摘要：全球范围内，超加工食品（UPF）的供应和消费正在不断上升。这些食品是指即食或加热即可使用的工业加工制品，主要或完全由天然食物中提取的成分制成，常含有在传统烹饪中很少或从不使用的添加物，以及用于改善外观、口感的“化妆性”添加剂。

全球范围内，超加工食品（UPF）的供应和消费正在不断上升。这些食品是指即食或加热即可使用的工业加工制品，主要或完全由天然食物中提取的成分制成，常含有在传统烹饪中很少或从不使用的添加物，以及用于改善外观、口感的“化妆性”添加剂。

流行病学研究已经发现，摄入超加工食品与多种慢性病的危险因素有关，比如肥胖、心脏代谢类疾病，以及一些癌症。

过去，相关的研究通常依赖饮食问卷中的“自我报告”数据，但这些调查是有局限性的，因为需要人们回忆他们吃了什么——这可能存在报告误差，且不能很好反映食物供应随时间的变化。科学家需要一种更好的方法，来更客观地测量饮食中的复杂变量，进而更好地理解饮食是如何影响健康的机制的。

在一项新的研究中，一组研究人员创建了一个用来衡量超加工食品摄入量的评分系统——聚代谢物评分（poly-metabolitescore）。他们首次确定了血液和尿液中的代谢物模式可以作为一个客观指标，用来评估一个人从超加工食品中摄取的能量有多少。（代谢物是我们身体在把食物转化成能量之后留下的“残留产物”。）

新的评分系统

在新的研究中，研究人员分析了收集的718名50至74岁健康个体老年人的血液和尿液样本。他们的样本在2012至2013年间被采集了两次，相隔六个月。同时，在为期一年的研究期间，参与者还被要求提供详细的饮食记录。研究团队对每一种食物——从汉堡里的面包、奶酪片、肉饼，到番茄酱——都进行了分类，判断其是否属于超加工食品。

研究人员发现，有数百种血液和尿液代谢物与人们从超加工食品中消耗的能量百分比有关。研究人员使用其中的28种血液代谢物和33种尿液代谢物，构建出了一个与超加工食品摄入量对应的聚代谢物评分。

随后，研究人员使用了一种机器学习技术，为每位参与者计算了聚代谢物评分，来衡量其每日摄入总能量中有多少来自超加工食品。他们发现，平均来看，参与者每日摄入的总能量中约有50%来自超加工食品，但个体之间差异很大，最低为12%，最高达82%。

代谢特征与营养结构

摄入超加工食品最多的人，通常从碳水化合物、添加糖和饱和脂肪中获得更多能量，而从蛋白质和膳食纤维中获得的能量更少。相比之下，超加工食品摄入较少的人则营养结构更均衡。

研究人员接着对参与者的血液和尿液样本进行分析，寻找那些在高加工食品摄入者体内更常见的代谢物。他们发现，那些饮食中富含超加工食品的人，尿液和血液样本更可能含有一种与2型糖尿病风险增加相关的代谢物。而且，这些人中的一些尿液样本中检测到了某种来自特定食品包装材料的分子。此外，这些人的样本中来自新鲜水果和蔬菜的代谢物含量较少。

验证评分

为了验证他们开发的代谢物评分是否能够预测一个人饮食中是否摄入大量超加工食品，研究人员使用了来自一项在2018至2020年间进行的、包含20名18–50岁成年人的随机对照饮食研究的数据。其中一半参与者先吃富含超加工食品（80%）的饮食两周，再吃完全不含超加工食品（0%）的饮食两周；其余人则按相反顺序接受这两种饮食。

研究结果表明，仅凭参与者尿液和血液中的代谢物特征，就能够区分他们处于哪一种饮食阶段（高超加工食品或无超加工食品）。这证明了代谢物评分系统具有实际辨别力，可以作为一种客观的超食品加工摄入标志物。

研究意义

这项研究成果提供了一个客观衡量超加工食品摄入的工具，将有助于深入研究超加工食品与健康之间的关联。不过，这项研究存在一个局限，那便是参与者是美国老年人，他们的饮食习惯可能不同于其他人群。因此结果需要在其他年龄群体中加以验证。

研究人员建议，在饮食结构不同、超加工食品摄入量范围更广的人群中，对这些评分系统进行评估和优化。此外，未来研究应进一步探索这些代谢评分与癌症、2型糖尿病等疾病风险之间的关联。

来源：健康小喵米