Dagligvareregninger kan forudsige diabetespriser efter nabolag

Et billede af en købmandskvittering og købmandsvarer Steve Buissinne | Pixabay

I 1826 udgav den franske gastronom Jean Anthelme Brillat-Savarin en bog kaldet Smagsfysiologi . Værket er berømt for at introducere aforismen Fortæl mig, hvad du spiser, og jeg vil fortælle dig, hvad du er - oprindelsen til ordsproget Du er, hvad du spiser.

Brillat-Savarin ville uden tvivl have meget at sige om de stadig mere overvægtige, hypertensive og diabetiske borgere i den udviklede verden. I USA er 36 % af voksne og 17 % af børn overvægtige. Nogle skøn tyder på, at 50 % af befolkningen i Europa vil være overvægtige i 2050.

Mad er en vigtig faktor i denne situation. Så forskerne ønsker desperat at vide mere om kostvaner, og hvordan de forholder sig til sundhed.

Men at drille folks spisevaner fra hinanden er en overraskende vanskelig forretning. Meget af arbejdet på dette område er baseret på relativt små undersøgelser. Forskere har også forsøgt at udlede, hvad webbrugere spiser. Men kritikere siger, at denne tilgang er plaget af skævheder og derfor ikke pålideligt kan fange kostvaner.

Så der er et desperat behov for en bedre måde at studere spisemønstre og deres sundhedseffekter på.

Indtast Luca Maria Aiello på Nokia Bell Labs i Cambridge, Storbritannien, og kolleger, som har studeret kost ved at udvinde data fra dagligvareregninger og derefter sammenligne dem med befolkningens helbred, som bestemt af medicinske recepter udstedt i området.

Kraften i deres tilgang kommer fra arbejdets omfang. Dagligvareregningerne kommer fra Tesco, Storbritanniens største dagligvarekæde. Denne virksomheds database indeholder hver enkelt madvare købt i London-butikker i løbet af 2015.

De medicinske data er et offentligt tilgængeligt datasæt af hver enkelt recept skrevet af praktiserende læger i London i løbet af 2016. Omfanget og granulariteten af ​​vores analyse er uden fortilfælde, siger Aiello og co.

Tesco har 411 butikker i London, der bruges af 1,6 millioner kunder med loyalitetskort, som købte 1,6 milliarder fødevarer i 2015. Datasættet omfatter hver vare, dens vægt, datoen og kundens postnummer.

Aiello og co udtog næringsindholdet for hver genstand, inklusive total energi, fedt, mættet fedt, kulhydrater og så videre. De brugte dette til at beregne det gennemsnitlige ernæringsindtag for 937 kvarterer i London.

De medicinske receptdata er også tilgængelige på det pågældende nabolagsniveau. Londonboere fik ordineret 1,1 milliarder lægemidler i 2016, hvorfra holdet udledte de lidelser, de led. Forskerne var særligt interesserede i forekomsten af ​​metaboliske syndromtilstande, som er karakteriseret ved højt blodtryk, højt kolesteroltal og højt blodsukkerniveau (diabetes). Dataene afslørede fordelingen af ​​disse forhold på tværs af byen.

Endelig sammenlignede holdet datasættene for at se, hvordan ernæring korrelerer med metaboliske syndromtilstande og kortlagde derefter resultaterne i hele byen.

Disse kort giver interessant browsing. De viser som forventet, at øget forbrug af kulhydrater, fedt og sukker er positivt korreleret med metabolisk syndrom, mens øget fiberindtag er negativt korreleret. De fortsætter med at vise, at varevægt - som er en proxy for kalorieforbrug - også er positivt korreleret med metabolisk sygdom, mens større mangfoldighed af næringsstoffer er negativt korreleret.

Der er også vigtige forskelle mellem London-kvartererne. De velhavende og højtuddannede indbyggere i City of London og Chelsea indtager mere fiber og har større næringsstofdiversitet.

I modsætning hertil indtager beboere i Newham, et relativt dårligt stillet kvarter, flere kalorier og mindre forskellige næringsstoffer, og de har højere niveauer af diabetes.

Men sunde områder har det ikke nødvendigvis godt. Beboerne i Hackney, som er et dårligt stillet, men højtuddannet kvarter i det østlige London, nyder sundere spisevaner og lider ikke så meget af diabetes som Newhams indbyggere, siger Aiello og co.

Holdet fortsætter med at forudsige niveauerne af højt blodtryk, højt kolesterol og højt blodsukker i et kvarter ved blot at se på det lokale kalorie- og næringsstofforbrug. Faktisk siger de, at deres klassificering kan identificere usunde områder med en nøjagtighed på 91 %.

Det er interessant arbejde, der har vigtige konsekvenser for den måde, sundhedsudbydere, politiske beslutningstagere og endda forsikringsselskaber vurderer sundhed på. Vores undersøgelse viser, at analyser af digitale registreringer af dagligvarekøb kan bruges som et billigt og skalerbart værktøj til sundhedsovervågning, siger Aiello og co. Brillat-Savarin ville helt sikkert blive forbløffet.

Ref: arxiv.org/abs/1905.00140 : Storskala og højopløsningsanalyse af madkøb og sundhedsresultater

skjule