2026年卫生副高级职称考试(营养与食品卫生)经典试题及答案

2026年卫生副高级职称考试(营养与食品卫生)经典试题及答案1.某社区开展老年人营养状况调查，随机抽取65岁以上男性120名，测量其血清白蛋白含量，均值为38.5g/L，标准差为3.2g/L。已知当地同年龄段男性血清白蛋白含量的参考值范围为36.0-48.0g/L。请根据上述资料回答：(1)该社区被调查老年男性血清白蛋白的总体均数的95%可信区间是多少？(2)根据参考值范围，如何评价该社区老年男性的血清白蛋白平均水平？(3)若想将总体均数95%可信区间的宽度控制在2.0g/L以内，至少需要多大的样本量？(α=0.05)答案与解析：(1)计算总体均数的95%可信区间。本题为大样本（n=120>50），采用正态近似法。可信区间公式为：¯X±，其中。已知¯X=38.5，S=计算标准误：。则95%可信区间为：38.5±1.96×(2)评价该社区老年男性的血清白蛋白平均水平。参考值范围（36.0-48.0g/L）描述的是健康个体某项指标值的波动范围，主要用于个体临床诊断。总体均数的可信区间（37.928-39.072g/L）描述的是根据样本推断的总体均数可能所在的范围，用于评价群体平均水平。该社区老年男性血清白蛋白总体均数的95%可信区间的下限（37.928g/L）高于参考值范围的下限（36.0g/L），且整个可信区间位于参考值范围内偏低区域。这表明从群体角度看，该社区老年男性的平均血清白蛋白水平处于正常参考范围内，但平均水平偏向正常值的下限，提示该群体可能存在营养状况边缘不足的风险，需要关注蛋白质摄入状况。(3)计算所需样本量。可信区间宽度W=2××。此处σ用样本标准差S=解得≥=6.272，故向上取整，至少需要样本量为40人。但需注意，此计算基于当前样本标准差，实际研究中建议考虑抽样误差，适当增加样本量。2.某营养师计划研究维生素C补充剂对轻度缺铁性贫血患者血清铁蛋白的影响。将符合标准的60名患者随机等分为两组，对照组给予常规饮食指导，试验组在常规饮食指导基础上每日补充200mg维生素C，干预12周。干预结束后，测得试验组血清铁蛋白平均升高值为15.6μg/L，标准差为5.8μg/L；对照组平均升高值为10.2μg/L，标准差为6.1μg/L。经检验，两组数据均服从正态分布。(1)补充维生素C是否显著提高了患者的血清铁蛋白升高值？请进行假设检验（α=0.05）。(2)若该检验结果为“拒绝H0”，请计算此次干预效果的95%置信区间，并解释其公共卫生学意义。(3)在研究设计阶段，若期望在α=0.05（双侧），检验效能1-β=0.90的条件下，检测出两组均数差值（效应量）为5.0μg/L，根据预实验得知合并标准差约为6.0μg/L，问每组至少需要多少样本量？答案与解析：(1)进行两独立样本t检验。第一步，建立假设。H0:μ1=μ2（试验组与对照组血清铁蛋白升高值的总体均数相等）；H1:μ1≠μ2（试验组与对照组血清铁蛋白升高值的总体均数不等）。α=0.05。第二步，计算检验统计量。此为两独立样本，且总体方差未知但样本量相等，可先进行方差齐性检验，或直接采用方差不齐的近似t检验（Satterthwaite近似法）。为严谨，此处先进行方差齐性检验。F=S1^2/S2^2=(5.8^2)/(6.1^2)=33.64/37.21≈0.904。查F界值表（双侧，α=0.05），分子分母自由度均为29，F0.025(29,29)≈2.10。0.904<2.10，故不拒绝方差齐性的假设，可采用方差齐性的两样本t检验。计算合并方差：==计算t值：t=自由度ν=n1+n2-2=58。查t界值表，t0.05/2(58)≈2.002（近似值）。因|t|=3.514>2.002，故P<0.05。第三步，作出推断。按α=0.05水准，拒绝H0，接受H1，差异有统计学意义。可以认为补充维生素C能显著提高轻度缺铁性贫血患者的血清铁蛋白升高值。(2)计算两组均数差值的95%置信区间（CI）。公式为：(¯差值点估计为5.4μg/L。≈2.002。标准误为≈则95%CI为：5.4±2.002×公共卫生学意义：我们有95%的把握认为，与仅接受常规饮食指导相比，每日补充200mg维生素C可以使轻度缺铁性贫血患者干预12周后的血清铁蛋白升高值平均多增加2.323至8.477μg/L。这个区间估计提供了效应大小的范围，有助于评价该干预措施的公共卫生价值。若该区间下限（2.323μg/L）被认为具有临床或公共卫生学意义，则支持该干预措施的有效性。(3)计算两独立样本均数比较时每组的样本量。使用公式：==其中，δ为欲检测的均数差值（5.0μg/L），σ为合并标准差的估计值（6.0μg/L），α=0.05（双侧），Z0.05/2=1.96，检验效能1-β=0.90，β=0.10，Z0.10=1.282。代入公式：n=向上取整，每组至少需要31名受试者，总共至少需要62名受试者。3.为评估某市学龄儿童膳食锌摄入状况，采用连续3天24小时膳食回顾法调查了350名8-10岁儿童。计算得出平均每日锌摄入量为8.6mg，标准差为2.4mg。该年龄段儿童的锌推荐摄入量（RNI）为10.0mg/d。(1)请估计该市学龄儿童平均每日锌摄入量低于RNI的比例。(2)若将锌摄入量低于RNI的70%定义为“锌摄入不足高风险”，请估计该市学龄儿童中属于“锌摄入不足高风险”的比例。(3)该调查结果能否说明该市学龄儿童锌摄入量总体平均水平低于RNI？请进行统计学检验（α=0.05）。答案与解析：(1)估计平均每日锌摄入量低于RNI（10.0mg）的比例。首先将RNI值标准化：Z=(2)估计“锌摄入不足高风险”（摄入量低于RNI的70%，即低于7.0mg）的比例。计算Z值：Z=(3)检验该市学龄儿童锌摄入量总体平均水平是否低于RNI（10.0mg/d）。采用单样本t检验。第一步，建立假设。H0:μ=10.0（总体均数等于RNI）；H1:μ<10.0（总体均数低于RNI）。α=0.05，单侧检验。第二步，计算检验统计量。t=自由度ν=n-1=349。查t界值表（单侧），t0.05(350)≈1.649（近似值，实际略小于1.645）。|t|=10.913远大于界值。第三步，作出推断。按α=0.05水准，拒绝H0，接受H1，差异有统计学意义。结合样本均数8.6mg低于10.0mg，可以认为该市学龄儿童锌摄入量的总体平均水平低于推荐摄入量（RNI）。4.在探讨膳食因素与高血压关系的研究中，某病例对照研究收集了200名新发高血压患者（病例组）和200名健康对照（对照组）的膳食钠、钾摄入数据。经分析，高钠低钾膳食模式（定义为钠摄入量高于中位数且钾摄入量低于中位数）的暴露情况如下：病例组中有85人属于该模式，对照组中有45人属于该模式。(1)请计算高钠低钾膳食模式与高血压关联的比值比（OR），并解释其含义。(2)计算OR值的95%置信区间。(3)对该OR值进行χ²检验，判断高钠低钾膳食模式与高血压的关联是否有统计学意义（α=0.05）。答案与解析：(1)计算比值比（OR）。将数据整理成四格表：病例组对照组合计高钠低钾模式85(a)45(b)130非高钠低钾模式115(c)155(d)270合计200200400OR=(a/c)/(b/d)=(a×d)/(b×c)=(85×155)/(45×115)=13175/5175≈2.546。解释：高钠低钾膳食模式者患高血压的风险是非该模式者的2.546倍，提示高钠低钾膳食模式可能是高血压的危险因素。(2)计算OR的95%置信区间。采用Woolf法，先计算ln(OR)的标准误：SEln(OR)=ln(2.546)≈0.9343。则ln(OR)的95%CI为：0.9343±1.96×将区间取指数，得到OR的95%CI为(e^0.4998,e^1.3688)≈(1.649,3.931)。(3)进行χ²检验（四格表χ²检验）。H0:OR=1（高钠低钾模式与高血压无关）；H1:OR≠1（高钠低钾模式与高血压有关）。α=0.05。计算理论频数T。例如，病例组高钠低钾模式的理论频数：==65。同理，=65，=计算χ²值：=∑自由度ν=(2-1)(2-1)=1。查χ²界值表，χ²0.05(1)=3.84。18.234>3.84，故P<0.05。按α=0.05水准，拒绝H0，接受H1，差异有统计学意义。可以认为高钠低钾膳食模式与高血压之间存在统计学关联。5.某研究采用食物频率问卷（FFQ）和3天24小时膳食回顾（24HR）法同时测量同一人群的脂肪摄入量，以评估FFQ的相对效度。对50名受试者进行测量，计算得到FFQ测得的脂肪摄入量均值为65.3g/d，标准差为15.8g/d；24HR法测得的脂肪摄入量均值为68.7g/d，标准差为14.2g/d。两种方法测得脂肪摄入量的相关系数r=0.72。(1)请计算FFQ法与24HR法测量结果之间的一致性界限（Bland-Altman法），并说明其含义。假设差值服从正态分布。(2)除了Bland-Altman分析，还可以采用哪些统计方法评价FFQ与24HR法测量脂肪摄入量的一致性？(3)相关系数r=0.72能否充分说明两种方法测量结果的一致性很好？为什么？答案与解析：(1)计算Bland-Altman一致性界限。首先，计算每对测量值的差值d=FFQ-24HR。但题目给出的是汇总数据，需基于均数和标准差进行估算。差值的均数¯d差值的标准差Sd需要计算。已知两种方法各自的均数、标准差和相关系数，差值方差公式为：=+代入：=+故=≈一致性界限（LoA）为：¯d±1.96故95%的一致性界限为(-25.593,18.793)g/d。含义：这意味着大约有95%的受试者，用FFQ法测得的脂肪摄入量与24HR法测得结果之间的差值在-25.6g/d到18.8g/d之间。这个范围（约44.4g/d的宽度）相对于脂肪摄入量水平（约65-69g/d）来说较宽，提示两种方法在个体水平上的一致性可能不够理想。差值的均数-3.4g/d提示FFQ法可能系统性地低估了脂肪摄入量（相对于24HR法）。(2)评价一致性的其他统计方法：①组内相关系数（ICC）：用于评价连续变量测量的一致性，特别是当测量方法或测量者多于两个时，能同时考虑系统误差和随机误差，比单纯相关系数更适用于一致性评价。②Kappa系数：如果数据被分类（如摄入量等级），可用加权Kappa系数评价分类的一致性。③回归分析：通过建立FFQ对24HR的回归方程，观察截距是否接近0，斜率是否接近1，来评价一致性。④配对t检验：检验两种方法测量结果的均数差异是否具有统计学意义，用于判断是否存在系统误差。(3)相关系数r=0.72不能充分说明两种方法测量结果的一致性很好。原因如下：①相关系数衡量的是两个变量之间线性关系的强度和方向，而非一致性。高相关可能意味着两种方法的测量值存在稳定的比例关系，但可能存在系统偏差（如一个方法consistently高于另一个）。例如，即使FFQ结果总是比24HR结果低10g，只要这种关系稳定，相关系数也可能很高，但这显然不是一致。②一致性要求两种方法的测量值在数值上接近，而不仅仅是相关。Bland-Altman分析通过评估差值的范围和系统偏差来直接评价一致性，是更合适的方法。本题中，尽管r=0.72显示较强的正相关，但Bland-Altman分析显示一致性界限范围较宽，提示个体水平的一致性有限。6.某营养流行病学队列研究对10000名基线无心血管疾病的成年人进行了为期10年的随访，探讨鱼类摄入频率与脑卒中发病的关系。将鱼类摄入分为“每周≥3次”、“每周1-2次”、“每月1-3次”和“几乎不吃”四个等级。随访结束后，以“几乎不吃”组为参照，计算了各暴露组的脑卒中发病风险比（HR）及其95%CI，结果如下：每周≥3次：HR=0.65，95%CI(0.48,0.88)每周1-2次：HR=0.78，95%CI(0.62,0.98)每月1-3次：HR=0.92，95%CI(0.75,1.13)(1)请解释“每周≥3次”组HR=0.65及其95%CI的公共卫生学意义。(2)该研究结果是否支持“存在剂量-反应关系”的假设？为什么？(3)在分析此类数据时，除了Cox比例风险模型得到HR，为什么通常还需要报告发病密度或累积发病率？答案与解析：(1)“每周≥3次”组HR=0.65，95%CI(0.48,0.88)的意义：与“几乎不吃”鱼类的人相比，每周吃鱼3次或以上的人，在随访期间发生脑卒中的风险降低了35%（因为1-0.65=0.35）。HR的95%置信区间为0.48到0.88，不包含1，说明该风险降低具有统计学意义（α=0.05）。从公共卫生角度看，这一结果提示增加鱼类摄入频率（至每周≥3次）可能是预防脑卒中的一个保护性因素，该关联不太可能由偶然因素造成。(2)该研究结果不支持存在明确的线性剂量-反应关系。虽然从点估计值来看，随着鱼类摄入频率降低（从每周≥3次到几乎不吃），HR值呈现递增趋势（0.65→0.78→0.92→1.00），提示风险可能逐渐增加。但是，“每月1-3次”组的HR=0.92，其95%CI(0.75,1.13)包含了1，说明该组与“几乎不吃”组相比，脑卒中发病风险差异无统计学意义。剂量-反应关系通常要求随着暴露水平的变化，效应指标（如HR）呈现单调变化且具有统计学意义。本结果中，中间暴露组（每周1-2次）的风险降低有统计学意义，但较低暴露组（每月1-3次）无统计学意义，未能形成连贯的、具有统计显著性的梯度变化。因此，只能说观察到鱼类摄入频率较高可能具有保护作用，但未能证实严格的剂量-反应关系。(3)需要报告发病密度或累积发病率的原因：①HR是一个相对效应指标：HR只提供了暴露组相对于参照组的风险比，无法反映疾病的实际负担。例如，HR=0.65意味着风险降低了35%，但如果参照组本身的发病率极低（如1/10万人年），那么暴露组的绝对风险降低非常有限，公共卫生意义可能不大。②评估绝对风险：报告发病密度（如每千人年发病数）或累积发病率，可以量化各暴露组人群的实际发病风险，便于进行公共卫生决策和风险评估。例如，可以计算绝对危险度降低值（ARR）和需要治疗人数（NNT的类似概念，用于预防）。③验证比例风险假设：Cox模型的前提是比例风险假设。在随访期间，各组的发病密度可以提供直观信息，辅助判断该假设是否成立。④提供完整信息：同时报告相对效应指标（HR）和绝对效应指标（发病率），能使研究结果更全面、更易于理解和应用于实践。7.在评价一种新型营养强化食品对改善学龄儿童维生素A营养状况的效果时，设计了一个随机双盲安慰剂对照试验。干预6个月后，测得试验组（强化食品组）血清视黄醇浓度平均升高了0.25μmol/L，对照组（普通食品组）平均升高了0.08μmol/L。经检验，两组比较的P值为0.03。(1)仅凭P=0.03，能否得出该营养强化食品“有效”的结论？请说明理由。(2)在评价干预效果时，除了统计学显著性，还应考虑哪些因素？(3)若该研究共检测了10项不同的血液营养指标（包括血清视黄醇），其中只有血清视黄醇的组间比较P值小于0.05，这对结果的解释有何影响？应如何处理？答案与解析：(1)不能仅凭P=0.03就得出该营养强化食品“有效”的结论。理由如下：①P值仅说明在“无效”假设（即两组血清视黄醇升高值总体均数相等）成立的前提下，观察到当前试验数据（或更极端数据）的概率很小（3%）。它是一个关于数据的概率，而非关于假设为真的概率。②“有效”是一个综合性的科学结论，需要结合临床意义或公共卫生意义来判断。即使差异有统计学意义（P<0.05），还要看效应大小（本例中差值0.17μmol/L）是否具有生物学或公共卫生学上的重要性。如果0.17μmol/L的差异被认为微不足道，那么统计显著性可能没有实际价值。③需要考察研究设计的质量，如随机化、盲法、依从性、失访率等。如果研究存在重要缺陷（如分组不均衡、测量偏倚等），即使P值很小，结论也可能不可靠。④需要结合置信区间。P=0.03通常对应95%置信区间不包含0。但报告并解释效应量（均数差值）的置信区间，可以提供效应大小的范围，比单一的P值更有信息量。(2)评价干预效果时，除统计学显著性外，还应考虑：①效应大小（EffectSize）：如均数差值、标准化均数差值（如Cohen'sd）、相对危险度降低（RRR）等。判断效应大小是否具有临床或公共卫生学意义。②精确度（Precision）：通过置信区间的宽窄来评估。较窄的置信区间表示对效应量的估计更精确。③研究的内部真实性：包括随机化是否成功、盲法是否有效、随访是否完整、有无混杂偏倚、信息偏倚等。④研究的外部真实性（可推广性）：研究对象的入选和排除标准、研究场所、干预措施的具体实施方式等，决定了结果能否推广到目标人群。⑤生物学合理性：结果是否与已有的生物学知识或机制相符。⑥危害与成本：干预措施是否有不良反应？成本效益如何？(3)对结果解释的影响及处理方法：这涉及到多重比较（MultipleComparisons）问题。当对多个结局指标（本题为10项血液指标）进行假设检验时，犯第一类错误（假阳性）的概率会增加。如果所有10个指标在两组间实际上都没有差异（即所有零假设为真），那么至少有一个指标出现P<0.05的概率约为1-(1-0.05)^10≈0.401，即有约40%的概率出现至少一个“有统计学意义”的结果，这很可能是假阳性。处理方法：①事先确定主要结局指标和次要结局指标。主要结局指标应在研究设计阶段预先指定，并基于主要指标计算样本量。次要指标的发现应视为探索性的，需要谨慎解释。②对多重比较进行校正。如果血清视黄醇是预先指定的主要指标，则无需校正。如果是事后分析的众多指标之一，则应采用校正方法（如Bonferroni校正）来调整显著性水平。例如，进行10次比较，校正后的显著性水平为0.05/10=0.005。本例P=0.03>0.005，则校正后无统计学意义。③报告结果时应透明：明确说明哪些是预先设定的分析，哪些是事后探索性分析；报告所有检测的指标结果，而不仅仅是“阳性”结果；在解释时强调发现的初步性，并指出需要独立研究验证。④从机制上解释：如果只有血清视黄醇有差异，而其他与维生素A代谢相关的指标（如β-胡萝卜素、视黄醇结合蛋白）无差异，则需要谨慎解释，并考虑是否为偶然发现。8.某地区开展膳食调查，得到居民能量和三大营养素的平均摄入量及供能比：能量2200kcal，蛋白质70g，脂肪65g，碳水化合物350g。(1)计算三大营养素的供能比，并评价其是否在可接受范围（AMDR）内（蛋白质AMDR：10-15%，脂肪AMDR：20-30%，碳水化合物AMDR：50-65%）。(2)若该地区居民平均体重为65kg，根据上述能量摄入量，计算其体力活动水平（PAL）的大致范围（假设基础代谢率采用Schofield公式，男性：BMR=69.4+1.15×体重(kg)；女性：BMR=55.6+0.95×体重(kg)。此处以男性为例计算）。(3)已知该地区成年居民贫血患病率为18%，若计划开展一项营养干预项目将贫血患病率降低至15%，设α=0.05，检验效能1-β=0.80，采用双侧检验，需要多大的样本量？（使用样本率比较的公式）答案与解析：(1)计算供能比并评价。①蛋白质供能：70g×4kcal/g=280kcal。供能比=(280/2200)×100%≈12.73%。②脂肪供能：65g×9kcal/g=585kcal。供能比=(585/2200)×100%≈26.59%。③碳水化合物供能：350g×4kcal/g=1400kcal。或由总能量减去蛋白质和脂肪能量：2200-280-585=1335kcal（注意：此处350g碳水化合物供能应为1400kcal，但总能量2200与各组分加和280+585+1400=2265不符，说明原始数据可能存在轻微矛盾或四舍五入误差。在实际评价中，应以调查数据为准，或检查数据一致性。此处为解题，暂按给定宏量营养素克数计算供能比，总能量作为参考）。若按给定克数计算：碳水化合物供能比=(1400/2200)×100%≈63.64%。各组分供能比之和：12.73%+26.59%+63.64%=102.96%，略高于100%，也证实了数据不完全匹配。评价：蛋白质供能比12.73%在AMDR（10-15%）范围内。脂肪供能比26.59%在AMDR（20-30%）范围内。碳水化合物供能比63.64%在AMDR（50-65%）范围内。从供能比看，该地区居民的膳食结构基本符合平衡膳食的宏量营养素分布要求。(2)计算体力活动水平（PAL）。PAL=总能量消耗（TEE）/基础代谢率（BMR）。调查获得的能量摄入量（2200kcal）通常作为TEE的估计值。以男性为例，体重65kg，计算BMR：BMR=69.4+1.15×