I DietVIP och DietMON samlas kostinformation in med hjälp av en validerad, semi-kvantitativ, kostenkät (se fliken Kostenkäterna). I DietVIP ingår data som samlats in årligen från och med år 1985 och i DietMON ingår data från screeningarna åren 1986, 1990, 1994, 1999, 2004, 2009 och 2014. För insamling av kostdata i MONICA-studien år 2022 användes den reviderade och digitala versionen av kostenkäten, FFQ2020 (se fliken FFQ2020).
Kostenkäten är sedan 1992 optiskt läsbar, och merparten av de enkäter som samlats in mellan 1985-1992 har förts in manuellt.
Deltagarna i Västerbottens hälsoundersökning och MONICA-studien har fyllt i en semi-kvantitativ kostenkät bestående av tre huvudsektioner:
- Vanligaste portionsstorlek: Anges för tre separata livsmedelsgrupper (potatis/ris/makaroner; kött/fisk och grönsaker) med hjälp av fotoillustrationer på fyra olika portionsstorlekar enligt nedanstående figur.
- Intagsfrekvens: Rapporteras utifrån en niogradig skala från aldrig, någon gång per år, 1-3 ggr/månad, 1 gång/vecka, 2-3 ggr/vecka, 4-6 ggr/vecka, 1 gång/dag, 2-3 ggr/dag till >4 ggr/dag.
- Kosttillskott: Forskningspersonen kan indikera intag av multivitaminer, multimineraler, järn och selen under de senast 14 dagarna respektive senaste året.
Viss övergripande information inhämtas även kring speciella kost- samt måltidsvanor.
Grunddata från ifyllda enkäter innehåller för varje kostfråga en ordinal variabel som tar värden mellan 1-9, motsvarande frekvenserna aldrig, någon gång per år, 1-3 ggr/månad, 1 gång/vecka, 2-3 ggr/vecka, 4-6 ggr/vecka, 1 gång/dag, 2-3 ggr/dag till 4 ggr/dag eller mer. I datafiler har de beteckningen ma01-ma84 för frågorna som kommer från den längre enkätversionen, och mat01-mat66 om de kommer från den kortare enkätversionen. Dessa grundvariabler används sällan direkt av forskare men man begära att få även dessa. Detta markerar man då i uttagsblanketten.
Grundvariablerna ma01-ma84 och mat01-mat66 omvandlas till numeriska variabler som uttrycker gånger/dag där exempelvis 1 gång/vecka blir 1/7 = 0,142 gånger/dag. Det är dessa omvandlade variabler som listas i uttagsblanketten och som forskare vanligtvis begär ut. I datafiler har de beteckningen da01-da84 för frågorna som kommer från den längre enkätversionen, och dat01-dat66 om de kommer från den kortare enkätversionen.
Intagsfrekvenserna har även omvandlats till intag uttryckt som gram/dag. Här har portionsstorlekarna för potatis/ris/makaroner; kött/fisk och grönsaker som deltagarna indikerat i fotona använts, liksom köns- och åldersstandardiserade portionsstorlekar för övriga livsmedelsgrupper och naturliga storlekar för sådant som exempelvis en frukt. Även dessa gram/dag-variabler kan begäras ut och detta indikeras i då i uttagsansökan. Observera dock att för valida mått av intagsmängd per dag krävs helst en vägd kostregistrering eller i alla fall ett matfrekvensformulär med ett stort antal bilder på olika portionsstorlekar. Detta är inte fallet med NSDD som bygger på ett semi-kvantitativt matfrekvensformulär. Skattningar av intag uttryckt i gram/dag ger här ingen bättre precision än intag uttryckt i frekvens/dag.
Förutom information om intagsfrekvenser av enstaka livsmedel och livsmedelsgrupper, finns även skattade energi- och näringsintag. Energi- och näringsintag beräknas genom att intagsfrekvensen (ggr/dag) multipliceras med energi- och näringsinnehåll för respektive livsmedel enligt Livsmedelsverkets databas (Bergström et al., 1991) enligt köns- och åldersstandardiserade portionsstorlekar (Johansson et al., 2002).
Valideringsstudier i samband med kostenkäten
Fram till senare halvan av 1990-talet använde både Västerbottens hälsoundersökning och MONICA-studien den ursprungliga kostenkäten, med frågor om konsumtion av 84 olika livsmedel. Därefter har några versioner av en reducerad variant (64-66 olika livsmedel), varav alla är optiskt läsbara, använts inom Västerbottens hälsoundersökning.
Inom MONICA-studien har den ursprungliga varianten använts med undantag för screeningen som genomfördes 1990, då en kortare variant med 49 frågor användes. Ekonomiska orsaker ligger bakom reduktionerna. I alla varianter är skalan för intagsfrekvenser och sektioner av livsmedelsfrågor och livsmedelskombinationer identiska. I MONICA-studien 2022 användes den uppdaterade versionen av kostenkäten, FFQ2020.
Kostenkäterna går att inspektera under flikarna ”Kostenkäterna i pappersformat använda under åren 1985-2022” samt ”Den digitala enkäten FFQ2020”.
I ett första steg utreddes hur många kostenkäter av de två huvudgrupperna, d.v.s. den längre (84 livsmedel) respektive den kortare (64-66 livsmedel), samt övriga varianter som använts. De olika enkätvarianterna jämfördes för att se om någon eventuellt behövde exkluderas. Kriterier för exkludering av enkätvariant var (i) icke hanterbar avvikelse i frekvensalternativ, (ii) information kring portionsstorlek saknas, eller (iii) livsmedelsfrågorna skiljer sig på ett icke hanterbart sätt. Utifrån dessa kriterier inkluderades följande enkätvarianter i NSDD:
En harmonisering av längre och kortare enkätversioner har gjorts. Variablerna da01-da84 innehåller frekvenser/dag för forskningspersoner som besvarat den längre enkäten. Dessa har omvandlats till att motsvara dat01-dat66 genom att svar från ett antal frågor slagits ihop, så att svaren motsvarar det som efterfrågats i den kortare enkäten. Exempelvis fångar da40 intag av stekt potatis och da41 intag av pommes frites, och frågorna kommer från den längre enkäten med 84 frågor. Variabeln dat31 fångar intag av såväl stekt potatis som pommes frites och kommer från den kortare enkäten. I en harmoniserad version av data från båda enkätversioner har svar från den långa enkäten kodats om så att da40+da41 motsvarar dat31. Denna omkodning framgår av uttagsblanketten.
En fråga om intag av ägg infördes i senare versioner av enkäterna för både VIP och MONICA. Kontakta PI Anna Winkvist eller forskningsrådgivare Maria Wennberg för mer information om intag av ägg är centralt för forskningsfrågan.
Forskare kan från DietVIP begära ut en datafil som enbart innehåller forskningspersoner som svarat på den längre enkäten, enbart en datafil med forskningspersoner som enbart svarat på den kortare enkäten, eller en fil med sammanslagna data, d.v.s. som skapats med samtliga forskningspersoner där omkodningar gjorts för att harmonisera svarsalternativen från de olika enkätversionerna. Det är därför viktigt att känna till de antaganden som gjorts när de längre och kortare enkäterna slagits samman till en gemensam fil. Läs därför noga under fliken 'Hur arbetar jag med data från NSDD' innan du börjar analysera data!
Forskare kan från DietMON begära ut data från de sju olika screening-tillfällena (1986, 1990, 1994, 1999, 2004, 2009, och 2014), eller en samlad datafil. Observera att kostenkäten i MONICA-screeningen genomförd 1990 endast består av 49 frågor och inga näringsvärden har beräknats. Kostdata från MO2022 samlades in med FFQ2020 och kan begäras ut men har ännu inte harmoniserats med kostdata insamlat med tidigare kostenkäter.
Dessutom kan kostdata för nästade fall-kontrollstudier inom NSDD begäras ut. Dessa innehåller oftast kostdata insamlade med alla typer av enkäter, vilket måste beaktas vid fall-kontroll matchningar.
Kostdatabasen NSDD är en validerad datasamling med ursprung i VIP (Västerbotten Intervention Programme) och de olika MONICA-screeningarna. Den innehåller ett stort antal uträknade kostfaktorer.
Kontakta gärna PI för NSDD, Anna Winkvist, eller vetenskaplig rådgivare med inriktning mot kost, Maria Wennberg, för initial diskussion och rådgivning om planerat kostprojekt.
Följande handlingar ska sändas till Avdelningen för biobanks- och registerstöd (BRS).
I uttagsblanketten beskriver du projekttitel, huruvida etiktillstånd är erhållet eller under beredning, ger en kort information om syftet med projektet och förklaring till varför kostvariabler behövs, och indikerar i vilket format data önskas. Här anger du även vilka delar av NSDD som önskas (VIP, lång/kort enkätvariant, MONICA, andra kriterier).
För kostvariablerna indikerar du vilka av samtliga livsmedel som önskas. Här indikerar du om du önskar frekvens (gånger/dag) och/eller gram/dag. Om samtliga livsmedel önskas bör detta förklaras i den inledande uttagsdelen om forskningssyfte och behov av kostvariabler. Som syns i bilden nedan finns intagsfrekvens för 84 livsmedel för deltagare som besvarat den längre enkäten (da01-da84 variablerna). För deltagare som besvarat den kortare enkäten finns intagsfrekvens för 66 livsmedel (dat01-dat66 variablerna). Om man önskar en harmoniserad datafil där deltagare som besvarat båda enkätvarianterna ingår så har intagsfrekvenser från den längre enkäten omvandlats till att motsvara dat01-dat66 genom att svar från ett antal frågor i 84-enkäten slagits ihop, så att svaren motsvarar det som efterfrågats i den kortare enkäten. I uttagsblanketten är det indikerat hur denna sammanslagning gått till. I uttagsblanketten syns exempelvis att frågorna White (soft) bread (da12) och Thin crisp bread (da13) slagits ihop till en fråga (dat12).
Därefter följer ett avsnitt där du indikerar vilka framräknade näringsämnen som önskas. Dessa erhålls i vikt/dag i enlighet med lämpliga enheter, se nedan. Om samtliga näringsämnen begärs ut bör detta förklaras i den inledande uttagsdelen om forskningssyfte och behov av kostvariabler. Vissa variabler kräver tillstånd av ansvariga forskare för att ta del av, exempelvis fytoöstrogener. Sist finns avsnitt om supplement och måltidsmönster.
Samtliga handlingar kan skickas med e-post. Undertecknade dokument kan skickas som skannade pdf-filer.
E-post: info.brs@umu.se
Anette Forsgren
Avdelningen för biobanks- och registerstöd
NUS by 5B plan1 målpunkt P11
Umeå universitet
901 87 Umeå
OBS! Om ytterligare information kring forskningspersonerna efterfrågas utöver de data som finns i variabellistan för NSDD skall anhållan göras med variabeluttagsblankett (hänvisa rätt) som även den skickas till Avdelningen för biobanks- och registerstöd (info.brs@umu.se).
Exkludera forskningspersoner i datafilen pga bristfälliga svar
I de NSDD datafiler som lämnas ut till forskare har inga forskningspersoner exkluderats p.g.a. bristfälliga svar på kostfrågorna. Dock har bristfälliga svar undersökts i materialet och resultaten sammanställts i en variabel (exclude) som kan användas om man vill exkludera forskningspersoner som bedömts ha mycket bristfälliga svar och/eller biologiskt orimliga värden (se nedan).
Inga typer av imputeringar är utförda i grundfrekvenserna ma01-ma84 och mat01-mat66. Vissa korrigeringar av bristfälliga svar görs under omvandlingen från grundvariablerna till variablerna da01-da84 och dat01-dat66. Om svar saknas eller är oläsligt inom sektioner med likartade livsmedel så imputeras ett svar för antal intag per dag genom att ta i beaktande övriga svar inom den sektionen. Exempelvis om en forskningsperson markerat högt intag av matfettet Bregott, men informationen för låg-fett margarin, smör eller vanligt margarin saknas, så sätts dessa till "aldrig" under antagandet att forskningspersonen har en preferens för en viss variant inom livsmedelsgruppen. Om intagsfrekvens för ett livsmedel helt saknas så imputeras ett svar utifrån medianintaget för detta livsmedel i hela databasen baserat på kön och 10-års åldersgrupp. Om forskaren avser använda de omkodade dagsfrekvenserna (da och dat-variablerna) måste han/hon ta detta i beaktande och ta ställning till huruvida individer som haft många saknade svar eventuellt bör exkluderas, baserat på variabeln exclude.
För att markera för forskaren de forskningspersoner som eventuellt bör exkluderas p.g.a. bristfällig information har variabeln "exclude" skapats. Denna är kodad 0 om intagsfrekvens har saknats på < 10 % av frågorna och information om portionsstorlekar är komplett och individen skall behållas i datafilen; 1 om intagsfrekvens saknats på mer än 10 % av livsmedelsfrågorna; och 2 om någon indikering av portionsstorlek saknats så att intag av näringsämnen/dag inte kan beräknas. Forskningspersoner som saknar information på båda dessa uppgifter kodas "exclude"=1. Denna variabel kan användas av forskare för att exkludera eventuella forskningspersoner baserat på den aktuella frågeställningen. Om fokus ligger på intag av några enskilda livsmedel och inte involverar hela kosten eller intag av energi och näringsämnen så kan forskningspersoner kodade ”exclude”=1 också ingå i analyserna.
Exkludera forskningspersoner i datafilen pga biologiskt orimliga svar
Vidare bör forskaren ta ställning till om forskningspersoner som har indikerat biologiskt orimliga intag per dag av energi och/eller särskilda näringsämnen skall identifieras och exkluderas. Till stöd har variabeln "FIL" (food intake level=skattat energiintag/basalmetabolism) skapats. Det är upp till forskaren att utifrån aktuell frågeställning själv ta ställning till lämpliga gränsvärden för cut-off. Vissa har valt att ta bort högsta och lägsta 1 % och andra ett "FIL" värde under 5:e lägsta percentilen och över högsta 2,5:e percentilen baserat på fördelningen i populationen.
Hantera upprepade mätningar
Ett antal forskningspersoner inom NSDD har deltagit i Västerbottens hälsoundersökning respektive MONICA-studien vid flera tillfällen. I VIP är variabeln ”id” unik för varje individ och variabeln ”enummer” unik för varje besök. I MONICA är variabeln ”pidnr ”unik för varje individ och variabeln ”mo_seqno” unik för varje besök.
Att energijustera kostintaget i sina analyser
I studier av samband mellan kostintag och hälsoutfall är det vanligt att justera för totalt energiintag. Detta då personer med en större kroppshydda och/eller hög fysisk aktivitet äter mer och därmed har ett större intag av de flesta näringsämnen. Ofta vill man istället fånga skillnad i näringskvalitet mellan olika individer. Energijustering är också ett lämpligt sätt att hantera under- och överrapportering, vilka är vanliga metodproblem i kostundersökningar.
Olika sätt att justera för totalt energiintag inkluderar att uttrycka intag av makronäringsämnen som energiprocent, att i multivariabla analyser inkludera totalt energiintag som en kovariat, eller residualmetoden. Dessa metoder beskrivs i exempelvis:
Willet WC, Howe GR, Kushi LH. Adjustment for total energy intake in epidemiological studies. Am J Clin Nutr 1997;65(4):1220S-8S.
Vidare diskussioner om hur olika sätt att energijustera påverkar vad vi mäter i våra analyser finns i följande artikel:
Tomova GD, Arnold KF, Gilthorpe MS, Tennant PWG. Adjustment for energy intake in nutritional research: a causal inference perspective. Am J Clin Nutr 2022;115:189-98.
Johansson G, Wikman Å, Åhrén A-M, Hallmans G, Johansson I. Underreporting of energy intake in repeated 24-hour recalls related to gender, age, weight status, day of interview, educational level, reported food intake, smoking status and area of living. Publ Hlth Nutr 2001;4(4):919-927.
Johansson I, Hallmans G, Wikman Å, Biessy C, Riboli E, Kaaks R. Validation and calibration of food-frequency questionnaire measurements in the Northern Sweden Health and Disease cohort. Publ Hlth Nutr 2002;5(3):487-496.
Winkvist, A, Hörnell, A, Hallmans G, Lindahl B, Weinehall L, Johansson I. More distinct food intake patterns among women than men in northern Sweden: a population-based survey. Nutr J 2009 Nutr J. 2009, ;8:12-17.
Johansson I, Nilsson LM, Stegmayr B, Boman K, Hallmans G, Winkvist A. Associations among 25-year trends in diet, cholesterol and BMI from 140,000 observations in men and women in Northern Sweden. Nutr J. 2012 Jun 11;11:40. doi: 10.1186/1475-2891-11-40. PMID: 22686621; PMCID: PMC3489616.
Winkvist A, Klingberg S, Nilsson LM, Wennberg M, Renström F, Hallmans G, Boman K, Johansson I. Longitudinal 10-year changes in dietary intake and associations with cardio-metabolic risk factors in the Northern Sweden Health and Disease Study. Nutr J. 2017 Mar 28;16(1):20. doi: 10.1186/s12937-017-0241-x. PMID: 28351404; PMCID: PMC5370464.
Huseinovic E, Hörnell A, Johansson I, Esberg A, Lindahl B, Winkvist A. Changes in food intake patterns during 2000-2007 and 2008-2016 in the population-based Northern Sweden Diet Database. Nutr J. 2019 Jul 12;18(1):36. doi: 10.1186/s12937-019-0464-0. PMID: 31299991; PMCID: PMC6626352.
Törmä J, Lundqvist R, Eliasson M, Nilsson LM, Oskarsson V, Wennberg M. Comparison of dietary trends between two counties with and without a cardiovascular prevention programme: a population-based cross-sectional study in northern Sweden. Public Health Nutr. 2022 Jul;25(7):1835-1843. doi: 10.1017/S1368980021003050. Epub 2021 Jul 23. PMID: 34296666; PMCID: PMC9991627.
Wennberg M, Kastenbom L, Eriksson L, Winkvist A, Johansson I. Validation of a digital food frequency questionnaire for the Northern Sweden Diet Database. Nutr J. 2024 Jul 24;23(1):83. doi: 10.1186/s12937-024-00984-8. PMID: 39049045; PMCID: PMC11267735.
Späth F, Wennberg P, Johansson R, Weinehall L, Norberg M, Rosén A, Johansson G, Nordström A, Johansson I, Nilsson LM, Eriksson S, Winkvist A, Wennberg M, Harlid S, Rebbling S, Melin B, Rolandsson O, Sund M, Bergdahl IA, Söderberg S, Hallmans G, Van Guelpen B. Cohort Profile: The Northern Sweden Health and Disease Study (NSHDS). Int J Epidemiol. 2024 Dec 16;54(1):dyaf004. doi: 10.1093/ije/dyaf004. PMID: 39899988; PMCID: PMC11790227.