食事パターンと慢性前立腺炎：栄養クラスターと機械学習に基づく症状重症度予測モデル

科学分野:

• 泌尿器科学および栄養科学
• 計算生物学およびバイオインフォマティクス

背景:

• 慢性前立腺炎/慢性骨盤痛症候群（CP/CPPS）は、食事が重要な役割を果たす複雑な原因を持っています。
• 食事の影響を理解することは、CP/CPPS症状の管理に不可欠です。

研究 の 目的:

• CP/CPPS症状重症度のための予測機械学習モデルを開発すること。
• 食物摂取頻度質問票（FFQ）データを用いて食事パターンを分析すること。
• CP/CPPS患者における個別化栄養介入の基盤を確立すること。

主な方法:

• 主成分分析（PCA）を用いてFFQデータから食事パターンを特定しました。
• LASSO回帰は、症状重症度の主要な食事予測因子を選択しました。
• 6つの機械学習モデルが訓練および評価され、XGBoostが最適なモデルとして選択されました（AUC = 0.883）。
• モデルの解釈可能性のためにSHapley Additive exPlanations（SHAP）が採用されました。

主要な成果:

• 2つの主要な食事パターンが特定されました：「赤肉・加工食品」および「乳製品豊富」。;「赤肉・加工食品」食事パターンは、CP/CPPS症状重症度との最も強い正の関連を示しました。;XGBoostモデルは、症状重症度予測において優れた性能を示しました。

結論:

• 食事パターンに基づいたCP/CPPS症状重症度を予測する堅牢な機械学習モデルが開発されました。
• 本研究結果は、栄養とCP/CPPS管理との間の重要な関連性を強調しています。
• このモデルは、CP/CPPSケアにおける精密栄養戦略のための新しいアプローチを提供します。