编辑推荐：
在时间营养学研究中，缺乏标准化、全面评估相关参数的工具。研究人员开展了对时间营养学行为问卷（CNBQ）相对有效性的研究，以 11 天事件为基础的生态瞬时评估（EMA）饮食日记为参照，结果表明 CNBQ 在估算均值和个体排序上有一定有效性，为相关研究提供了新工具。
在现代生活中，人们的生活节奏不断变化，饮食时间也变得越来越不规律。你是否想过，吃饭的时间、频率以及和睡眠之间的关系，会对我们的健康产生怎样的影响呢？近年来，时间营养学（chrononutrition）这一新兴领域逐渐走进人们的视野。它将营养学和时间生物学结合起来，研究发现饮食的时间模式和生物钟类型（chronotype）等因素，与心血管疾病、糖尿病、肥胖等健康问题密切相关 。比如，法国的一项前瞻性队列研究表明，较晚吃第一餐（晚于上午 9 点）和最后一餐（晚于晚上 9 点）会增加心血管疾病的患病风险；美国的研究也发现，每天进食频率低的男性患 2 型糖尿病的风险更高 。
然而，目前时间营养学研究面临着一个难题，那就是缺乏标准化且经过验证的工具，来准确评估这些与时间营养学相关的参数。传统的饮食评估方法，如 24 小时膳食回忆和食物日记，虽然在一定程度上能收集饮食信息，但它们存在诸多弊端，不仅给参与者和研究人员带来沉重负担，而且难以捕捉到习惯性的饮食模式。而传统的膳食评估问卷，通常又无法准确获取饮食的时间模式信息 。因此，开发一种全面、便捷且有效的评估工具迫在眉睫。
为了解决这些问题，东京大学的研究人员开展了一项重要研究。他们旨在考察新开发的时间营养学行为问卷（Chrono-Nutrition Behavior Questionnaire，CNBQ），与 11 天基于事件的生态瞬时评估（ecological momentary assessment，EMA）饮食日记相比的相对有效性。
研究人员采用了交叉 - sectional 设计，进行了 “Who, What, When, Where, and Why for Healthy Eating” 研究（简称 5W 研究）。在 2023 年 2 月至 4 月期间，招募了 1050 名年龄在 20 - 69 岁的日本成年人。参与者首先需要回答包括 CNBQ 和膳食饮食史问卷（Meal-based Diet History Questionnaire，MDHQ）在内的网络问卷，接着进行 11 天的基于事件的 EMA 饮食日记记录，其中包括 7 天连续的食物时间日记和 4 天非连续的食物摄入日记（即称重膳食记录） 。研究人员创建了一系列与时间营养学相关的参数，涵盖睡眠变量、饮食频率变量、进食开始时间变量、进食时长变量、进食窗口变量以及睡眠与进食时间间隔变量等，并通过多种统计分析方法，对 CNBQ 和 EMA 饮食日记所得数据进行比较 。
研究结果
- 工作日睡眠和饮食时间模式变量：在 33 个变量中，12 个变量的 CNBQ 估计均值与 EMA 饮食日记的相应值无显著差异。其余 21 个变量虽有显著差异，但除每日零食频率、首次进食时长等 6 个变量外，差异幅度相对较小（≤7%） 。Spearman 相关系数范围为 0.28 - 0.80，中位数为 0.63 。在性别、年龄和轮班工作状态的亚组分析中，CNBQ 在男性、老年和非轮班工作参与者中表现稍好。
- 非工作日睡眠和饮食时间模式变量：9 个变量的 CNBQ 和 EMA 饮食日记估计均值无显著差异。其他 24 个变量虽有显著差异，但除每日零食频率、首次进食时长等 8 个变量外，差异幅度相对较小（≤8%） 。Spearman 相关系数范围为 0.20 - 0.77，中位数为 0.54 。亚组分析结果与工作日类似。
- 工作日和非工作日差异变量：社会时差和饮食时差变量以及生物钟类型的 CNBQ 和 EMA 饮食日记估计均值差异幅度相对较小（≤9%，除基于进食中点 1 的饮食时差外） 。Spearman 相关系数范围为 0.30 - 0.71 。非轮班工作参与者中 CNBQ 表现更好。
- Bland - Altman 分析：Bland - Altman 分析显示，所有变量的平均差异幅度较小（<9%），但一致性界限较宽，表明在个体层面上，CNBQ 获得准确估计的能力有限。而且，CNBQ 估计值存在随平均估计值增加而高估的比例偏差 。
研究结论与讨论
研究表明，与 11 天基于事件的 EMA 饮食日记相比，CNBQ 在估计大多数时间营养学相关参数的均值和对个体进行排序方面，具有足够的相对有效性。然而，其在个体层面产生准确估计的能力普遍受限 。这一结果与以往研究既有相似之处，也存在差异。一些研究表明，精心设计的问卷在评估某些时间营养学相关参数时，在群体层面可能有用，但在个体层面的准确性有待提高 。本研究中 CNBQ 的良好表现，可能得益于其对现有工具的充分考虑，以及针对日本人饮食习惯设置的预定义进食时段 。不过，本研究也存在一定局限性，如参与者并非日本全国代表性样本，可能存在健康意识和社会经济地位的偏差；EMA 饮食日记依赖自我报告，可能存在测量误差；研究时间框架较窄，无法考虑季节性差异；CNBQ 缺乏饮食摄入问题，未涵盖部分相关变量 。尽管如此，该研究仍具有重要意义。CNBQ 为大规模观察性研究和干预试验中研究时间营养学相关行为与健康结果之间的关联，提供了一种有前景的工具，尤其是在无法进行更详细评估的情况下 。同时，研究人员也指出，时间营养学研究不能脱离饮食摄入和质量的实际情况，应同时评估时间营养学行为和饮食摄入及质量，以推动该领域的进一步发展 。该研究成果发表在《International Journal of Behavioral Nutrition and Physical Activity》上，为时间营养学领域的研究提供了重要参考，有望为后续研究和健康干预措施的制定提供有力支持。
研究人员主要使用了以下关键技术方法：
- 问卷调查法：设计并使用 CNBQ 和 MDHQ 问卷收集参与者信息，CNBQ 涵盖睡眠、饮食频率、进食时间等多方面内容，MDHQ 用于评估饮食摄入 。
- 生态瞬时评估法：让参与者记录 11 天基于事件的 EMA 饮食日记，包括食物时间和食物摄入情况，以获取实际饮食行为数据 。
- 数据处理与统计分析法：对收集到的数据进行清洗和整理，创建时间营养学相关参数，运用配对 t 检验、Bland - Altman 分析、Spearman 相关系数等统计方法，评估 CNBQ 的有效性 。
