分析重金属暴露对骨关节炎和类风湿性关节炎的影响:基于可解释机器学习的方法

科学领域:

• 环境健康 环境健康
• 类风湿病学 类风湿病学
• 数据科学是数据科学.

背景情况:

• 骨关节炎 (OA) 和类风湿性关节炎 (RA) 是具有多因素病因的复杂疾病.
• 环境因素,包括重金属暴露,越来越多地被认为是导致关节炎发展的潜在因素.
• 了解这些环境决定因素对于有效的预防和管理战略至关重要.

研究的目的:

• 调查重金属暴露与OA和RA的发病率和差异之间的联系.
• 应用先进的机器学习 (ML) 技术来分析大规模的健康数据集.
• 为了确定可能影响关节炎风险的特定重金属.

主要方法:

• 使用了来自国家健康和营养检查调查 (NHANES) (2003-2020) 的综合数据集.
• 采用分阶段机器学习策略,包括LASSO回归和SHapley添加式扩展 (SHAP).
• 综合人口,实验室和问卷调查数据,应用七种方法的十三种ML模型.

主要成果:

• 在特定重金属和关节炎风险增加之间发现了显著的关联.
• 阶段性ML方法成功地确定了关键预测因素及其对OA和RA结果的贡献.
• 模型的解释性得到了增强,澄清了环境暴露的作用.

结论:

• 暴露于重金属是与关节炎相关的重要环境决定因素.
• ML模型为识别高风险个体和了解疾病途径提供了有价值的工具.
• 这些发现支持针对环境影响的关节炎制定有针对性的预防和早期检测策略.