在日本，怀孕前和怀孕期间的饮食模式和孕龄小:一项前瞻性出生队列研究

背景

尽管小胎龄妊娠(SGA)在世界范围内是一个严重的问题，但怀孕前和怀孕期间的饮食模式与SGA风险的关系尚不清楚。我们使用三种方法评估了日本孕妇之间的这种关联:减少秩回归(RRR)和偏最小二乘(PLS)，提取可以解释响应变量变化的饮食模式的方法，以及主成分分析(PCA)，提取人群饮食模式的方法。

方法

在2013年7月至2017年3月期间，22493名孕妇被招募到日本Tohoku医疗megank项目出生和三代队列研究，这是一项基于人群的前瞻性出生队列研究。使用食物频率问卷获得饮食摄入信息，并使用RRR、PLS和PCA提取饮食模式。出生体重信息来自产科记录，出生体重SD评分和SGA采用日本儿科学会的方法确定。饮食模式与出生体重、SD评分和SGA风险的相关性分别采用多元线性回归和多元逻辑回归进行研究。

结果

共有17728对母子被纳入研究。出生体重SD评分为0.15±0.96,SGA患病率为6.3%。RRR和PLS提取的饮食模式相似，其特点是在孕前至孕早期和孕早期至孕中期都摄入大量谷物和水果，而摄入少量酒精和非酒精饮料。在这两个时期，较高的RRR和PLS模式的采用与较高的出生体重SD评分和较低的SGA风险相关。相比之下，PCA1模式与出生体重、SD评分或SGA风险均无相关性。虽然PCA2模式与妊娠早期至中期出生体重SD评分增加相关，但未观察到与出生体重SD评分或SGA风险相关的其他因素。

结论

在日本，怀孕前和怀孕期间摄入大量谷物和水果，摄入少量酒精和非酒精饮料的饮食模式与降低SGA风险有关。

胎龄小是指在一个地区出生体重低于按性别和妊娠周划分的参考出生体重的第10百分位[1］．SGA对个人健康状况具有长期影响，包括新生儿死亡风险、儿童期发育迟缓风险和成年期代谢综合征风险，并且仍然是一个重要的全球公共卫生问题[2，3.，4］．特别是在日本，据报道，年轻女性因渴望保持苗条身材而饮食不足已成为一个问题，这正促使她们婴儿出生体重下降的趋势[5］．

母亲的营养状况被认为是胎儿健康发育的最重要因素之一[6，7］．然而，尽管许多流行病学研究研究了怀孕期间食物和营养素的摄入，如水果、蔬菜、鱼类、乳制品、碳水化合物、脂肪和维生素与胎儿发育之间的关系，但报告的结果并不一致[8，9，10］．一个可能的原因是，人们在日常生活中通常会摄入各种含有各种营养成分的食物。换句话说，对单一食物和营养素的研究可能没有考虑食物和营养素对身体的协同和抵消作用。鉴于这些问题，将食物摄入量作为一种模式来捕捉的方法被认为有助于研究饮食与疾病之间的关系[11］．

主成分分析(PCA)是提取饲粮模式的主要方法之一。主成分分析得出了一个食物摄入的线性函数，它能最好地解释食物摄入的变化，并能反映人们的实际饮食模式[12］．然而，他们没有考虑与疾病的联系，因此可能与疾病风险无关[11］．降秩回归(RRR)和偏最小二乘(PLS)已被提出作为PCA的替代品[13，14］．RRR是一种提取饮食模式的方法，可以最好地解释反应变量的变化(例如，无症状或临床终点和与疾病相关的营养素)[12］．RRR提取的饮食模式与疾病风险的相关性高于PCA。然而，他们没有像PCA那样考虑食物摄入量的变化，因此他们不一定能反映人们实际的饮食模式[11］．因此，RRR和PCA是相辅相成的，通过比较结果可以获得有用的见解[12］．PLS是介于RRR和PCA之间的一种折衷方法，PCA是一种提取饮食模式的方法，可以最好地解释食物摄入和反应变量的变化[13］．

一些报告使用PCA调查了孕妇饮食模式和SGA之间的关系。Knudsen等人在丹麦的一项前瞻性研究中报道，以大量摄入蔬菜、水果、鱼类和家禽为特征的“健康意识模式”与较低的SGA风险相关[15］．Thompson等人在新西兰的一项病例对照研究中报道，以大量摄入苹果/梨、柑橘类水果、猕猴桃/feijoa、香蕉、绿色蔬菜、根茎类蔬菜、豆类/玉米、乳制品/酸奶和水为特征的“传统模式”与较低的SGA风险相关[16］．相比之下，Chia等人在新加坡的一项前瞻性研究和Grieger等人在澳大利亚的一项回顾性横断面研究报告称，没有饮食模式与SGA风险显著相关[17，18］．因此，关于PCA提取的饮食模式与孕妇SGA风险之间的关系没有一致的结果。根据PCA，其原因可能是人们在怀孕期间的实际饮食模式可能与SGA很少或没有关联。

然而，迄今为止，有一份报告使用RRR来评估孕妇饮食模式与SGA之间的关系。Liu等人在中国进行的一项前瞻性研究报告称，高摄入豆类、豆制品、蔬菜和动物产品，低摄入小麦和油的饮食模式与较低的SGA风险相关[19］．然而，他们没有使用PCA评估饮食模式与SGA的关系，也没有将结果与使用RRR得到的结果进行比较，因此尚不清楚RRR提取的饮食模式在多大程度上与人们的实际饮食模式相似。因此，在本研究中，我们使用RRR和PLS来确定哪些饮食模式与日本孕妇SGA风险相关，并将其与PCA进行比较，以确定它们与人们当前实际饮食的相似程度。

研究设计和参与者

本研究使用了来自东北医疗megank项目出生和三代队列研究(TMM BirThree队列研究)的数据，这是一项由东北医疗megank组织(ToMMo)进行的基于人群的前瞻性出生队列研究。这项研究旨在促进解决2011年3月11日东日本大地震后的医疗问题，之前描述了这项研究的细节[20.，21］．简而言之，2013年7月至2017年3月期间，从日本宫城县农村和城市地区的约50家产科诊所和医院招募了22493名早期怀孕孕妇。所有参与者均获得书面知情同意。TMM BirThree队列研究由ToMMo伦理委员会批准(2013-1-103-1)，并根据赫尔辛基宣言进行。我们使用2019年1月31日固定的数据集进行分析，受试者的选择如图所示流程图。1．

出生体重标准偏差(SD)评分和SGA

从出生时的产科记录中获得出生体重、孩子性别、胎次和出生时的胎龄。出生体重SD评分是根据日本儿科学会的方法，将出生体重分布的SD定义为考虑婴儿性别、胎次和出生时胎龄的SD, SGA定义为出生体重低于第10百分位的日本婴儿[22］．

饮食信息

饮食信息的细节在辅助信息中描述1．简单地说，为了调查怀孕前和怀孕期间的饮食摄入量，我们使用了两份半定量食物频率问卷(FFQs)。本研究使用ffq获得的孕前至孕早期和孕早期至孕中期13种食物组和28种营养素的每日摄入量。利用残差法调整各食物组和营养素的摄入量以获取能量[23]，再减去平均值，再除以相应各组食物和营养素摄入量的标准差进行标准化。

饮食模式

饮食模式的细节在辅助信息中描述2．简单地说，在SAS(版本9.4,SAS Institute Inc.， Cary, North Carolina)中，使用RRR、PLS和PCA提取孕前到孕早期和孕早期到孕中期的饮食模式，并选择13种食物组的摄入量作为预测变量，出生体重SD评分作为响应变量，这是一个与SGA风险相关的连续变量。通过RRR、PLS和PCA得到的食物组的因子负荷表示该食物组对膳食模式的贡献程度[24］．绝对因子负荷为0.2或更高的食物组被认为是饮食模式的特征[12］．每个受试者的因子得分表明了饮食模式的采用程度。他们被分为四分位数(四分位数1:最低的采用率;四分位数4:最高采用率)，并用于分析与出生体重、SD评分和SGA风险相关的分析。

潜在的混杂因素

潜在混杂因素的详细信息见支持信息3.．简而言之，根据以往的报告，母亲的分娩年龄、孕前体重指数(BMI)、怀孕期间的体重增加、胎次、教育程度、家庭年收入、吸烟状况、饮酒情况和怀孕早期的叶酸补充摄入量被认为是饮食模式与分娩结果之间关联的潜在混杂因素[8，25，26］．

统计分析

对于连续变量，参与者的背景属性以平均值±标准差表示，对于类别变量，参与者的背景属性以频率(百分比)表示。饮食模式分层的背景属性的比较由方差分析和评估P连续变量的趋势，用χ²类别变量的科克伦-阿米蒂奇检验。

使用多元回归分析评估每种饮食模式与出生体重SD评分的相关性。使用logistic回归分析评估每种饮食模式与SGA风险之间的关系。在模型1中，我们对产妇年龄、孕前BMI、教育程度、家庭年收入、吸烟习惯、饮酒习惯和叶酸补充剂消费习惯进行了调整。在模型1中，我们没有调整母亲在怀孕期间的体重增加，因为我们假设母亲的体重增加可能是饮食模式和结果之间的中间变量。然而，在模型2中，我们对产妇体重增加进行了调整，以估计饮食模式与结果之间的关系，独立于产妇体重增加。使用链式方程的多元补全方法对混杂变量的缺失值进行补充，其中缺失数据假设是随机的，使用R[中的mice包。27］．混杂变量中缺失数据的数量和百分比见表1．创建了五个具有互补缺失值的独立数据集。对每个数据集进行多变量分析，并结合每个结果的估计。

为了评估提取饮食模式的稳健性，我们进行了一些敏感性分析。为了评估选择偏倚的可能性，进行了RRR、PLS和PCA，并重新提取了饮食模式，剔除了有饮食摄入和SGA发生率可用数据的受试者(n= 18667)。根据产妇年龄(< 30岁和≥30岁)、家庭年收入(< 4,000,000、4,000,000 - 5,999,999和≥6,000,000日元/年)、教育程度(高中毕业或以下、大学毕业或以上)等产妇特征对纳入的受试者进行了RRR、PLS和PCA分析。我们还对无妊娠糖尿病(GDM)的受试者进行了RRR、PLS和PCA，以排除GDM对SGA风险影响的可能混淆(n= 17325)。

情景应用程序版本。采用9.4法提取饲粮模式，R < 0.05。所有其他统计分析均采用4.0.1。统计显著性设为P< 0.05。

参与者特征

共有17728对母婴被纳入分析。约三分之二(67.4%)的母亲年龄在30岁以上，平均孕前BMI为21.6±3.4 kg/m²妊娠期间平均增重10.1±4.2 kg，平均胎龄39.0±1.2周(表2)1)．大约一半的女性在参与研究时未生育(48.3%)，并在怀孕早期服用叶酸补充剂(56.4%)。很少有母亲在怀孕早期继续吸烟(2.3%)，而大量母亲在怀孕早期继续饮酒(20.0%)。平均出生体重SD评分为0.15±0.96,SGA患病率为6.3% (n= 1116)。

由RRR, PLS和PCA确定的饮食模式

由RRR、PLS和PCA提取的饮食模式在孕前至孕早期和孕早期至孕中期的因子负荷和解释变化见表2及补充表1,分别。RRR和PLS模式的特点都是在怀孕前到怀孕早期和怀孕早期到怀孕中期摄入大量谷物和水果，而摄入少量酒精和非酒精饮料。此外，从怀孕早期到中期的PLS模式的特点是大量摄入乳制品和蘑菇。PCA1模式的特点是在这两个时期都大量摄入豆类、蔬菜、水果、蘑菇和海鲜，而乳制品摄入量较低。此外，怀孕早期至中期的PCA1模式以低酒精饮料摄入量为特征。PCA2模式的特点是在这两个时期都大量摄入蔬菜、鸡蛋和乳制品，而谷物和肉制品的摄入量较低。此外，从怀孕早期到中期，PCA2模式的特点是大量摄入豆类。

预测变量(食物组)中RRR的解释差异低于PCA, PLS介于两者之间(从孕前到孕早期，RRR: 7.7%， PLS: 8.5%， PCA1: 12.7%， PCA2: 10.9%;孕早期至孕中期，RRR: 7.3%， PLS: 8.2%， PCA1: 13.5%， PCA2: 11.6%)。RRR反应变量(出生体重SD评分)的解释差异高于PCA, PLS介于两者之间(从孕前到孕早期，RRR: 0.31%， PLS: 0.29%， PCA1: 0.0044%， PCA2: 0.0001%;孕早期至孕中期，RRR: 0.50%， PLS: 0.46%， PCA1: 0.0014%， PCA2: 0.014%)。

饮食模式与出生体重、SD评分和SGA的关系

表中显示了孕前至孕早期和孕早期至孕中期各饮食模式与出生体重、SD评分和SGA的相关性3.及补充表2,分别。在这两个时期，在调整后的模型2中，较高的RRR模式采用与较高的出生体重SD评分和较低的SGA风险显著相关(出生体重SD评分:β[四分位数4 vs.四分位数1]0.10[95%置信区间[CI] 0.06, 0.14]，P对于孕前至孕早期的趋势< 0.001，β[四分位数4 vs.四分位数1]0.12 [95%CI 0.08, 0.16]，P妊娠早期至中期趋势< 0.001;SGA风险:优势比[OR][四分位数4 vs.四分位数1]0.83 [95%CI 0.69, 0.99]，P的趋势= 0.02,OR[四分位数4 vs.四分位数1]0.85 [95%CI 0.71, 1.02]，P从怀孕早期到中期，趋势= 0.04)。

在调整后的模型2中，较高的PLS模式采用率与较高的出生体重SD评分和较低的SGA风险显著相关(出生体重SD评分:β[四分位数4 vs.四分位数1]0.09 [95%CI 0.05, 0.13]，P对于孕前至孕早期< 0.001的趋势，β[四分位数4 vs.四分位数1]0.14 [95%CI 0.10, 0.18]，P妊娠早期至中期趋势< 0.001;SGA风险:OR[四分位数4 vs.四分位数1]0.77 [95%CI 0.64, 0.92]，P的趋势= 0.003,OR[四分位数4 vs.四分位数1]0.76 [95%CI 0.64, 0.91]，P从怀孕早期到中期的趋势= 0.001)。

PCA1模式与出生体重、SD评分或SGA风险均无显著相关性。妊娠前到妊娠早期的PCA2模式与出生体重、SD评分和SGA风险无关。尽管在调整后的模型2中，妊娠早期到妊娠中期对PCA2模式的较高采用与较高的出生体重SD评分显著相关(β[四分位数4 vs四分位数1]0.05 [95% CI 0.01, 0.09]，P(趋势= 0.01)，该模式与SGA风险无关。

受试者根据饮食模式的不同摄入不同的营养素

按每种饮食模式的因子评分分层的能量调节营养素摄入量见补充表3.，4，5而且6．每种饮食模式都与多种营养素的摄入有关，第四和第一四分位数组之间绝对差异最大的五种营养素如下所示。RRR模式的采用率较高，与孕前至孕早期β -隐黄质、碳水化合物、维生素C、维生素B1和铜的摄入量较高有关，与孕前至孕中期碳水化合物、β -隐黄质、维生素C、铜和膳食纤维的摄入量较高有关。

较高的PLS模式与孕前至孕早期较高的碳水化合物、β -隐黄质、维生素C、铜和维生素B1摄入量有关，与孕前至孕中期较高的碳水化合物、维生素C、铜、膳食纤维和β -隐黄质摄入量有关。

采用PCA1模式的人越多，孕前到孕早期摄入的膳食纤维、铁、维生素C、叶酸和钾就越多，孕前到孕中期摄入的膳食纤维、铁、维生素B6、叶酸和钾也越多。PCA2模式的高采用率与孕前到孕早期钙、磷、维生素B2、钾和泛酸的高摄入量有关，与孕前到孕中期钾、钙、镁、磷和维生素B2的高摄入量有关。

敏感性分析

当对有饮食摄入和SGA发生可用数据的排除对象进行RRR、PLS和PCA时，牛奶和奶制品不再是RRR和PLS模式的重要组成部分，而蔬菜则成为妊娠早期至中期PLS模式的重要组成部分。然而，其他食物组的特点，饮食模式是相同的，在主要分析(补充表7)．此外，每种饮食模式与出生体重、SD评分和SGA风险的关系与主要分析相似(补充表8)．因此，我们的主要分析可能低估了蔬菜摄入量与SGA风险的关系，高估了妊娠早期至中期牛奶和乳制品摄入量与SGA风险的关系。与分析对象相比，被排除的受试者妊娠周更短，妊娠期高血压疾病的发生率更高(补充表9)，蔬菜、牛奶和奶制品可能与这些特定人群的胎儿健康生长有关。

我们比较纳入和排除受试者的特征(补充表)9)，结果发现，与被排除在外的受试者相比，被纳入研究的受试者年龄更大，家庭年收入和教育水平也更高。当对纳入的受试者按母亲年龄、家庭年收入或教育程度分层进行RRR、PLS和PCA时，在几乎所有亚组中，食物组(如谷物、水果、酒精饮料和非酒精饮料)在两个时期的RRR和PLS模式中始终是重要组成部分(数据未显示)。另一方面，其他食物组在RRR和PLS模式中的重要性在子组中有所不同。因此，我们认为，即使在主要分析中添加了被排除的受试者，两个时期的RRR和PLS模式的特征也将是高谷类和水果摄入量，低酒精和非酒精饮料摄入量。

此外，在RRR和PLS模式与出生体重SD评分和SGA风险的关联中，除了大学本科及以上学历的人群外，所有亚组中估计的β和OR与主要分析中的数据相当(其中一些关联不具有统计学意义，但这被认为是由于亚组分析中的受试者数量少于主要分析)(数据未显示)。在具有大学或以上学历的受试者中，两个时期的RRR和PLS模式与出生体重、SD评分和SGA风险的相关性强于主要分析中的相关性。这些人的孕前BMI和怀孕期间体重增加低于主要分析中的人(数据未显示)。由于渴望保持苗条身材，日本女性饮食不足，这是导致婴儿出生体重下降的一个问题。5］．大学毕业或以上学历的人可能更有可能有这样的取向，适当的饮食模式对他们的SGA风险有显著影响。

我们还对没有GDM的受试者进行了RRR、PLS和PCA，发现具有饮食模式特征的食物组与主要分析中的食物组几乎相同(因子负荷的绝对值差异小于0.1，补充表10)．此外，饮食模式与出生体重、SD评分和SGA风险的相关性与主要分析中的几乎相同(补充表11)．我们认为GDM的混杂效应较小。

主要发现

这是第一份比较由RRR、PLS和PCA得出的孕妇饮食模式与其孩子出生体重、SD评分和SGA风险之间关系的报告。RRR和PLS提取的饮食模式相似，其特点是在孕前至孕早期和孕早期至孕中期都摄入大量谷物和水果，而摄入少量酒精和非酒精饮料。此外，妊娠早期至中期的RRR模式以高乳制品摄入量为特征，而两个时期的PLS模式以高乳制品和蘑菇摄入量为特征。较高的RRR和PLS模式的采用与出生体重SD评分的增加和SGA风险的降低相关。相比之下，PCA1模式与出生体重、SD评分或SGA风险均无相关性。虽然PCA2模式与妊娠早期至中期出生体重SD评分增加有关，但未观察到与出生体重SD评分或SGA风险相关的其他因素。

饮食模式的讨论

据我们所知，以前没有关于饮食模式和特征(如RRR和PLS模式)与出生体重相关结局之间关系的研究。关于单个食物组，有几份关于每种食物组和出生体重相关结果之间关系的报告。在我们之前的研究中，我们报道了怀孕前到怀孕早期和怀孕早期到怀孕中期摄入更多的水果和谷物与较高的出生体重和较低的出生低体重(LBW)风险相关[28，29］．关于乳制品，Heppe等人在荷兰的一项前瞻性研究中发现，怀孕早期牛奶的摄入量(FFQ在怀孕13.5周左右完成;它指的是前3个月)与SGA风险没有关联[30.］．另一方面，Olsen等人在丹麦的一项前瞻性队列研究中报告，在妊娠中期摄入更高的牛奶(FFQ在妊娠25周完成;(指前4周)与较低的SGA风险相关[31］．Patra等人的荟萃分析报告称，怀孕期间摄入高剂量纯酒精(10克/天)会单调增加SGA的风险[32］．在我们的研究中，饮料的成分包括咖啡和茶等富含咖啡因的饮料和碳酸饮料等富含糖的饮料。Greenwood等人的荟萃分析报告称，怀孕期间咖啡因摄入量每增加100毫克/天，SGA的风险就会增加10% [33］．Grundt等人在挪威进行的一项前瞻性队列研究报告称，在没有妊娠糖尿病的妇女中，怀孕期间增加含糖碳酸饮料的消费量与出生体重下降和LBW风险增加有关[34］．综上所述，我们研究中RRR和PLS提取的饮食模式所组成的单个食物组是合理的，即使考虑到其他食物组的影响，这些食物组中的每一个都被认为与出生体重SD评分和SGA相关。此外，由于与疾病相关的多种食物组可以被确定为饮食模式，我们的结果可能有助于提出预防SGA的饮食习惯。

在之前的几项基于PCA的饮食模式研究中，“健康日本模式”，即大量摄入蔬菜、水果、豆类、蘑菇、海藻和海鲜，被提取为日本人的典型饮食模式，与高血压、糖尿病、心血管疾病、身体功能障碍和死亡率的较低风险相关[35］．Knudsen等人和Thompson等人的流行病学研究报告称，“健康意识模式:以大量摄入蔬菜、水果、鱼类和家禽为特征”和“传统模式:以大量摄入蔬菜、水果、豆类和乳制品为特征”分别与较低的SGA风险相关[15，16］．因此，本研究中以蔬菜、水果、豆类、蘑菇和海鲜摄入较多，乳制品摄入较少为特征的PCA1模式也与出生体重SD评分和SGA相关。然而，PCA1模式与出生体重、SD评分或SGA无关。这可能是因为PCA1模式与RRR模式具有完全不同的特征;也就是说，PCA1模式没有包含RRR模式中包含的足够多的食物组特征(如谷物、乳制品和非酒精饮料)。此外，PCA1模式包含许多RRR模式不包含的食物组特征(如豆类、蔬菜和海鲜)。

PCA2模式的特点是大量摄入乳制品、鸡蛋、蔬菜和豆类(仅在怀孕早期到中期)，而少量摄入谷物和肉类。这种饮食模式与之前在日本孕妇中进行的一项研究中的“西方饮食模式:以大量摄入乳制品、鸡蛋、蔬菜、水果和谷物为特征”相似[36］．因此，PCA2模式被认为是其中常见的饮食模式。本研究中的PCA2模式也与RRR模式具有不同的特征。这两种饮食模式的特点是在怀孕早期到中期大量摄入乳制品，而其他因素不常见。因此，我们认为PCA2模式与出生体重、SD评分和SGA也没有什么关联。

一般来说，PCA提取的饮食模式反映了人们的实际饮食状况，但与结果可能没有太大的关联。然而，尽管RRR或PLS提取的饮食模式不一定反映人们的实际饮食状况，但它们更有可能与结果相关。因此，虽然本研究中孕妇的实际饮食模式与SGA无关，但RRR和PLS揭示的饮食模式可能是有用的基准，用于未来预防SGA的理想饮食模式。

营养素摄入的探讨

在营养摄入方面，RRR和PLS提取的饮食模式以高碳水化合物、维生素B1、维生素C、β -隐黄质和铜的摄入为特征(补充表)3.，4，5而且6)．据报道，怀孕期间母亲血糖浓度低会降低出生体重，增加低体重体重的风险[37］．葡萄糖是胎儿生长的主要能量来源，胎儿通过胎盘运输从母体获得大部分葡萄糖，因为胎儿很少产生糖[38，39］．胎盘葡萄糖转运与母体血糖浓度和胎盘红细胞流速成正比，母体血糖浓度升高是由于母体肝脏糖异生作用和饮食(碳水化合物为主要来源)所致。因此，这项研究表明，在怀孕期间摄入足量的碳水化合物对降低SGA风险很重要。然而，应注意碳水化合物摄入与GDM风险之间的关系。Looman等人研究了孕前摄入富含碳水化合物的食物与GDM风险之间的关系，并报告说，较高的谷物摄入量与GDM风险较高相关，而水果和果汁摄入量则呈负相关[40］．因此，碳水化合物的来源也应加以考虑。

硫胺素，也被称为维生素B1，是一种水溶性维生素，是参与葡萄糖代谢的几种生化途径的重要辅助因子[41］．孕妇对硫胺素的需要量增加，据报道约50%的孕妇出现生化硫胺素缺乏[42］．有研究表明，硫胺素缺乏会导致宫内胎儿生长迟缓。例如，德国Heinze等人的一项研究报道，宫内胎儿生长迟缓并发症的孕妇红细胞硫胺素浓度明显低于正常孕妇[43］．此外，长期饮酒会减少胃肠道对硫胺素的吸收[44］．单宁酸是咖啡和茶中存在的一种多酚，据报道可使硫胺素失活[45，46］．因此，从有效利用葡萄糖(碳水化合物)的角度来看，怀孕期间高摄入量的硫胺素和低摄入量的酒精和首选饮料(如咖啡和茶)等饮食模式可能对预防SGA很重要。

氧化应激被定义为氧化剂和抗氧化剂之间的不平衡，以氧化剂为主，对妊娠过程和结局有不良影响，包括子痫、胎儿生长迟缓、早产，导致SGA [47］．维生素C通过清除活性氧和氮发挥抗氧化作用，并在预防氧化应激方面发挥重要作用，氧化应激在怀孕期间增加[48，49］．Saker等人报道，与适合胎龄的新生儿及其母亲相比，患有SGA的新生儿及其母亲血液中抗氧化活性(氧自由基吸收能力，ORAC)、维生素C和维生素E浓度较低，而氧化应激标志物(氢过氧化物和羰基蛋白)浓度较高[50］．与许多其他动物不同，人类不能生物合成抗坏血酸[51];因此，从饮食中获取维生素C很重要。隐黄质是人类血清中测定的六种主要类胡萝卜素(叶黄素、玉米黄质、-胡萝卜素、-胡萝卜素、番茄红素和-隐黄质)之一，主要存在于橙子、橙汁和橘子中[52］．隐黄质与其他类胡萝卜素一样，是一种抗氧化剂，据报道可防止自由基对核酸、脂质和蛋白质等生物分子的破坏[53］．虽然很少有关于β -隐黄质与SGA风险之间关系的报道，但Cohen等人在加拿大的一项嵌套病例对照研究中报道，妊娠24-26周母体血液β -隐黄质浓度与较低的SGA风险相关，目前的研究支持了这一关联[54］．然而，β -隐黄质与SGA相关的证据不足，有待进一步研究。虽然从抑制氧化应激的角度来看，维生素C和β -隐黄质的摄入在预防SGA中可能很重要，但应该注意的是，这些营养物质在水果中含量丰富，本研究没有包括RRR或PLS模式中富含这些营养物质的蔬菜。也就是说，目前的结果可能反映了水果中其他成分与SGA的关系(如碳水化合物和微量营养素)。

局限性和优势

这项研究有一些局限性。首先，与被排除的受试者相比，被纳入的受试者年龄更大，家庭年收入和教育水平更高，这可能导致选择偏差。由于在亚组分析中，具有大学本科及以上学历的受试者的RRR和PLS模式与出生体重、SD评分和SGA风险的相关性强于主分析，我们的主分析可能高估了这种相关性。其次，由于FFQ是用来评估膳食摄入量的，所以食物和营养素摄入量的测量误差是不可避免的。第三，本研究中使用的FFQ是JPHC研究中使用的FFQ的部分修改版本，该FFQ已在日本人群中得到验证，在关于食物摄入频率的问题上增加了“体质上不能进食”的回答选项。然而，由于这个选项被视为等同于“每月少于一次”，因此它被认为对结果的解释几乎没有影响。

本研究的优势如下:首先，TMM BirThree队列研究是一项前瞻性出生队列研究，样本量大，使我们能够评估饮食模式与出生体重相关结局之间的关系。其次，通过使用来自两个不同时期的ffq，我们能够确定在怀孕前和怀孕期间与生育相关结果相关的饮食模式。第三，通过使用RRR、PLS和PCA方法，我们能够确定与出生体重相关结果相关的饮食模式，这与人们的实际饮食模式有显著差异。

在日本，通过RRR和PLS提取的高谷物和水果摄入量以及低酒精和非酒精饮料摄入量的饮食模式与SGA风险的降低有关，而通过PCA提取的饮食模式与SGA风险无关。虽然本研究中孕妇的实际饮食模式与SGA无关，但RRR和PLS揭示的饮食模式可能作为未来预防SGA的理想饮食模式的基准有用。

本研究中分析的数据集可根据合理要求从通讯作者处获得。

体重指数:

身体质量指数

置信区间:

置信区间

FFQ:

进食频率问卷

JPHC研究:

基于日本公共卫生中心的前瞻性研究

激光焊:

出生体重低

或者:

优势比

主成分分析:

主成分分析

请:

偏最小二乘

新闻:

预测残差平方和

存款准备金率:

简化秩回归

SD:

标准偏差

SGA:

对于胎龄来说太小了

TMM BirThree队列研究:

东北医疗巨库项目诞生与三代队列研究

ToMMo:

东北医疗大银行组织

我们衷心感谢TMM BirThree队列研究的所有参与者和东北大学ToMMo的工作人员。完整的成员名单可在https://www.megabank.tohoku.ac.jp/english/a210901/．我们要感谢Editage (www.editage.com)进行英文编辑。

本研究由日本医学研究开发机构(AMED)资助(资助号JP17km0105001, JP21tm0124005, JP19gk0110039)。KAGOME株式会社以工资的形式为作者t.y.、y.y.、s.s.和H.S.提供支持

作者及隶属关系

1. 日本仙台市青叶区清龙町2-1号，东北大学医学大银行预防医学与流行病学部分子流行病学科，980-8573

   山下隆宏，小原拓，米泽裕代，石黑麻美，村上惠子，上野文彦，野田苍井，大沼友美，岩间典之和栗山新一

2. KAGOME株式会社创新事业部，日本，芦馆原

   山下隆宏，米泽裕代，铃木重典和菅沼博之

3. 日本仙台，东北大学医学研究生院，分子流行病学研究室，环境与基因组研究中心

   大原拓，高桥益平，石黑麻美，村上惠子，上野文彦，野田苍井，大沼朋美和栗山新一

4. 日本仙台市东北大学医院药科

   大原拓和野田苍井

5. 日本仙台东北大学医学研究生院妇产科

   岩间敬之，滨田博高，菅原淳一，斋藤正敏和八垣伸夫

6. 日本仙台，东北大学，东北医疗大银行组织，社区医疗支持部

   Junichi Sugawara

7. 日本仙台，东北大学，东北医疗超级银行组织

   田中伸男(Nobuo Yaegashi

8. 日本仙台市东北大学国际灾害科学研究所灾害公共卫生处

   Shinichi栗山

贡献

概念化，t.y.， t.o. Obara, y.y.， S.K.;方法论，t.y.， t.o. Obara, y.y.， S.K.;形式分析，T.Y.;调查,t . Obara M.I H.H。,刘昌明,理学硕士,纽约和S.K;数据管理，F.U.和T. Onuma;写作-初稿准备，T.Y.;T.Y writing-review和编辑,t . Obara Y.Y,电脑,M.I, K.M, F.U,蒋振声,t . Onuma会面,H.H。J.S,砂岩,h,理学硕士,纽约”栏目;监督”栏目;所有作者均已阅读并同意该手稿的出版版本。

相应的作者

对应到佐藤Obara．

伦理批准并同意参与

TMM BirThree队列研究由ToMMo伦理委员会批准(2013-1-103-1)，并在赫尔辛基宣言之后进行。所有参与者均获得书面知情同意。

发表同意书

不适用。

相互竞争的利益

t.y.， y.y.， s.s.， H.S.为KAGOME株式会社员工。T.Y.和Y.Y.是日本东北大学和KAGOME株式会社的合作研究员。其他作者声明没有利益冲突。

出版商的注意

伟德体育在线施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。

开放获取本文遵循知识共享署名4.0国际许可协议，允许以任何媒介或格式使用、分享、改编、分发和复制，只要您对原作者和来源给予适当的署名，提供知识共享许可协议的链接，并注明是否有更改。本文中的图像或其他第三方材料包含在文章的创作共用许可协议中，除非在材料的信用额度中另有说明。如果材料未包含在文章的创作共用许可协议中，并且您的预期使用不被法定法规所允许或超出了允许的使用范围，您将需要直接获得版权所有者的许可。如欲查看本牌照的副本，请浏览http://creativecommons.org/licenses/by/4.0/．创作共用公共领域奉献弃权书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本条所提供的资料，除非在资料的信用额度中另有说明。

转载及权限