с артериальной гипертен-зией [27] и повышенным артериальным давлением [28], польской «Традиционной» модели - с абдоминальным ожирением [20].
«Смешанная» модель питания ассоциируется лишь со снижением вероятности артериальной гипертензии и увеличением гипергликемии (линейный тренд) и высоких уровней ЛПНП. Провести сравнение с зарубежными результатами затруднительно, так как аналогичных моделей со схожим набором пищевых продуктов в доступной литературе не нашлось.
Необходимо отметить сильные стороны проведенного исследования и его ограничения. Полученные результаты основаны на большой репрезентативной выборке населения России, включившей 13 регионов всех климатогеографических зон страны, за исключением территорий Крайнего Севера. Данное исследование является первой попыткой обобщить российские особенности эмпирических рационов питания и их ассоциации с факторами риска неинфекционных хронических заболеваний.
Основным ограничением исследования является использование короткой версии анкеты по питанию. В то же время, хотя и не часто, но такие варианты оценки рационов питания, особенно при массовых исследованиях, проводятся [21, 34]. Группы пищевых продуктов, отобранные в исследовании, представляют собой продукты, наиболее часто потребляемые в российской популяции, и охватывают как здоровые, так и нездоровые компоненты пищи.
Поперечный характер исследования ограничивает результаты с точки зрения причинно-следственной доказательности выводов.
Кроме того, необходимо отметить, что частота потребления молочных продуктов, в отличие от других групп продуктов, была рассчитана и объединена по сумме частот потребления четырех более мелких групп. Это, с одной стороны, может внести некоторое смещение в получаемые результаты, хотя, с другой стороны, все расчеты были логически обоснованы и выверены с помощью адекватных методов статистки.
Выводы
1. В российской популяции выделяются 4 устойчивых сочетания потребления основных групп пищевых продуктов: «Разумный» (молочные продукты, сладости и кондитерские изделия, свежие фрукты и овощи, крупы и макароны), «Солевой» (колбасные изделия, соления и маринованные продукты), «Мясной» (мясо, рыба и морепродукты, птица), «Смешанный» (бобовые, соления и маринованные продукты, рыба и морепродукты).
«Разумная» модель преимущественно соответствует «Здоровым» или «Сбалансированным» моделям в зарубежных исследованиях, сочетание «Солевой» и «Мясной» моделей - «Западной солевой».
2. Приверженность к выделенным моделям питания ассоциируется с вероятностью факторов риска хронических неинфекционных заболеваний. При этом приверженность к «Разумной» модели питания ассоциируется со снижением вероятности факторов риска, а к «Солевой» и «Мясной» моделям - напротив, с увеличением. Полученные ассоциации в целом соответствуют результатам аналогичных зарубежных исследований. По «Смешанной» модели питания отмечаются отдельные ассоциации с факторами риска, не позволяющие качественно оценить модель с точки зрения влияния на здоровье.
Благодарности. Авторы статьи выражают глубокую благодарность участникам исследования ЭССЕ-РФ, внесшим большой вклад в получение данных: Москва: Ю.В. Жернакова, В.В. Константинов, М.Н. Мамедов, Р.Г. Оганов, Е.И. Суворова, М.Б. Худяков, Е.В. Ощеп-кова; Санкт-Петербург: Е.И. Баранова, А.О. Конради; Владивосток: Н.В. Кулакова, В.А. Невзорова, Н.В. Ше-стакова, М.В. Мокшина, Л.В. Родионова; Владикавказ: Г.В. Толпаров; Вологда: В.А. Ильин, А.А. Шабунова, К.Н. Калашников, О.Н. Калачикова, А.В. Попов; Волгоград: С.В. Недогода, Е.В. Чумачек, А.А. Ледяева; Воронеж: ГИ. Фурменко, Т.М. Черных, В.В. Овсянникова, Л.В. Бондарцов; Иваново: О.А. Белова, С.В. Романчук, О.А. Назарова, О.А. Шутемова; Кемерово: О.Л. Барба-раш, Г.В. Артамонова, Е.В. Индукаева, Т.А. Мулерова, А.Е. Скрипченко, Н.В. Черкасс, М.В. Табакаев, Я.В. Да-нильченко; Красноярск: Ю.И. Гринштейн, М.М. Петрова, Л.К. Данилова, А.А. Евсюков, В.В. Шабалин, Р.Р. Руф, А.А. Косинова, И.В. Филоненко, О.А. Байкова; Оренбург: Р.А. Либис, Е.А. Лопина, И.Р. Басырова; Самара: Д.В. Дупляков, С.А. Гудкова, Н.А. Черепанова; Томск: И.А. Трубачева, В.С. Кавешников, Р.С. Карпов, В.Н. Серебрякова; Тюмень: А.Ю. Ефанов, И.В. Медведева, М.А. Сторожок, С.В. Шалаев.
Конфликт интересов. Авторы декларируют отсутствие конфликта интересов.
Сведения об авторах
Максимов Сергей Алексеевич (Maksimov Sergey A.) - доктор медицинских наук, доцент, ведущий научный сотрудник отдела эпидемиологии хронических неинфекционных заболеваний ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России (Москва, Россия) E-mail: m1979sa@yandex.ru https://orcid.org/0000-0003-0545-2586
Карамнова Наталья Станиславовна (Karamnova Natalia S.) - кандидат медицинских наук, руководитель лаборатории эпидемиологии питания отдела эпидемиологии хронических неинфекционных заболеваний ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России (Москва, Россия) E-mail: NKaramnova@gnicpm.ru https://orcid.org/0000-0002-8604-712X
Шальнова Светлана Анатольевна (Shalnova Svetlana A.) - доктор медицинских наук, профессор, руководитель отдела эпидемиологии хронических неинфекционных заболеваний ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России (Москва, Россия)
E-mail: sshalnova@gnicpm.ru https://orcid.org/0000-0003-2087-6483
Баланова Юлия Андреевна (Balanova Yuliya A.) - кандидат медицинских наук, ведущий научный сотрудник лаборатории экономического анализа эпидемиологических исследований и профилактических технологий отдела эпидемиологии хронических неинфекционных заболеваний ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России (Москва, Россия) E-mail: JBalanova@gnicpm.ru https://orcid.org/0000-0001-8011-2798
Деев Александр Дмитриевич (Deev Aleksandr D.) - кандидат физико-математических наук, ведущий научный сотрудник лаборатории медицинской биостатистики ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России (Москва, Россия) E-mail: ADeev@gnicpm.ru https://orcid.org/0000-0002-7669-9714
Евстифеева Светлана Евгеньевна (Evstifeeva Svetlana E.) - кандидат медицинских наук, старший научный сотрудник отдела эпидемиологии хронических неинфекционных заболеваний ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России (Москва, Россия) E-mail: SEvstifeeva@gnicpm.ru https://orcid.org/0000-0002-7486-4667
Имаева Асия Эмверовна (Imaeva Asiya E.) - кандидат медицинских наук, старший научный сотрудник отдела эпидемиологии хронических неинфекционных заболеваний ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России (Москва, Россия) E-mail: AImaeva@gnicpm.ru, https://orcid.org/0000-0002-9332-0622
Капустина Анна Владимировна (Kapustina Anna V.) - старший научный сотрудник отдела эпидемиологии хронических неинфекционных заболеваний ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России (Москва, Россия) E-mail: AKapustina@gnicpm.ru https://orcid.org/0000-0002-9624-9374
Муромцева Галина Аркадьевна (Muromtseva Galina A.) - кандидат биологических наук, ведущий научный сотрудник отдела эпидемиологии хронических неинфекционных заболеваний ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России (Москва, Россия) E-mail: GMuromtseva@gnicpm.ru https://orcid.org/0000-0002-0240-3941
Ротарь Оксана Петровна (Rotar Oksana P.) - доктор медицинских наук, заведующая лабораторией эпидемиологии неинфекционных заболеваний ФГБУ «Национальный медицинский исследовательский центр им. В.А. Алмазова» Минздрава России (Санкт-Петербург, Россия) E-mail: rotar@almazovcentre.ru https://orcid.org/0000-0002-5530-9772
Шляхто Евгений Владимирович (Shlyakhto Evgeniy V.) - академик РАН, доктор медицинских наук, профессор, генеральный директор ФГБУ «Национальный медицинский исследовательский центр им. В.А. Алмазова» Минздрава России (Санкт-Петербург, Россия) E-mail: pmu@almazovcentre.ru https://orcid.org/0000-0003-2929-0980
Бойцов Сергей Анатольевич (Boytsov Sergey A.) - академик РАН, доктор медицинских наук, профессор, генеральный директор ФГБУ «Национальный медицинский исследовательский центр кардиологии» Минздрава России (Москва, Россия)
E-mail: info@cardioweb.ru https://orcid.org/0000-0001-6998-8406
Драпкина Оксана Михайловна (Drapkina Oksana M.) - член-корреспондент РАН, доктор медицинских наук, профессор, директор ФГБУ «Национальный медицинский исследовательский центр профилактической медицины» Минздрава России (Москва, Россия) E-mail: ODrapkina@gnicpm.ru https://orcid.org/0000-0002-4453-8430
Литература
Hu F.B. Dietary pattern analysis: a new direction in nutritional epidemiology // Curr. Opin. Lipidol. 2002. Vol. 13, N 1. P. 3-9.
Schulze M.B., Martínez-González M.A., Fung T.T. et al. Food based dietary patterns and chronic disease prevention // BMJ. 2018. Vol. 13, N 361. Article ID k2396.
Newby P.K., Tucker K.L. Empirically derived eating patterns using factor or cluster analysis: a review // Nutr. Rev. 2004. Vol. 62, N 5. P. 177-203.
Tapsell L.C., Neale E.P., Satija A., Hu F.B. Foods, nutrients, and dietary patterns: interconnections and implications for dietary guidelines // Adv. Nutr. 2016. Vol. 7, N 3. P. 445-454.
1.
2
4.
5. Кунцевич А.К. Риск метаболического синдрома и пита- 20. ние населения // Ожирение и метаболизм. 2015. Т. 12, № 1.
С. 3-10.
6. Denova-Gutiérrez E., Méndez-Sánchez L., Muñoz-Aguirre P.
et al. Dietary patterns, bone mineral density, and risk of fractures: 21. a systematic review and meta-analysis // Nutrients. 2018. Vol. 10, N 12. Article ID E1922.
7. Garcia-Larsen V., Morton V., Norat T. et al. Dietary patterns derived from principal component analysis (PCA) and risk 22. of colorectal cancer: a systematic review and meta-analysis // Eur.
J. Clin. Nutr. 2019. Vol. 73, N 3. P. 366-386.
8. Jannasch F., Kroger J., Schulze M.B. Dietary patterns and type 2 diabetes: a systematic literature review and meta-analysis of pro- 23. spective studies // J. Nutr. 2017. Vol. 147, N 6. P. 1174-1182.
9. Saeedi P., Shavandi A., Skidmore P.M.L. What do we know about
diet and markers of cardiovascular health in children: a review // 24. Int. J. Environ. Res. Public Health. 2019. Vol. 16, N 4. Article ID E548.
10. Максимов С.А., Иванова О.А., Зинчук С.Ф. Применение факторного анализа при определении стереотипов пищевого поведения населения // Гиг. и сан. 2013. № 2. С. 45-47. 25.
11. Максимов С.А., Куракин М.С., Максимова Е.В. Особенности формирования стереотипов пищевого поведения школьников в зависимости от уровня урбанизации // Рос. педиатр. журн. 2012. № 6. С. 52-55. 26.
12. Максимов С.А., Табакаев М.В., Данильченко Я.В. и др. Стереотипы пищевого поведения и состояние сердечно-сосудистой системы населения // Гиг. и сан. 2017. № 6. С. 585-589. 27.
13. Тапешкина Н.В., Перевалов А.Я., Попкова Л.В. Формирование стереотипов пищевого поведения у детей в зависимости от возраста // Сибир. науч. мед. журн. 2018. Т. 38, № 4.
С. 121-126. 28.
14. Цыганкова Д.П., Мулерова Т.А., Огарков М.Ю. и др. Основные принципы питания и пищевое поведение у современных жителей Горной Шории // Профилакт. мед. 2016. Т. 19, 29. № 4. С. 47-51.
15. Карамнова Н.С., Шальнова С.А., Деев А.Д. и др. Характер питания взрослого населения по данным эпидемиологического исследования ЭССЕ-РФ // Кардиоваскулярная тер. 30. и профилактика. 2018. Т. 17, № 4. С. 61-66.
16. Бойцов С.А., Чазов Е.И., Шляхто Е.В. и др. Научно-организационный комитет проекта ЭССЕ-РФ. Эпидемиология сердечно-сосудистых заболеваний в различных регионах 31. России (ЭССЕ-РФ). Обоснование и дизайн исследования // Профилакт. мед. 2013. Т. 16, № 6. С. 25-34.
17. Jannasch F., Riordan F., Andersen L.F., Schulze M.B. Explor- 32. atory dietary patterns: a systematic review of methods applied in pan-European studies and of validation studies // Br. J. Nutr. 2018.
Vol. 120, N 6. P. 601-611. 33.
18. Roberts K., Cade J., Dawson J., Holdsworth M. Empirically derived dietary patterns in UK adults are associated with sociode-mographic characteristics, lifestyle, and diet quality // Nutrients. 2018. Vol. 10, N 2. P. 177. 34.
19. Trudeau K., Rousseau M.C., Csizmadi I., Parent M.É. Dietary patterns among French-speaking men residing in Montreal, Canada // Prev. Med. Rep. 2018. Vol. 13. P. 205-213.
Czekajlo A., Rozanska D., Zatonska K. et al. Association between dietary patterns and metabolic syndrome in the selected population of Polish adults-results of the PURE Poland Study // Eur. J. Public Health. 2019. Vol. 29, N 2. P. 335-340.
Jezewska-Zychowicz M., G^bski J., Guzek D. et al. The associations between dietary patterns and sedentary behaviors in Polish adults (LifeStyle Study) // Nutrients. 2018. Vol. 10, N 8. Article ID 1004.
Marques-Vidal P., Waeber G., Vollenweider P., Guessous I. Socio-demographic and lifestyle determinants of dietary patterns in French-speaking Switzerland, 2009-2012 // BMC Public Health. 2018. Vol. 18, N 1. P. 131.
Satij a A., Hu F.B., Bowen L. et al. Dietary patterns in India and their association with obesity and central obesity // Public Health Nutr. 2015. Vol. 18, N 16. P. 3031-3041.
Muga M.A., Owili P.O., Hsu C.Y. et al. Association between dietary patterns and cardiovascular risk factors among middle-aged and elderly adults in Taiwan: a population-based study from 2003 to 2012 // PLoS One. 2016. Vol. 11, N 7. Article ID e0157745.
Silveira B.K.S., de Novaes J.F., Reis N.A. et al. «Traditional» and «Healthy» dietary patterns are associated with low cardiometabolic risk in Brazilian subjects // Cardiol. Res. Pract. 2018. Vol. 2018. Article ID 4585412.
Daniel C.R., Prabhakaran D., Kapur K. et al. A cross-sectional investigation of regional patterns of diet and cardio-metabolic risk in India // Nutr. J. 2011. Vol. 10. P. 12.
Chen Y., Factor-Litvak P., Howe G.R. et al. Nutritional influence on risk of high blood pressure in Bangladesh: a population-based cross-sectional study // Am. J. Clin. Nutr. 2006. Vol. 84, N 5. P. 1224-1232.
Jiang J., Liu M., Parvez F. et al. Association of major dietary patterns and blood pressure longitudinal change in Bangladesh // J. Hypertens. 2015. Vol. 33, N 6. P. 1193-1200. Newby P.K., Muller D., Tucker K.L. Associations of empirically derived eating patterns with plasma lipid biomarkers: a comparison of factor and cluster analysis methods // Am. J. Clin. Nutr. 2004. Vol. 80, N 3. P. 759-767.
van Dam R.M., Grievink L., Ocke M.C., Feskens E.J. Patterns of food consumption and risk factors for cardiovascular disease in the general Dutch population // Am. J. Clin. Nutr. 2003. Vol. 77, N 5. P. 1156-1163.
Becquey E., Savy M., Danel P. et al. Dietary patterns of adults living in Ouagadougou and their association with overweight // Nutr. J. 2010. Vol. 9. P. 13.
Denova-Gutierrez E., Castanon S., Talavera J.O. et al. Dietary patterns are associated with metabolic syndrome in an urban Mexican population // J. Nutr. 2010. Vol. 140, N 10. P. 1855-1863. Chupanit P., Muktabhant B., Schelp F. P. Dietary patterns and their association with the components of metabolic syndrome: a cross-sectional study of adults from northeast Thailand (version 2; peer review: 2 approved) // F1000Res. 2018. Vol. 7. P. 905. Shi Z., Papier K., Yiengprugsawan V. et al. Dietary patterns associated with hypertension risk among adults in Thailand: 8-year findings from the Thai Cohort Study // Public Health Nutr. 2019. Vol. 22, N 2. P. 307-313.
References
Hu F.B. Dietary pattern analysis: a new direction in nutritional epidemiology. Curr Opin Lipidol. 2002; 13 (1): 3—9. Schulze M.B., Martínez-González M.A., Fung T.T., et al. Food based dietary patterns and chronic disease prevention. BMJ. 2018; 13 (361): k2396.
Newby P.K., Tucker K.L. Empirically derived eating patterns using factor or cluster analysis: a review. Nutr Rev. 2004; 62 (5): 177—203. Tapsell L.C., Neale E.P., Satij a A., Hu F.B. Foods, nutrients, and dietary patterns: interconnections and implications for dietary guidelines. Adv Nutr. 2016; 7 (3): 445-54.
Kuntsevich A.K. The risk of metabolic syndrome and nutrition. Ozhirenie i metabolism [Obesity and Metabolism]. 2015; 12 (1): 3-10. (in Russian)
Denova-Gutiérrez E., Méndez-Sánchez L., Muñoz-Aguirre P., et al. Dietary patterns, bone mineral density, and risk of fractures: a systematic review and meta-analysis. Nutrients. 2018; 10 (12): E1922. Garcia-Larsen V., Morton V., Norat T., et al. Dietary patterns derived from principal component analysis (PCA) and risk of colorectal cancer: a systematic review and meta-analysis. Eur J Clin Nutr. 2019; 73 (3): 366-86.
1.
2.
6
7
4
8. Jannasch F., Kröger J., Schulze M.B. Dietary patterns and type 2 21. diabetes: a systematic literature review and meta-analysis of prospective studies. J Nutr. 2017; 147 (6): 1174-82.
9. Saeedi P., Shavandi A., Skidmore P.M.L. What do we know about 22. diet and markers of cardiovascular health in children: a review. Int
J Environ Res Public Health. 2019; 16 (4): E548.
10. Maksimov S.A., Ivanova O.A., Zinchuk S.F. The use of factor analysis in determining the dietary patterns in the population. Gigiena i 23. sanitariya [Hygiene and Sanitation]. 2013; (2): 45-7. (in Russian)
11. Maksimov S.A., Kurakin M.S., Maksimova E.V. Stereotypes of food behaviour of pupils depending on an urban saturation of a place 24. of residing: application factor analysis. Rossiyskiy pediatricheskiy zhurnal [Russian Journal of Pediatrics]. 2012; (6): 52-5. (in Russian)
12. Maksimov S.A., Tabakaev M.V., Danilchenko Ya.V., et al. Dietary patterns and cardiovascular health of the population (ESSE-RF) 25. study in the Kemerovo region. Gigiena i sanitariya [Hygiene and Sanitation]. 2017; (6): 585-9. (in Russian)
13. Tapeshkina N.V., Perevalov A.Ya., Popkova L.V. Formation of food behavior stereotypes in children depending on age. Sibirskiy 26. nauchnyy meditsinskiy zhurnal [Siberian Scientific Medical Journal]. 2018; 38 (4): 121-6. (in Russian)
14. Tsygankova D.P., Mulerova T.A., Ogarkov M.Yu., et al. Basic nutri- 27. tion principles and eating behavior in modern inhabitants of Gor-naya Shoria. Profilakticheskaya meditsina [Preventive Medicine]. 2016; 19 (4): 47-51. (in Russian) 28.
15. Karamnova N.S., Shalnova S.A., Deev A.D., et al. Nutrition characteristics of adult inhabitants by ESSE-RF study. Kardio-vaskulyarnaya terapiya i profilaktika [Cardiovascular Therapy and 29. Prevention]. 2018; 17 (4): 61-6. (in Russian)
16. Boitsov S.A., Chazov E.I., Shlyakhto E.V., et al. Epidemiology of cardiovascular diseases in different regions of Russia (ESSE-RF).
The rationale for and design of the study. Profilakticheskaya medit- 30. sina [Preventive Medicine]. 2013; 16 (6): 25-34. (in Russian)
17. Jannasch F., Riordan F., Andersen L.F., Schulze M.B. Exploratory dietary patterns: a systematic review of methods applied in pan- 31. European studies and of validation studies. Br J Nutr. 2018; 120 (6): 601-11.
18. Roberts K., Cade J., Dawson J., Holdsworth M. Empirically 32. derived dietary patterns in UK adults are associated with sociode-mographic characteristics, lifestyle, and diet quality. Nutrients. 2018; 10 (2): 177. 33.
19. Trudeau K., Rousseau M.C., Csizmadi I., Parent M.E. Dietary patterns among French-speaking men residing in Montreal, Canada. Prev Med Rep. 2018; 13: 205-13.
20. Czekajio A., Rozanska D., Zatonska K., et al. Association between 34. dietary patterns and metabolic syndrome in the selected population
of Polish adults-results of the PURE Poland Study. Eur J Public Health. 2019; 29 (2): 335-40.
Jezewska-Zychowicz M., G^bski J., Guzek D., et al. The associations between dietary patterns and sedentary behaviors in Polish adults (Lifestyle Study). Nutrients. 2018; 10 (8): 1004. Marques-Vidal P., Waeber G., Vollenweider P., Guessous I. Socio-demographic and lifestyle determinants of dietary patterns in French-speaking Switzerland, 2009-2012. BMC Public Health. 2018; 18 (1): 131.
Satij a A., Hu F.B., Bowen L., et al. Dietary patterns in India and their association with obesity and central obesity. Public Health Nutr. 2015; 18 (16): 3031-41.
Muga M.A., Owili P.O., Hsu C.Y., et al. Association between dietary patterns and cardiovascular risk factors among middle-aged and elderly adults in Taiwan: a population-based study from 2003 to 2012. PLoS One. 2016; 11 (7): e0157745.
Silveira B.K.S., de Novaes J.F., Reis N.A., et al. «Traditional» and «Healthy» dietary patterns are associated with low cardio-metabolic risk in Brazilian subjects. Cardiol Res Pract. 2018; 2018: 4585412.
Daniel C.R., Prabhakaran D., Kapur K., et al. A cross-sectional investigation of regional patterns of diet and cardio-metabolic risk in India. Nutr J. 2011; 10: 12.
Chen Y., Factor-Litvak P., Howe G.R., et al. Nutritional influence on risk of high blood pressure in Bangladesh: a population-based cross-sectional study. Am J Clin Nutr. 2006; 84 (5): 1224-32. Jiang J., Liu M., Parvez F., et al. Association of major dietary patterns and blood pressure longitudinal change in Bangladesh. J Hypertens. 2015; 33 (6): 1193-200.
Newby P.K., Muller D., Tucker K.L. Associations of empirically derived eating patterns with plasma lipid biomarkers: a comparison of factor and cluster analysis methods. Am J Clin Nutr. 2004; 80 (3): 759-67.
van Dam R.M., Grievink L., Ocké M.C., Feskens E.J. Patterns of food consumption and risk factors for cardiovascular disease in the general Dutch population. Am J Clin Nutr. 2003; 77 (5): 1156-63. Becquey E., Savy M., Danel P., et al. Dietary patterns of adults living in Ouagadougou and their association with overweight. Nutr J. 2010; 9: 13.
Denova-Gutiérrez E., Castañón S., Talavera J.O., et al. Dietary patterns are associated with metabolic syndrome in an urban Mexican population. J Nutr. 2010; 140 (10): 1855-63. Chupanit P., Muktabhant B., Schelp F.P. Dietary patterns and their association with the components of metabolic syndrome: a cross-sectional study of adults from northeast Thailand (version 2; peer review: 2 approved). F1000Res. 2018; 7: 905.
Shi Z., Papier K., Yiengprugsawan V., et al. Dietary patterns associated with hypertension risk among adults in Thailand: 8-year findings from the Thai Cohort Study. Public Health Nutr. 2019; 22 (2): 307-13.
