人类营养学基础/营养科学
营养科学是研究食物如何从生理层面上影响人类和动物的学科。营养是维持生物体和细胞生命所必需的。它考察了食物在体内的加工、反应和利用过程。营养与食物如何遵循某些生化序列和转化——代谢及其各种途径密切相关。通过这些研究，研究人员也可以了解某些疾病和状况是如何由个人的饮食习惯造成的。了解营养科学很重要，因为营养是所有生命过程的核心。研究营养的人被称为营养学家。这有时可以与营养师互换，但需要注意的是它们并不相同。营养学是解释和展示营养科学，使人们能够在健康和疾病状态下做出关于个人生活方式和食物的明智理性选择。
营养科学解答以下问题：
- 改变饮食如何帮助患有疾病的人？
- 食物如何促进身体的日常功能和机制？
- 什么是健康的饮食？
- 一个人每天需要摄入多少矿物质、维生素和宏量营养素？
有三个因素促成了对必需营养素的理解：疾病如何与人的饮食相关联，动物模型如何被用来确定饮食的一部分并将其与疾病症状联系起来，以及开发实验性饮食以调查缺乏症状。
流行病学研究的是疾病在不同人群中发生的频率及其发生的原因。进行流行病学研究是为了制定策略，防止和管理这些疾病，并帮助已经患病的人。流行病学研究的一个重要因素是它如何衡量疾病结局与风险人群的关系。风险人群被定义为一组人，无论健康还是生病，如果他们患有正在研究的疾病，则会被考虑在内。
流行病学研究的是疾病如何在不同人群中传播以及如何利用健康模式控制疾病。因此，流行病学研究是在选定的人群中进行的，以使研究人员能够研究和学习如何控制疾病。这些研究通常被认为会产生假设，因为它们收集数据，但实际上并没有测试某些对象，而是观察它们，并且不能证明因果关系。研究人员观察每个群体，除了询问问题或进行简单的实验室测试来收集数据外，没有其他干预（Pearce, 2012）。根据事件是回顾性还是前瞻性，它们被分为两大类（“流行病学”，1993），这类研究中最常见的是队列研究、病例对照研究和横断面研究，研究人员根据自己的目标和约束条件（如时间或成本）决定要使用哪种研究类型。队列研究比较具有不同暴露的人群，研究人员感兴趣的是观察该疾病的可能性是否随着暴露量的增加而增加（Spears，未注明日期）。这种研究方法的一个优点是，它是在很长一段时间内进行的，并要求人们记录他们的日常活动，因此这些数据也可以用来研究其他类型的疾病。除此之外，还可以验证疾病的存在。然而，一个缺点是，为了找出暴露量和患病风险之间是否存在真正的相关性，需要有大量参与者愿意在很长一段时间内继续参加研究，并且这种研究的成本将是最昂贵的。第二种常见的类型是病例对照研究。在这些研究中，研究人员正在比较有病和没有病的人的数据。当研究罕见疾病时，这些研究很好，因为它们成本低廉，而且完成时间不长。另一方面，研究人员回忆的可靠性非常低，而且很难实际比较受试者的不同数据。横断面研究比较一小群人的数据，并关注在某个时间点进行的观察（Spears，未注明日期）。这些研究相对便宜，完成时间不长，但由于数据只采集一次，因此无法揭示事件的顺序。横断面研究的一个例子是比较两个不同地方某一特定疾病的发生率。
在流行病学研究过程中，会询问个人有关他们现在和过去饮食史的信息。流行病学研究也可能测量血液或尿液中维生素或矿物质等物质的水平，并试图将这些水平与饮食或健康联系起来。流行病学研究的主要优势在于它能够长时间观察大批人群。可以包括来自多个地区或多个国家的人。可以研究不同年龄、性别和种族的人。流行病学研究观察人，因此这些研究的结果可以直接应用于人类，而不必从细胞或动物身上推断出来。另一方面，流行病学研究存在局限性，特别是那些基于人们对饮食描述的研究。科学家可以使用各种工具来收集这些信息，但所有工具都有一些局限性。它们都依赖于受试者准确描述他们的饮食。从这些类型研究中找到结果可能很困难，因为受试者很难完全描述他们所吃过的所有东西以及确切的质量。在处理流行病学研究时，科学家可以使用各种类型。
病例对照研究：这类研究观察两组人群的特征。将实验组（已经患有某种健康状况的人群）与对照组（没有患有这种健康状况的类似人群）进行比较。虽然病例对照研究可以快速且相对便宜地完成，但它们并不适合研究饮食，因为它们收集的是过去的信息。患病者往往对过去的行为的回忆与未患病者不同。这使得这类研究在收集的信息中存在潜在的不准确性和偏差。
队列研究：这类研究对一大群人进行长期追踪。研究人员定期收集研究人群中各种膳食变量的信息。当经过一定时间后，记录该组人群的特征，以检验实验假设的有效性。虽然队列研究耗时且昂贵，但它们通常比病例对照研究提供更可靠的信息，因为它们不依赖于过去的信息。队列研究在任何人患上正在研究的疾病之前，一直收集信息。总体而言，这类研究为阐明生活方式因素与疾病之间的关系提供了宝贵的信息。
随机试验：这类研究类似于队列研究，因为它们都会对一群人进行长期追踪。然而，在随机试验中，研究人员会进行干预，以观察特定的行为改变或治疗（例如）对健康结果的影响。之所以被称为“随机试验”，是因为研究人群被随机分配到接受或不接受干预的组别。这种随机化有助于研究人员确定干预对健康结果的真实影响。然而，随机试验也有缺点，特别是在饮食方面。虽然它们很适合研究维生素补充剂和癌症等主题，但当饮食改变比服用维生素药片更复杂时，参与者就难以坚持规定的饮食。这种复杂的干预也可能变得非常昂贵。
细胞是生命的基本单位，是人体内最小的组成部分。这些人体细胞不断地相互交流，对环境以及从人体五官接收到的信号做出反应。如果细胞无法有效地运作，细胞组成的组织和器官的功能将会受损。结果，一个人可能会经历身体机能下降以及一系列健康状况和疾病。通过保持人体细胞的充足营养，个人也将获得充足的营养。
在实验室中分析细胞，以检测疾病的存在并了解疾病如何积极地影响细胞。可以通过尿液、血液以及从器官表面刮取样本的方式收集细胞。进行细胞研究是为了根据细胞的外观和特征观察细胞类型。对细胞的研究，包括它们的起源、功能和结构，被称为细胞学。对细胞的分析被称为细胞病理学。
动物研究通过对人类以外物种的实验，极大地促进了我们目前对代谢和营养的认识；这些实验预测了人类生理可能发生的情况。动物研究已被用来解决营养 x 营养素相互作用、营养素及其前体的生物利用度以及营养素耐受性和毒性水平等问题。
在动物实验之前，人们已经开始了解某些食物及其成分如何影响健康。例如，19 世纪的海员中出现了坏血病，人们发现坏血病是由缺乏含有柑橘类水果（如酸橙）的食物引起的（Baker 2008）。营养学家更进一步，通过动物研究来了解矿物质、维生素和宏量营养素如何导致疾病、缺乏症和毒性。David H. Baker 的期刊解释并举例说明了营养学家如何利用动物来了解营养元素。
这些研究中使用的动物类型通常是老鼠、猪、狗、猫、农场动物、兔子和灵长类动物。动物实验被视为在不伤害人类的情况下取得医学进步的一种方式。狗被用于动物模型，帮助理解胰腺和胰岛素的作用，以及如何通过缺乏特定食物而导致糙皮病。然而，这些实验可能会产生错误的数据，因为实验的影响会导致特定物种产生不同的结果（Baker 2008）。在一个实验中，使用老鼠、小鸡、狗、猫和猪来观察氨基酸如何相互产生负面影响（Baker, 2008）。在该实验中，赖氨酸影响了小鸡和狗的精氨酸，但没有影响猪和猫，这就引出一个问题，人类是否也会出现同样的情况（Baker 2008）？
动物福利法 动物研究经常是一个有争议的话题；人们总是担心动物的福利。在美国，可以放心的是，政府已经考虑到了这一点；有法律和法规来保护动物的福利。动物福利法是一项法律，旨在保护动物免受虐待，并为动物的住房和照顾制定最低要求（动物福利法，2015）。动物不仅用于人类的利益，也用于改善它们未来的生活。在动物研究中，科学家们更多地了解了该物种，这导致了动物照护方面的进步。
益处和优势 动物研究有很多益处，其中一些包括在大多数国家消除营养缺乏症。随着科技的进步以及动物研究的实用性，这将有助于我们了解饮食对疾病、繁殖、脑功能，甚至寿命的影响。动物研究在一般意义上也有益处：对更大规模的群体研究更经济、易于控制和监测膳食消费和生活条件、较短的寿命提高了发育、寿命或多代研究的实用性和效率、受控繁殖减少了生物变异性。当然，最明显的优势是这对人类更安全，但由于动物福利法，这也要求对动物采取合乎道德的做法。
程序 科学家不会随便选择任何动物进行研究。特别是对于营养研究，科学家会投入大量精力来战略性地选择动物模型（Baker, 2003）。科学家需要他们的动物模型的饮食、营养素代谢和需求与人类相似，以便研究结果适用于人类营养。例如，人类对维生素 C 有着罕见的需要。对于维生素 C 的研究，科学家通常选择也具有这种罕见需求的豚鼠。在大多数情况下，老鼠是人类营养研究的首选动物模型。老鼠与人类一样是杂食性动物，这使得它们更适合营养研究（Macrae, 1993）。
应用 大多数维生素实际上都是通过动物研究发现的，仅仅是通过改变动物的饮食。营养学中的动物研究预防了由于缺乏症引起的疾病，甚至消除了某些食物制备方法。例如，氮三氯化物漂白剂曾被用于漂白面粉，但在无意中发现它会导致狗、猫、雪貂和兔子出现歇斯底里后，就被禁止用于人类消费。动物模型导致了胃液、必需氨基酸的发现，并使缺乏症疾病和症状与缺乏的维生素相匹配（Macrae, 1993）。
人类研究是为了测试特定治疗方法的安全性
分析研究数据使研究人员能够回答有关特定疾病或状况的问题 - 例如其分布、可能的病因和相关性以及相关问题。这使得创建和监控可能改善这种情况的特定程序成为可能。
数据分析的动机
利用为人类科学发展而来的统计方法进行数据分析，是得出关于人类营养试验和其他营养研究活动结论的关键步骤。只要实验和数据收集以相同的方式进行，经过适当进行的统计分析就能以有意义且无偏见的方式总结收集到的数据。
在营养科学领域，数据分析的最终产物被用来定量地理解营养素及其与人体的相互作用。这些信息被用来为重要的营养指南、建议和安全食用量制定公共卫生政策。在发布2015年美国膳食指南时，美国卫生与公众服务部 (HHS) 和美国农业部 (USDA) 收到了膳食指南咨询委员会的建议，该委员会利用统计分析整理了许多科学期刊 (USDOH, 2015)。
数据分析的基本类别
任何学科（经济学、流行病学、社会学等）中的数据分析都属于两个基本类别：描述性统计和推论统计。
描述性统计
描述性统计旨在以有意义的方式总结收集到的数据。描述性分析揭示了关于收集数据的某些属性和特征，但不会推断或预测如果在不同环境和不同条件下进行实验的趋势。诸如集中趋势（平均值和中位数）、数据模式（众数）、离散度量（方差、标准差）、分布特性（正态、均匀、伽马）等属性，为研究人员提供了对数据重要特性的初步见解。这也为研究人员提供了一个机会，可以发现数据收集过程中的错误或用于收集数据的研究方法中的偏差。
推论统计
推论统计也被称为预测统计，它利用从样本（一小部分人）中收集的数据来对整个相关人群进行预测或推断。推论统计也用于确定事件是纯粹随机发生的，还是可能由先前的事件引起（相关）。
假设检验、参数估计和置信区间估计都是推论统计方法的例子。在假设检验中，营养研究人员可能会使用统计检验来确定对A组（称为治疗组）进行的治疗是否与对另一组（对照组）B组进行的安慰剂有显著差异。显著差异或统计显著意味着假设检验排除了治疗对A组的影响与安慰剂对B组的影响相同的概念。通俗地说，治疗在统计学上是有效的。重要的是要理解，统计显著的结果并不一定意味着治疗对任何人群的实际影响有所不同。请参阅数据分析的弊端。
数据分析的弊端和挑战
实验和流行病学分析从来都不完美。在营养科学领域，对研究和数据收集施加了许多内在的道德、法律和后勤限制。当统计数据被用来证明有问题的或不道德的原因时，会出现其他问题，例如证明一种药物或治疗方法是有效的，而实际上并非如此。当使用错误的统计工具，或这些工具被缺乏统计分析经验的人使用时，还会出现其他问题。还有许多其他问题和挑战出现，因此这份清单并非详尽无遗。
有偏样本
如果用来进行描述和推断的样本不能代表相关人群，那么严格和正确的使用统计工具将是徒劳的。这种偏差可能是有意或无意的。有时，法律或道德方面的考虑会阻止研究人员正确地组成样本。
错误使用统计工具，或使用错误的工具
统计学中有很多工具，根据不同的情况，它们有更有效的对应工具。有一些工具用于纠正对通常比平时小的样本量进行推断的问题，还有一些工具用于对不符合正态分布的数据进行推断等等。缺乏经验或谨慎通常会导致错误的，往往是误导性的预测。
缺失数据和数据替换
在流行病学和实验研究中，几乎可以肯定的是，有些数据不适合收集或测量。有时，代理变量将被用作缺失数据的替代品。例如，考试成绩可能被用来代替智商分数。但是，如果研究人员在代理变量的选择上不够谨慎，他们可能会扭曲数据 (Hall, 2004)。
参考文献
膳食指南。（2015 年）。检索于 2015 年 12 月 2 日，来自 http://health.gov/dietaryguidelines/
Hall, B. (2004 年 5 月 11 日)。关于测量误差和代理变量的说明。检索于 2015 年 12 月 2 日，来自 https://eml.berkeley.edu/~bhhall/papers/BHH04_measerr.pdf