对金属暴露和慢性病发展之间的因果关系进行比较数学建模

科学领域:

• 环境健康 环境健康
• 腎臟病學 (nephrology) 是一種醫學專業.
• 毒理学 毒理学 毒理学

背景情况:

• 慢性病 (CKD) 有已知的遗传和环境风险因素.
• 血清金属含量与CKD风险之间的特定关系在很大程度上仍未被探索.

研究的目的:

• 调查血清金属度与患CKD的风险之间的关联.
• 分析各种金属混合物对CKD发展和进展的影响.
• 探索血清金属在功能指标,如肌素和囊素C中的作用.

主要方法:

• 血清金属度使用诱导合血质谱法 (ICP-MS) 量化.
• 统计分析包括单变量,拉索和逻辑回归来确定CKD风险因素.
• 机器学习和贝叶斯内核机器回归 (BKMR) 用于评估复杂的金属关联并预测CKD风险.
• 一个链接调解模型检查了重金属干预对功能标志物的影响.

主要成果:

• 在血清 (K), (Na) 和 (Ca) 水平与CKD风险之间观察到积极的关联.
• 在CKD患者的血清 (Se) 和 (Mo) 中发现了负面趋势.
• 金属混合物对CKD风险表现出显著影响,在不同百分位数中观察到度依赖的影响.
• 血清K度升高与CKD风险增加密切相关,特别是当其他金属的百分比较高时.

结论:

• 对特定血清金属的累积暴露,特别是 (K) 和 (Se) 的联合作用,可能会显著影响CKD风险.
• 机器学习方法证实了在CKD中发现的金属因素的相关性.
• 这项研究强调了使用多种分析方法的必要性,以了解金属混合物的健康影响.