藜麦 (Chenopodium Quinoa Willd) 对预防 2 型糖尿病的有益作用

该研究是一项交叉试验性临床研究，由两个时期组成。 第一个阶段只是一个观察和监测阶段，参与者只是继续他们的常规饮食 (RD)，因此所有参与者都开始了这个阶段并且不需要洗脱期。 随后，在获得第一阶段的数据后，受试者开始第二阶段，他们必须接受藜麦饮食 (QD) 的营养干预。

总共安排了六次访问和两次藜麦产品收集日。 在开始营养干预前一周进行的研究前访问 (V0) 以及研究人员签署的知情同意书之后，参与者被召集进行第一次访问 (V1)，在那里他们被解释应该如何填写饮食记录，并且他们与 FreeStyle Libre® 一起使用。

然后受试者开始 RD，为期 4 周，在此期间仅监测他们的正常生活。 在此后的前 14 天之后，进行了第二次访问 (V2)，其中收集了饮食记录，以说明他们通常食用的谷物、面粉、块茎和豆类，还收集了 FreeStyle Libre® 传感器。

RD 期间的最后一天，即第 28 天，他们被引用 (V3) 进行咨询，其中在禁食 8 小时后采集血样、人体测量和血压测量以及新 FreeStyle Libre® 传感器的放置。 参与者被问及他们在过去 4 周内的身体活动和锻炼习惯，问卷是根据明尼苏达州高龄个体休闲时间身体活动问卷（VREM 问卷）改编的简短问卷，并提供了一份新的 14 天空饮食记录。 此外，志愿者在第二天接受了第一批含有藜麦的食物以启动 QD。 产品每周交付一次，出于保护的原因，同时也为了确保他们遵循足够的消费，他们必须经过协商才能拿起产品，并将藜麦产品所在的空包装交给研究人员。

在第 42 天 (V4) 的下一次访问中，收集了 Freestyle Libre® 传感器并收集了填充的饮食记录。 最后，经过 28 天的藜麦饮食后，他们被召集在第 56 天（V5）进行最后一次访问，所有测定都与 V3 相同地重复。

前提是所创造的产品不仅取代了谷物、豆类或块茎，而且取代了参与者通常食用的淀粉，并且仅修改了谷物部分，因此创造了基于藜麦粉的类似产品。 这些产品的创造是必要的，在进行市场调查后发现没有足够的食物来替代消费的食物，因为这些产品的藜麦粉百分比不超过 20-30%。

因此，除了向参与者提供藜麦、藜麦片和藜麦粉外，他们还获得了含有≥70% 藜麦粉的产品，包括饼干、薄脆饼干、奶油蛋卷、海绵蛋糕、长棍面包、切片面包和意大利面。 此外，还提供了一份以藜麦为基础的食谱，其中包含八种常用的食谱，这些食谱取代了食谱中的块茎、豆类或谷物。 根据他们的 RD 饮食记录，每个受试者都收到了相当于他们消耗的食物。 因此，只有当志愿者表示他食用海绵蛋糕时，藜麦产品才会送到他手上。

描述性数据表示为连续变量的均值和标准差 (SD) 或中值和四分位距 (IQR)，以及分类变量的频率和百分比 (%)。 使用非参数 Wilcoxon 符号秩检验比较不同时间的人体测量值、血液测试变量和饮食摄入量，因为由于样本量小 (n=9)，无法假设正态性和方差相等。 为了比较与饮食模式相关的变量，考虑了每位参与者的饮食摄入量（包括所有餐点）的平均值。

葡萄糖水平监测传感器在每个患者的离散时间点进行测量。 因此，首先对葡萄糖曲线进行线性插值，以便在相同的时间点对每个患者进行观察。 第一眼看到一天中的葡萄糖曲线表明，早餐前后的血糖曲线比其他晚饭后的血糖曲线更均匀。 因此，对应于早餐的葡萄糖浓度值被认为是在时间间隔 t= [-30,120] 内以分钟为单位的时间函数，该时间间隔在早餐开始前半小时开始并在早餐开始后两小时结束。 在构建功能模型之前，功能数据是时间对齐的，以减少不同患者和/或不同日期之间的差异（例如，一些患者可以系统地标记早餐的开始时间比其他人早，或者系统地花更多的时间在早餐比一般的）。 时间对齐是通过变形函数完成的，使用 R 包 fdapace 中的函数 WFDA。

一旦葡萄糖水平曲线同步，就进行功能回归分析以模拟饮食类型、患者和营养摄入对监测的葡萄糖水平的影响。 考虑了三个不同的解释变量：具有两个类别的饮食类型（常规和藜麦饮食）、患者指标（具有九个级别的分类变量）和不同营养素的含量。 早餐葡萄糖曲线作为功能响应变量处理。 为了研究这些变量函数之间的关系，我们使用了标量回归 (fosr) 模型。

首先，分析了饮食类型对葡萄糖曲线的单变量影响，然后构建了具有两个因素（饮食和患者因素）和标量变量（营养素）的更复杂的 fosr 模型。 包括自变量的所有影响的最复杂模型由特定创建的方程定义。 函数回归模型已通过惩罚灵活的函数回归进行拟合，如 R 包裹退款的函数 pffr 中所实现的那样。