小規模サブポピュレーションにおける弱く分離された食事パターンサブタイピングの改善のためのツリー正則化ベイズ潜在クラス分析

科学分野:

• 栄養科学
• 統計モデリング
• 計算生物学

背景:

• 食事パターンは、食事と疾患の関連を理解するために重要です。
• 潜在クラスモデル（LCM）は食事パターンを導き出しますが、パターンの類似性と小標本サイズには課題があります。
• LCMにおける弱い分離は不安定さを引き起こし、解釈を妨げます。

研究 の 目的:

• 潜在クラスモデルを使用した食事パターンの推定のための改善された方法を開発すること。
• 特に小規模サブポピュレーションにおけるLCMから派生した食事パターンの数値的および推論的不安定性に対処すること。
• 食事パターンの科学的解釈性を向上させること。

主な方法:

• ツリー正則化ベイズ潜在クラスモデル（LCM）を開発しました。
• クラスツリー上の事前分布のためにディリクレ拡散ツリープロセスを組み込みました。
• 食事パターン間で統計的強度を共有するために、食品グループごとに異なるシュリンケージアプローチを適用しました。
• ヒスパニックコミュニティ健康研究/ラテン系研究からのデータを利用しました。

主要な成果:

• 提案されたツリー正則化ベイズLCMは、食事パターンの推定を改善します。
• この方法は、特にデータが限られている場合に、数値的および推論的安定性を向上させます。
• 米国の特定の南米系民族サブグループにおける食事パターンの同定と比較の改善を示しました。

結論:

• ツリー正則化ベイズLCMは、食事パターンの分析のための堅牢なソリューションを提供します。
• このアプローチは、小規模サブポピュレーションにおける従来のLCMの限界を効果的に対処します。
• 栄養研究のための、より安定した解釈可能な食事パターンの推定値を提供します。