आहार अनुसंधान में समस्या पैदा करने वाली भोजन रिपोर्टिंग की अशुद्धता

• शोधकर्ता लोग जो भोजन खाते हैं और उनकी स्वास्थ्य स्थिति के बीच संबंध खोजने के लिए सर्वेक्षणों का उपयोग करते हैं, लेकिन हालिया शोध से पता चलता है कि यह तरीका विश्वसनीय नहीं है। कई लोग अपने सेवन की मात्रा कम बताकर रिपोर्ट करते हैं, जिससे डेटाबेस के आधे से अधिक हिस्से के गलत होने की संभावना है.

• शोधकर्ताओं ने ऊर्जा खपत को मापने वाली तकनीक का उपयोग करके आहार सर्वेक्षणों की सटीकता का आकलन करने के लिए एक समीकरण विकसित किया। इस समीकरण के माध्यम से उन्होंने संकेत दिया कि कई अध्ययन गलत डेटा पर आधारित हैं.

• आहार सर्वेक्षणों की विश्वसनीयता कम होती है क्योंकि लोगों को यह याद रखने या रिपोर्ट करने में कठिनाई हो सकती है कि उन्होंने क्या खाया। कुछ शोधकर्ताओं का तर्क है कि ऐसे सर्वेक्षणों को छोड़ देना चाहिए.

• doubly labeled water (DLW) तकनीक ऊर्जा खपत को सटीक रूप से मापने का एक तरीका है, और जब इसे सर्वेक्षणों के साथ उपयोग किया जाता है तो यह दिखाता है कि लोग अपने सेवन को कम बताने की प्रवृत्ति रखते हैं.

• शोधकर्ताओं ने DLW तकनीक का उपयोग करके NHANES और NDNS डेटाबेस के रिकॉर्ड का विश्लेषण किया और पाया कि कई लोगों द्वारा रिपोर्ट किया गया सेवन अनुमानित सीमा से कम था.

• ये परिणाम संकेत देते हैं कि nutrition epidemiology research गलत डेटा पर आधारित हो सकता है, और यही कारण हो सकता है कि पोषण अनुसंधान अक्सर विरोधाभासी नतीजे देता है.

• शोधकर्ता सर्वेक्षणों पर निर्भर हुए बिना nutrition epidemiology को बेहतर बनाने के लिए नई कार्यप्रणालियाँ विकसित करने की कोशिश कर रहे हैं। उदाहरण के लिए, photo diet diaries या wearable cameras, motion और audio sensors का उपयोग करने वाले अध्ययन किए जा रहे हैं.

• फिलहाल ये नई विधियाँ सर्वेक्षणों जितने बड़े पैमाने पर लागू होने के लिए तैयार नहीं हैं, लेकिन शोधकर्ता गलत रिपोर्टिंग के पैमाने का अनुमान लगाने और उसे अध्ययनों में शामिल करने के लिए समीकरणों का उपयोग कर सकते हैं। शोधकर्ताओं ने जोर दिया कि nutrition epidemiology को बेहतर बनाने के लिए नई तकनीकों का उपयोग किया जाना चाहिए.

[GN⁺]

Hacker News टिप्पणियाँ

• Google AI और SnapCalorie के शोध के अनुसार, लोगों को भोजन की मात्रा को देखकर अनुमान लगाने की अपनी क्षमता पर भरोसा होता है, लेकिन वास्तव में औसतन 53% की त्रुटि होती है। प्रशिक्षित विशेषज्ञों में भी 40% की त्रुटि पाई गई। सटीकता बढ़ाने के लिए food scale या volume measurement tools का उपयोग करना चाहिए। लोग सबसे ज़्यादा तेल, cooking fat और hidden ingredients को लेकर चिंतित रहते हैं, लेकिन वास्तव में मात्रा का अनुमान लगाना इससे भी बड़ी गलती का कारण बनता है। विस्तृत error analysis Nutrition5k पेपर में देखा जा सकता है

• जो लोग हर चीज़ को track और measure करते हैं, उन्हें sauce, cooking time, बचा हुआ खाना, उसमें पोषक तत्वों की कमी, और एक ही meal को कई बार में खाने जैसी चीज़ों में दिक्कत होती है। अकेले रहकर packaged food और कच्ची सब्ज़ियाँ ज़्यादा खाने पर यह आसान था, लेकिन shared meals और कई तरह की सामग्रियों के साथ यह मुश्किल हो जाता है

• बहुत से लोग संसाधनों को भावनात्मक नज़रिए से देखते हैं, इसलिए इसे केवल तर्क से हल करना मुश्किल है। भोजन और वित्त में यह समानता है। calorie intake और expenditure की अवधारणा सरल है, लेकिन इसे व्यवहार में लागू करना कठिन होता है। लोग खुद से झूठ बोलते हैं, दार्शनिक दुविधाओं में फँस जाते हैं, और अक्सर अपनी इच्छाओं के आगे झुक जाते हैं

• My Fitness Pal का इस्तेमाल करके calories गिनने की कोशिश की गई, लेकिन इसमें बहुत मेहनत लगती है। बाहर खाना खाते समय सटीक गणना करना मुश्किल होता है। sauce और तेल को शामिल करने पर accuracy और गिर जाती है। सबसे अच्छा तरीका यह है कि ऐसी चीज़ों से बचा जाए ताकि गिनने की ज़रूरत ही न पड़े

• लोग किसी भी चीज़ की reporting में अच्छे नहीं होते—exercise, food, sex life, grooming आदि। यह मान लेना कि वैज्ञानिकों के प्रयोगों के लिए कोई ऐसी आबादी मौजूद है जो सब कुछ सटीक रूप से report करती है, भोलेपन की निशानी है

• कुछ वैज्ञानिक यह जानने की कोशिश करते हैं कि coffee, wine और chocolate स्वास्थ्य के लिए अच्छी हैं या नहीं। लेकिन इसमें अनगिनत confounding variables, genetic factors, meal timing, exercise level जैसी चीज़ें शामिल होती हैं। यह 80/20 वाली समस्या है: 80% सही करो और बाकी 20% भूल जाओ। अगर शरीर और मन अच्छे हैं, तो कभी-कभार एक गिलास wine या chocolate का एक टुकड़ा बहुत बड़ा फर्क नहीं डालता

• ज़्यादातर शोध absolute food consumption की सटीकता पर निर्भर नहीं करते। शोध के नतीजे relative terms में पेश किए जाते हैं। उदाहरण के लिए, अगर यह देखना हो कि सुबह की coffee का सेवन दीर्घायु से जुड़ा है या नहीं, तो यह मान लेना कि हर कोई अपने food intake को कम बताता है, बहुत बड़ी समस्या नहीं बनती

• sleep research क्लिनिक में की जाती है; इसमें मरीजों से self-report पर निर्भर नहीं रहा जाता। अगर सटीक data चाहिए, तो वास्तविक शोध करना होगा और भोजन सीधे उपलब्ध कराना होगा

• लोग alcohol की calorie content को समझने में खास तौर पर कमजोर होते हैं। carbohydrate और protein में 4 calories प्रति gram, alcohol में 7 calories, और fat में 9 calories होती हैं। जब low-carb foods का ट्रेंड था, तब Bacardi ने zero-carb rum का प्रचार किया था, लेकिन सभी unflavored hard liquors में carbohydrate नहीं होता और फिर भी वे high-calorie होते हैं

• यह आम तौर पर जाना-पहचाना तथ्य है कि लोग अपने बारे में ज़्यादातर बातें गलत report करते हैं। अगर सख्त शोध चाहिए, तो wearable devices या smart monitors का उपयोग करना बेहतर है