愛蘭トリニティカレッジダブリンの研究チームは、短縮食事摂取頻度調査（SFQ）の食事データの質を改善するために新しいデータマッピング法を開発した。これは食事と疾患の関係を同定する能力を高めるものだという。

食事と疾患の関係は正確に同定するのが困難である。なぜなら食事評価ツールには限界があるからだ。「不健康な」食品摂取の比較的単純な記述的分析でさえも汚染され我々の慢性疾患に関する潜在的な関連についての理解を歪めるのである。

今回、研究チームは、得られた食事データの質を改善するために、2つの研究からマッチさせたデータセットをリンクさせるデータマッピング法について記述した。

「このアプローチを用いることで、異なる調査からのデータセットをうまく位置付けてデータの質を改善し、食事と疾患の関連への潜在的可能性を改善することができる」と共同研究者のマイケル・クロウは語っている。

本研究は、ダブリン歯科大学病院のより大規模な研究プロジェクトの一部である。これは小児の鹿問題と食事摂取、体重、一般的健康状態、新社会的因子などのリスク因子との関係を明らかにするものである。

本研究論文においては、研究チームは、2つの研究のマッチさせたデータセットを関連付けて大規模コホート調査のSFQで集めた食事データの質を改善する方法を記述している。アイルランドで成長する（GUI）は乳幼児の国家的縦断研究であり、（ポーションサイズの欠けた）SFQを用いて3歳児の「健康的な」食品・飲料と「不健康的な」食品・飲料の摂取を評価している。

国民就学前児童栄養調査（NPNS）は、アイルランドの乳幼児を対象に4日間の秤量法食事データを詳細に記述しており、最も信頼性の高い推定が可能になっている。データマッピングアルゴリズムは、全てのGUI食品群にNPNSからの食品情報を適用するものである。

両方のデータを突き合わせることで、GUIの食品群によって、食品のどの部分がカバーされ、どの部分がカバーされない（非カバー食品）のかを明らかにする。カバーされないというのは、GUIの調査ではまったく無いことになってしまう食品群のことである。

「高砂糖」食品は非カバー食品であり、他に調理済み朝食用シリアル、フルーツジュース、砂糖、シロップ、保存料、甘味料、アイスクリームも含まれる。GUIによってカバーされない食品は頻度にして44%、量にして34%に及んだ。

食事を測定することの困難さは充分に文書化されている。研究チームは、NPNSの4日間におよぶ食事記録からGUI研究におけるSFQのデータをマッピングすることで、SFQを使用して健康転帰と関連付けることの限界を強調している。SFQは、3歳児が摂取する習慣的な食品のかなりの部分が含まれていなかった。

特定の食品に焦点を当てることに関心をもつ研究者は、このアプローチを使用して、マッピングされた食品データベースを参照することで、カバーされた、部分的にカバーされた、または非カバーの食品の割合を評価することができるだろう。