在人群中简化微量营养素生物标记的统计分析:SAMBA R套餐的介绍
Hanqi Luo1, Ty Beal2, Tineka Blake3
1Hubert Department of Global Health, Rollins School of Public Health, Emory University, Atlanta, Georgia, United States.
微量营养素缺乏的评估通过新的微量营养素生物标记分析统计装置 (SAMBA) R包来简化. 该工具准确分析生物标记数据,调整炎症和调查设计以获得更好的公共卫生洞察力.
科学领域:
- 公共卫生 营养 公共卫生 营养
- 生物标记分析 生物标记分析
- 统计软件开发 统计软件开发
背景情况:
- 微量营养素缺乏是一个重大的全球健康挑战,影响干预计划的有效性.
- 精确评估微量营养素生物标志物是必不可少的,但由于炎症等因素而复杂化.
- 分析微量营养素数据的现有方法可能是复杂和耗时的.
研究的目的:
- 引入微量营养素生物标记分析的统计装置 (SAMBA) R包,用于可访问的基于人口的微量营养素生物标记分析.
- 为各种应用提供使用和定制SAMBA包的指南.
- 将SAMBA包及其用户手册公开提供,以促进更广泛的采用.
主要方法:
- 开发SAMBA R包,用于分析铁,维生素A,和维生素B的生物标志物.
- 整合功能以调整炎症和复杂的调查设计.
- 使用54个不同的数据集 (24个关于女性,30个关于儿童) 与独立分析师进行SAMBA验证.
主要成果:
- SAMBA准确分析各种微量营养素生物标志物,包括对炎症和调查设计的调整.
- 验证表明与独立分析师相比,在多个数据集中显示了相同的结果 (平均值,百分比,流行率).
- 该方案成功生成了总结统计数据和缺陷流行率估计.
结论:
- 桑巴简化和标准化了微量营养素生物标记数据的分析,减少了处理时间.
- 该工具有助于生成可靠,炎症调整和调查加权的缺陷患病率估计.
- 桑巴是全球公共卫生研究,计划和政策制定的宝贵资源.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
04:57Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size LEfSe in Microbiome Data
Published on: May 16, 2022
相关概念视频
Statistical Methods for Analyzing Epidemiological Data
Overview of Minitab
Statistical Methods to Analyze Parametric Data: ANOVA
One-way ANOVA is applied when a single independent variable or factor is scrutinized. It compares...
Biostatistics: Overview
Discrete variables are...
Model-Independent Approaches for Pharmacokinetic Data: Noncompartmental Analysis
One important characteristic of noncompartmental analyses is that drug exposure increases proportionally with increasing doses. This...
