аспирант, Устьинский пр-д, д. 2/14, г. Москва, 109240;
начальник отдела социально-гигиенического мониторинга анализа и прогнозирования, Варшавское ш., д. 19а, г. Москва, 117105
postgraduate student, 2/14 Ustinsky Drive, Moscow, 109240;
Head of the Department of Public Health Monitoring, Analysis and Forecasting, 19A Varshavskoe Highway, Moscow, 117105
д.б.н., заведующий лабораторией химии пищевых продуктов,
Устьинский пр-д, д. 2/14, г. Москва, 109240
Dr. Sci. (Biol.), Head of the Laboratory of Food Chemistry, Federal Research Centre for Nutrition, Biotechnology and Food Safety,
2/14 Ustinsky Drive, Moscow, 109240
Введение. Оценка фактического питания населения как на индивидуальном, так и на популяционном уровне зависит от корректности данных химического состава пищевых продуктов. Молоко является важным составляющим любого рациона, и корректная оценка потребляемых с ним микро- и макронутриентов необходима для оценки здоровья населения.
Цель: разработка алгоритма получения статистически корректных значений средних концентраций и вариабельности основных микро- и макронутриентов в молоке.
Материалы и методы. Для разработки и апробации алгоритма использовались данные лабораторных исследований молока различной жирности, выполненные в рамках федерального проекта «Укрепление общественного здоровья» в 2020–2021 гг. лабораториями Роспотребнадзора.
Результаты. Исследования молока характеризовались большим количеством пропущенных и выпадающих значений, в связи с чем потребовалась соответствующая корректировка алгоритма. Наилучшую разделяющую способность показал подход разделения молока на кластеры по содержанию жира и кальция. Были получены три кластера, характеризующие виды молока, а именно – молоко с жирностью 2,5 % и средним содержанием кальция на уровне 1144 мг/л, с жирностью 3,2 % и средним содержанием кальция на уровне 1180 мг/л, а также молоко с содержанием кальция на уровне 597 мг/л и обоими уровнями содержания жира. Корректность алгоритма обеспечена проверкой на полноту данных жирнокислотного состава и малой вариабельностью значений.
Заключение. Разработанный алгоритм позволил получить актуальные сведения о химическом составе молока, представленного в торговых точках в Российской Федерации. При этом особое беспокойство вызывает наличие молока с малым содержанием кальция, недостаточным при среднем потреблении молока для удовлетворения физиологических потребностей населения. При этом содержание насыщенных жиров не превышало 2,2/100 г для группы с максимальным содержание жира, что не вызывает дополнительных опасений с точки зрения влияния на здоровье. Дальнейшие исследования должны быть направлены на определение допустимых и корректных этапов предобработки данных, которые позволят сохранить баланс между получаемой точностью значений и реальной их воспроизводимостью.
Introduction: The assessment of actual nutrition of the population, both at the individual and population level, strongly depends on the accuracy of data on the chemical composition of food products. Milk is an important component of a diet, and a precise estimation of micro- and macronutrients consumed with it is essential for public health assessment.
Objective: To develop an algorithm for obtaining statistically accurate values of average concentrations and variability of basic micro- and macronutrients in milk.
Materials and methods: To elaborate and check the algorithm, we used milk fat test results collected within the Federal Project on Public Health Strengthening by the laboratories of the Federal Service for Consumer Rights Protection and Human Wellbeing (Rospotrebnadzor) in the years 2020–2021.
Results: Due to numerous missing and outlying values of milk composition testing, an appropriate adjustment of the algorithm was necessary. The best separating ability was demonstrated by the approach of dividing types of milk into clusters based on their fat and calcium content. The three clusters obtained included milk with a 2.5 % fat content and the average calcium concentration of 1,144 mg/L, milk with a 3.2 % fat content and the average calcium concentration of 1,180 mg/L, and milk with both fat contents and the mean calcium level of 597 mg/L. The algorithm was validated by checking the completeness of data on the fatty acid composition and a low variability of values.
Conclusion: The developed algorithm has enabled us to obtain up-to-date information on the chemical composition of milk sold by food retailers in the Russian Federation. Low-calcium milk on the market is of special concern as its average consumption fails to satisfy human physiological needs. At the same time, the content of saturated fat was below 2.2 g/100 g in the cluster of milk types with the maximum fat content, thus raising no additional health concerns. Further studies should be aimed at determining the acceptable and correct stages of data preprocessing that maintain a balance between the obtained accuracy of values and their actual reproducibility.
The authors declare that there are no conflicts of interest present.