使用Life's Essential 8和重金属暴露来确定美国妇女的不孕症风险:基于SHAP方法的机器学习预测模型

科学领域:

• 生殖健康 生殖健康
• 环境健康 环境健康
• 心血管健康 心血管健康

背景情况:

• 女性不孕症是一个重要的医疗和社会问题,生育状态表明未来的健康状况.
• 生活必需品8 (LE8) 通过行为 (饮食,活动,睡眠,尼古丁) 和因素 (BMI,脂质,葡萄糖,血压) 来评估心血管健康.
• 无论是LE8还是重金属暴露都与不孕症有关,但它们对女性不孕症风险的综合影响尚未被探索.

研究的目的:

• 开发一种机器学习模型,预测美国女性不孕症风险.
• 调查LE8,重金属暴露和女性不孕症之间的关联.
• 为了确定女性不孕症的关键预测因素.

主要方法:

• 在国家健康和营养检查调查 (2013-2018) 中利用了873名女性 (20-45岁) 的数据.
• 使用后勤回归和六个机器学习模型 (决策树,GBDT,AdaBoost,LGBM,后勤回归,随机森林).
• 应用了SHAP算法用于模型可解释性,以了解决策过程.

主要成果:

• 该LGBM模型实现了最高的预测性能 (AUROC 0.964).
• 确定的主要预测因素包括LE8,体重指数 (BMI),饮食, (Cd), (Cs), (Mo), (Sb),锡 (Sn),教育和妊娠史.
• Cd,BMI和LE8是最有影响力的;Cd积极预测不孕症风险,而BMI和LE8显示出负面的预测效应. 在重金属和LE8之间观察到显著的协同作用.

结论:

• 开发了一种高度准确和可解释的机器学习模型,用于预测女性不育风险.
• 该模型整合了LE8指标和重金属暴露,识别了关键风险因素.
• 研究结果表明,可以利用LE8和重金属暴露来早期查女性不孕症.