生物年龄预测和NAFLD风险评估:基于中国江西南多中心人口的机器学习模型

科学领域:

• 生物遗传学 生物遗传学
• 人口健康 人口健康
• 生物标志物发现发现

背景情况:

• 开发准确的生物年龄预测模型对于了解特定人口的衰老过程至关重要.
• 现有的模型可能无法完全捕捉不同种族群体的衰老细微差别,需要量身定制的方法.
• 调查加速衰老与非酒精性脂肪性肝病 (NAFLD) 之间的联系对公共卫生很重要.

研究的目的:

• 专门为中国人口开发和验证一种新的生物年龄预测模型 (NC-BA).
• 评估使用独立数据集开发的NC-BA模型的可通用性.
• 探索NC-BA模型测量的年龄加速与NAFLD风险之间的关联.

主要方法:

• 利用了来自中国南26356名没有慢性疾病的个体的体检数据.
• 采用特征选择 (全子集回归,LASSO,RFE) 和机器学习 (GLM,SVM,深度GLM) 来构建生物年龄模型.
• 使用R2,MAE和NHANES数据集验证了NC-BA模型的性能和概括性;计算了标准化年龄偏差 (SAD) 来评估NAFLD患者的年龄加速.

主要成果:

• 结合LASSO回归和深度GLM的NC-BA模型准确预测了时间年龄 (r=0.58,MAE=5.33) 并在NHANES数据中得到验证 (r=0.57,MAE=7.12).
• 与对照组相比,在NAFLD患者中观察到较高的标准化年龄偏差 (SAD) 值 (P<0.001),表明加速衰老.
• 加速衰老 (较高的SAD) 与NAFLD风险增加和所有原因死亡率显著相关 (HR=1.73,P=0.005).

结论:

• 开发的南生物年龄 (NC-BA) 模型为中国人口的生物年龄评估提供了可靠的工具.
• 这项研究确定了加速衰老与非酒精性脂肪肝疾病 (NAFLD) 的患病率和风险之间的重要联系.
• 这些发现强调了生物年龄作为预测NAFLD风险和死亡率的生物标志物的潜力.