使用远程医疗和营养平台的个人中粮食不安全的变化:纵向研究

介绍

粮食不安全影响着美国的许多家庭，深刻地影响着个人的健康和财务稳定。过去十年的最新趋势表明，粮食不安全的发生率有所下降，从2016年报告的13%的美国人粮食不安全下降到2019年的10.5% [1，2]。然而，2019冠状病毒病大流行严重加剧了这一问题，2020年3月，家庭粮食不安全状况上升至38% [3.]。粮食不安全状况的加剧可归因于多种因素，例如贫困;失业;食品杂货店和慈善供餐系统(如食品银行)的粮食供应不稳定和中断;以及缺乏资格、途径或登记参加补充营养援助计划(SNAP)等联邦计划[4，5]。在2020年4月底进行的一项横断面观察研究中，大流行之前粮食安全的家庭中有15.6%在大流行期间粮食安全水平较低，但在大流行之前粮食不安全的家庭中，只有2.3%的家庭实现了粮食安全[6]。2020年6月底进行的一项全国调查还发现，有一人失业或失去收入的家庭中，59%处于粮食不安全状态[7]。低粮食安全还可能与饮食质量恶化和购买不健康食品有关。Adams等[6在一项横断面研究中发现，在大流行期间粮食安全水平较低的家庭中，约有三分之一的家庭报告增加了高热量零食、甜点和糖果的购买。此外，在2011年至2014年全国健康与营养检查调查结果的横断面分析中，与食品安全的成年人相比，食品不安全的成年人报告的健康饮食指数(HEI)-2015得分低2.22个单位[8]。

粮食不安全对卫生保健支出的影响是巨大的。使用2011年至2013年全国健康访谈调查/医疗支出小组调查数据评估对医疗保健成本影响的模型估计，与粮食安全的成年人相比，粮食不安全的成年人每年在医疗保健方面的支出多1834美元;这相当于2016年因粮食不安全造成的518亿美元的超额医疗支出[1]。

造成医疗保健支出过高的一个主要因素是粮食不安全人群中慢性病的高发率。美国农业部(USDA)的一份报告发现，在食品安全水平极低的成年人中，高血压、糖尿病、冠心病和肾病的比例分别比食品安全水平高16.4%、7.2%、3.6%和3.7%。9]。肥胖和较高的身体质量指数也被发现与食物不安全有关。10]。此外，美国糖尿病协会对711名糖尿病患者进行的一项研究表明，与食物安全的参与者相比，食物不安全的参与者更容易出现血糖控制不佳的情况，并且更有可能报告难以负担对糖尿病有益的饮食。11]。

通过增加粮食获取途径来缓解粮食不安全的干预措施大有机会。之前的研究已经评估了食品配送和网上购物对食品安全和饮食的影响。社区服务:食品作为糖尿病的药物临床试验，参与者在一项随机交叉研究中获得了医学定制的膳食，报告称，42%的参与者在送餐期间粮食不安全，62%的参与者在送餐期间粮食不安全[12]。巴尔的摩虚拟超市计划是一个大型的在线杂货订购系统，参与者可以从当地的一个中心取货。该计划显示，在93名调查受访者中，93%的人认为该计划使他们更容易吃得健康，61%的人认为该计划使他们更容易获得健康食品。13]。

数字技术可以作为一种干预手段，帮助缓解粮食不安全。Foodsmart是一个远程医疗服务提供商平台，在全国范围内拥有庞大的注册营养师(rd)网络，其中包括一个数字营养平台，是帮助解决粮食不安全、饮食质量和健康结果的潜在解决方案。该平台提供个性化的食谱推荐和膳食计划，帮助用户购买食材，并在参与的杂货店之间比较价格。该平台还允许用户使用SNAP福利在线购买食品。此前对Foodsmart的研究发现，体重、血脂水平和血红蛋白A等临床指标有所改善_{1 c}，分别为肥胖、血脂异常和糖尿病用户，表明该平台的临床益处[14-17]。

本研究的目的是比较食物不安全的参与者与食物安全的参与者的人口统计学特征、膳食计划特征和饮食质量。该研究还试图评估在COVID-19大流行期间使用Foodsmart与参与者饮食质量变化和粮食不安全状况之间的纵向关联。

方法

研究样本

截至2021年10月，美国有76,506名Foodsmart用户回答了关于他们食品不安全状况的问题。通过雇主或保险公司，参与者被连接并注册到Foodsmart平台作为一种服务。我们的分析纳入了自2021年2月实施该问题以来至少回答过2次的参与者，他们的最后一次回答是在他们第一次回答后至少30天(n=5798)，并且他们的人口统计、饮食、体重、慢性病和饮食计划习惯(n=4794)的完整信息可用。BMI极值(<15 kg/m)的受试者²或> 50kg /m²)被排除在我们的样本之外(n=199)。我们最终的研究样本是4595名参与者(图1）.

‎ 查看此图

Foodsmart，一个远程医疗和营养平台

Foodsmart是一个平台，包括两个组成部分:(1)一个数字应用程序和网络解决方案的工具，包括营养评估，膳食计划和杂货订购;(2)一个远程医疗组件，让用户与RD虚拟会面。这些组件被纳入Foodsmart平台的6个功能:“CookItNow”，“食谱”，“膳食计划”，“食品购买”，“交易”和“远程营养”。CookItNow功能会提示用户输入他们厨房里现有的食材;Foodsmart平台然后根据这些食材为他们提供量身定制的食谱。Foodsmart应用程序上的食谱功能还允许个人根据自己的食物偏好或类别过滤食谱，例如预算友好型食谱、绿叶蔬菜食谱或适合SNAP预算的食谱。膳食计划功能允许用户根据用户的饮食评估创建个性化的膳食计划，这些评估基于数千种食谱。食品购买功能允许用户将他们的膳食计划自动转移到杂货店，以便在线取货或送货。食物及营养处网上采购先导计划[18还使个人能够用SNAP福利支付杂货，鼓励个人将SNAP美元花在营养食品上。Foodsmart还在其平台上提供医疗定制餐，用户可以订购，也可以通过健康计划获得补贴。交易功能通过以下方式帮助个人在每次购物时节省约34%的费用:(1)提供他们购物的杂货店的数字优惠券;(2)找到价格最便宜的商店。最后，远程营养功能使参与者能够与rd会面，rd可以根据他们的饮食和健康目标提供建议和支持，并提供技术援助，从而帮助他们。Foodsmart还包括一个粮食不安全筛查问题，以帮助确定粮食不安全的用户;这有助于组织确定哪些用户最需要帮助，并衡量这些用户长期以来的粮食不安全状况。

饮食和其他特征的评估

参与者在注册时填写一份名为Nutriquiz(改编自美国国家癌症研究所饮食史问卷I)的56项改良食物频率问卷，在Foodsmart平台上报告他们的年龄、性别、日常饮食摄入量、膳食计划习惯、体重、慢性病和体育活动[19]。除了饮食问题，营养测验还确定了人口统计信息，身高，体重，慢性疾病(包括糖尿病，前驱糖尿病，高血压，血脂异常，或没有这些疾病)，体育活动的频率(轻度，中度或剧烈)，以及饮食计划习惯(家庭做饭的频率，从杂货店购买杂货的频率，以及如何购买杂货)。我们将每个问题的回答分类重新命名为“很少”、“每周”和“每天”。“很少”类别包含调查回答“从不”，“1次/月”和“2-3次/月”。每周类别包含调查回答“1次/周”、“2次/周”、“3-4次/周”和“5-6次/周”。每日类别包含“1次/天”、“2-3次/天”、“4-5次/天”和“6+次/天”的调查回答。

根据参与者对评估饮食的营养测验问题的回答，计算出一个称为“营养得分”的分数，以评估总体饮食质量;这一分数是基于替代性健康-2010和联邦科学和工业研究组织健康饮食评分[20.，21]。Nutriscore有7个组成部分(称为Nutriscore Essentials):水果、蔬菜、蛋白质比例、脂肪比例、碳水化合物比例、水合作用和钠。每个部分的评分范围从0到10，然后将分数加在一起形成一个整体的Nutriscore(范围从0到70)。得分越高表明饮食质量越好。Nutriscore的变化是通过计算参与者最后一次和第一次Nutriscore的差异来计算的，假设他们相隔至少30天。Nutriscore的增加表明参与者的饮食质量得到了改善。

确定粮食不安全状况

在营养测试中，参与者回答了一个关于他们的粮食不安全程度的问题。这个问题改编自Hager等人验证的缩短食品安全筛选中的两个问题之一[22与美国农业部的18项家庭食品安全调查(HFSS)相比，[23]。问题是:“你买的食物多久没吃完，又没钱买更多的食物?”答案选项是“有时”、“经常”和“从不”。如果参与者回答“有时”或“经常”，他们将被视为粮食不安全;如果他们对问题回答“从不”，他们将被认为是粮食安全的，如图2。

‎ 查看此图

统计分析

我们使用描述性统计来评估参与者的人口统计学和临床特征、饮食质量、身体活动和饮食计划习惯。分类变量表示为研究总体的百分比，连续变量表示为平均值(SD)。我们使用卡方检验来确定食品不安全状况的分类变量是否存在统计学上的显著差异。我们使用的是双样本，双尾t检验是否有统计显著差异的连续变量与粮食不安全状况。

我们使用多变量logistic回归模型来估计几个变量的基线食品不安全状况的比值比(ORs)和95% ci，包括性别、年龄、糖尿病、前驱糖尿病、高血压、血脂异常、健康状况良好(即无状况)、基线BMI类别和基线Nutriscore。对于那些被归类为粮食不安全的人，我们计算了状态变为粮食安全的参与者的百分比，并按Foodsmart的累计登记时间计算(截止时间分别为≥2个月、≥4个月和≥6个月)。为了评估粮食不安全参与者在基线时减少粮食不安全的可能原因，我们比较了实现粮食安全与保持粮食不安全的参与者中使用6种食品智能功能(CookItNow、交易、远程营养、膳食计划、食谱和食品购买)的参与者的百分比差异。绝对差异的计算方法是，用在基线时粮食不安全的参与者的比例减去在基线时粮食不安全但仍然粮食不安全的参与者的比例。相对差异是通过绝对差异除以在基线时处于粮食不安全状态并仍处于粮食不安全状态的参与者的比例来计算的。

P0.05或更小的值被认为具有统计学意义。Stata(版本16;所有统计分析均采用StataCorp)。

道德的考虑

鉴于该研究的回顾性设计以及对参与者的风险小于最小，Pearl机构审查委员会宣布该研究不受机构审查委员会的监督(协议#20-ZIPO-101)。

结果

参与者的特征

为了更好地了解基线人口统计学和临床特征，以及饮食习惯和行为，我们进行了描述性分析，按基线粮食不安全(表1）.

我们发现16.2%(742/4595)的参与者在基线时被归类为粮食不安全。在我们4595名参与者的样本中，与那些食物安全的参与者相比，在基线时食物不安全的参与者更有可能是女性，年龄在40到59岁之间，肥胖，患有糖尿病，有前驱糖尿病和高血压。此外，粮食不安全的参与者不太可能运动或饮酒。在饮食计划习惯方面，与基线时食物安全的参与者相比，食物不安全的参与者每天不太可能在家做饭，每周不太可能购买杂货，更有可能认为健康食品太贵，更不太可能点外卖或在餐馆或快餐店吃饭。最后，与基线时的粮食安全参与者相比，粮食不安全参与者报告拥有电子福利转帐卡的比例更高。

食品安全状况对饮食质量的影响

为了更好地了解基线饮食质量和饮食质量的变化与基线食品不安全状况的关系，我们展示了第一次和最后一次营养得分表2。与粮食不安全的人相比，粮食安全的人的第一和最后营养得分明显更高(P<措施)。然而，在食物不安全和食物安全的人之间，Nutriscore的变化没有显著差异(1.9分对1.4分)。

我们展示了Nutriscore的平均变化和Nutriscore的子成分的比较表3。我们发现，平均而言，在基线时食物不安全的参与者在总体营养评分、蔬菜摄入量、水果摄入量、碳水化合物比例、脂肪比例和蛋白质比例方面有更大的改善。

粮食不安全状况的变化

为了评估粮食不安全状况如何随时间变化，我们确定了在基线时被归类为粮食不安全的参与者的比例，并且在他们最后一次响应时也是粮食安全的参与者在总人口中的比例，并通过累积入组时间(≥2个月，≥4个月和≥6个月)。在基线时的742名粮食不安全参与者中，29.2%(217/742)在上次答复时是粮食安全的。当按累计入组时间(≥2个月、≥4个月和≥6个月)分组时，分别有30.9%(182/590)、33%(70/212)和42.4%(25/59)的参与者从食物不安全转变为安全。我们还评估了在基线时被归类为粮食安全的参与者的比例，随后在他们的最后一次回答中粮食不安全。在基线的3853名粮食安全参与者中，6.7%(259人)在上次答复时粮食不安全。

与基线粮食不安全状况相关的特征

为了评估哪些参与者特征与基线时的食品不安全相关，我们使用了一个多变量logistic回归模型，调整了人口统计学、慢性病和基线饮食质量(表4）.我们发现，与男性相比，女性粮食不安全的可能性高出44% (OR 1.44, 95% CI 1.17-1.77;P=措施)。与40岁以下的人相比，40至59岁的人粮食不安全的可能性低34% (OR 0.66, 95% CI 0.55-0.79;P<.001)， 60岁以上的人粮食不安全的可能性降低56% (OR 0.44, 95% CI 0.33-0.59;P<措施)。与没有糖尿病的参与者相比，糖尿病参与者食物不安全的可能性高出65% (OR 1.65, 95% CI 1.17-2.32;P= 04)。与没有前驱糖尿病的参与者相比，患有前驱糖尿病的参与者食物不安全的可能性要高61% (OR 1.61, 95% CI 1.14-2.27;P= . 01)。此外，超重或肥胖的患者分别为60% (or 1.60, 95% CI 1.28-2.02;P<.001)和118% (OR 2.18, 95% CI 1.75-2.71;P< 0.001)比BMI正常的人更有可能出现食物不安全。最后，参与者的基线营养评分每增加5分，他们食物不安全的可能性就降低10% (OR 0.90, 95% CI 0.86-0.95;P<措施)。

食品智能平台在基线粮食不安全参与者中的使用情况

为了评估粮食不安全参与者中粮食不安全状况总体减少的可能原因，我们比较了实现粮食安全的粮食不安全参与者和仍然粮食不安全的粮食不安全参与者中使用特定Foodsmart功能的用户的百分比(表5）.使用CookItNow功能的参与者的相对比例高36.4%，使用交易功能的参与者的相对比例高28.6%，在实现食品安全的参与者中使用远程营养功能的参与者的相对比例比仍然保持食品不安全的参与者高27.5%。

讨论

主要研究结果

在这项4595名参与者的研究中，16%(742人)在基线时被确定为粮食不安全。基线时食物不安全的参与者更有可能是女性，年龄较大，有先前存在的疾病(超重或肥胖，糖尿病或前驱糖尿病)，饮食质量较低，并且认为健康食品太贵。此外，与基线时食物安全的人相比，那些食物不安全的人更不可能锻炼、饮酒、每天准备家常饭菜、每周至少在餐馆吃一次外卖或购买杂货。在基线时粮食不安全的参与者中，29%(217/742)在随访结束时确定为粮食安全。

使用Nutriscore评估的饮食质量，粮食不安全组和粮食安全组的饮食质量平均分别提高了1.9和1.4分;这表明，该平台可以在改善营养方面平等地惠及粮食不安全和粮食安全的参与者。此外，两组在构成Nutriscore的大部分成分上都有所改善，粮食不安全组的改善更大，很可能是由于与粮食安全组相比，基线平均得分较低。

在我们的多变量logistic回归评估各种特征与粮食不安全之间的关系时，我们发现女性、年龄小于40岁、患有糖尿病或糖尿病前期、超重或肥胖的人更有可能出现粮食不安全。根据Nutriscore的评估，基线饮食质量每提高5个单位，参与者粮食不安全的可能性就降低10%。这与Leung等人进行的一项研究一致[24该研究发现，食品不安全与较低的饮食质量有关。此外，这些结果与另一项评估美国粮食不安全趋势的研究是一致的，该研究发现，65岁及以上的人比18至34岁的人更不可能出现粮食不安全，女性比男性多23% [25]。

在评估参与者使用哪些Foodsmart功能时，我们发现，基线粮食不安全并实现粮食安全的参与者使用CookItNow、deals和远程营养功能的比例高于基线粮食不安全且仍然粮食不安全的参与者。CookItNow的功能促进了人们使用家里已有的食材在家做饭，这表明在家做饭和食品安全之间可能存在潜在的联系。使用交易功能来寻找食品原料的最佳价格也可以帮助参与者减少食品购买上的花费，这也可能导致减少食品不安全。与营养师一起进行远程营养访问，以更好地了解如何在预算范围内烹饪和制定膳食计划，同时健康饮食，也可能有助于减少粮食不安全。

这些结果与之前的研究结果一致，之前的研究表明，在食物不安全的人群中，肥胖的患病率更高，在家做饭的次数也更少。26，27]。潘等人[26研究发现，在美国12个州的成年人中，食物不安全的成年人的肥胖患病率明显高于食物安全的成年人(35.1% vs 25.2%;P<措施)。解释这种关联的一种假设是，粮食不安全的人更有可能消费廉价、高能量的食物。此外，由于SNAP福利按月分配，月初食物充足，月底食物短缺的循环可能会导致体重增加[28]。在对德克萨斯州1171名符合snap条件的成年人的研究中，Ranjit等[27研究发现，食物安全的参与者吃家常菜的时间更长(差异为-0.26天)，P=.03)和每周烹饪天数更多(差异为-0.30天，P=.01)。与有粮食保障的参与者相比，粮食不安全参与者在家做饭和吃饭的频率较低，这可能是由于获得烹饪用品和资源的机会较少，时间也较少。这突出了在有限的预算和时间限制下增加营养和烹饪知识以及增加资源以帮助促进烹饪的重要性。

与我们的发现一致，先前的一项研究表明，为糖尿病患者量身定制的医疗餐可以改善食物不安全和饮食质量[12]。“食物即药物治疗糖尿病”临床试验采用了为期24周的随机交叉设计，研究了42名患有2型糖尿病的成年人，他们根据两项筛选问卷报告了食物不安全[22]。饮食质量得到改善(外卖期间的平均健康指数为71.3分，外卖期间的平均健康指数为39.9分;P<措施)。此外，参与者报告说，在送餐期间粮食不安全的发生率比不送餐期间低20% (P= .047)。虽然我们的研究是一个单样本的前后分析，但我们的结果与这个随机交叉临床试验一致。然而，我们的研究并没有专门使用医学上量身定制的特定递送方式。在美国，每人每月的食物费用平均为281美元[29]，也不确定这些医疗量身定制的膳食计划是否对更大的人群具有成本效益，因为在这项研究中，膳食和配送的成本约为每人每月350美元[12]。

解决粮食和营养不安全问题需要解决粮食获取和负担能力问题。然而，可负担性和可获得性不仅需要适用于一般食品，还需要特别适用于营养食品，因为营养质量差的超加工食品加剧了慢性病的流行[30.]。2021年SNAP创纪录的增长提高了人们的负担能力[31]，但许多家庭仍然难以负担SNAP补贴之外的食物。此外，这些资金中的许多经常被分配到非营养食品上。32]。许多食品不安全的人都与残疾或缺乏交通工具作斗争，限制了他们去实体杂货店的能力[33]。许多大型在线杂货商已经开始在网上接受SNAP福利;然而，对于这些用户中的许多人来说，在线杂货配送费用仍然令人望而却步。此外，其他人不知道他们是否有资格获得SNAP，并且很难驾驭SNAP的注册过程。加州之前的一项研究表明，新加入SNAP的参与者报告粮食不安全的可能性较低(83.1%对67.5%)，P<.001)，表明参加SNAP可以减少粮食不安全[34]。许多保健计划也试图提供膳食以解决粮食不安全问题，但不幸的是，这很难以具有成本效益的方式实施和扩大规模;例如，蓝十字蓝盾协会在一年后终止了其FoodQ试点项目[35]。在我们的研究中，29%的粮食不安全用户在基线时报告粮食安全，饮食质量随着时间的推移而改善;因此，Foodsmart平台正在大规模应对这些粮食不安全挑战。此后，Foodsmart rd也开始招募SNAP成员，我们计划在未来的研究中评估SNAP招募对长期粮食不安全状况的影响。

优势与局限

这项研究有几个重要的优势。据我们所知，还没有进行过这种规模的纵向研究来评估远程医疗平台或营养和膳食计划应用程序对食品不安全和饮食质量的影响。对卫生保健环境中解决粮食不安全问题的干预措施的系统审查发现，评估健康结果的研究很少有高入学率或重要的随访期[36]。我们的研究与这些研究的不同之处在于，它评估了饮食摄入和食品不安全状况的干预后结果，并且有高入组率和长期随访期(平均时间3.3，标准差1.5，个月)。考虑到随访时间的广泛范围，我们能够在不同的时间长度内衡量粮食不安全的变化。评估粮食不安全的问题于2021年2月增加，近5000名用户在8个月内回答了两次，显示了数字技术在实时收集大量数据以应对公共卫生危机方面的强大力量。为了评估食品不安全，我们使用了一个问题，改编自美国农业部的18项HFSS，该问题已经过验证。最后，我们能够得出粮食不安全与膳食计划和饮食习惯之间的联系，这是粮食安全和营养的重要因素。

本研究有一些重要的局限性需要注意。本研究仅使用了18个问题中18个问题中的1个来评估食品不安全[23]。由于完成18个项目的HFSS需要较长的时间，因此选择第一个问题作为评估粮食不安全的有效方法。Hager等[22调查发现，来自食品不安全家庭的92.5%的受访者同意这样的说法:“在过去的12个月里，我们担心在我们有钱买更多的东西之前，我们的食物是否会耗尽。”虽然我们的研究只使用了第一个问题，但这个问题仍然是食品不安全的一个强有力的指标，第二个问题，正如Hager等人所使用的[22]，最近又增加了。由于我们没有参与者何时离开项目的确切数据，我们使用了对食品不安全问题的最后一次回答作为大约的结束日期。此外，由于我们使用的是真实世界的数据，没有一致的对照研究设置，因此很难就使用时间与粮食不安全变化之间的关系得出明确的结论;参与者可以随时自由地启动和停止使用该应用程序。由于本研究的观察性设计，我们无法就使用该平台是否导致向粮食安全过渡得出任何因果结论。

结论

本研究评估了食品不安全参与者自我报告的食品不安全状况和饮食质量的变化，他们使用远程医疗和营养平台，提供个性化的食谱推荐、膳食计划、食品订购、杂货折扣和价格比较。虽然Foodsmart功能的使用与实现粮食安全和改善营养之间存在关联，但需要进行包括随机对照试验在内的未来研究，以评估Foodsmart平台对饮食改变和减少粮食不安全的因果关系。