¿Qué alimentos pueden ser adictivos? Los roles de procesamiento, contenido graso y carga glucémica (2015)

Figuras

 

Cita: Schulte EM, Avena NM, Gearhardt AN (2015) ¿Qué alimentos pueden ser adictivos? Los roles de procesamiento, contenido de grasa y carga glucémica. PLoS ONE 10 (2): e0117959. doi: 10.1371 / journal.pone.0117959

Editor Académico: Tiffany L. Weir, Universidad Estatal de Colorado, ESTADOS UNIDOS

Recibido: Septiembre 30, 2014; Aceptado: Diciembre 26, 2014; Publicado: Febrero 18, 2015

Copyright: © 2015 Schulte et al. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia Creative Commons, que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio, siempre que el autor original y la fuente estén acreditados

Disponibilidad de datos: Los autores confirman que todos los datos necesarios para replicar los hallazgos actuales están disponibles públicamente a través del depósito de datos institucionales de la Universidad de Michigan, Deep Blue (http://hdl.handle.net/2027.42/109750).

Fondos: Este trabajo fue apoyado por el Instituto Nacional de Abuso de Drogas (NIDA) DA-03123 (NA); URL: http://www.drugabuse.gov. Los financiadores no tuvieron ningún papel en el diseño del estudio, la recopilación y el análisis de datos, la decisión de publicar o la preparación del manuscrito.

Conflicto de intereses: Los autores han declarado que no existen intereses en pugna.

Introducción

La prevalencia de obesidad en los Estados Unidos continúa aumentando, con más del 85% de adultos con sobrepeso u obesidad por 2030 [1]. Los costos de atención de salud asociados con la obesidad actualmente representan casi el 10% de los gastos nacionales de atención de salud [2] y se proyecta que aumenten a 15% en los próximos años 15 [1]. Ha habido poco éxito en la prevención del aumento de peso excesivo o en el desarrollo de tratamientos para perder peso que sean efectivos a largo plazo [3]. Múltiples causas contribuyen a la epidemia de obesidad, como una mayor ingesta de energía, mayor disponibilidad y facilidad de acceso a los alimentos, porciones más grandes y menor actividad física [4–6]. Si bien las causas de la obesidad son multifactoriales, un posible factor contribuyente es la idea de que ciertos alimentos pueden ser capaces de desencadenar una respuesta adictiva en algunos individuos, lo que puede llevar a una ingesta no intencional.

Gearhardt et al. El7] desarrolló y validó la Escala de Adicción a la Alimentación de Yale (YFAS), que utiliza los criterios del DSM-IV para la dependencia de sustancias para cuantificar los síntomas de una alimentación similar a la adictiva (ver Tabla 1). La "adicción a la comida" se caracteriza por síntomas como la pérdida del control sobre el consumo, el uso continuado a pesar de las consecuencias negativas y la incapacidad de reducirlo a pesar del deseo de hacerlo [8]. La alimentación de tipo adictivo se ha asociado con un aumento de la impulsividad y la reactividad emocional, que están implicadas de manera similar en los trastornos por uso de sustancias [9]. Por lo tanto, la "adicción a la comida" puede compartir atributos de comportamiento comunes con otros trastornos adictivos. Los estudios de neuroimagen también han revelado similitudes biológicas en los patrones de disfunción relacionada con la recompensa entre “adictos a la comida” e individuos dependientes de sustancias. Las personas que respaldan los síntomas de "adicción a la comida" muestran una mayor activación en las regiones relacionadas con la recompensa (p. Ej., Cuerpo estriado, corteza orbitofrontal medial) en respuesta a señales de comida, compatibles con otros trastornos adictivos [10]. Además, las puntuaciones más altas en el YFAS se han asociado con un índice genético compuesto de señalización de dopamina [11]. Este perfil genético multilocus se ha relacionado con la capacidad de señalización de la dopamina, que también puede ser un factor de riesgo para trastornos adictivos [12,13].

Descargar: 

• PPT

  Diapositiva de PowerPoint

• PNG

  Ampliar imagen (72KB)

• TIFF

  imagen original (321KB)

Tabla 1. Endoso de los síntomas YFAS en el estudio uno y dos.

doi: 10.1371 / journal.pone.0117959.t001

Al igual que el término "droga", que puede abarcar compuestos tanto adictivos (p. Ej., Heroína) como no adictivos (p. Ej., Aspirina), el término "alimento" también es amplio y se refiere no solo a los alimentos en su estado natural (p. Ej., Vegetales). pero también aquellos con cantidades agregadas de grasa y / o carbohidratos refinados (p. ej. pastel) o edulcorantes artificiales (p. ej., soda dietética). El término "adicción a la comida" se puede refinar aún más porque es altamente improbable que todos los alimentos sean adictivos. La identificación de los alimentos específicos o los atributos de los alimentos asociados con este tipo de alimentación patológica es esencial para un marco de adicción. Una perspectiva de adicción plantea un efecto de "persona x sustancia", donde la predisposición de un individuo a la adicción interactúa con un agente adictivo para dar como resultado un uso problemático [14]. Sin la exposición a una sustancia adictiva, una persona vulnerable a un uso problemático no desarrollaría una adicción [15]. Por lo tanto, aunque la evidencia sugiere que puede haber superposiciones biológicas y de comportamiento entre la "adicción a la comida" y los trastornos por uso de sustancias [16,17], el siguiente paso lógico es examinar qué alimentos específicos o atributos de los alimentos pueden ser capaces de desencadenar una respuesta adictiva.

Las sustancias adictivas rara vez se encuentran en su estado natural, pero se han alterado o procesado de una manera que aumenta su potencial de abuso. Por ejemplo, las uvas se transforman en vino y las amapolas se refinan en opio. Un proceso similar puede estar ocurriendo dentro de nuestro suministro de alimentos. Hay alimentos naturales que contienen azúcar (p. Ej., Frutas) o alimentos que naturalmente contienen grasa (p. Ej., Nueces). En particular, el azúcar (o los carbohidratos refinados) y la grasa rara vez se producen en el mismo alimento de forma natural, pero muchos alimentos sabrosos han sido procesados ​​para tener cantidades artificialmente elevadas de ambos (por ejemplo, pastel, pizza, chocolate). Además, en nuestro entorno alimentario moderno, ha habido un gran aumento en la disponibilidad de lo que a menudo se denomina "alimentos altamente procesados", o alimentos que se diseñan de una manera que aumenta la cantidad de carbohidratos refinados (es decir, azúcar, harina blanca) y / o grasa en la comida [18]. Aunque cocinar o remover es una forma de procesamiento, el estudio actual utiliza el término "altamente procesado" para referirse a los alimentos que han sido diseñados para ser particularmente gratificantes al agregar grasa y / o carbohidratos refinados. Los alimentos que tienen otros ingredientes agregados, como fibra o vitaminas, no serían considerados "altamente procesados" según la definición actual, a menos que la comida también tuviera niveles agregados de grasa y / o carbohidratos refinados. Es plausible que al igual que las drogas de abuso, estos alimentos altamente procesados ​​pueden ser más propensos a desencadenar respuestas biológicas y de comportamiento adictivas debido a sus niveles de recompensa antinaturalmente altos.

En los trastornos por uso de sustancias, un resultado del procesamiento de sustancias adictivas es a menudo una mayor concentración del agente adictivo [19]. Un aumento de la potencia, o dosis concentrada, de un agente adictivo aumenta el potencial de abuso de la sustancia. Por ejemplo, el agua tiene poco o ningún potencial de abuso, mientras que la cerveza (que contiene en promedio 5% de etanol) es más probable que se abuse de ella. En contraste, el licor fuerte contiene una dosis más alta de etanol (entre 20 y 75%) y es más probable que esté relacionado con el uso problemático que la cerveza [20]. De manera similar, la adición de grasa y carbohidratos refinados (como el azúcar) en alimentos altamente procesados ​​puede aumentar la "dosis" de estos ingredientes, más allá de lo que uno puede encontrar en un alimento natural (como en frutas o nueces). Aumentar la "dosis" de estos ingredientes puede elevar el potencial de abuso de estos alimentos de una manera similar a las sustancias tradicionalmente adictivas.

Además, las sustancias adictivas se alteran para aumentar la velocidad a la que el agente adictivo se absorbe en el torrente sanguíneo. Por ejemplo, cuando se mastica una hoja de coca, se considera que tiene poco potencial de adicción [21]. Sin embargo, una vez que se procesa en una dosis concentrada con entrega rápida en el sistema, se convierte en cocaína, que es altamente adictiva [22]. Del mismo modo, los alimentos altamente procesados, en comparación con los alimentos naturales, son más propensos a inducir un aumento de azúcar en la sangre. Esto es importante, porque existe un vínculo conocido entre los niveles de glucosa y la activación de las áreas del cerebro que están involucradas con la adicción [23]. Mientras que la carga glucémica (GL) y el índice glucémico (GI) de un alimento son medidas del aumento de azúcar en la sangre [24–26], el estudio actual utiliza GL porque se calcula utilizando no solo la magnitud del aumento de azúcar en la sangre, sino también la dosis (gramos) de carbohidratos refinados. Muchos alimentos con un alto GL (por ejemplo, pastel, pizza) han sido altamente procesados ​​para aumentar la concentración de carbohidratos refinados, como la harina blanca y el azúcar. Al mismo tiempo, la fibra, las proteínas y el agua se eliminan de los alimentos, lo que aumenta aún más la tasa de absorción de carbohidratos refinados en el sistema. Por ejemplo, el azúcar en un alimento altamente procesado y con alto GL, como una barra de chocolate con leche, se absorberá más rápidamente en el sistema que los azúcares naturales de un plátano (bajo GL). Esto se debe a que el plátano no está procesado y, a pesar de que contiene azúcar, también tiene fibra, proteínas y agua, lo que disminuye la velocidad a la que el azúcar entra en el torrente sanguíneo. Dado nuestro conocimiento de las sustancias adictivas, se puede suponer que el chocolate tendría un mayor potencial de abuso que el banano. En resumen, parece que los alimentos altamente procesados ​​pueden alterarse de manera similar a las sustancias adictivas para aumentar la potencia (dosis) y la tasa de absorción de los alimentos [27].

Aunque hay poca evidencia en los seres humanos de qué alimentos pueden ser adictivos, los modelos animales sugieren que los alimentos altamente procesados ​​están asociados con una alimentación similar a la de los adictos. Las ratas con una propensión a comer en exceso muestran un comportamiento adictivo en respuesta a los alimentos altamente procesados, como las galletas Oreo Double Stuf o el glaseado, pero no a su comida típica [28,29]. Las ratas mantenidas con una dieta de alimentos altamente procesados, como la tarta de queso, muestran una regulación negativa en el sistema de dopamina que también ocurre en respuesta a drogas de abuso [30]. Además, las ratas están motivadas para buscar alimentos altamente procesados ​​a pesar de las consecuencias negativas (shock del pie), que es otra característica de una adicción [31]. Por lo tanto, al menos en modelos animales, el consumo excesivo de alimentos altamente procesados, pero no el chow estándar de ratas, parece producir algunas características adictivas. Esto refuerza la idea de que no es probable que todos los alimentos estén asociados por igual con conductas alimentarias similares a las de los adictos.

La investigación con animales también ha investigado si los atributos de los alimentos que suelen agregarse a los alimentos altamente procesados, como el azúcar y la grasa, están particularmente implicados en la "adicción a los alimentos". En los animales, parece que el azúcar puede estar más asociado con una alimentación similar a la adictiva [32]. Las ratas que tienen acceso intermitente al azúcar en su dieta muestran una serie de indicadores de comportamiento de adicción, como el consumo excesivo, la tolerancia y la sensibilización cruzada a otras drogas de abuso [33]. Cuando se elimina el azúcar de la dieta o cuando se administra un antagonista de opiáceos, las ratas experimentan signos de abstinencia similar a los opiáceos, como ansiedad, rechinamiento de los dientes y agresión [33–35]. Se ha demostrado que el atracón de azúcar aumenta la unión del receptor mu-opioide [36] de manera similar a las drogas de abuso [37,38]. El consumo excesivo de sacarosa produce un aumento repetido de dopamina, en lugar de la disminución gradual con el tiempo, que es un sello distintivo de las sustancias adictivas [39,40]. Por lo tanto, las pruebas biológicas y de comportamiento en modelos animales sugieren que el azúcar puede ser un agente adictivo en alimentos altamente sabrosos.

Sin embargo, las ratas que consumen mucho azúcar no experimentan un aumento en el peso corporal [38]. Por lo tanto, la grasa también puede ser un atributo alimenticio importante para comer de manera adictiva, pero a través de diferentes mecanismos. El atracón en alimentos ricos en grasa (por ejemplo, el acortamiento) se asocia con un aumento en el peso corporal, pero puede no dar lugar a síntomas de abstinencia similares a los opiáceos [39]. Una explicación es que la grasa puede alterar los efectos sobre el sistema opioide o mejorar la palatabilidad de los alimentos [38,39]. Curiosamente, cuando las ratas consumen alimentos altamente procesados ​​con alto contenido de azúcar y grasa, experimentan cambios en el sistema de dopamina, similares a las drogas de abuso, pero no muestran signos de abstinencia similar a los opiáceos [32]. Esto sugiere que tanto el azúcar como la grasa pueden desempeñar funciones importantes, aunque distintas, en el potencial adictivo de los alimentos altamente procesados.

Poco se sabe acerca de cómo estas características de los alimentos pueden resultar en una alimentación similar a la de los seres humanos. Dados los hallazgos en animales, es más probable que los alimentos altamente procesados ​​se consuman de manera adictiva. Para las drogas de abuso, el procesamiento puede aumentar el potencial adictivo de una sustancia (por ejemplo, procesar uvas en vino) al elevar la dosis o concentración del agente adictivo y acelerar su tasa de absorción en el torrente sanguíneo. Aplicando esta lógica a los atributos de los alimentos, puede deducirse que los carbohidratos refinados (por ejemplo, el azúcar, la harina blanca) y la grasa son importantes contribuyentes a una alimentación similar a la de los adictos. Sin embargo, no es solo la presencia de estos nutrientes, ya que también aparecen en los alimentos naturales. Más bien, es probable que aumente el potencial adictivo de un alimento si el alimento está altamente procesado para aumentar la cantidad o la dosis de grasa y / o carbohidratos refinados y si los carbohidratos refinados se absorben rápidamente en el torrente sanguíneo (GL alto). Un siguiente paso esencial en la consideración de la "adicción a la comida" es determinar qué alimentos o atributos de los alimentos representan el mayor riesgo en el desarrollo de conductas alimentarias similares a las de los seres humanos.

La parte inicial del presente estudio es la primera en examinar sistemáticamente qué alimentos y atributos de los alimentos están más implicados en la "adicción a los alimentos". Específicamente, los participantes completan el YFAS, que examina los indicadores de comportamiento de una alimentación adictiva y luego se les pide que identifiquen con qué alimentos tienen más probabilidades de experimentar problemas, como se describe en el YFAS, de un conjunto de alimentos 35 que varían en los niveles de procesamiento, grasa, y GL. Estos atributos nutricionales de interés se seleccionaron según la literatura sobre adicciones y las propiedades farmacocinéticas (p. Ej., Dosis, tasa de absorción) de drogas de abuso. Este enfoque nos permite clasificar los alimentos 35 de la mayoría a los menos asociados con conductas alimentarias de tipo adictivo basadas en las respuestas de los participantes. Además, la segunda parte del estudio actual examina qué atributos de los alimentos están implicados en la alimentación adictiva, al examinar el nivel de procesamiento, GL y la cantidad de grasa de un alimento. También utilizamos modelos lineales jerárquicos para investigar si los atributos de los alimentos (p. Ej., La cantidad de grasa) están más relacionados con el comportamiento de alimentación adictivo de ciertos individuos. Específicamente, exploramos si el sexo, el índice de masa corporal (IMC) y el respaldo de los síntomas en el YFAS alteran la asociación entre los atributos de los alimentos y la alimentación de tipo adictivo. Por ejemplo, el IMC puede estar asociado con un mayor deseo por alimentos con alto contenido de grasa y sal, como el tocino y las papas fritas [41]. Por lo tanto, diferentes atributos de los alimentos pueden ser más o menos relevantes para una alimentación similar a la adictiva, según las características del participante. En resumen, el estudio actual aborda una brecha existente en la literatura al examinar qué alimentos o atributos de los alimentos están implicados en la "adicción a los alimentos" y explora si ciertos atributos de los alimentos son particularmente relevantes según el género, el IMC y el respaldo de conductas alimentarias similares a las de los adictos. .

Estudio uno

Métodos

Declaración de Ética

La Junta de Revisión Institucional de Ciencias de la Conducta y la Salud de la Universidad de Michigan aprobó el estudio actual (HUM00082154) y se obtuvo un consentimiento informado por escrito de todos los participantes.

Participantes

Los participantes incluyeron estudiantes universitarios de 120, que fueron reclutados de volantes en el campus o a través del Grupo de temas de psicología introductoria de la Universidad de Michigan. Los participantes reclutados a través de volantes fueron compensados ​​($ 20) y los individuos reclutados a través del Grupo de materias introductorias de psicología recibieron crédito del curso por su tiempo. Los participantes tenían edades 18 a 23 (media = 19.27 años, SD = 1.27), 67.5% eran mujeres, 72.5% eran caucásicos, 19.2% eran asiáticos / isleños del Pacífico, 5% eran hispanos, 4.2% eran afroamericanos y 2.4% eran otros. El IMC osciló entre el bajo peso y la obesidad (media = 23.03, SD = 3.20).

Procedimientos y Medidas de Evaluación.

Los participantes completaron el YFAS [7], que es una medida de autoinforme del ítem 25 que operacionaliza conductas alimentarias de tipo adictivo basadas en los criterios del DSM-IV para la dependencia de sustancias. Las instrucciones para el YFAS estimulan al participante a pensar en alimentos con alto contenido de grasa y / o carbohidratos refinados cuando leen la frase "ciertos alimentos" en las preguntas. Por ejemplo, una pregunta dice: "Con el tiempo, he descubierto que necesito comer cada vez más de ciertos alimentos para obtener la sensación que quiero, como reducir las emociones negativas o aumentar el placer". El estudio actual tuvo como objetivo identificar qué alimentos eran más propensos a ser consumidos de una manera adictiva. Con el fin de evitar el cebado, eliminamos el lenguaje en las instrucciones de YFAS que indicaban a las personas que debían pensar en alimentos con alto contenido de grasa y / o carbohidratos refinados y lo reemplazamos con la siguiente frase: "Cuando las siguientes preguntas pregunten sobre" ciertos alimentos ", por favor piensa en cualquier comida con la que hayas tenido problemas el año pasado ".

A continuación, desarrollamos una tarea de elección forzada, donde a los participantes se les proporcionaron las siguientes instrucciones: “El cuestionario anterior preguntó sobre los problemas que las personas pueden tener con ciertos alimentos. Estamos interesados ​​en cuáles alimentos pueden ser los más problemáticos para usted. En la siguiente tarea, se le presentarán los alimentos. Elija el alimento con el que tiene más probabilidades de experimentar problemas. Un ejemplo de lo que entendemos por "problemas" es tener problemas para reducir los alimentos o perder el control sobre la cantidad de alimentos que consume. Un ejemplo de lo que no entendemos por "problemas" es sentir que no está comiendo lo suficiente de la comida ". Luego, a los participantes se les presentaron dos imágenes de comida a la vez, de un banco de alimentos 35 y se seleccionaron cuáles uno con el que tenían más probabilidades de experimentar "problemas", como lo describe el YFAS. Las imágenes de los alimentos iban acompañadas de un texto que describía el artículo (por ejemplo, una galleta), y si ciertos alimentos se consumían comúnmente de múltiples maneras que podían cambiar notablemente su información nutricional, se usaban indicadores para especificar el tipo de presentación de alimentos que se estaba examinando. Por ejemplo, los pepinos se consumen comúnmente con salsas de vegetales que contienen grasa agregada. Por lo tanto, especificamos que estábamos interesados ​​en la posibilidad de experimentar conductas alimentarias problemáticas con pepinos no acompañados por la inmersión. Cada alimento se comparó con todos los demás alimentos al final de la tarea de elección forzada. A continuación, los participantes informaron información demográfica (origen étnico, género, año en la escuela y edad) y se midieron la altura, el peso y la última.

Set de estimulo alimenticio

Los alimentos se seleccionaron sistemáticamente para tener niveles variables de procesamiento (los alimentos 18 se clasificaron como "altamente procesados", marcados por la adición de grasa y / o contenido de carbohidratos refinados (por ejemplo, pastel, chocolate, pizza, papas fritas), los alimentos 17 se categorizaron como “No procesado” (p. Ej., Banana, zanahorias, nueces), grasa (M = 8.57g, SD = 9.18, rango = 0 – 30), sodio (M = 196.57mg, SD = 233.97, rango = 0 – 885), azúcar (M = 7.40g, SD = 9.82, rango = 0 – 33), carbohidratos (M = 20.74g, SD = 16.09, rango = 0 – 56), GL (M = 10.31, SD = 9.07, rango = 0 – 29), fibra ( M = 1.69g, SD = 2.39, rango = 0 – 10), proteína (M = 7.89g, SD = 11.12, rango = 0 – 43), y carbohidratos netos (por ejemplo, gramos de carbohidratos menos gramos de fibra) (M = 19.09g, SD = 15.06, rango = 0 – 49) Las correlaciones entre los principales atributos nutricionales de interés fueron: procesamiento / grasa, r = 0.314, p > 0.05; procesamiento / GL, r = 0.756, p <0.01; y grasa / GL, r = 0.239, p > 0.05. Debido a la alta correlación entre procesamiento y GL, no los incluimos simultáneamente en ningún modelo estadístico. Los alimentos se clasifican en aproximadamente cuatro categorías: 1) altos en grasas y carbohidratos / azúcar refinados (por ejemplo, chocolate, papas fritas), 2) altos en grasas pero no en carbohidratos / azúcar refinados (por ejemplo, queso, tocino), 3) altos en refinados carbohidratos / azúcar pero no grasa (por ejemplo, pretzels, refrescos), o 4) bajos en grasas y carbohidratos / azúcar refinados (por ejemplo, brócoli, pollo). Los datos nutricionales se obtuvieron de www.nutritiondata.com o sitios web de empresas de alimentos y en base al tamaño de la porción estándar. Las imágenes se obtuvieron de fuentes digitales disponibles de imágenes de alimentos y se presentaron durante la tarea utilizando el software E-Prime 2.0 [42]. Los alimentos se exhibieron en color sobre un fondo blanco y fueron de igual tamaño.

Plan de análisis de datos

Para cada alimento, el resultado fue la frecuencia para la cual ese alimento fue seleccionado como más problemático, como lo describe el YFAS, que otros alimentos. Dado que cada alimento se comparó con todos los demás alimentos en la tarea, el número máximo de veces que un alimento pudo haber sido reportado como problemático fue 34. Por lo tanto, cuanto más problemático se informó que era un alimento, mayor era la probabilidad de que el recuento de frecuencia de los alimentos se acercara o alcanzara 34.

Resultados y discusión

Los síntomas de YFAS variaron de 0 a 6 (media = 1.85, SD = 1.33). Tabla 1 muestra la frecuencia con la que se endosó cada síntoma YFAS. El recuento de síntomas YFAS se asoció con el IMC (r = 0.211, p = 0.020), pero no género. Aunque hubo una asociación significativa del recuento de síntomas YFAS con el IMC, la asociación no fue lo suficientemente grande como para plantear preocupaciones sobre la multicolinealidad. Tabla 2 proporciona el recuento de frecuencia promedio y el orden de clasificación de los alimentos 35. El nivel de procesamiento parecía ser el atributo más influyente para determinar si un alimento estaba asociado con conductas alimentarias problemáticas y adictivas. Por ejemplo, los diez principales alimentos elegidos con mayor frecuencia durante la tarea fueron altamente procesados, con cantidades añadidas de grasa y carbohidratos refinados / azúcar (por ejemplo, chocolate, pizza, pastel). Además, trece alimentos sin procesar constituyen el final de la lista, lo que significa que estos alimentos fueron los menos asociados con los problemas descritos en el YFAS.

Descargar: 

• PPT

  Diapositiva de PowerPoint

• PNG

  Ampliar imagen (124KB)

• TIFF

  imagen original (634KB)

Tabla 2. Estudio uno: recuento de frecuencia promedio de la frecuencia con la que se seleccionó un alimento como problemático.¹

doi: 10.1371 / journal.pone.0117959.t002

Según la hipótesis, los alimentos altamente procesados ​​(con grasa agregada y / o carbohidratos refinados) parecían estar más asociados con los indicadores de comportamiento de una alimentación similar a la de los adictos. Para explorar esto más a fondo, el Estudio Dos examinó qué alimentos están implicados en la alimentación adictiva en una muestra más representativa y diversa. Además, utilizamos una variable de resultado que nos permitió emplear el modelado lineal jerárquico [43] y explore si las diferencias individuales moderan qué atributos de los alimentos se informaron como problemáticos y se vincularon con los indicadores de comportamiento de una alimentación adictiva.

Estudio dos

Métodos

Declaración de Ética

La Junta de Revisión Institucional de Ciencias de la Conducta y la Salud de la Universidad de Michigan aprobó el estudio actual (HUM00089084) y se obtuvo un consentimiento informado por escrito de todos los participantes.

Participantes

Se reclutó a un total de participantes de 398 utilizando el grupo de trabajadores de Mechanical Turk (MTurk) de Amazon para completar un estudio sobre conductas alimentarias y se les pagó ($ 0.40) por su tiempo, que es una compensación comparable para otros estudios que utilizan MTurk [44]. Paolacci y Chandler [44] observó que aunque el grupo de trabajadores de MTurk no es representativo a nivel nacional, es diverso y puede reemplazar o complementar las muestras de conveniencia tradicionales. Los individuos se excluyeron del análisis si informaron información fuera de los límites posibles (n = 1) (p. Ej., Peso de 900 libras), para informar la edad fuera de nuestro rango definido 18-65 (n = 8), para omitir género (n = 3) o por responder incorrectamente a las "preguntas de captura" (n = 2), que intentó identificar a las personas que proporcionaron respuestas sin leer los elementos de la pregunta. Participantes (n = 384) se envejecieron de 18 a 64 (media = 31.14, SD = 9.61), 59.4% eran hombres, 76.8% eran caucásicos, 12% eran asiáticos o de las islas del Pacífico, 8.9% eran afroamericanos, 6.5% eran hispanos y 2.8% eran otros. El IMC, según lo calculado por la autoevaluación de la altura y el peso, osciló entre bajo peso y obesidad (media = 26.95, SD = 6.21) y los síntomas de YFAS variaron de 0 a 7 (media = 2.38, SD = 1.73). Tabla 1 muestra la frecuencia con la que se endosó cada síntoma YFAS. El recuento de síntomas YFAS se asoció con el IMC (r = 0.217, p <0.001) pero no el género.

Procedimientos y Medidas de Evaluación.

Los participantes completaron la versión antes mencionada de la YFAS, que no incluía información sobre la preparación de alimentos, y se les presentaron instrucciones para una versión adaptada de la tarea de elección forzada en el Estudio uno. En lugar de comparar cada alimento entre sí, se les pidió a los participantes que calificaran la probabilidad de que experimentaran problemas, como lo describe el YFAS, con cada uno de los alimentos 35 en una escala Likert de 1 (para nada problemática) a 7 (extremadamente problemático). También se recopiló información demográfica (origen étnico, género, ingreso y edad) y la talla y el peso informados por los mismos.

Plan de análisis de datos

Modelado lineal jerárquico con errores estándar robustos [43] se utilizó para analizar la relación entre las características nutricionales de los alimentos y las calificaciones de los alimentos. Se realizó un análisis de regresión de dos niveles, que consiste en las calificaciones de los participantes de los alimentos 35 en el nivel uno, anidados dentro de los participantes de 384 en el nivel dos. Este enfoque analítico nos permitió evaluar 1) las influencias de las características específicas de los alimentos en la calificación que representa la probabilidad de que los alimentos estuvieran asociados con los indicadores de comportamiento de la alimentación adictiva (en el nivel uno) y 2) las influencias idiográficas de los participantes específicos características de la relación entre las características específicas de los alimentos y las calificaciones de los alimentos (en el nivel dos).

Resultados

Tabla 3 proporciona la calificación media asignada a cada alimento en orden clasificado. Los productos alimenticios con calificaciones más altas se informaron como más problemáticos, según lo indicado por los comportamientos alimenticios similares a los adictivos descritos en el YFAS. Consistente con el Estudio Uno, los alimentos altamente procesados ​​o los alimentos con cantidades agregadas de grasa y / o carbohidratos refinados fueron los que más se asociaron con conductas alimentarias similares a las de los adictos. Nueve de los diez alimentos en la parte superior de la lista fueron altamente procesados ​​y altos en grasa y carbohidratos refinados. La soda (no la dieta) fue la excepción, que está altamente procesada y es alta en carbohidratos refinados, pero no en grasas.

Descargar: 

• PPT

  Diapositiva de PowerPoint

• PNG

  Ampliar imagen (120KB)

• TIFF

  imagen original (623KB)

Tabla 3. Estudio dos: las calificaciones promedio de los alimentos se basan en la escala Likert de 7 puntos (1 = no es problemático en absoluto, 7 = extremadamente problemático).¹

doi: 10.1371 / journal.pone.0117959.t003

Clasificación y procesamiento de alimentos

En la ecuación de nivel uno, la variable de procesamiento codificada ficticia (altamente procesada y no procesada) se especificó como un efecto principal para las calificaciones de alimentos de cada participante.

Ecuación de nivel uno para el procesamiento como predictor de la calificación de un alimento:

La intersección de la ecuación de nivel uno (β₀) se puede interpretar como la calificación de alimentos pronosticada por el modelo cuando la variable de procesamiento es cero, lo que indica un alimento sin procesar. En este caso, el modelo predice una calificación de 2.147 para un alimento no procesado. La pendiente parcial (β₀) indica el impacto que el nivel de procesamiento tiene en la calificación de un alimento. En este modelo de nivel uno, el valor de 0.689 para β₁ indicaría que la calificación de un alimento aumenta en 0.689 puntos para un alimento altamente procesado, en relación con el no procesado.

Las pruebas de ji cuadrado revelaron una variación significativa entre los participantes en el parámetro de intercepción y utilización (procesamiento) en el nivel uno, χ²(383) = 2172.10 y 598.72 respectivamente, p <0.001. Esto significa que las características específicas de los participantes tuvieron un efecto en la asociación entre el nivel de procesamiento de un alimento y las calificaciones de los alimentos. Por lo tanto, se realizaron análisis de nivel dos y ambos parámetros se trataron como efectos aleatorios.

Las ecuaciones de nivel dos exploraron si los predictores de variabilidad específicos de los participantes emergieron para los dos parámetros aleatorios de nivel uno. Se examinaron los factores predictivos específicos del participante de IMC (centrado), recuento de síntomas YFAS (centrado) y género (con codificación ficticia). Intercepta en las ecuaciones de nivel dos (γ₀₀ y γ₁₀) se interpretan como el valor promedio de cada parámetro de nivel uno para un participante con valores medios (o cero si están codificados de manera ficticia) en todos los predictores de nivel dos. Por ejemplo, γ₁₀ significa el impacto promedio del procesamiento en las calificaciones de alimentos para un participante masculino (sexo = 0) del IMC promedio y el recuento de síntomas. Además, las pendientes parciales en cada ecuación de nivel dos miden el impacto del procesamiento en las clasificaciones de alimentos asociadas con un aumento de una unidad en el predictor específico del participante de nivel dos. Por ejemplo, γ₁₂ se interpreta como el cambio en el impacto del procesamiento que se produce por cada síntoma adicional respaldado en el YFAS, manteniendo otros predictores de nivel dos en sus valores medios.

Ecuaciones de nivel dos para predictores específicos de participantes de parámetros de nivel uno

La calificación promedio de los alimentos. γ₀₀ fue 2.241; el participante promedio calificó los alimentos no procesados ​​con un promedio de 2.241 en la escala Likert de 1 a 7. El examen de las interceptaciones para el parámetro de utilización sugirió un efecto significativo del procesamiento en las calificaciones de alimentos del participante promedio. Los tamaños del efecto se calcularon utilizando los procedimientos recomendados por Oishi y colegas [45]. El procesamiento fue un predictor grande y positivo del grado en que un alimento fue reportado como problemático y asociado con conductas alimentarias de tipo adictivo (γ₁₀ = 0.653, d = 1.444, p <0.001). La calificación de alimentos del participante promedio para un alimento altamente procesado fue 0.653 puntos más alta que la calificación para un alimento sin procesar. En otras palabras, el participante promedio informó una calificación de 2.241 para alimentos no procesados ​​y una calificación de 2.894 para alimentos altamente procesados ​​(2.241 + 0.653). Por lo tanto, el modelo sugiere que los participantes informaron más indicadores de comportamiento de una alimentación adictiva con alimentos altamente procesados.

El recuento de síntomas de YFAS fue un predictor positivo de moderado a grande para las clasificaciones de alimentos problemáticos de alimentos no procesados, al controlar el IMC y el género (γ₀₁ = 0.157, d = 0.536, p <0.001). El género también emergió como un pequeño predictor positivo de si un alimento no procesado se reportó como problemático, y los hombres informaron más problemas con los alimentos no procesados ​​que las mujeres (γ₀₃ = -0.233, d = 0.236, p <0.022). Surgieron dos predictores de variabilidad específicos de cada participante para el parámetro de procesamiento de nivel uno. El IMC fue un predictor pequeño y positivo para las calificaciones de alimentos de los alimentos altamente procesados ​​al controlar los efectos de la sintomatología de YFAS y el género (γ₁₂ = 0.012, d = 0.235, p = 0.023); los aumentos en el IMC se asociaron con elevadas clasificaciones de alimentos problemáticos para alimentos altamente procesados. Además, el recuento de síntomas de YFAS emergió como un predictor positivo de pequeño a moderado para el efecto del procesamiento en las calificaciones de los alimentos cuando se controla el IMC y el género (γ₁₁ = 0.063, d = 0.324, p = 0.002); cada aumento de una unidad en el recuento de síntomas se asoció con un aumento de 0.063 en la calificación de un alimento altamente procesado. Por lo tanto, cuando se informaron las clasificaciones de alimentos de los problemas de alimentación de tipo adictivo, el nivel de procesamiento fue particularmente importante para las personas con un IMC elevado y los síntomas de una alimentación de tipo adictivo. Finalmente, el género no se asoció significativamente con el parámetro de procesamiento de nivel uno.

Clasificación de alimentos, grasa y GL

A continuación, examinamos qué atributos adicionales de los alimentos aumentan la probabilidad de experimentar problemas con un determinado alimento, según lo especificado por el YFAS. Con el fin de mitigar la multicolinealidad y obtener más información sobre qué características de los alimentos pueden asociarse más fuertemente con una alimentación similar a la adictiva, ejecutamos un segundo modelo que no incluía el procesamiento. Basado en la literatura sobre adicciones, este segundo modelo especificaba la grasa y la GL como atributos de interés de los alimentos, ya que ambos pueden tener implicaciones potenciales para la dosis y la tasa de absorción. Específicamente, los alimentos altamente procesados ​​aumentan la dosis (o la cantidad) de grasa y / o carbohidratos refinados. Además, GL captura no solo la dosis de carbohidratos refinados, sino también la velocidad a la que se absorben en el sistema. Por lo tanto, estos atributos de los alimentos parecen captar similitudes farmacocinéticas potenciales entre los alimentos altamente procesados ​​y las drogas de abuso.

La ecuación de nivel uno indicó dos efectos principales en las clasificaciones de alimentos de los participantes en cuanto a las conductas alimentarias problemáticas y adictivas: grasa (centrada) y GL (centrada). La intersección de la ecuación de nivel uno (β₀) refleja la clasificación de alimentos pronosticada por el modelo para un alimento con gramos de grasa promedio y GL promedio. Las pendientes parciales (β₁ y β₂) se interpretan como el impacto de la grasa y la GL, respectivamente, en las calificaciones de los alimentos.

Ecuación de nivel uno para grasa y GL como predictor de la calificación de un alimento

Las pruebas de ji cuadrado revelaron una variación significativa en las calificaciones de los participantes de los alimentos que varían en GL, χ² (383) = 524.218, p <0.001, pero no gramos de grasa (χ² (383) = 404.791, p = 0.213). Por lo tanto, solo se examinaron los predictores específicos del participante de la intercepción y la GL. Los tres parámetros fueron tratados como efectos aleatorios. Los mismos predictores de nivel dos (es decir, síntomas YFAS, IMC, género) se ingresaron en este modelo para examinar el cambio en el impacto de GL en las calificaciones de los alimentos según las características específicas de los participantes.

Ecuaciones de nivel dos para predictores específicos de participantes de parámetros de nivel uno

Un participante con valores medios (o cero si está codificado de manera ficticia) en los parámetros de nivel dos informó una calificación promedio de 2.62 para un alimento con un promedio de grasa y valores de GL (γ₀₀). Se encontró que el contenido de grasa era un predictor grande y positivo de la calificación de un alimento (γ₁₀ = 0.025, d = 1.581, p <0.001), lo que significa que la calificación de un alimento de problemas alimentarios de tipo adictivo aumentó en 0.025 por cada aumento de una unidad en gramos de grasa del valor promedio. En otras palabras, se informó que los alimentos con un contenido elevado de grasas estaban relacionados con problemas alimentarios de tipo adictivo. Aunque se ha propuesto al sodio como otro contribuyente importante a la alimentación de tipo adictivo, la multicolinealidad entre el sodio y la grasa evita que estas variables se ubiquen en el mismo modelo (r = .623, p <0.001). Evaluamos la grasa y el sodio de forma independiente, y aunque ambos fueron predictores de nivel uno significativos, determinamos que la grasa tenía un tamaño de efecto mayor que el sodio (grasa: d = 1.853, p <0.001; sodio: d = 1.223, p <0.001). Por lo tanto, se utilizó grasa en el segundo modelo.

GL también fue un predictor grande y positivo de las calificaciones de alimentos (γ₂₀ = 0.021, d = 0.923, p <0.001), lo que indica que la calificación de un alimento de comportamiento alimentario problemático aumentó en 0.021 por cada aumento de una unidad en GL del promedio. Además, encontramos que GL tuvo un tamaño de efecto significativamente mayor que el azúcar o los carbohidratos netos cuando se incluyó en nuestro segundo modelo con grasa (GL: d = 0.923; azúcar: d = 0.814; carbohidratos netos: d = 0.657). Por lo tanto, GL, que captura tanto la cantidad de carbohidratos refinados como la rapidez con que son absorbidos por el sistema, parece estar particularmente asociado con una alimentación problemática, según lo define el YFAS.

El recuento de síntomas de YFAS fue un predictor grande y positivo de las calificaciones de alimentos para un alimento con gramos de grasa promedio y GL, controlando los efectos del IMC y el género (γ₀₁ = 0.180, d = 0.645, p <0.001) Surgió un predictor de variabilidad específico de un participante para el parámetro de nivel uno de GL. El recuento de síntomas de YFAS fue un pequeño predictor positivo de la calificación de un alimento basado en GL cuando se controla el IMC y el género (γ₂₁ = 0.003, d = 0.297, p = 0.004); cada aumento de una unidad en el respaldo de recuento de síntomas se asoció con un aumento de 0.003 en la calificación de alimentos para un alimento con un promedio de GL. Por lo tanto, cuando se informa de un comportamiento alimentario problemático, la GL fue particularmente importante para las personas que informaron síntomas de una alimentación similar a la de los adictos. El género y el IMC no se asociaron significativamente con la calificación de los alimentos asociados con GL.

Resumen

En resumen, el nivel de procesamiento surgió como un predictor grande y positivo de las clasificaciones de alimentos de comportamiento alimentario problemático y adictivo. La sintomatología YFAS y el género (masculino) fueron factores predictivos de si un individuo informó problemas con un alimento no procesado. Además, el recuento de síntomas de la YFAS y el IMC surgieron como factores de predicción positivos para la asociación entre los alimentos altamente procesados ​​y las clasificaciones del comportamiento alimentario problemático, según lo indica la YFAS. Por lo tanto, las personas con un IMC elevado y / o síntomas de una alimentación similar a la adictiva tenían más probabilidades de informar que experimentaban conductas similares a la de la adicción a los alimentos altamente procesados. Además, la grasa y el GL fueron predictores significativos de las clasificaciones de alimentos problemáticos. El recuento de síntomas de YFAS surgió como un factor predictivo positivo para las calificaciones de los alimentos para el alimento “promedio” con gramos medios de grasa y valores de GL. Finalmente, la GL fue particularmente predictiva de las clasificaciones de alimentos problemáticos para las personas con un recuento elevado de síntomas de YFAS, lo que significa que las personas que respaldan conductas alimentarias similares a las adictivas tenían más probabilidades de reportar problemas con los alimentos con GL alta.

Discusión

Aunque la evidencia de la "adicción a la comida" sigue creciendo, no hay estudios anteriores que hayan examinado qué alimentos o atributos de los alimentos están probablemente implicados en una alimentación parecida a la adicción. La identificación de un perfil potencialmente adictivo en ciertos alimentos es importante para mejorar nuestra comprensión del concepto de "adicción a los alimentos" y para informar sobre la educación de salud pública y las iniciativas de políticas alimentarias [46–48].

En una muestra de estudiantes universitarios, observamos que los alimentos altamente procesados ​​con niveles agregados de grasa y / o carbohidratos refinados (como la harina blanca y el azúcar), tenían más probabilidades de estar asociados con conductas alimentarias similares a las de los adictos. Además, planteamos la hipótesis de que los gramos de grasa y GL de un alimento también pueden ser predictivos, según la farmacocinética de sustancias adictivas (p. Ej., Dosis, velocidad de absorción rápida). Esto se examinó utilizando una muestra participante más diversa en el Estudio Dos, que de hecho encontró que el procesamiento, la grasa y la GL eran predictivos de si un alimento estaba asociado con una conducta alimentaria problemática y adictiva, como lo describe el YFAS. Además, los individuos con un IMC elevado y / o un recuento de síntomas YFAS informaron mayores dificultades con los alimentos altamente procesados, y los hombres indicaron que los alimentos no procesados ​​(p. Ej., Bistec, nueces, queso) eran más problemáticos que las mujeres. Aunque los comedores similares a los adictivos reportaron más problemas en general, el alto GL fue particularmente indicativo de si un alimento estaba asociado con conductas alimentarias similares a las adictivas para los participantes que respaldaban los síntomas de "adicción a los alimentos". y si un alimento estaba relacionado con una alimentación problemática y adictiva.

Características específicas de los alimentos

Procesamiento

El procesamiento parece ser un factor de distinción esencial para determinar si un alimento está asociado con indicadores de comportamiento de una alimentación adictiva. Los alimentos altamente procesados ​​se alteran para ser particularmente gratificantes mediante la adición de grasas y / o carbohidratos refinados (como la harina blanca y el azúcar). Mientras que cocinar o remover es una forma de procesamiento, los alimentos que se han cocinado o removido pero que no contienen grasa agregada y / o carbohidratos refinados (por ejemplo, bistec) no se clasifican como altamente procesados ​​en el estudio actual. Los hallazgos actuales apoyan y amplían la literatura preclínica [7,49,50] al demostrar que todos los alimentos no están igualmente implicados en la alimentación de tipo adictivo, y los alimentos altamente procesados, que no ocurren en la naturaleza, parecen ser los más problemáticos, como lo describe el YFAS. Por lo tanto, parece que un alimento no procesado, como una manzana, es menos probable que provoque una respuesta adictiva que un alimento altamente procesado, como una galleta. El hallazgo de que el procesamiento fue el factor más predictivo para determinar si un alimento se asoció con conductas alimentarias de tipo adictivo es una evidencia preliminar para restringir el alcance de qué alimentos están implicados en el concepto de "adicción a los alimentos". Se necesitan investigaciones futuras para determinar si adicción a la comida "puede ser más apropiadamente titulada" adicción a la comida altamente procesada ".

Carga glucémica (GL)

Si bien el nivel de procesamiento era un factor de predicción positivo y grande para determinar si un alimento podría estar implicado en una alimentación similar a la adictiva, fue necesario examinar qué atributos de los alimentos asociados con los alimentos altamente procesados ​​están relacionados con problemas de alimentación similares a los de la adicción. La GL de un alimento refleja no solo la cantidad de carbohidratos refinados en un alimento, sino también la velocidad con que se absorben en el sistema. De manera similar, es bien sabido que con sustancias adictivas, una dosis concentrada de un agente adictivo y su rápida tasa de absorción aumentan el potencial adictivo. Investigaciones anteriores han sugerido que los alimentos con mayor GL pueden ser capaces de activar los circuitos neurales relacionados con la recompensa (por ejemplo, el estriado), similares a las sustancias adictivas, y aumentar el deseo y el hambre, lo que puede llevar a comer en exceso [23,24,51,52]. Por lo tanto, planteamos la hipótesis de que el GL de un alimento, una medida del aumento de azúcar en la sangre después del consumo, sería predictivo de una alimentación similar a la de un adicto. Observamos que la GL fue un predictor grande y positivo de si un alimento fue reportado como problemático, especificado por el YFAS. Además, encontramos que el GL era más predictivo que el contenido de azúcar o carbohidratos netos para problemas relacionados con la alimentación adictiva. Por lo tanto, parece que no es solo la cantidad de carbohidratos refinados (como la harina blanca y el azúcar) en un alimento, sino la velocidad rápida en la que se absorben en el sistema lo que es el factor predictivo más importante de si un alimento en particular está asociado. Con indicadores de comportamiento de la alimentación adictiva.

Grasa

También planteamos la hipótesis de que la cantidad de gramos de grasa sería importante para predecir si un alimento se asoció con problemas relacionados con una alimentación similar a la adictiva. Estudios previos indican que la grasa puede mejorar la palatabilidad en la boca y activar regiones cerebrales somatosensoriales [53,54]. En el estudio actual, encontramos que un mayor contenido de grasa era un predictor grande y significativo de una alimentación problemática y adictiva. Además, parece que mayores cantidades de grasa pueden aumentar la probabilidad de que un alimento se consuma de manera problemática, independientemente de las diferencias individuales y no únicamente para aquellos que informan que consumen alimentos de manera adictiva.

Factores de diferencia individual

YFAS

Los síntomas de YFAS se asociaron con las clasificaciones de problemas relacionados con la alimentación de tipo adictivo para alimentos no procesados ​​y para alimentos con contenido promedio de grasa y GL. Por lo tanto, las personas con puntuaciones YFAS elevadas generalmente pueden experimentar un comportamiento alimentario más problemático que las personas que no informan que consumen alimentos de manera adictiva. El recuento de síntomas YFAS también fue un predictor positivo de pequeño a moderado para la relación entre las clasificaciones de alimentos problemáticos y el procesamiento. En otras palabras, los individuos que respaldan los síntomas de una alimentación similar a la adictiva tenían una probabilidad especial de reportar problemas, como lo indica el YFAS, con alimentos altamente procesados, lo cual es consistente con la hipótesis de que estos alimentos pueden tener un mayor potencial adictivo.

La sintomatología de YFAS también se relacionó con una mayor asociación entre GL y las clasificaciones de alimentos problemáticos. En otras palabras, los individuos que respaldan los síntomas de una alimentación similar a la adictiva informaron una mayor dificultad con los alimentos que contienen carbohidratos refinados de rápida absorción, que producen una gran alza de azúcar en la sangre. Esto refuerza la importancia compartida de la tasa de absorción en alimentos potencialmente adictivos y drogas de abuso. Curiosamente, el consumo problemático de alimentos con un alto índice glucémico (IG), otra medida del aumento de azúcar en la sangre que está relacionado con la GL, se ha relacionado con el desarrollo de trastornos por consumo de sustancias de nueva aparición en pacientes bariátricos postquirúrgicos, y los alimentos con IG alto pueden activar regiones cerebrales relacionadas con la recompensa (por ejemplo, núcleo accumbens, estriado) después del consumo [23,55]. Esto proporciona evidencia adicional del papel de la GL y del aumento de azúcar en la sangre en la experiencia de una respuesta potencialmente adictiva a ciertos alimentos.

La aprobación de una conducta alimentaria adictiva no se asoció con la relación entre el contenido de grasa y las clasificaciones de alimentos problemáticos. Puede ser que las personas generalmente informen sobre el consumo problemático de alimentos con alto contenido de grasa, pero la grasa es menos predictiva de si alguien realmente experimenta un proceso similar al adictivo en respuesta a un determinado alimento. Esto se apoya en modelos animales que demuestran que la abstinencia de tipo opiáceo, un marcador de un proceso adictivo, se observa en respuesta a la extracción de sacarosa de la dieta pero no a la grasa [32]. En el estudio actual, parece que la cantidad de grasa predice si un alimento es reportado como problemático, independientemente de las diferencias individuales, pero no está fuertemente asociado con el respaldo de una conducta de comer adictiva. Esto sugiere que la grasa puede estar relacionada con una tendencia general a comer en exceso, lo que puede tener implicaciones para la salud pública en la prevención y el tratamiento de la alimentación problemática. Además, muchos alimentos altamente procesados ​​con grasas agregadas a menudo también contienen carbohidratos refinados agregados (por ejemplo, chocolate, papas fritas). Por lo tanto, se justifica la investigación adicional para desenredar el poder predictivo único de la grasa y los carbohidratos refinados / GL.

IMC y género

El IMC fue un pequeño predictor positivo de si un alimento altamente procesado se asoció con una alimentación problemática y adictiva. Esto sugiere que el procesamiento puede no solo aumentar el "potencial adictivo" de un alimento, sino también desempeñar un papel en la epidemia de obesidad. El IMC elevado no se relacionó con la relación de grasa o GL con las calificaciones de los alimentos. El estudio actual encontró que los hombres informaron más problemas con los alimentos no procesados ​​(p. Ej., Bistec, queso) que las mujeres, lo que sugiere que los hombres pueden experimentar un comportamiento alimentario problemático con una variedad más amplia de alimentos.

Limitaciones

El presente estudio tuvo algunas limitaciones. Primero, los datos para el Estudio Dos se recopilaron utilizando Amazon MTurk. Si bien la muestra participante fue más representativa que la población de pregrado del Estudio Uno, no se puede considerar una muestra representativa a nivel nacional [56] y la replicación puede aumentar la generalización. De manera similar, dado que los estudios actuales examinaron a estudiantes universitarios y adultos, los hallazgos pueden no ser aplicables a estudiantes o jóvenes no universitarios. Además, la gama de rangos de alimentos era limitada. Los alimentos que se informaron como los más problemáticos tenían calificaciones promedio de solo 4, lo que significa que ningún alimento se clasificó en promedio como extremadamente problemático (una puntuación de 7). Intuitivamente, esto tiene sentido, ya que nuestra muestra va desde individuos que no reportan síntomas de alimentación similares a los que cumplen con los criterios diagnósticos de "adicción a la comida". Se espera que algunas personas no experimenten síntomas de alimentación similares a los de los alimentos. Los estudios futuros pueden considerar la escala de la magnitud de la etiqueta [57]. En comparación con las escalas de Likert, los enfoques de escala de magnitud de etiqueta intentan abordar las diferencias individuales en la severidad percibida de la alimentación problemática que pueden diferir según el nivel de patología. Finalmente, no recopilamos datos de observación para evaluar la frecuencia con la que se consumieron estos alimentos, lo cual es un paso importante en esta investigación. También se desconoce si el contexto de consumo (p. Ej., Un refrigerio, una comida, un episodio de atracón) puede influir en si un alimento está asociado con indicadores de comportamiento de una alimentación similar a la de los adictos. Por lo tanto, los hallazgos actuales se limitan a los informes de los participantes sobre si se percibe que ciertos alimentos están asociados con una conducta alimentaria adictiva. Finalmente, la altura y el peso fueron autoinformados en el Estudio Dos, lo que puede llevar a imprecisiones. Si bien varios estudios han encontrado que la altura y el peso autoinformados están altamente correlacionados con las mediciones directas [58,59], la investigación adicional puede considerar utilizar la medición directa.

Conclusiones

En resumen, el estudio actual encontró que los alimentos altamente procesados, con cantidades agregadas de grasa y / o carbohidratos refinados (por ejemplo, azúcar, harina blanca), tenían más probabilidades de estar asociados con indicadores de comportamiento de una alimentación similar a la de los adictos. Además, los alimentos con alto GL se relacionaron especialmente con problemas de alimentación similares a los adictivos en individuos que respaldan los síntomas elevados de "adicción a la comida". lo cual es consistente con la importancia de la dosis y la tasa de absorción en el potencial adictivo de las drogas de abuso. En conjunto, los resultados proporcionan evidencia preliminar de los alimentos y los atributos de los alimentos implicados en la "adicción a los alimentos" y de los paralelismos propuestos entre las propiedades farmacocinéticas de las drogas de abuso y los alimentos altamente procesados. Como un próximo paso importante en la evaluación de la "adicción a la comida", los estudios futuros también deberían ampliar los hallazgos actuales al medir las respuestas biológicas y observar directamente las conductas alimentarias asociadas con los alimentos altamente procesados ​​para examinar si los mecanismos similares a los adictivos, como el retiro Y la tolerancia, puede estar presente.

AGRADECIMIENTOS

Gracias a Kathy Welch, anteriormente en el Centro de Consultoría e Investigación Estadística de la Universidad de Michigan, por su ayuda con el análisis de datos, a Kendrin Sonneville, Profesora Asistente en el Programa de Nutrición Humana de la Escuela de Salud Pública de la Universidad de Michigan, para su experiencia en nutrición, a Susan Murray, miembro del laboratorio de la Dra. Avena en la Universidad de Columbia, por sus valiosos comentarios, y a los asistentes de investigación en el Laboratorio de Ciencia de Alimentos y Adicciones y Tratamiento por su ayuda con la recopilación de datos.

Contribuciones de autor

Concebido y diseñado los experimentos: ES AG. Realizó los experimentos: ES AG. Analicé los datos: ES AG. Reactivos aportados / materiales / herramientas de análisis: NA AG. Escribió el papel: ES NA AG.

Referencias

1. 1. Wang Y, Beydoun MA, Liang L, Caballero B, Kumanyika SK (2008) ¿Todos los estadounidenses tendrán sobrepeso u obesidad? Estimación de la progresión y el costo de la epidemia de obesidad en los Estados Unidos. Obesidad 16: 2323 – 2330. doi: 10.1038 / oby.2008.351. pmid: 18719634
   • Ver artículo
   • PubMed / NCBI
   • Google Scholar
2. 2. Mokdad AH, Serdula MK, Dietz WH, Bowman BA, Marks JS, et al. (2000) La epidemia continua de obesidad en los Estados Unidos. JAMA 284: 1650 – 1651. pmid: 11015792 doi: 10.1001 / jama.284.13.1650
3. Ver artículo
4. PubMed / NCBI
5. Google Scholar
6. Ver artículo
7. PubMed / NCBI
8. Google Scholar
9. Ver artículo
10. PubMed / NCBI
11. Google Scholar
12. Ver artículo
13. PubMed / NCBI
14. Google Scholar
15. Ver artículo
16. PubMed / NCBI
17. Google Scholar
18. Ver artículo
19. PubMed / NCBI
20. Google Scholar
21. Ver artículo
22. PubMed / NCBI
23. Google Scholar
24. Ver artículo
25. PubMed / NCBI
26. Google Scholar
27. Ver artículo
28. PubMed / NCBI
29. Google Scholar
30. Ver artículo
31. PubMed / NCBI
32. Google Scholar
33. Ver artículo
34. PubMed / NCBI
35. Google Scholar
36. Ver artículo
37. PubMed / NCBI
38. Google Scholar
39. Ver artículo
40. PubMed / NCBI
41. Google Scholar
42. Ver artículo
43. PubMed / NCBI
44. Google Scholar
45. Ver artículo
46. PubMed / NCBI
47. Google Scholar
48. Ver artículo
49. PubMed / NCBI
50. Google Scholar
51. Ver artículo
52. PubMed / NCBI
53. Google Scholar
54. Ver artículo
55. PubMed / NCBI
56. Google Scholar
57. Ver artículo
58. PubMed / NCBI
59. Google Scholar
60. Ver artículo
61. PubMed / NCBI
62. Google Scholar
63. Ver artículo
64. PubMed / NCBI
65. Google Scholar
66. Ver artículo
67. PubMed / NCBI
68. Google Scholar
69. Ver artículo
70. PubMed / NCBI
71. Google Scholar
72. Ver artículo
73. PubMed / NCBI
74. Google Scholar
75. Ver artículo
76. PubMed / NCBI
77. Google Scholar
78. Ver artículo
79. PubMed / NCBI
80. Google Scholar
81. Ver artículo
82. PubMed / NCBI
83. Google Scholar
84. Ver artículo
85. PubMed / NCBI
86. Google Scholar
87. Ver artículo
88. PubMed / NCBI
89. Google Scholar
90. Ver artículo
91. PubMed / NCBI
92. Google Scholar
93. Ver artículo
94. PubMed / NCBI
95. Google Scholar
96. Ver artículo
97. PubMed / NCBI
98. Google Scholar
99. Ver artículo
100. PubMed / NCBI
101. Google Scholar
102. Ver artículo
103. PubMed / NCBI
104. Google Scholar
105. Ver artículo
106. PubMed / NCBI
107. Google Scholar
108. Ver artículo
109. PubMed / NCBI
110. Google Scholar
111. Ver artículo
112. PubMed / NCBI
113. Google Scholar
114. Ver artículo
115. PubMed / NCBI
116. Google Scholar
117. Ver artículo
118. PubMed / NCBI
119. Google Scholar
120. Ver artículo
121. PubMed / NCBI
122. Google Scholar
123. 3. Wadden TA, Butryn ML, Byrne KJ (2004) Eficacia de la modificación del estilo de vida para el control de peso a largo plazo. Obes Res 12 Suppl: 151S – 162S. pmid: 15687411 doi: 10.1038 / oby.2004.282
124. 4. Taubes G (1998) A medida que aumentan las tasas de obesidad, los expertos se esfuerzan por explicar por qué. Ciencia 280: 1367 – 1368. pmid: 9634414 doi: 10.1126 / science.280.5368.1367
125. Ver artículo
126. PubMed / NCBI
127. Google Scholar
128. Ver artículo
129. PubMed / NCBI
130. Google Scholar
131. Ver artículo
132. PubMed / NCBI
133. Google Scholar
134. Ver artículo
135. PubMed / NCBI
136. Google Scholar
137. Ver artículo
138. PubMed / NCBI
139. Google Scholar
140. Ver artículo
141. PubMed / NCBI
142. Google Scholar
143. Ver artículo
144. PubMed / NCBI
145. Google Scholar
146. Ver artículo
147. PubMed / NCBI
148. Google Scholar
149. Ver artículo
150. PubMed / NCBI
151. Google Scholar
152. Ver artículo
153. PubMed / NCBI
154. Google Scholar
155. Ver artículo
156. PubMed / NCBI
157. Google Scholar
158. Ver artículo
159. PubMed / NCBI
160. Google Scholar
161. Ver artículo
162. PubMed / NCBI
163. Google Scholar
164. Ver artículo
165. PubMed / NCBI
166. Google Scholar
167. Ver artículo
168. PubMed / NCBI
169. Google Scholar
170. Ver artículo
171. PubMed / NCBI
172. Google Scholar
173. 5. Bulik CM, Sullivan PF, Kendler KS (2003) Contribuciones genéticas y ambientales a la obesidad y la alimentación compulsiva. Revista Internacional de Trastornos de la Alimentación 33: 293 – 298. pmid: 12655626 doi: 10.1002 / eat.10140
174. 6. Wright SM, Aronne LJ (2012) Causas de la obesidad. Imágenes abdominales 37: 730 – 732. pmid: 22426851 doi: 10.1007 / s00261-012-9862-x
175. 7. Gearhardt AN, Corbin WR, Brownell KD (2009) Validación preliminar de la Escala de Adicción a la Alimentación de Yale. Appetite 52: 430 – 436. doi: 10.1016 / j.appet.2008.12.003. pmid: 19121351
176. 8. Gearhardt AN, White MA, Potenza MN (2011) Trastorno por atracón y adicción a la comida. Revisiones actuales sobre abuso de drogas 4: 201. pmid: 21999695 doi: 10.2174 / 1874473711104030201
177. 9. Davis C, Curtis C, Levitan RD, Carter JC, Kaplan AS, et al. (2011) Evidencia de que la "adicción a la comida" es un fenotipo válido de la obesidad. Appetite 57: 711 – 717. doi: 10.1016 / j.appet.2011.08.017. pmid: 21907742
178. 10. Gearhardt AN, Yokum S, Orr PT, Stice E, Corbin WR, et al. (2011) Correlatos neurales de la adicción a la comida. Archivos de psiquiatría general 68: 808 – 816. doi: 10.1001 / archgenpsychiatry.2011.32. pmid: 21464344
179. 11. Davis C, Loxton NJ, Levitan RD, Kaplan AS, Carter JC, et al. (2013) 'Adicción a la comida' y su asociación con un perfil genético multilocus dopaminérgico. Physiol Behav 118: 63 – 69. doi: 10.1016 / j.physbeh.2013.05.014. pmid: 23680433
180. 12. Nikolova YS, Ferrell RE, Manuck SB, Hariri AR (2011) El perfil genético multilocus para la señalización de la dopamina predice la reactividad del estriado ventral. Neuropsicofarmacología 36: 1940 – 1947. doi: 10.1038 / npp.2011.82. pmid: 21593733
181. 13. Stice E, Yokum S, Burger K, Epstein L, Smolen A (2012) El compuesto genético multilocus que refleja la capacidad de señalización de dopamina predice la capacidad de respuesta de los circuitos de recompensa. J Neurosci 32: 10093 – 10100. doi: 10.1523 / JNEUROSCI.1506-12.2012. pmid: 22815523
182. 14. Koob GF, Le Moal M (2005) Plasticidad de los neurocircuitos de recompensa y el "lado oscuro" de la adicción a las drogas. Nat Neurosci 8: 1442 – 1444. pmid: 16251985 doi: 10.1038 / nn1105-1442
183. 15. Bierut LJ (2011) Vulnerabilidad genética y susceptibilidad a la dependencia de sustancias. Neuron 69: 618 – 627. doi: 10.1016 / j.neuron.2011.02.015. pmid: 21338875
184. 16. Volkow ND, Wang GJ, Fowler JS, Tomasi D, Baler R (2012) Recompensa de alimentos y drogas: circuitos superpuestos en la obesidad humana y la adicción. Curr Top Behav Neurosci 11: 1 – 24. doi: 10.1007 / 7854_2011_169. pmid: 22016109
185. 17. Volkow ND, Wang GJ, Tomasi D, Baler RD (2013) Obesidad y adicción: superposiciones neurobiológicas. Obes Rev 14: 2 – 18. doi: 10.1111 / j.1467-789X.2012.01031.x. pmid: 23016694
186. 18. Monteiro CA, Levy RB, Claro RM, Castro IR, Cannon G (2010) Una nueva clasificación de alimentos basada en el alcance y el propósito de su procesamiento. Cad Saude Publica 26: 2039–2049. pmid: 21180977 doi: 10.1590 / s0102-311 × 2010001100005
187. 19. Henningfield JE, Keenan RM (1993) Cinética de entrega de nicotina y responsabilidad por abuso. J Consulte Clin Psychol 61: 743 – 750. pmid: 8245272 doi: 10.1037 // 0022-006x.61.5.743
188. 20. Klatsky AL, Armstrong MA, Kipp H (1990) Correlatos de preferencia de bebidas alcohólicas: rasgos de las personas que eligen vino, licor o cerveza. Br J Addict 85: 1279 – 1289. pmid: 2265288 doi: 10.1111 / j.1360-0443.1990.tb01604.x
189. 21. Hanna JM, Hornick CA (1977) Uso de hoja de coca en el sur del Perú: adaptación o adicción. Bull Narc 29: 63 – 74. pmid: 585582
190. 22. Verebey K, Gold MS (1988) De las hojas de coca a la galleta: los efectos de la dosis y las rutas de administración en responsabilidad de abuso. Anales psiquiátricos 18: 513 – 520. doi: 10.3928 / 0048-5713-19880901-06
191. 23. Lennerz BS, Alsop DC, Holsen LM, Stern E, Rojas R, et al. (2013) Efectos del índice glucémico de la dieta en las regiones del cerebro relacionadas con la recompensa y el deseo en los hombres. Soy J Clin Nutr 98: 641 – 647. doi: 10.3945 / ajcn.113.064113. pmid: 23803881
192. 24. Ebbeling CB, Leidig MM, Sinclair KB, Hangen JP, Ludwig DS (2003) Una dieta de carga glucémica reducida en el tratamiento de la obesidad adolescente. Arch Pediatr Adolesc Med 157: 773 – 779. pmid: 12912783 doi: 10.1001 / archpedi.157.8.773
193. 25. Wolever TM, Jenkins DJ, Jenkins AL, Josse RG (1991) El índice glucémico: metodología e implicaciones clínicas. Soy J Clin Nutr 54: 846 – 854. pmid: 1951155
194. 26. Willett W, Manson J, Liu S (2002) Índice glucémico, carga glucémica y riesgo de diabetes tipo 2. Soy J Clin Nutr 76: 274S – 280S. pmid: 12081851
195. 27. Gearhardt AN, Davis C, Kuschner R, Brownell KD (2011) El potencial de adicción de los alimentos hiperpalables. Abuso de drogas curr 4: 140 – 145. pmid: 21999688 doi: 10.2174 / 1874473711104030140
196. 28. Klump KL, Racine S, Hildebrandt B, Sisk CL (2013) Diferencias de sexo en los patrones de alimentación compulsiva en ratas adultas macho y hembra. Int J Eat Disord 46: 729 – 736. doi: 10.1002 / eat.22139. pmid: 23625647
197. 29. Boggiano MM, Artiga AI, Pritchett CE, Chandler-Laney PC, Smith ML, et al. (2007) El alto consumo de alimentos sabrosos predice el atracón independiente de la susceptibilidad a la obesidad: un modelo animal de atracón y obesidad magra versus obesa con y sin atracón. Int J Obes (Lond) 31: 1357 – 1367. pmid: 17372614 doi: 10.1038 / sj.ijo.0803614
198. 30. Johnson PM, Kenny PJ (2010) Receptores de dopamina D2 en disfunción de recompensa similar a la adicción y alimentación compulsiva en ratas obesas. La neurociencia de la naturaleza 13: 635 – 641. doi: 10.1038 / nn.2519. pmid: 20348917
199. 31. Oswald KD, Murdaugh DL, King VL, Boggiano MM (2011) Motivación para una comida sabrosa a pesar de las consecuencias en un modelo animal de comer en exceso. Revista internacional de trastornos de la alimentación 44: 203 – 211. doi: 10.1002 / eat.20808. pmid: 20186718
200. 32. Avena NM, Rada P, Hoebel BG (2009) El azúcar y el atracón de grasa tienen notables diferencias en el comportamiento adictivo. J Nutr 139: 623 – 628. doi: 10.3945 / jn.108.097584. pmid: 19176748
201. 33. Avena NM, Bocarsly ME, Rada P, Kim A, Hoebel BG (2008) Después de un atracón diario de una solución de sacarosa, la privación de alimentos induce ansiedad y un desequilibrio de dopamina / acetilcolina accumbens. Fisiología y comportamiento 94: 309–315. doi: 10.1016 / j.nephro.2014.10.004. pmid: 25597033
202. 34. Cottone P, Sabino V, Steardo L, Zorrilla EP (2007) El contraste negativo anticipatorio dependiente de los opioides y la ingesta de atracones en ratas con acceso limitado a alimentos altamente preferidos. Neuropsicofarmacología 33: 524 – 535. pmid: 17443124 doi: 10.1038 / sj.npp.1301430
203. 35. Galic MA, Persinger MA (2002) Consumo voluminoso de sacarosa en ratas hembras: aumento del "sabor picante" durante los períodos de eliminación de sacarosa y posible periodicidad estral. Informes psicológicos 90: 58 – 60. pmid: 11899012 doi: 10.2466 / pr0.2002.90.1.58
204. 36. Colantuoni C, Schwenker J, McCarthy J, Rada P, Ladenheim B, et al. (2001) La ingesta excesiva de azúcar altera la unión a los receptores de dopamina y opioides mu en el cerebro. Neuroreport 12: 3549 – 3552. pmid: 11733709 doi: 10.1097 / 00001756-200111160-00035
205. 37. Bailey A, Gianotti R, Ho A, Kreek MJ (2005) Regulación al alza persistente de los receptores opioides μ, pero no de adenosina, en cerebros de ratas tratadas con cocaína extraídas a largo plazo y en dosis elevadas. Synapse 57: 160 – 166. pmid: 15945065 doi: 10.1002 / syn.20168
206. 38. Avena NM (2010) El estudio de la adicción a la comida utilizando modelos animales de atracones. Appetite 55: 734 – 737. doi: 10.1016 / j.appet.2010.09.010. pmid: 20849896
207. 39. Avena NM, Rada P, Hoebel BG (2009) El azúcar y el atracón de grasa tienen notables diferencias en el comportamiento adictivo. La revista de nutrición 139: 623 – 628. doi: 10.3945 / jn.108.097584. pmid: 19176748
208. 40. Rada P, Avena NM, Hoebel BG (2005) Los atracones diarios de azúcar liberan repetidamente dopamina en la cáscara de los accumbens. Neurociencia 134: 737 – 744. pmid: 15987666 doi: 10.1016 / j.neuroscience.2005.04.043
209. 41. Rodin J, Mancuso J, Granger J, Nelbach E (1991) Antojos de alimentos en relación con el índice de masa corporal, la restricción y los niveles de estradiol: un estudio de medidas repetidas en mujeres sanas. Appetite 17: 177 – 185. pmid: 1799280 doi: 10.1016 / 0195-6663 (91) 90020-s
210. 42. Schneider W, Eschman A, Zuccolotto A (2002) E-Prime: Guía del usuario: Psychology Software Incorporated.
211. 43. Raudenbush SW, Bryk AS (2002) Modelos lineales jerárquicos: Aplicaciones y métodos de análisis de datos: Sage.
212. 44. Paolacci G, Chandler J (2014) Dentro del turco Comprendiendo al turco mecánico como grupo de participantes. Direcciones actuales en la ciencia psicológica 23: 184 – 188. doi: 10.1177 / 0963721414531598
213. 45. Oishi S, Ishii K, Lun J (2009) Movilidad residencial y condicionalidad de la identificación del grupo. Revista de psicología social experimental 45: 913 – 919. doi: 10.1016 / j.jesp.2009.09.001
214. 46. Gearhardt AN, Roberts M, Ashe M (2013) Si el azúcar es adictivo ... ¿qué significa para la ley? J Law Med Ethics 41 Suppl 1: 46 – 49. doi: 10.1111 / jlme.12038. pmid: 23590740
215. 47. Gearhardt AN, Brownell KD (2013) ¿Pueden los alimentos y la adicción cambiar el juego? Psiquiatría Biol 73: 802 – 803. doi: 10.1016 / j.biopsych.2012.07.024. pmid: 22877921
216. 48. Gearhardt AN, Grilo CM, DiLeone RJ, Brownell KD, Potenza MN (2011) ¿Pueden los alimentos ser adictivos? Salud pública y sus implicaciones políticas. Adicción 106: 1208 – 1212. doi: 10.1111 / j.1360-0443.2010.03301.x. pmid: 21635588
217. 49. Gearhardt AN, Corbin WR, Brownell KD (2009) Adicción a la comida: un examen de los criterios diagnósticos de dependencia. J Addict Med 3: 1 – 7. doi: 10.1097 / ADM.0b013e318193c993. pmid: 21768996
218. 50. Pelchat ML (2002) De la esclavitud humana: ansia de comida, obsesión, compulsión y adicción. Physiol Behav 76: 347 – 352. pmid: 12117571
219. 51. Ebbeling CB, Ludwig DS (2001) Tratamiento de la obesidad en los jóvenes: ¿debería considerarse la carga glucémica en la dieta? Adv Pediatr 48: 179 – 212. pmid: 11480757
220. 52. Thornley S, McRobbie H, Eyles H, Walker N, Simmons G (2008) La epidemia de obesidad: ¿es el índice glucémico la clave para desbloquear una adicción oculta? Med Hipótesis 71: 709 – 714. doi: 10.1016 / j.mehy.2008.07.006. pmid: 18703288
221. 53. Stice E, Burger KS, Yokum S (2013) Capacidad relativa de los sabores de grasa y azúcar para activar las regiones de recompensa, gustativa y somatosensorial. Soy J Clin Nutr 98: 1377 – 1384. doi: 10.3945 / ajcn.113.069443. pmid: 24132980
222. 54. Grabenhorst F, Rolls ET (2014) Representación de la textura de la grasa oral en la corteza somatosensorial humana. Hum Brain Mapp 35: 2521 – 2530. doi: 10.1002 / hbm.22346. pmid: 24038614
223. 55. Fowler L, Ivezaj V, Saules KK (2014) La ingesta problemática de alimentos con alto índice de azúcar / bajo en grasa y alto índice glucémico por parte de pacientes bariátricos se asocia con el desarrollo de trastornos de uso de sustancias postoperatorio de nueva aparición. Coma Behav 15: 505 – 508. doi: 10.1016 / j.eatbeh.2014.06.009. pmid: 25064307
224. 56. Berinsky AJ, Huber GA, Lenz GS (2012) Evaluación de mercados laborales en línea para investigación experimental: Amazon. El turco mecánico de com. Análisis político 20: 351 – 368. doi: 10.1093 / pan / mpr057
225. 57. Bartoshuk LM, Duffy VB, Green BG, Hoffman HJ, Ko CW, et al. (2004) Comparaciones válidas de todo el grupo con escalas etiquetadas: la coincidencia de gLMS versus magnitud. Physiol Behav 82: 109 – 114. pmid: 15234598 doi: 10.1016 / j.physbeh.2004.02.033
226. 58. Kuczmarski MF, Kuczmarski RJ, Najjar M (2001) Efectos de la edad en la validez de la altura, el peso y el índice de masa corporal autoinformados: hallazgos de la Tercera Encuesta Nacional de Examen de Salud y Nutrición, 1988 – 1994. J Am Diet Assoc 101: 28 – 34; prueba 35 – 26. pmid: 11209581 doi: 10.1016 / s0002-8223 (01) 00008-6
227. 59. White MA, Masheb RM, Grilo CM (2010) Exactitud del peso y la talla autoinformados en el trastorno por atracón: el mal informe no está relacionado con factores psicológicos. Obesidad (Silver Spring) 18: 1266 – 1269. doi: 10.1038 / oby.2009.347. pmid: 19834465