机器学习识别代谢综合征和健康人群中不同年龄组的营养摄入量变化

科学领域:

• 营养科学 营养科学
• 老年学是一门学科.
• 计算生物学 计算生物学

背景情况:

• 代谢综合征 (MetS) 是一种由饮食和年龄影响的复杂疾病.
• 现有的研究往往忽略了年龄特定的营养对MetS的影响.
• 先进的分析可以揭示饮食,年龄和MetS之间的细微关系.

研究的目的:

• 研究饮食,年龄和代谢综合征 (MetS) 之间的复杂关系.
• 为了确定特定于年龄的饮食模式和营养对MetS发病率的影响.
• 根据年龄和营养摄入量,开发一个准确的MetS预测模型.

主要方法:

• 分析国家健康和营养检查调查 (NHANES) 数据 (1999-2018).
• 机器学习 (ML) 技术的应用:极端梯度增强 (XGBoost) 和比例危险模型 (COX).
• 确定关键的饮食成分及其对MetS的年龄相关影响.

主要成果:

• 在年龄和MetS发病率之间发现了显著的相关性.
• 特定的饮食成分 (视网醇,β-素,维生素C,神胺,咖啡因,甘,酒精) 在不同年龄组对MetS表现出不同的影响.
• 根据年龄,相同的营养摄入量对MetS具有不同的致病风险.
• 为MetS开发了一个高度准确的预测模型,将病例与对照区分开来.

结论:

• 对MetS的饮食干预应该是特定于年龄的.
• 营养指南必须考虑营养素对不同年龄人口的不同影响.
• 这些发现支持针对年龄组量身定制的精密营养方法来管理METS.