不健康饮食行为的干预策略：基于食物渴求的精细化侵入理论的视角

摘 要 不健康饮食行为是全球公共卫生领域的重大挑战之一，如何有效促进健康饮食行为已成为亟需解决的重要议题。精细化侵入理论提出食物渴求的产生包括两个阶段。首先，食物线索触发侵入性的意象；其次，个体对侵入性意象进行精细化加工。基于该理论系统梳理了现有的饮食行为干预策略，探讨了这些策略的关联性以及未来研究的潜在方向，为更有效地开发和实施促进健康饮食行为策略提供了参考性框架。

关键词 不健康饮食行为；食物渴求；精细化侵入理论；干预策略

分类号 B849

DOI：10.16842/j.cnki.issn2095-5588.2025.01.007

1 引言

不健康饮食行为已成为公共卫生面临的严峻挑战。《中国居民营养与慢性病状况报告（2020年）》指出，我国居民不健康生活方式仍然普遍存在，有超过一半的成年居民超重或肥胖。不健康饮食行为会增加心脑血管疾病、非酒精性脂肪肝、糖尿病等慢性非传染性疾病的患病风险（李佳洁， 于彤彤， 2020）。

引发不健康饮食行为的主要原因是食物渴求（Penaforte et al.， 2019; Werthmann et al.， 2023）。食物渴求是指个体对特定食物产生的难以抵抗的强烈欲望，是一种驱使个体将注意力集中在特定的食物上，以获得愉悦感、缓解不适感或满足需求的认知、情感和动机状态（Kober amp; Boswell， 2018），其对个体身心健康的负面影响不容忽视。食物渴求不仅与卡路里摄入量高度相关（Sinha et al.， 2019），还可以预测体重的增加（Sanlier et al.， 2022），甚至是导致暴食症等紊乱饮食行为的重要诱因（Reents amp; Pedersen， 2021）。因此，降低个体对不健康食物的渴求是改善不健康饮食行为的重要切入点。

可喜的是，研究者们已开发出多种针对食物渴求的饮食行为干预策略，并取得了一定的积极效果，然而这些策略的关联性不强，缺乏整合性和系统性。基于此有必要对现有干预策略进行梳理，了解各个策略的关系，以增强策略间的协调性，为提高饮食行为干预策略的全面性和有效性提供理论支持。本文以Kavanagh等（2005）提出的精细化侵入理论（Elaborated Intrusive Theory）为依据，系统梳理和总结现有的饮食行为干预策略，探讨各个策略的关联以及未来研究方向，为更有效地开发促进健康饮食行为的策略提供参考性框架。

2 食物渴求的精细化侵入理论

精细化侵入理论最初由Kavanagh等人（2005）用于解释欲望的产生过程，May等人（2012）将其应用于食物领域以解释食物渴求的产生过程。该理论将食物渴求视为一种认知动机状态，强调自下而上的线索联结与自上而下的认知加工的交互作用。具体分为两个阶段，第一阶段是线索触发侵入性的意象，第二阶段是个体对侵入性的意象进行精细化加工。

第一阶段，当线索（外部食物线索、消极情绪、进食的预期反应等）与个体的进食行为建立联结，线索会自动地、无意识地触发侵入性的意象。这些意象模拟了最初进食渴求食物的令人愉悦的体验。然而，如果渴求无法得到满足，未拥有的现状和拥有的目标的冲突变得愈发强烈，个体会产生剥夺感，此时意象让人备受折磨。当剥夺感加剧并且无法得到缓解，随之产生的情绪恶化会刺激产生更加生动的意象。第二阶段，即个体对侵入性意象进行精细化加工，从记忆中检索与目标相关的感官信息、一般特征和特定情节（如生日时吃蛋糕的情境），在工作记忆中，构建出与渴求目标及其获得相关的生动的感觉意象。然而，精细化加工又强化了拥有的目标和未拥有的现状的冲突，进一步增强了剥夺感，导致情绪更加恶化，从而陷入了精细化的恶性循环。最终，个体必须找到打破循环的方法，例如满足渴求或从认知上打破循环。这两个阶段是相互促进的，侵入性的意象只有进入意识后才能被精细化加工，而精细化加工的记忆检索过程又强化了意象的侵入性（May et al.， 2015）。

该理论得到了实证研究的支持。研究表明，意象作为渴求的触发因素可以积极预测渴求的强度（Schumacher et al.， 2019; Shahriari et al.， 2020）。此外，研究者在测量食物渴求时引入了心理意象的生动性和与渴求相关想法的侵入性这两个因素，极大地提高了食物渴求问卷的效度（Rttger et al.， 2024）。

3 基于食物渴求的精细化侵入理论的饮食行为干预策略

本研究通过分析与总结发现，第一阶段干预策略，即干扰线索与侵入性意象之间的联结，进而减少侵入性意象的产生，包括线索暴露任务、对抗条件作用任务和注意偏向训练任务等；第二阶段干预策略，即干扰个体对侵入性意象进行精细化加工，包括想象任务、抑制控制训练任务、正念任务、认知重评任务、资源竞争型任务等（如图1所示）。

3.1 第一阶段的干预策略：干扰食物线索触发侵入性的意象

3.1.1 线索暴露任务

线索暴露任务具体可分为五个关键步骤。首先，识别可能引发不健康饮食行为的外部感官体验和内部情绪状态。其次，根据个体的具体情况制定个性化方案，明确暴露的时间、地点、频率和持续时间等。接着，要求个体直面诱发食物渴求的线索，并通过深呼吸、肌肉放松或与他人交谈等替代性行为应对。同时记录个体在暴露过程中的体验和反应，并根据反馈及时调整方案。最后，个体需要持续进行训练，并在治疗结束后将所学技能应用到日常饮食行为中，以巩固治疗效果并预防渴求复发。研究表明，线索暴露任务对治疗神经性贪食症、暴食症等多种饮食障碍发挥了积极的作用（Butler amp; Heimberg， 2020; Magson et al.， 2021）。

3.1.2 对抗条件作用任务

对抗条件作用任务旨在修正原有的线索与进食的联结，建立新的线索与不进食行为联结，从而干扰侵入性意象的产生（Keller et al.， 2020）。Van Gucht等（2010）探讨对抗条件作用任务在减少食物渴求方面的效果表明，对抗条件作用任务不仅有效降低了线索诱发的渴求，还减少了巧克力摄入量。研究者进一步探究提高干预效果的方法。Gera等（2019）发现在习得阶段和对抗条件作用阶段之间，加入记忆检索的过程可以削弱食物渴求的恢复。或许是因为记忆检索使得习得阶段中关于食物渴求的记忆变得不稳定，导致在记忆再巩固的过程中，厌恶的食物渴求记忆被纳入记忆痕迹，原有的渴求记忆被改变，从而干扰了食物渴求的恢复。

3.1.3 注意偏向训练任务

注意偏向训练任务旨在通过训练改变个体对食物的注意偏向，使被试增加或解除对某种刺激的注意，从而减少食物线索触发侵入性意象的可能性（May et al.， 2015）。最常用的注意偏向训练任务为点探测任务，具体操作例如，在90%的试次中探测点呈现在健康食物出现过的位置，个体注视该位置则给予正确的反馈；在10%的试次中探测点呈现在不健康食物出现过的位置，个体注视该位置则给予错误的反馈，以此增强个体对健康食物的注意偏向（Smith et al.， 2020）。

研究团队展开了系列性的注意偏向训练发现，只有多次训练的效果才能有效操纵女性对巧克力的注意偏向，并显著减少其实际摄入量。而且该训练不仅适用于健康个体，对于超重和肥胖个体同样有效（Kemps et al.， 2016）。近期研究成果与该团队的发现一致（Wolz et al.， 2020; Smith et al.， 2020），表明该训练具有一定的稳定性。

3.2 第二阶段的干预策略：干扰个体对侵入性的意象的精细化加工

3.2.1 想象任务

重复想象可以在不实际进食的情况下，让个体体验食物渴求得到满足所带来的愉悦感，从而打破剥夺感导致的恶性精细化加工循环（Shahriari et al.， 2020）。虽然想象进食能够帮助个体减轻实际进食引起的潜在健康风险，但Qiu等（2023）研究发现该训练的效果难以迁移到未经想象的低热量食物。另外，该训练对想象的重复次数要求较高，若重复次数未达到产生习惯化效应所需的阈值，反而会增强食物渴求程度（Haasova et al.， 2016）。

预期想象任务要求个体细致地描述未来情境以增加想象的生动性，从而模拟食物渴求带来的影响，激发健康饮食目标，减少个体对侵入性的意象进行精细化加工的倾向。Daniel等（2013）首次将预期想象应用于饮食领域发现，该方法可减少超重和肥胖女性的热量摄入，并促使她们更注重追求长期目标。研究者验证该策略的有效性发现，肥胖个体观看其体重增加和减少后的体形图像能显着影响其食物选择（Segovia et al.， 2020）。研究者还表明，在干预效果上，面对面和远程的预期想象训练无显着差异，更是为远程干预的推广提供了实证依据（Epstein et al.， 2022）。

3.2.2 抑制控制训练任务

通过提高个体的抑制控制能力，即停止、改变或延迟优势行为的能力，可以帮助个体遇到渴求食物目标时，减少不健康的进食行为（Shen et al.， 2020）。最常见的范式为食物Go/No-go范式，由go和 no-go两种线索构成，通常将no-go线索与不健康的食物图片相匹配，将go线索与健康的食物图片或非食物图片相匹配。要求被试在呈现go线索（高频线索）时，尽可能快速并准确地作出按键反应；在呈现no-go线索（低频线索）时，抑制当下的优势反应（Tzavella et al.， 2021）。抑制控制训练可以减少个体对no-go食物的摄入量（Adams et al.， 2021），降低个体对高热量食物的渴求（Wolz et al.， 2020）和评价等（Najberg et al.， 2021）。实验室的训练效果甚至可以迁移到个体日常生活对高热量食物的实际摄入量（Chen et al.， 2019）。

3.2.3 正念任务

正念任务旨在帮助个体改变对侵入性想法的反应方式（Wilson et al.， 2021）。通常包括觉察、接纳和认知解离三个部分（Marchiori amp; Papies， 2014）。觉察是指让个体持续地监控并专注于当下的体验（如呼吸、感觉和想法等），使注意力指向一系列不同的感觉输入，从而使想法被感觉输入所主导，而非致力于进行精细化加工。接纳要求个体不控制、不评判侵入性的食物意象以及由剥夺感带来的消极情绪，从而使侵入性的食物意象不需要进一步的精细化就可以消失。认知解离要求个体将自己的想法和感受视为与自身分离的短暂的心理事件，而非现实的真实反映，从而阻止个体对它们进行精细化加工。研究表明正念不仅可以降低个体的食物摄入量（Allirot et al.， 2018），也可以减少个体对不健康食物的渴求和冲动性选择（Hendrickson amp; Rasmussen， 2017）。

3.2.4 认知重评任务

该策略可通过改变个体对食物的评价来干扰其对侵入性意象进行精细化加工，进而预防食物渴求。常见的操作方法是要求被试关注进食高热量食物带来的负面影响，如“经常吃该食物会提高我的胆固醇，使我更有可能患心脏病”；或者关注进食低热量食物带来的积极影响，如“该食物提供了各种维生素和矿物质，可以让我保持身体强壮”（Gerosa et al.， 2024; Mamede et al.， 2024）。Reader等（2018）发现认知重评任务可以影响个体在现实情境中的食物渴求，为训练个体在日常生活中有意识地重评食物的价值提供了实证支持。该方法还可以整合其他的认知行为疗法，具有较高的灵活性（Boswell et al.， 2018）。

3.2.5 资源竞争型任务

资源竞争型任务通过引入与食物无关的任务占据视觉空间模板的容量，干扰个体对食物的视觉意象进行精细化加工，进而降低个体的食物渴求（Wilson et al.， 2021）。该策略包含多种任务形式（McClelland et al.， 2006）。眼球运动任务要求被试通过眼动追踪计算机屏幕两侧交替出现的、快速移动的白色方块。空间敲击任务要求被试按照顺时针方向依次敲击计算机屏幕上矩形排列的按键。动态视觉噪音任务向被试展示由黑白方块组成的闪烁矩阵，以此进行视觉干扰。前额跟踪任务要求被试用食指轻拍前额，同时视线跟随手指移动。俄罗斯方块任务涉及多个色块活动，同样能有效占据视觉空间模板（Skorka-Brown et al.， 2014），并且由于该任务可在智能手机上进行，具有较高的生态效度。

4 研究展望

本研究系统梳理了已有的饮食行为干预策略，明确了各个策略在干预过程中的阶段定位及相互关系，为提高干预策略的针对性和有效性、培养个体的健康饮食习惯提供了理论支撑。4.1 依据精细化侵入理论，整合并创新饮食行为的干预策略

未来研究可进一步整合和优化现有的饮食行为干预策略。一方面，可以将针对相同阶段的干预策略可以进行整合，通过增强策略的联系，实现优势互补，相互增益，以期实现最大限度的优化。例如，对抗条件作用任务和注意偏向修正任务均为第一阶段的干预策略，前者旨在干扰习得性条件反射，后者旨在减少注意加工，为了更加有效地干扰侵入性意象的产生，可以将二者整合。首先将高热量食物与令人厌恶的食物配对呈现，之后将高热量食物与低热量食物配对呈现，强制被试注意低热量食物，这样的结合既可以干扰食物线索-进食的联结，又可以提高被试对低热量食物的注意偏向，从而提高干预效率。另一方面，未来研究可依据食物渴求的产生阶段开展过程性干预，通过发挥不同策略的协同作用，尽可能覆盖食物渴求的产生阶段，从而提高干预策略的全面性和有效性（Schumacher et al.， 2019）。因此，未来研究可尝试组合两个阶段的任务（如图2所示），根据食物渴求的产生阶段依次实施针对性的干预策略，从而尽可能地减少食物渴求的产生，最终促进健康饮食行为的形成。

4.2 将数字技术与饮食干预策略相结合，研发更加科学的健康干预产品

数字技术为收集大样本数据、监控饮食干预策略在生活情境中的应用、追踪个体的饮食行为提供了科技支持（Aulbach et al.， 2021）。目前国内外已研发出多款帮助个体培养健康饮食习惯的手机应用软件，然而研究表明这些应用软件中饮食行为干预策略的含量较低（Pagoto et al.， 2013），而系统化的行为改变策略能够有效提升用户的动机、改变个体的行为（Villinger et al.， 2019; Patel et al.， 2019），因此未来研究可将数字技术与饮食干预策略相结合，推动理论研究向实践产品的转化，研发更为科学、有效的健康干预产品。比如，在制定方案阶段，可借助大数据分析和人工智能算法识别触发渴求的因素以及个体的饮食行为模式，从而确定最佳的干预时机，制定个性化的干预方案；在实施方案阶段，可将饮食干预策略设计为手机应用软件，方便个体在现实生活中随时进行训练，帮助他们养成健康的饮食行为习惯；在巩固成果阶段，可借助智能手表、可穿戴传感器、微型摄像机等技术持续监控、追踪个体的饮食行为，提供即时的反馈和奖励，巩固训练的效果。

4.3 结合我国国情和饮食文化，制定本土化的饮食行为干预策略

中西方的饮食方式存在显著差异，西方多采用分餐模式，强调个体对食物进行自主选择；而中国多采用合餐模式，强调与亲朋好友共享菜肴（Burrows et al.， 2019）。合餐模式对进食行为产生了深刻影响。一方面，合餐模式的进食行为往往与社交情境相关联，个体更容易建立与食物相关的情境记忆。根据精细化侵入理论，个体对侵入性意象进行精细化加工的过程涉及从记忆中检索与目标相关的特定情节（Kavanagh et al.， 2005），因此，在合餐过程中建立的与食物相关的情境记忆使个体更容易对侵入性意象进行精细化加工。另一方面，合餐文化中的共享机制降低了个体对高热量食物健康风险的直接感知。根据风险转移理论，由于风险可以被共享的他人分担，导致个体低估高热量食物的危害（王楚珺， 宛小昂， 2023），因此合餐模式会导致个体进食更多的高热量食物。鉴于中西方饮食文化的差异，未来研究可以将干预策略与我国的合餐模式相结合，制定更符合我国国情的本土化干预策略。例如，在家庭聚餐或节庆活动中推广适合共享的健康食物，帮助个体建立更多的与健康饮食相关的情境记忆；或者在合餐时标明食物的总热量，明确每个人平均摄入的热量，提高个体对健康风险的直接感知。

参考文献

国务院（2020）. 中国居民营养与慢性病状况报告（2020年）. 营养学报， 42（6）， 521.

李佳洁， 于彤彤（2020）. 基于助推的健康饮食行为干预策略. 心理科学进展， 28（12）， 2052-2063.

王楚珺，宛小昂（2023）. 共同进食影响食物消费的“双刃剑

”效应及作用机制. 心理科学进展， 31（7）， 1318-1330.

Adams， R. C.， Button， K. S.， Hickey， L.， Morrison， S.， Smith， A.， Bolus， W.，... Lawrence， N. S. （2021）. Food-related inhibitory control training reduces food liking but not snacking frequency or weight in a large healthy adult sample. Appetite， 167， 105601.

Allirot， X.， Miragall， M.， Perdices， I.， Baos， R. M.， Urdaneta， E.， amp; Cebolla， A. （2018）. Effects of a brief mindful eating induction on food choices and energy intake： External eating and mindfulness state as moderators. Mindfulness， 9（3）， 750-760.

Aulbach， M. B.， Knittle， K.， van Beurden， S. B.， Haukkala， A.， amp; Lawrence， N. S. （2021）. App-based food Go/No-Go training： User engagement and dietary intake in an opportunistic observational study. Appetite， 165， 105315.

Boswell， R. G.， Sun， W.， Suzuki， S.， amp; Kober， H. （2018）. Training in cognitive strategies reduces eating and improves food choice. Proceedings of the National Academy of Sciences， 115（48）， E11238-E11247.

Burrows， T.， Collins， C.， Adam， M.， Duncanson， K.， amp; Rollo， M. （2019）. Dietary assessment of shared plate eating：A missing link. Nutrients， 11（4）， 789.

Butler， R. M.， amp; Heimberg， R. G. （2020）. Exposure therapy for eating disorders： A systematic review. Clinical Psychology Review， 78， 101851.

Chen， Z.， Holland， R. W.， Quandt， J.， Dijksterhuis， A.， amp; Veling， H. （2019）. When mere action versus inaction leads to robust preference change. Journal of Personality and Social Psychology， 117（4）， 721-740.

Daniel， T. O.， Stanton， C. M.， amp; Epstein， L. H. （2013）. The future is now：Reducing impulsivity and energy intake using episodic future thinking. Psychological Science， 24（11）， 2339-2342.

Epstein， L. H.， Paluch， R. A.， Biondolillo， M. J.， Stein， J. S.， Quattrin， T.， Mastrandrea， L. D.， ... Bickel， W. K. （2022）. Effects of 6-month episodic future thinking training on delay discounting， weight loss and HbA1c changes in individuals with prediabetes. Journal of Behavioral Medicine， 45（2）， 227-239.

Gera， R.， Barak， S.， amp; Schonberg， T. （2019）. Counte-rconditioning followingmemory retrieval diminishes the reinstatement of appetitive memories in humans. Scientific Reports， 9（1）， 9213.

Gerosa， M.， Canessa， N.， Morawetz， C.， amp; Mattavelli， G. （2024）. Cognitive reappraisal of food craving and emotions： A coordinate-based meta-analysis of fMRI studies. Social Cognitive and Affective Neuroscience， 19（1）， 1-18.

Haasova， S.， Elekes， B.， Missbach， B.， amp; Florack， A. （2016）. Effects of imagined consumption and simulated eating movements on food intake： Thoughts about food are not always of advantage. Frontiers in Psychology， 7， 1691.

Hendrickson， K. L.， amp; Rasmussen， E. B. （2017）. Mindful eating reduces impulsive food choice in adolescents and adults. Health Psychology， 36（3）， 226-235.

Kavanagh， D. J.， Andrade， J.， amp; May， J. （2005）. Imaginary relish and exquisite torture：The elaborated intrusion theory of desire. Psychological Review， 112（2）， 446-467.

Keller， N. E.， Hennings， A. C.， amp; Dunsmoor， J. E. （2020）. Behavioral and neural processes in counterconditioning： Past and future directions. Behaviour Research and Therapy， 125， 103532.

Kemps， E.， Tiggemann， M.， amp; Hollitt， S. （2016）. Longevity of attentional bias modification effects for food cues in overweight and obese individuals. Psychology amp; Health， 31（1）， 115-129.

Kober， H.， amp; Boswell， R. G. （2018）. Potential psychological amp; neural mechanisms in binge eating disorder：Implications for treatment. Clinical Psychology Review， 60， 32-44.

Magson， N. R.， Handford， C. M.， amp; Norberg， M. M. （2021）. The empirical status of cue exposure and response prevention treatment for binge eating：A systematic review. Behavior Therapy， 52（2）， 442-454.

Mamede， A.， Boffo， M.， Noordzij， G.， Denkta塂， S.， amp; Wieser， M. J. （2024）. The effect of cognitive reappraisal on food craving and consumption： Does working memory capacity influence reappraisal ability？ An event-related potential study. Appetite， 193， 107112.

Marchiori， D.， amp; Papies， E. K. （2014）. A brief mindfulness intervention reduces unhealthy eating when hungry， but not the portion size effect. Appetite， 75， 40-45.

May， J.， Andrade， J.， Kavanagh， D. J.， amp; Hetherington， M.（2012）. Elaborated intrusion theory： A cognitive-emotional theory of food craving. Current Obesity Reports， 1， 114-121.

May， J.， Kavanagh， D. J.， amp; Andrade， J. （2015）. The Elaborated Intrusion Theory of desire：A 10-year retrospective and implications for addiction treatments. Addictive Behaviors， 44， 29-34.

McClelland， A.， Kemps， E.， amp; Tiggemann， M. （2006）. Reduction of vividness and associated craving in person-alized food imagery. Journal of Clinical Psychology， 62（3）， 355.

Najberg， H.， Rigamonti， M.， Mouthon， M.， amp; Spierer， L. （2021）. Modifying food items valuation and weight with gamified executive control training. Royal Society Open Science， 8（5）， 191288.

Pagoto， S.， Schneider， K.， Jojic， M.， DeBiasse， M.， amp; Mann， D. （2013）. Evidence-based strategies in weight-loss mobile apps. American Journal of Preventive Medicine， 45（5）， 576-582.

Patel， M. L.， Hopkins， C. M.， Brooks， T. L.， amp; Bennett， G. G. （2019）. Comparing self-monitoring strategies for weight loss in a smartphone app： Randomized controlled trial.JMIR mHealth and uHealth， 7（2）， e12209.

Penaforte， F. R. O.， Minelli， M. C. S.， Anastácio， L. R.， amp; Japur， C. C. （2019）. Anxiety symptoms and emotional eating are independently associated with sweet craving in young adults. Psychiatry Research， 271， 715-720.

Qiu， L.， Wang， C.， amp; Wan， X. （2023）. Reduced liking and wanting for high-caloric foods：The transfer effect of sensory-specific satiety through repeated imagination. Food Quality and Preference， 111， 104987.

Reader， S. W.， Lopez， R. B.， amp; Denny， B. T. （2018）. Cognitive reappraisal of low-calorie food predicts real-world craving and consumption of high-and low-calorie foods in daily life. Appetite， 131， 44-52.

Reents， J.， amp; Pedersen， A. （2021）. Differences in food craving in individuals with obesity with and without binge eating disorder. Frontiers in Psychology， 12， 660880.

Rttger， M.， Van Alebeek， H.， Aulbach， M. B.， amp; Blechert， J. （2024）. Imagine chocolate： The craving experience questionnaire in the food domain. Appetite， 194， 107173.

Sanlier， N.， Akaln， B.， Eroglu， E.， Kln， F.， amp; Celik， B. （2022）. Chocolate craving： Does it affect eating attitude and body mass index？. Nutrition amp; Food Science， 52（6）， 943–957.

Schumacher， S.， Kemps， E.， amp; Tiggemann， M. （2019）. The food craving experience：Thoughts， images and resistance as predictors of craving intensity and consumption. Appetite， 133， 387-392.

Segovia， M. S.， Palma， M. A.， amp; Nayga Jr， R. M. （2020）. Can episodic future thinking affect food choices？. Journal of Economic Behavior amp; Organization， 177， 371-389.

Shahriari， E.， Torres， I. M.， Zúiga， M. A.， amp; Alfayez， N. （2020）. Picture this： The role of mental imagery in induction of food craving-a theoretical framework based on the elaborated intrusion theory. Journal of Consumer Marketing， 37（1）， 31-42.

Shen， Y.， Zhao， H.， Zhu， J.， He， Y.， Zhang， X.， Liu， S.， amp; Chen， J. （2020）. Comparison of intentional inhibition and reactive inhibition in adolescents and adults： An ERP study. Developmental Neuropsychology， 45（2）， 66-78.

Sinha， R.， Gu， P.， Hart， R.， amp; Guarnaccia， J. B. （2019）. Food craving， cortisol and ghrelin responses in modeling highly palatable snack intake in the laboratory. Physiology amp; Behavior， 208， 112563.

Skorka-Brown， J.， Andrade， J.， amp; May， J. （2014）. Playing 'Tetris' reduces the strength， frequency and vividness of naturally occurring cravings. Appetite， 76， 161-165.

Smith， E.， Treffiletti， A.， Bailey， P. E.， amp; Moustafa， A. A. （2020）. The effect of attentional bias modification training on food intake in overweight and obese women. Journal of Health Psychology， 25（10-11）， 1511-1521.

Tzavella， L.， Lawrence， N. S.， Button， K. S.， Hart， E. A.， Holmes， N. M.， Houghton， K.， ... Adams， R. C. （2021）. Effects of go/no-go training on food-related action tendencies， liking and choice. Royal Society Open Science， 8（8）， 210666.

Van Gucht， D.， Baeyens， F.， Vansteenwegen， D.， Hermans， D.， amp; Beckers， T. （2010）. Counterconditioning reduces cue-induced craving and actual cue-elicited consumption. Emotion， 10（5）， 688-695.

Villinger， K.， Wahl， D. R.， Boeing， H.， Schupp， H. T.， amp; Renner， B. （2019）. The effectiveness of app‐based mobile interventions on nutrition behaviours and nutrition-related health outcomes： A systematic review and meta-analysis. Obesity Reviews， 20（10）， 1465-1484.

Werthmann， J.， Field， M.， Roefs， A.， Nederkoorn， C.， amp; Jansen， A. （2014）. Attention bias for chocolate increases chocolate consumption-an attention bias modification study. Journal of Behavior Therapy and Experimental Psychiatry， 45（1）， 136-143.

Wilson， E.， Senior， V.， amp; Tapper， K. （2021）. The effect of visualisation and mindfulness-based decentering on chocolate craving. Appetite， 164， 105278.

Wolz， I.， Nannt， J.， amp; Svaldi， J. （2020）. Laboratory-based interventions targeting food craving： A systematic review and meta-analysis. Obesity Reviews， 21（5）， 1-15.