基于生活方式和基于微生物群的模型的推导和验证,用于结直肠腺瘤风险评估和自我预测
Yi-Lu Zhou1, Jia-Wen Deng1, Zhu-Hui Liu1
1Division of Gastroenterology and Hepatology, NHC Key Laboratory of Digestive Diseases, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China.
BMJ open gastroenterology
|April 2, 2025
概括
使用生活方式和肠道细菌的新型非侵入性模型预测了结直肠腺瘤 (CRA) 风险. 该工具通过提高查效率和识别个性化查年龄,有助于预防早期结直肠癌 (CRC).
科学领域:
- 胃肠道学和瘤学
- 微生物组研究 微生物组研究
- 预防医学 预防医学
背景情况:
- 早期发现结直肠腺瘤 (CRA) 对于预防结直肠癌 (CRC) 至关重要.
- 目前的查方法可能是侵入性的,并且可能具有有效性的局限性.
- 需要非侵入性策略来改善人口层面的查.
研究的目的:
- 构建结直肠腺瘤 (CRA) 风险分层的非侵入性预测模型.
- 为了提高CRA查对结直肠癌 (CRC) 预防的有效性.
- 为了确定不同风险群体的最佳初始结肠镜查年龄.
主要方法:
- 整合了三个队列 (9747名参与者) 接受结肠镜检查.
- 利用生活方式信息,便样本,16S rRNA测序和定量实时PCR来识别CRA相关细菌.
- 开发了使用生活方式和肠道微生物群数据的预测模型,跨队列验证,并分析了特定年龄的CRA发病率.
主要成果:
- 一个包含14个变量的多变量逻辑回归模型证明了强大的CRA预测 (c-statistic=0.79).
- 机器学习模型显示了可比性能 (随机森林:0.78,梯度增强:0.78).
- 包括特定细菌 (Fusobacterium nucleatum,pks+E. coli) 改善了模型性能 (c-统计值=0.84-0.86);推查年龄:42 (高风险) 与53 (低风险).
结论:
- 结合生活方式和肠道微生物特征的综合数学模型为CRA风险分层提供了有效的非侵入性策略.
- 一个机器学习辅助的预测应用程序促进了成本效益的,人口层面的选.
- 这种方法通过改进查实施来优化结肠直肠癌 (CRC) 预防协议.
