条文本
PDF
抽象的
客观的不良的代谢健康和不健康的生活方式因素与Covid-19的风险和严重程度有关，但缺乏饮食数据。我们的旨在调查饮食质量与Covid-19的风险和严重程度及其与社会经济剥夺的互动。
设计我们使用了基于智能手机的COVID-19症状研究的592 571名参与者的数据。通过一份简短的食物频率问卷收集了流行前时期的饮食信息，并使用健康的植物性饮食评分评估了饮食质量，该评分强调健康的植物性食物，如水果或蔬菜。拟合多变量Cox模型，分别计算COVID-19风险和严重程度的HRs和95% ci，使用经过验证的基于症状的算法或住院伴氧支持。
结果超过3 886 274人的后续时间，31 815 Covid-19案件被记录在案。与饮食评分最低四分位数中的个体相比，高饮食质量与Covid-19的风险较低有关（HR 0.91; 95％CI 0.88至0.94）和严重的Covid-19（HR 0.59; 95％CI 0.47至0.74)．低饮食质量的联合关联和剥夺剥夺的增加 - 19风险的剥夺性高于单独对每个因素相关的风险总和（P交互= 0.005）。每10 000人/月以最低饮食评分的相应绝对过量率为每10 000人/月，饮食得分为22.5（95％CI 18.8至26.3），其中居住在低剥夺和40.8（95％CI 31.7至49.8）的生活中在高剥夺的地区。
结论以健康的植物性食物为特征的饮食与新冠病毒-19的风险和严重程度较低有关。这种关联在生活在社会经济贫困程度较高地区的个人中可能特别明显。
- 新型冠状病毒肺炎
- 饮食
- 饮食因素
- 传染性疾病
数据可用性声明
本研究的饮食质量数据由Kings College伦敦Kings'学院进行举行。这些数据可以利用我们的正常程序向Bona FIDE研究人员使用我们的核心信托及其指导方针，以及核心资金的一部分（https://web.www.healthdatagateway.org/dataset/fdddcb382-3051-4394-8436- 392295f14259)．
本文是根据BMJ的网站和条件自由使用，以便在Covid-19大流行期间的持续时间或直到BMJ确定。您可以使用，下载和打印文章，以便任何合法的非商业目的（包括文本和数据挖掘），条件是保留所有版权通知和商标。
https://bmj.com/coronavirus/usage来自Altmetric.com的统计
本研究的意义
在这个问题上已经知道什么?
代谢健康不良和不健康的生活方式行为与COVID-19的高风险和严重性相关。
过去已证明，改善营养，特别是在社会经济贫困的情况下，可以减轻某些传染病的负担。关于饮食质量与COVID-19的易感性和进展之间的关系尚缺乏证据。
什么是新发现？
以健康植物性食物为特征的饮食模式与较低的COVID-19风险和严重性相关。
我们发现了饮食不良和社会经济剥夺的协同协会的证据，并且Covid-19风险高于单独与每个因素相关的风险的风险总和。
饮食与新冠病毒-19风险的有益关联似乎在生活在社会经济贫困程度较高地区的个人中特别相关。
在可预见的未来，它会对临床实践产生怎样的影响?
我们的研究表明，在解决COVID-19风险和严重程度差异的努力中，应特别关注改善营养，将其作为健康的社会决定因素。
介绍
与肥胖、2型糖尿病或高血压等疾病有关的代谢健康不良１ ２已与COVID-19的风险和严重程度增加相关，而过度肥胖或既往肝病可能与COVID-19死亡风险增加有因果关系。3 4.这些疾病的根源是饮食的影响，饮食可能与COVID-19的风险和严重程度独立相关。
在现有科学证据的基础上，饮食质量评分(DQSs)被开发来评估饮食模式的健康程度。5 - 7膳食模式比任何一种单独的食物都能更好地捕捉食物摄入的复杂性，并提供了在典型饮食中描述食物通常消费的优势。8其中一个饮食评分是健康的植物性饮食指数(hPDI)，它强调摄入健康的植物性食物，如水果、蔬菜和全谷物，与降低脂肪肝、2型糖尿病和冠状动脉疾病的风险有关。5 9 10
坚持健康的饮食模式也可能是健康的远端社会决定因素的近端表现。11 - 13处理不良的健康社会决定因素，如营养不良，过去已证明可减轻某些传染病的负担，14支持在公共卫生应对COVID-19中优先考虑健康的社会决定因素的呼吁。此前一项包括来自6个国家约3000名医护人员的研究表明，植物性或鱼素性饮食与较低的中至重度COVID-19风险相关。15但是，缺乏关于饮食质量与饮食质量的风险和严重程度的证据，特别是在上游健康的社会决定因素的背景下。为了解决这一证据，我们分析了来自智能手机的Covid-19症状研究的592 571英国和美国参与者的数据，16前瞻性调查饮食质量与COVID-19的风险和严重程度以及其与社会经济贫困的交叉关系。
材料和方法
研究设计和参与者
COVID-19症状研究是在英国和美国进行的一项基于智能手机的研究。研究设计和抽样程序已在其他地方发表。16简而言之，通过普通媒体、社交媒体宣传和直接邀请冠状病毒大流行病学联盟的调查人员招募普通公众成员，16跨国协作，包括几个大型临床和流行病学队列研究。该分析包括从2020年3月24日招聘的参与者，并遵循2020年12月2日。在开始后续后，报告与Covid-19相关的任何症状的参与者，或报告将其分类为预测的Covid-19在24小时内进行分类首次入门，或者在排除后续行动开始前的任何时间测试Covid-19的肯定。我们还排除了18岁，怀孕和与参与者在随访期间只登录了一日评估的参与者。在注册时，我们获得了获取的同意使用志愿信息进行研究目的，共享相关的隐私政策和使用条款协议。
数据收集程序
关于人口因素的信息是通过基线时的标准化问卷收集的，16包括年龄，性别，种族，邮政编码或邮政编码，医疗工作者状态，个人病史，包括肺病，糖尿病，心血管疾病，癌症，肾病和使用药物，以及自我报告的Covid-19阳性测试或任何Covid-19相关症状。在随访期间，日常提示查询临时症状，医疗保健访问和Covid-19测试结果的更新。通过软件更新，在八月和9月20日期间在8月和9月在2020年期间在大流行期间审查通常的饮食和生活方式习惯的调查，并在大流行期间（参考时间/ 8月20日）。有关饮食和生活方式的详细信息调查可用在线补充文件和在其他地方发表。17对于这项研究，我们在2020年2月期间使用参与者回忆饮食，反映了大流行前的时期。说明如何以及何时收集饮食和症状信息的图表在线补充图1．
饮食质量评估
使用从LEEDS短片的修改版本的资料获得的信息评估饮食质量18其中包括27种食品(在线补充方法)．使用这种短型食品频率调查问卷的理由而不是完整的食物频率调查问卷是通过减少完成时间来限制参与者负担。短期食物频率问卷的准确性和可靠性已被评估为217项食物频率调查问卷，并表明短型食品频率问卷是评估饮食质量的可靠方法。18
参与者被问及平均每次在典型周内消耗一部分的频率。响应有八个频率类别，从“很少或从未”到每天五次或更多次“。使用经过验证的HPDI得分量化饮食质量。5为了计算HPDI，将27个食品组合成14个食物组（在线补充表1)．最初的hPDI评分包括18类食物，但没有特别询问坚果、植物油、茶或咖啡和动物脂肪。食物组被分为五等分，并给予正分数(健康的植物食物组)或反分数(不健康的植物和动物食物组)。得分积极的参与者，食物组中得分最高的五分之一的参与者得到5分，得分最低的五分之一的参与者得到1分。用反向评分，这种评分模式就颠倒了。将所有成分得分相加，得到总分范围从14分(最低饮食质量)到70分(最高饮食质量)。生成hPDI的标准在在线补充表2．
作为另一种基于现有饮食信息量化饮食质量的方法，我们使用了DQS。18DQS是对遵守英国饮食指南情况的评分，由五大类计算得出，包括水果、蔬菜、总脂肪、油性鱼类和非乳外含糖。每个组成部分得分从1(最不健康)到3(最健康)，中间值按比例得分(在线补充表3)．总共综合评分总结为获得从5（最低饮食质量）到15（最高）点（在线补充表4)．
评估Covid-19风险和严重程度
该分析的主要结果是使用经验证的基于症状的算法定义新冠病毒-19风险，19这提供了类似于Covid-19患病率和发病率的类似估计，因为来自国家统计界界感染调查办公室报告的那些。20有关预测算法和相应权重的症状的细节在线补充方法．简言之，基于症状的方法使用一种算法，根据参与者报告的症状、年龄和性别，预测其是否感染了SARS-CoV-2。为了验证我们的病例确定，邀请在COVID-19症状研究申请中报告症状的一组个人提供检测结果副本。在235名参与者中，我们发现，对确诊的病历结果，自我报告的COVID-19检测的阳性预测值为88%，阴性预测值为94%。将基于症状的分类器作为主要结果的理由是，在大流行的早期阶段获得检测普遍存在困难。21基于逆转录PCR阳性试验和Covid-19严重程度的自我报告，确认了Covid-19的二次结果。Covid-19严重程度根据需要进行医院访问的报告（1）无侵袭性呼吸支持，（2）侵入性呼吸支持和（3）抗生素与氧气支持（在线补充方法)．
统计分析
在数据分析之前，我们制定了一个预先指定的方案，包括质量控制程序、暴露的定义、结果和协变量以及统计分析计划(在线补充文件)．我们通过使用中位数和百分位数25和75总结了连续测量，并以频率和百分比表示分类观察结果。中提供了先验选择协变量的分类方法在线补充文件．根据居住地的邮政编码(美国)或邮政编码(英国)，参与者被分配到特定国家的社区级别的社会经济指标，包括社会经济贫困和人口密度。对于英国参与者，我们检索了英国国家统计局(Office of National Statistics)从2019年到2011年低超级产出地区(Lower Super - Output Areas)的综合数据中计算的多重剥夺指数的教育和收入指标。22对于美国的参与者，使用多达25个特征的聚合人口普查数据产生社会经济措施，这些特征一致地用于近似邻域级环境。23采用主成分分析法对人口普查数据进行简化，并保留了7个变量来生成指数。载荷由主成分分析得到。然后对剥夺指数进行标准化，使其均值为0,SD为1。用含五种归算的链式方程进行多重归算来归算缺失值。归罪前失踪的细节在在线补充图2．将初级分析中的所有协变量都纳入多重imputation过程中，并使用Rubin规则对每个imputation数据集生成的估计进行合并。24
由于收集了饮食信息以进行预处理期，我们使用COX回归进行前瞻性分析，其中每个参与者在首次登录到预测的Covid-19时24小时内开始的后续时间（或次要结果时间）或在2020年12月2日之前的最后一次入境日期，无论首先发生哪些。我们将DQS为基于分布四分位数（四分位数1，低饮食质量;四分位数2-3，中间饮食质量;四分位数4，高饮食质量）的持续变量和生成的分数类别的分数类别。Cox回归模型由日历日期分类，原产地和10年年龄组用于计算Covid-19风险和严重程度的HR和95％CI（调整后的模型1）。模型2进一步调整性别，种族/种族，多种剥夺指数，人口密度和医疗工作者身份。进一步调整模型3，用于共同存在（糖尿病，心血管疾病，肺病，癌症，肾脏疾病），体重指数（BMI），吸烟地位和身体活动。描绘了可以解释饮食质量和Covid-19风险和严重程度之间的可能场景的可能场景在线补充图3．我们通过使用Schoenfeld残差技术验证了COX模型的比例危害假设。25绝对风险计算为给定组中每10000人月发生的COVID-19病例的百分比。我们使用四节限制性三次样条(分别在2.5、25、75和97.5个百分点)评估饮食质量和COVID-19风险之间的非线性关联。
在二次分析中，我们使用阳性检测的自我报告来定义COVID-19风险。在这些分析中，我们使用逆概率加权Cox模型来解释获得具体国家检验的预测因素。逆概率加权分析包括COVID-19相关症状的存在、与COVID-19患者的互动、卫生保健工作者的职业、年龄组和种族。逆概率加权Cox模型按10岁年龄组和日期分层，并对以前模型中使用的协变量进行额外调整。对于严重的COVID-19分析，我们对以前模型中使用的相同协变量进行了调整。作为量化饮食质量的另一种方法，我们使用了DQS，并测试了饮食质量与COVID-19风险和严重程度之间的关系。此外，我们对完成饮食调查后发生的案例进行了审查，以调查由于时变混淆造成的潜在偏差。
在亚组分析中，我们根据合并症、人口统计学和生活方式特征评估了饮食质量与COVID-19风险之间的关系。我们还根据DQS和社会经济贫困的类别(根据DQS和贫困指数的三分之一分为九类)对参与者进行了分类，并对COVID-19风险进行了联合分析。联合分析是为了定量评估饮食和剥夺与COVID-19风险同时存在的联合关联。我们通过评估相互作用的相对超额风险(reeri)测试了添加剂相互作用，并进一步检查了饮食、剥夺及其相互作用导致的COVID-19风险比例(在线补充方法)．26
我们进行了敏感性分析，以解释有效生殖号码的区域差异（Rt)或其他减轻风险的行为，如戴口罩。的Rt参数表示按单个病例平均增加的感染人数，并被用来衡量病毒传播的速度，作为一种毒性指标。为Rt分析，我们提取了美国各州的信息Rt来自Covid-19跟踪项目（https://covidtracking.com)， 2020年3月至2021年1月期间。我们计算了英国的情况Rt苏格兰，威尔士和英格兰国家卫生服务（NHS）地区的时间系列，使用我们集团以前发表的方法。20在这些分析中，我们定义了社区高峰和最低点RtTime-Windows作为前一周和2周后的时间Rt始终高或低。使用审查的时间窗口，我们在调整模型中包含的相同混淆器后测试了饮食质量和Covid-19风险之间的关联。对于掩模穿着分析，我们在2020年6月20日至9月2020年之间使用了调查数据是关于参与者在上周在房子外面穿着面罩。答复分为两类：参与者披露掩盖的“没有时间或有时”，以及那些报告戴着面具大部分时间/总是'至少一次的人。对于掩模佩戴分析，我们包括在第3型中包含的相同的协变量。
采用结构方程模型对BMI进行中介分析。在这项分析中，饮食质量和BMI作为连续变量。我们估计了BMI对饮食质量和COVID-19风险之间关联的相对贡献，并计算了由BMI间接影响解释的总影响的比例。间接效应是通过对中介的影响和中介对结果的影响的乘积来估计的。为了计算间接效应的比例，我们用间接效应除以总效应。通过对COVID-19对饮食质量的回归，估计了饮食质量对COVID-19风险的直接影响，其定义为饮食质量通过独立于中介的机制与COVID-19风险的关联。
主分析认为双侧p<0.05有统计学意义。所有统计分析采用R软件V.4.0.3 (R Foundation)进行。
病人及公众参与
没有患者直接参与设计研究问题或进行研究。没有提出关于解释或编写结果的建议。研究结果将通过Zoe症状应用程序与公众和患者分享，博客帖子主持https://covid.joinzoe.com/网站和在线研讨会。
结果
评估了647 137名调查应答者的自我报告饮食质量，其中54 566人因流行COVID-19 (n=1555)、基线时存在任何症状(n=47 594)、只记录一次(n=1201)、怀孕(n=1129)或18岁以下(n=3087;在线补充图4)．本研究纳入的592 571名参与者根据hPDI评分类别的基线特征见表1．饮食分数最高四分位数（反映更健康的饮食）的参与者比参与者在最低四分位数，女性，医疗保健工人，较低的BMI，从事体育活动≥5天/周，而且可能不太可能居住在具有更高社会经济剥夺的地区。根据饮食调查参与，Covid-19症状研究的参与者的特征是介绍的在线补充表5．HPDI评分通常分布（在线补充图5)．
超过3 886 274人的后续时间，31 815 Covid-19案件被记录在案。每10 000人的原油Covid-19率为72.0（95％CI 70.4至73.7），用于饮食评分的最高四分位数，104.1（95％CI 101.9至106.2），用于最低四分位数的人。Covid-19风险的相应年龄调节的HR为0.80（95％CI 0.78至0.83，表2)．在对潜在混杂因素进行调整后，COVID-19风险的差异仍然存在。在完全调整模型中，当我们比较饮食质量高的参与者和饮食质量低的参与者时，COVID-19风险的多变量校正HR为0.91 (95% CI 0.88至0.94)。我们观察到，饮食质量越高，COVID-19风险呈非线性下降趋势(非线性p<0.001)，其中DQS >50 (在线补充图6)．饮食质量与COVID-19风险之间的相关性是一致的，但在使用DQS评分的二次分析中减弱了(HR 0.92;95% CI 0.89 ~ 0.95;在线补充表6)，在完全调整模型中变得不显著（HR 1.00；95%可信区间0.97至1.03）。我们还调查了我们的主要发现是否与对饮食调查完成后发生的病例进行审查的分析一致。这些分析表明，与低饮食质量相比，高饮食质量与较低的COVID-19风险相关（多变量校正HR 0.88；95%CI 0.83至0.93；在线补充表7)．
在基于阳性检测的COVID-19风险的二次分析中，我们显示，高饮食质量个体每10000人月的COVID-19粗发病率为12.9 (95% CI 12.2至13.6)，低饮食质量个体的粗发病率为16.4 (95% CI 15.5至17.2)。相应的多变量校正的COVID-19风险HR为0.82 (95% CI 0.78 - 0.86;表2)．就严重COVID-19的风险而言，报告饮食质量高的个体的粗发病率低于饮食质量低的个体(1.6 (95% CI 1.3至1.8)vs 2.1 (95% CI 1.9至2.5;每10,000人月)表2)．在完全调整的模型中，高饮食质量与低饮食质量相比，严重COVID-19的风险更低，风险比为0.59 (95% CI 0.47 - 0.74;表2)．
在分层分析中，饮食质量与Covid-19风险之间的逆关联在生活在高社会经济剥夺地区的参与者中更明显，报告的身体活性水平低（P <0.05;表3)．我们发现，年龄、BMI、种族/民族或人口密度等其他特征没有显著影响。当饮食质量和社会经济剥夺相结合时，存在低饮食质量和高社会经济剥夺的风险梯度。与生活在低社会经济贫困和高饮食质量地区的人相比，生活在低社会经济贫困地区的人的饮食质量低的多变量校正的COVID-19风险比为1.08 (95% CI 1.03至1.14)。生活在中等社会经济贫困地区的人口为1.23(95%置信区间1.17至1.29)，生活在高度社会经济贫困地区的人口为1.47(95%置信区间1.38至1.52)(图1)．饮食质量和社会经济剥夺联合协会高于单独与每个因子相关的风险的总和（Reri = 0.05（95％CI 0.02〜0.08）; p交互= 0.005;在线补充表8)．对多余的Covid-19风险的贡献比例估计为饮食质量的31.9％（95％CI 18.2％至45.6％），38.4％（95％CI 26.5％至50.3％）到社会经济剥夺，29.7％（95％CI 2.1％至57.3％）与其相互作用。每10 000人的Covid-19的绝对过量速率为最低与最高四分位数的饮食评分为22.5（95％CI 18.8至26.3至26.3），在具有低位社会经济剥夺和40.8（95％CI 31.7至）49.8）生活在高剥夺地区的个人之间（在线补充图7)．
根据饮食质量和社会经济状况判断COVID-19风险。根据饮食质量和社会经济贫困的类别，显示了预测COVID-19估计的调整HRs和95% CI。Cox模型分层的日历日期在研究条目,原产国和10年期年龄组,和调整性别、种族/民族,多个剥夺指数,人口密度,糖尿病,心血管疾病,肺病、癌症、肾病、医疗工作者状态、身体质量指数、吸烟状态和体育活动。在这些比较中，高质量饮食和低社会经济贫困的参与者作为参照组。hPDI，健康植物性饮食指数。
我们进行了一系列敏感性分析，以进一步占变化Rt，面具穿。对于峰值Rt被审查的分析，每10 000人的原油Covid-19率为148.1（95％CI 139.9至156.8），参与者在低饮食质量和高饮食质量的参与者的92.9（95％CI 86.6至99.5）中。相应的多变量调节的HR为0.84（95％CI 0.76至0.92，图2)．Nadir观察到相同的趋势Rt审查分析，其中每10 000人的原油Covid-19率为67.1（95％CI 61.7至73.0），参与者在饮食质量低，45.8（95％CI 41.3至50.5），适用于高饮食质量的参与者（多变量- 调整HR 0.89; 95％CI 0.80至1.00，图2).我们进一步调整了戴口罩的型号。该分析表明，与低饮食质量相比，高饮食质量与较低的新冠病毒-19风险相关，调整后的HR为0.88（95%可信区间0.83至0.94；在线补充表9)．
根据社区传播率和饮食质量确定COVID-19风险。基于不同社区传播率和饮食质量类别的估计的95%置信区间。峰Rt和最低点Rt使用(方法)定义。COVID-19风险估计的调整HRs和95% CI来自完全调整的Cox模型。
在对BMI的中介分析中，我们发现BMI中介37% (95% CI 30% - 44%;p<0.001)，也有证据表明饮食和COVID-19风险之间存在直接影响(HR 0.98: 95% CI 0.97至0.98;hPDI每增加1个SD;在线补充表10)．
讨论
在对英国和美国参与者进行的这项大型调查中，我们前瞻性地评估了COVID-19感染的风险和严重程度，发现以健康植物食品为特征的饮食模式与较低的COVID-19风险和严重程度有关。我们观察到饮食质量差和社会经济贫困增加的风险梯度与分别归因于每个因素的风险可加性不同，这表明在社会经济贫困程度较高的个人中，饮食与COVID-19的有益关联可能特别明显。
我们的研究结果与初步证据对齐，显示改善营养可能有助于减少传染病的负担。12 14 27此前的研究表明，花生四烯酸或亚油酸可部分抑制SARS-CoV-1和冠状病毒229E的复制，28特定营养素或膳食补充剂与适度降低COVID-19风险有关。29微量元素，维生素(A, B6B12氨基酸、长链-3脂肪酸(二十二碳六烯和二十碳五烯)和非营养生物活性物质，如多酚，在免疫系统功能和细胞因子释放方面具有关键作用，30并且可能部分解释了一些观察到的协会。该观察性研究的结果可以扩大以前的单一营养观察，并突出健康饮食模式的有益关联，这对严重Covid-19的风险最为明显。我们的调查结果同意对比较风险评估研究表明，饮食相关病症的患病率降低了10％，如肥胖和2型糖尿病，都将预防美国成年人中发生的Covid-19住院治疗〜11％2020年11月。31
健康饮食与较低的COVID-19风险之间的关联在生活在社会经济贫困程度较高地区的个人中显得尤为明显。我们的模型估计，如果两种暴露(饮食和剥夺)中的一种不存在，近三分之一的COVID-19病例本可以避免。虽然人口归因风险是一种特定于人口的计算，取决于暴露的流行程度及其与具有假定因果效应的疾病风险的关联，但我们承认，我们对人口归因风险的估计有几个局限性。首先，与所有的观察性研究一样，我们的估计并不一定表明因果效应。第二，估计的归因风险可能会随着SARS-CoV-2流行感染率的时间而改变。然而，我们的观察结果与生态学研究的数据一致，这些数据表明，生活在社会不平等加剧地区的人们可能有更高的COVID-19发病率和死亡率。32通过生成基于邮政编码信息的颗粒剥夺指数，我们的研究对以前的国家级生态研究进行了补充。此外，最近关于社会经济地位对COVID-19的影响的研究表明，社区层面的贫困指数与COVID-19风险和死亡率密切相关。33 34然而，社区内仍有可能存在贫困差异。需要进一步的研究，包括关于家庭特征、建筑环境或获得健康食品的信息，以扩大这些最初的联系。
我们的研究通过调查饮食质量与普通人群中COVID-19风险和严重程度之间的关系以及健康的社会决定因素，增加了知识。虽然我们的研究支持饮食质量与COVID-19风险和严重程度之间的有益关联，特别是在贫困程度较高的人群中，但我们不能完全排除残留混淆的可能性。饮食健康的人可能具有可能与较低感染风险相关的其他特征，如采取其他减轻风险行为、改善家庭条件和卫生或获得护理。然而，令人欣慰的是，尽管控制了SARS-CoV-2感染的其他替代标记物，如口罩佩戴或社区传播率，这是与病毒传播和COVID-19风险相关的两个最相关因素，但我们的发现是一致的。35这些调查结果表明，解决Covid-19风险和严重程度的差异应该考虑对健康食品作为健康的社会决定因素的认可。
我们承认有几个局限性。首先，作为一项观察性研究，我们无法证实饮食和covid - 19风险之间的直接因果关系或推断具体机制。其次，我们的研究人群不是随机抽样的人群。尽管我们试图最小化潜在的选择偏差，但我们认识到，我们的参与者主要是白人，与普通人群相比，他们不太可能生活在贫困地区。因此，我们的发现的普遍性需要在更多的研究中得到证实。第三，我们的结果可能会有偏差，因为饮食召回之间的时间间隔，在相关的暴露期(流行前)几个月后进行。然而，我们的敏感性分析(我们审查了饮食调查之前发生的案例)显示了一致的结果。第四，饮食问卷的自我报告性质容易产生测量误差和偏差，使用较短的食物频率调查可能会进一步降低所收集的饮食数据的分辨率。更准确的膳食摄入评估方法，如膳食摄入生物标志物的使用，将在未来的研究中有价值，36但也难以在大规模和时间敏感的调查中实施。第五，结果依赖于自我报告的数据。虽然存在错误分类，但自我报告和测试报告之间存在良好的一致性，具有88％的灵敏度和94％的特异性。此外，基于症状的算法提供了类似于Covid-19患病率和发病率的类似估计，因为来自国家统计界界感染调查局报告的那些。第六，根据具有氧气支持的报告，我们定义了严重Covid-19的风险，这可能没有捕获更严重或致命病例。我们承认，在管理饮食问卷之前，我们无法在饮食问卷之前包含可能已经死于Covid-19的参与者。
结论
总之，我们的数据提供了证据表明，即使在核算其他健康行为，健康和病毒传播措施的社会决定因素也会核算Covid-19和严重Covid-19的风险较低的证据表明健康饮食与较低的Covid-19和严重Covid-19有关。饮食质量与社会经济剥夺的联合结合大于添加与每个因素相关的风险，表明饮食质量可能在Covid-19易感性和进展中发挥直接影响。我们的研究结果表明，提高营养和差的代谢健康和地址健康的社会决定因素的公共卫生干预可能对减少大流行负担很重要。
数据可用性声明
本研究的饮食质量数据由Kings College伦敦Kings'学院进行举行。这些数据可以利用我们的正常程序向Bona FIDE研究人员使用我们的核心信托及其指导方针，以及核心资金的一部分（https://web.www.healthdatagateway.org/dataset/fdddcb382-3051-4394-8436- 392295f14259)．
伦理语句
患者同意出版
伦理批准
该研究方案得到了马萨诸塞州综合布里格姆人类研究委员会(协议2020P000909)和伦敦国王学院伦理委员会(REMAS ID 18210, LRS-19/20-18210)的批准。
致谢
我们衷心感谢所有在应用程序中输入数据的参与者，包括冠状病毒大流行病学(COPE)联盟的队列研究志愿者。我们感谢Zoe Global的工作人员，伦敦国王学院双胞胎研究部门和马萨诸塞州总医院临床和转化流行病学部门的工作人员，他们不知疲倦地工作，为研究的运行和数据收集做出了贡献。这项工作是使用由Cleghorn开发的短形式FFQ工具进行的https://doi.org/10.1017/S1368980016001099并列在营养素中（www.nutritools.org.） 图书馆。
参考
补充材料
-
补充数据
这个web唯一的文件已经由BMJ出版集团从作者(s)提供的电子文件产生，并没有为内容进行编辑。
脚注
JM、ADJ和LHN是共同的第一作者。
TDS，SB和ATC是联合高级作者。
啁啾@Riudecanyenc、@EmilyLeemingRD @DADrewPhD
贡献者JM、ADJ、LHN、ERL、TDS、SB和AC构思了研究设计。JM、ADJ、ERL、MSG、JC、BM和SS对统计分析有贡献。所有作者均参与数据采集、分析或解释。吉咪、伦和爸爸写了手稿的初稿。DAD、WW、SO、CJS、JW、PWF、TDS、SB和AC获得了资金。JM、ADJ和LHN提供行政、技术或物质支持。TDS、SB和AC共同监督这项工作。所有作者都对重要的学术内容的手稿进行了批判性修订，并批准了手稿的最终版本。相应的作者证明，所有列出的作者都符合作者身份标准，并且没有遗漏其他符合标准的作者。TDS、SB和AC是最后的联合作者。
资金美国国立卫生研究院(K01DK110267, K01DK120742, K23DK120899, K23DK125838, P30DK046200, P30DK40561, U01HL145386, R24ES028521)，英国医学研究理事会/工程和物理科学研究理事会(T213038/Z/18/Z)，威康信托基金(WT212904/Z/18/Z, WT203148/Z/16/Z)，英国国立卫生研究院(MR/M016560/1)T213038/Z/18/Z)、马萨诸塞州病原体准备协会(masscrp -003)、美国胃肠病学协会(AGA2021-5102)、美国糖尿病协会(7-21- jdmic -005)和阿尔茨海默病协会(AS-JF-17-011)。
免责声明资助方没有参与研究的设计和实施;数据的收集、管理、分析和解释;手稿的准备、审查或批准;并决定将手稿提交出版。
相互竞争的利益JW，CH，SS和JC是ZOE Ltd.TDS，ERL和SB，Zoe Ltd.爸爸，JM和AC以前担任调查人员的临床试验，使用支持的移动应用程序由Zoe Ltd.
来源和同行评审不是委托;外部同行评议。
补充材料此内容由作者提供。它没有被审查由BMJ出版集团有限公司(BMJ)和可能没有被同行审查。讨论的任何意见或建议仅仅是作者的那些(s)，并没有被BMJ认可。英国医学杂志否认所有责任和责任从任何信赖放置的内容。如果内容包括任何翻译材料，BMJ不保证翻译的准确性和可靠性(包括但不限于当地法规、临床指南、术语、药品名称和药物剂量)，并且不负责因翻译和改编或其他原因而产生的任何错误和/或遗漏。
请求权限
如果您希望重用本文的任何或全部，请使用下面的链接，它将带您到版权许可中心的RightsLink服务。您将能够获得一个快速的价格和即时许可，以许多不同的方式重用内容。