加工食品对大脑奖励回路和食物线索学习的影响
研究概览
地位
条件
详细说明
肥胖是过早死亡的第二大原因。 从理论上讲,食用超加工食品是导致肥胖的一个关键原因。 超加工食品是廉价工业来源的膳食能量和营养素的配方,加上脂肪、糖和香料等添加剂,可提高食品的可接受性。
一项针对超重成年人的交叉实验发现,与随意摄入最低限度加工的饮食相比,两周随意摄入超加工饮食会导致热量摄入增加(508 kcal/天)和更多体重增加。列出了卡路里、能量密度、常量营养素、糖、钠和纤维(Hall 等人,2019)。 随意食用超加工食品会导致热量摄入和体重增加大幅增加,这一事实意味着超加工食品可能更有效地激活与奖励处理、注意力/显着性和影响饮食行为记忆相关的大脑区域。
然而,尚无脑成像研究通过实验测试超加工食品是否比微加工食品更有效地激活与奖励、注意力和记忆有关的大脑区域,也没有通过实验研究高热量密度与风味增强剂之间的相对作用。超加工食品可以促进这些大脑区域的更大激活。 初步数据表明,与奖励评估(尾状核、伏隔核)、注意力/显着性(楔前叶)和记忆提取(内侧颞回、背内侧前额叶皮层)相关的区域相比,经过超加工的高热量巧克力奶昔的味道产生了更大的激活。超加工低热量巧克力奶昔的味道。
我们建议评估超加工食品与最低限度加工食品相比激活奖励、注意力和记忆区域的功效,研究较高热量含量与超加工食品风味添加剂/增强剂的相对作用,以实现这一目标使用 2 x 2 实验设计的电路,测试超加工食品是否比最低加工食品更有效地增加食物线索的激励显着性,这一点很重要,因为奖励区域对食物线索/图像的反应增加会增加超重的风险增益(Demos et al., 2012; Stice et al., 2015; Yokum et al., 2014),并测试奖励、注意力和记忆区域对超加工食品和更强的食物奖励反应最大的个体是否提示学习面临着过多摄入超加工食品和未来体内脂肪增加的风险。
目标 1:检验超加工食品的味道、预期味道和图像比微加工食品的味道、预期味道和图像更能激活奖励、注意力和记忆大脑区域的假设,并评估超加工食品的味道、预期味道和图像的相对作用。使用 2 x 2 实验设计激活这些区域时,与风味添加剂/增强剂相比,热量含量更高。
目标 2:检验以下假设:与最低限度加工食品相比,超加工食品能促进对预测超加工食品即将品尝的线索的更强学习,这反映在线索暴露过程中纹状体反应的更大增加以及对线索的更快反应。超加工食品的味道。
目标 3:检验以下假设:在奖励/注意力/记忆区域对口味、预期口味和超加工食品图像的反应表现出更大激活的参与者将随意食用更多的超加工食品(目标 3a),并表现出更大的活跃度。未来身体脂肪增加(目标 3b)。 探索性分析将建立神经指纹,预测超加工食品的随意摄入和身体脂肪增加(目标 3c)。
目标 4:测试以下假设:对超加工食品表现出最明显的奖励提示学习的参与者将随意食用更多的超加工食品(目标 4a),并表现出更大的未来体脂增加(目标 4b)。
研究类型
注册 (估计的)
联系人和位置
学习联系方式
- 姓名:Caroline G Caballero, BS
- 电话号码:650-440-5461
- 邮箱:cgc10@stanford.edu
研究联系人备份
- 姓名:Sarah E Siegel, MFA
- 电话号码:650-420-5258
- 邮箱:siegel18@stanford.edu
学习地点
-
-
California
-
Stanford、California、美国、94305
- Stanford University
-
接触:
- Caroline G Caballero, BS
- 电话号码:650-440-5461
- 邮箱:cgc10@stanford.edu
-
-
参与标准
资格标准
适合学习的年龄
- 孩子
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
- 13-15 岁的女性和男性青少年
- 经过年龄和性别调整后的 zBMI 分数在第 25 个百分位和第 75 个百分位之间
- 参与者及其监护人必须能够阅读和说英语才能获得有效同意
排除标准:
- 当前饮食失调或其他主要精神疾病(例如抑郁症、双相情感障碍、精神分裂症、物质使用障碍)
- fMRI 禁忌症(例如金属植入物、牙套、幽闭恐惧症、怀孕)
- 严重的医疗问题(例如 2 型糖尿病、癌症)
- 有食物过敏史或限制性饮食要求(例如乳糖不耐受、素食主义者)
- 每周使用精神药物超过一次
- 影响食欲或奖赏功能的药物(例如二甲双胍、抗精神病药物、胰岛素)
学习计划
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
---|
13-15岁的青少年
年龄和性别调整体重指数 (zBMI) 得分在第 25 个百分位和第 75 个百分位之间
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
---|---|---|
体内脂肪
大体时间:基线、1年、2年、3年、4年随访
|
研究人员将通过 Bod Pod 使用排气体积描记法 (ADP) 来评估身体脂肪百分比。
身体密度的计算方式为体重除以身体体积;身体密度用于计算身体脂肪百分比。
ADP 体脂百分比显示出较高的重测可靠性 (r = .92-.99),并与双能 X 射线吸收测定法 (DEXA) 和静水压称重估计值 (r = .98-.99) 相关,ADP 估计值为 %相对于 DEXA 估计,体脂平均下降仅 1.7%。
在评估试验中体脂百分比变化方面,ADP 与 DEXA 一样准确。
高度将使用直读测距仪进行测量。
将使用数字秤评估体重,参与者穿着轻便的衣服,不穿鞋或外套。
体重指数 (BMI)(Kg/M2) 将用于确认参与者最初处于健康体重(BMI 得分介于 25 至 75 岁和性别调整后的 BMI 百分位之间)。
|
基线、1年、2年、3年、4年随访
|
超加工和最低限度加工食品的膳食摄入量
大体时间:基线、1年、2年、3年、4年随访
|
参与者将通过营养数据研究系统 (NDS-R) 实施的多次 24 小时回忆来自我报告摄入量。
参与者将在 1 周内完成 3 次单独的 24 小时回忆(2 个工作日和 1 个周末)。
|
基线、1年、2年、3年、4年随访
|
基线超加工食品线索学习
大体时间:基线
|
参与者将使用热量含量和风味添加剂各不相同的固体超加工食品(例如乐事薯片、M&M 巧克力豆)和微加工食品(例如浆果、胡萝卜)来完成超加工食品线索学习计算机任务。
参与者将从 5 种食品中选择 1 种超加工食品和 1 种微加工食品。
将存在三个任意分形提示,表示从包含小金属托盘的装置中分配了超加工食品、最低限度加工食品或没有食物。
计算机任务将包括配对提示试验(其中食物作为提示提供)和不配对提示试验(其中食物不提供(80:20 比例))以及与食物不一致的分形提示。
在食品分发试验中,分形提示出现后 5 秒后分发一小份食物。
|
基线
|
基线功能磁共振成像 (fMRI) 超加工食品味道、预期味道和图片范式
大体时间:基线
|
参与者将完成四轮奶昔范式的改编版本,以评估对接收(味道)和预期接收的激活反应:1)高热量、超加工食品味道,2)低热量、超加工食品味道,3)高热量微加工食品口味,4)低热量微加工食品口味,5)含有唾液主要离子成分的无味无臭溶液。
在收到口味之前,参与者将收到特定食品和标签的图片(高热量奶昔、低热量奶昔、高热量冰沙、低热量冰沙)。
|
基线
|
基线 fMRI 超处理食品图片范式
大体时间:基线
|
参与者将完成两轮区块版的食物图片范式,以检查对 40 张高热量超加工食品图片、40 张低热量超加工食品图片、40 张高热量微加工食品图片的激活情况, 40张低热量微加工食品图片,40瓶水。
每个类别的 50% 将成为品牌食品/瓶子,以提高生态有效性。
图片将根据类别的复杂性、效价和强度进行匹配。
扫描后,参与者将看到 40 张食物图片,包括范式中使用和未使用的图片,并将被询问是否见过这些食物以评估辅助回忆。
参与者还将被要求对每个食物类别的 20 张食物图片的适口性进行评分。
|
基线
|
基线功能磁共振成像超加工食品线索学习范式
大体时间:基线
|
参与者将完成两轮食物奖励学习范式的改编版本,其中四个任意分形线索将发出 0.7 毫升超加工奶昔、最低加工奶昔、无味解决方案和无味道的信号。
为了使学习更具挑战性,该范式包括配对提示试验(其中味道作为提示传递)和不配对提示试验(其中味道不以 80:20 的比例传递)。
将会有一个分形提示与口味不一致。
参与者将被要求尽快按下按钮做出反应,以表明刺激出现在固定交叉的哪一侧(提供对每个提示的反应时间的行为测量)。
|
基线
|
基线后 fMRI 临时食物摄入量
大体时间:基线
|
参与者将获得包含 20 种食品的自助餐,其中包括超加工食品(高热量和低热量)和最低限度加工食品(高热量和低热量)。
参与者首先对每种食物进行 1 克味道测试。
然后,他们将在广义标记量表上完成对愉悦感、甜味、咸味和消费欲望的感知享乐评级。
味道测试结束后,参与者将被告知他们可以随意吃东西,因为我们必须在每个参与者之后丢弃食物。
参与者将在 15 分钟的品尝过程中独自一人,以尽量减少需求特征。
食物将在事前和事后称重以确定随意摄入量。
将计算总热量摄入并将其转换为热量需求的百分比。
|
基线
|
合作者和调查者
调查人员
- 首席研究员:Eric Stice, PhD、Stanford University
出版物和有用的链接
一般刊物
- Demos KE, Heatherton TF, Kelley WM. Individual differences in nucleus accumbens activity to food and sexual images predict weight gain and sexual behavior. J Neurosci. 2012 Apr 18;32(16):5549-52. doi: 10.1523/JNEUROSCI.5958-11.2012.
- Yokum S, Gearhardt AN, Harris JL, Brownell KD, Stice E. Individual differences in striatum activity to food commercials predict weight gain in adolescents. Obesity (Silver Spring). 2014 Dec;22(12):2544-51. doi: 10.1002/oby.20882. Epub 2014 Aug 25.
- Kuczmarski RJ, Ogden CL, Grummer-Strawn LM, Flegal KM, Guo SS, Wei R, Mei Z, Curtin LR, Roche AF, Johnson CL. CDC growth charts: United States. Adv Data. 2000 Jun 8;(314):1-27.
- Hall KD, Ayuketah A, Brychta R, Cai H, Cassimatis T, Chen KY, Chung ST, Costa E, Courville A, Darcey V, Fletcher LA, Forde CG, Gharib AM, Guo J, Howard R, Joseph PV, McGehee S, Ouwerkerk R, Raisinger K, Rozga I, Stagliano M, Walter M, Walter PJ, Yang S, Zhou M. Ultra-Processed Diets Cause Excess Calorie Intake and Weight Gain: An Inpatient Randomized Controlled Trial of Ad Libitum Food Intake. Cell Metab. 2019 Jul 2;30(1):67-77.e3. doi: 10.1016/j.cmet.2019.05.008. Epub 2019 May 16. Erratum In: Cell Metab. 2019 Jul 2;30(1):226. Cell Metab. 2020 Oct 6;32(4):690.
- Stice E, Burger KS, Yokum S. Reward Region Responsivity Predicts Future Weight Gain and Moderating Effects of the TaqIA Allele. J Neurosci. 2015 Jul 15;35(28):10316-24. doi: 10.1523/JNEUROSCI.3607-14.2015.
- Joyner MA, Gearhardt AN, Flagel SB. A Translational Model to Assess Sign-Tracking and Goal-Tracking Behavior in Children. Neuropsychopharmacology. 2018 Jan;43(1):228-229. doi: 10.1038/npp.2017.196. No abstract available.
- Stice E, Yokum S, Rohde P, Cloud K, Desjardins CD. Comparing healthy adolescent females with and without parental history of eating pathology on neural responsivity to food and thin models and other potential risk factors. J Abnorm Psychol. 2021 Aug;130(6):608-619. doi: 10.1037/abn0000686.
- O'Doherty JP, Buchanan TW, Seymour B, Dolan RJ. Predictive neural coding of reward preference involves dissociable responses in human ventral midbrain and ventral striatum. Neuron. 2006 Jan 5;49(1):157-66. doi: 10.1016/j.neuron.2005.11.014.
研究记录日期
研究主要日期
学习开始 (估计的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (估计的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
与本研究相关的术语
其他研究编号
- 71541
药物和器械信息、研究文件
研究美国 FDA 监管的药品
研究美国 FDA 监管的设备产品
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.