膳食模式是指日常饮食中各种食物以多种形式相互的组合^[1]。目前关注整体膳食对疾病发生风险的作用，相较于单一食物或营养素更具预测意义，研究成果也易于被公众理解和促进转化为实际的改善饮食行为。近年来，国内外学者开始致力于研究膳食模式与营养性疾病间的关系。糖尿病（DM）是最常见的慢性疾病之一，已成为突出的公共卫生和社会问题。而明确DM的影响因素尤为重要。分类树模型具有多因素logistic回归模型不具有的优越性，能处理非线性和高度相关数据，直观地得出各因素对疾病的影响作用顺序、因素间交互作用及特征人群患病等信息。本文旨在构建福建省居民膳食模式，通过分类树模型探讨膳食模式及其他环境因素与DM的关系。

1.研究对象：2010－2011年采用多阶段分层随机抽样方法，在福建省10个疾病监测点（城市、沿海农村、山区农村点人口数占全省人口总数的比例分别为12.9%、11.1%和13.1%），各监测点随机抽取4个乡镇（街道），各乡镇（街道）随机抽取3个村委会（居委会），各村委会（居委会）随机抽取50户，按照KISH表法在调查户随机抽取1名≥18岁常住居民作为调查对象。入组条件为调查前1年在监测点地区居住≥6个月。预计调查6 000人，实际调查6 016人。

2.研究方法：

（1）问卷调查：采用统一编制的结构式调查问卷，由统一培训并合格的调查员以面对面询问的方式调查，并签署知情同意书。内容包括基本信息（年龄、性别、文化程度、婚姻状况、职业等）、生活方式（吸烟、饮酒等）、饮食情况（进餐习惯、食用种类、食用频率、平均每次食用量等）、身体活动（干农活、工作、家务、交通相关的身体活动、休闲性锻炼或运动等）及其他（健康状况、疾病史及睡眠情况等）。吸烟分为现在/过去吸烟。现在吸烟指调查时吸烟≥1支/d；过去吸烟指过去曾经吸烟≥1支/d，调查时已戒烟^[2]。饮酒包括购买或自制各类含酒精成分的饮料，饮用量根据酒精换算表换算为标准饮酒单位，进而获得日均纯酒精摄入量（g）。危险饮酒指男性平均每天摄入41~60 g纯酒精，女性平均每日摄入21~40 g纯酒精；有害饮酒为男性平均每天摄入＞60 g纯酒精，女性平均每天摄入＞40 g纯酒精。体力活动强度用代谢当量（MET）表示，其中走路、中等强度体力活动、高强度体力活动的MET水平分别为3.3、4.0和8.0，每日MET＝[体力活动代谢当量系数×每天持续的时间（h）×每周的频率]/7。

（2）体格测量：包括身高、体重、腰围和血压^[2]，计算BMI。身高和腰围的精确度为0.1 cm，体重的精确度为0.1 kg。

（3）实验室检测：包括FPG、口服75 g葡萄糖后2 h血糖（OGTT-2 h）、TG、TC、LDL-C、HDL-C，并按照1999年WHO的DM诊断标准^[3]及《中国成人血脂异常防治指南》^[4]标准判断。

（4）建立膳食模式及分析：应用因子分析建立福建省成年居民膳食模式。模型的估计采用主成分分析法，并进行最大方差旋转（varimax rotation）。以特征根＞1及方差累积贡献率作为入选公因子的标准，根据具有较大因子负荷的公因子（＞0.5）及其组合特点划分和命名膳食模式，每种膳食模式因子得分按百分位数法分为4个水平（T1、T2、T3、T4）。采用多因素非条件logistic回归分析DM的影响因素，赋值见表 1。P＜0.05为差异有统计学意义。采用CHAID算法分析DM相关影响因素，树的生长分割显著性水准α＝0.05，设定分类树生长层数为5层，停止规则为α＝0.05，父节点最小样本量为100，子节点为30，如结点上的样本量达不到此要求，则该结点为终末结点，不再进行分割。

表 1 糖尿病影响因素的赋值

表选项

3.统计学分析：采用SPSS 20.0软件进行统计处理、χ²检验、因子分析和logistic回归分析等，定量数据以x±s表示，定性数据以频数、构成比或百分率表示；应用Clementine 12.0软件建立分类树模型。

1.样本特征：6 016名研究对象平均年龄（46.51±13.99）岁；男性2 511人（41.7%），平均年龄（46.22±14.37）岁；女性3 505人（58.3%），平均年龄（46.72±13.71）岁。DM 640例，患病率为10.6%。经χ²检验，DM与正常人群年龄、文化程度、职业、DM家族史、吸烟、饮酒、中心性肥胖、BMI、高血压、血脂异常、体力活动、静坐时间、睡眠时间分布的差异有统计学意义（P＜0.05）；而性别、婚姻状况的差异无统计学意义。

2.膳食模式：KMO检验统计量为0.686，Bartlett球形检验P＝0.000，适于因子分析。特征值＞1的因子有4个，其对总方差的贡献率为50.031%。提取的4个因子可对应4种膳食模式，每种模式的因子负荷见表 2，各膳食模式依据食物成分特征分别命名：因子1为动物性食物模式，以各种肉类的摄入为主；因子2为植物性食物模式，以新鲜水果、谷薯类的摄入为主；因子3为优质蛋白模式，以奶制品、蛋类的摄入为主；因子4为油炸饮品模式，以油炸类、饮品的摄入为主。

表 2 膳食模式的因子负荷

表选项

3.膳食模式与DM的关系：以是否患DM为因变量（0＝否，1＝是），将自变量4种膳食模式因子得分按百分位数法划分的T1、T2、T3、T4四个水平分别赋值为1、2、3、4，进行多因素非条件logistic回归分析。结果显示，植物性食物模式和油炸饮品模式与DM存在统计学关联。调整相关因素后，发现植物性食物模式与DM仍存在负相关，为保护因素，因子得分处于T3水平人群患DM的风险是下四分位数水平的0.727倍（调整OR＝0.727，95%CI：0.561~0.943），因子得分处于T2水平的人群患DM的风险是下四分位数水平的0.736倍（调整OR＝0.736，95%CI：0.573~0.944）。动物性食物模式、优质蛋白模式和油炸饮品模式与DM不存在相关性（表 3）。

表 3 4种膳食模式与糖尿病关系的logistic回归分析

表选项

4. DM影响因素的分类树模型分析：分类树模型共发现5层、43个节点、23个终端节点（图 1~4）。分类树模型分类的正确百分比为89.5%，预测分类能力较好。由模型可知影响DM患病风险的因素有13个。从分类树可直观地得出各因素对DM的影响作用顺序。分类树第一层是按照血脂异常进行拆分，由此可知对DM影响最大的变量是血脂异常，血脂异常的人群DM患病概率为16.288%，显著高于血脂正常的人群（1.638%）；第二层筛选出来的因素是年龄、婚姻；第三层筛选出来的因素是DM家族史、高血压、中心性肥胖、职业和年龄；第四层筛选出来的因素是高血压、DM家族史、BMI和睡眠时间；第五层筛选出来的因素是体力活动、性别、静坐时间、高血压和优质蛋白模式。文化程度、吸烟、饮酒3个因素未被纳入模型中。模型筛选出11个DM高危人群（表 4）。此外，模型还输出了各终端节点收益情况，终端节点32、38、39、40的DM例数/总DM例数比值与其他终端节点相比较大。从指数值来看，终端节点18、30、41、32、28、39、40、26、38、24和42的DM（%）/根节点DM（%）的比值均＞100%（表 5）。

注：红色为糖尿病病例；蓝色为对照 图 1 糖尿病影响因素分类树模型分析中的血脂正常分支情况

图选项

注：红色为糖尿病病例；蓝色为对照 图 2 糖尿病影响因素分类树模型分析中的血脂异常-年龄18~44岁分支情况

图选项

注：红色为糖尿病病例；蓝色为对照 图 3 糖尿病影响因素分类树模型分析中的血脂异常-年龄44~59岁分支情况

图选项

图 4 糖尿病影响因素分类树模型分析中的血脂异常-年龄60~岁分支情况

图选项

表 4 11个糖尿病高危人群

表选项

表 5 糖尿病影响因素的分类树模型终端节点情况

表选项

本研究通过因子分析获得福建省成年居民主要的4种膳食模式（动物性食物模式、植物性食物模式、优质蛋白模式、油炸饮品模式）。与朱琳^[5]调查的洛阳市居民膳食模式（动物食物模式、饮料模式、植物食物模式、奶豆糕点模式、油炸食品蛋类模式）类似，与邓珍妮等^[6]调查南京市居民膳食模式（调味品模式、动植物蛋白模式、传统健康模式、甜品模式、饮酒模式）及朱婷等^[7]调查广西壮族自治区居民膳食模式（现代模式、传统模式、调味品模式、饮品零食模式、酒肉模式）有差异。可见我国膳食模式多样化，各地区存在一定的差异。经logistic回归分析发现植物性食物模式（新鲜果蔬、谷薯类因子负荷较大）可降低DM的患病风险，其他3种膳食模式与DM无相关。

本研究采用食物频率表法进行调查，该方法可反映群体的食物摄入情况，尤其是对于消费率较高的食物（米面、蔬菜、豆制品等）；在应用于估计个体食物摄人量时食物频率法调查结果比称重法更离散，但仍与称重法呈低中度相关^[8]。由于食物频率法回顾的是1年的食物摄入状况，而称重法是3 d摄入量的定量和估计，前者更能代表日常膳食摄入情况，在流行病学研究中更适用于研究膳食与疾病之间的关系。将膳食模式与其他环境因素一并进行分类树分析，所得结果与国内大多数研究一致^[9-10]。其中血脂异常与DM的相关性最大，所以血脂异常人群应成为重点关注的高危群体。在血脂异常的人群中，根据不同年龄段，应选择针对“高血压和体力活动”、“高血压和静坐时间”或“高血压和肥胖”差异性的防控措施。此外，终端节点18、30、41、32、28、39、40、26、38、24和42的指数值均＞100%，表明DM家族史、体力活动、高血压、BMI、静坐时间对DM的影响程度较大。其中，终端节点32、38、39、40累计收益率已达到54.53%，所以对血脂异常、高血压和静坐时间应采取针对性的防控措施，可获得最大收益和更大的社会效益。婚姻变故不利于健康，离异丧偶者可能由于家庭生活环境的变化、社会支持减少及心理因素、健康素养等多方面原因导致DM风险增大^[11-13]。

分类树模型筛选出优质蛋白模式，而logistic回归分析显示植物性食物模式是保护因素，两种方法结果不一致很可能是算法存在的偏差所致。因此将两种方法结合起来分析DM影响因素可互补不足^[14]。本研究筛选出与DM相关性较大的因素均是血脂异常、高血压、静坐时间、体力活动、BMI和腰围等非膳食因素，膳食因素对DM影响程度较小，但人群可更容易把膳食因素的研究成果从认知转化为行动，且目前业已明确膳食因素与血脂异常^[15]、高血压^[16]存在关联，可见膳食因素不容忽视。因此应针对DM的非膳食因素和膳食因素制定防控措施，以降低其发病风险。