IgE介导食物过敏的风险及其对儿童生长的影响:机器学习方法
Ning Zhu1, Tingting Chen1,2, Lei Wang1
1Department of Pediatric Allergy and Immunology, The Second Affiliated Hospital and Yuying Children's Hospital of Wenzhou Medical University, Wenzhou, 325027, China.
The World Allergy Organization journal
|July 23, 2025
概括
确定儿童食物过敏 (FA) 的危险因素至关重要. 机器学习模型预测FA的发生和增长追赶,强调出生体重,家族史和抗生素暴露作为关键因素.
科学领域:
- 儿科过敏和免疫学
- 营养科学 营养科学
- 生物信息学和机器学习
背景情况:
- 食物过敏 (FA) 显著影响儿童的营养状况和生长.
- 增长迟缓是FA儿童的常见并发症.
- 有效的增长追赶战略对于管理FA至关重要.
研究的目的:
- 开发机器学习模型来预测免疫球蛋白E介导的食物过敏 (IgE-FA).
- 确定IgE-FA.儿童治疗后增长追赶的预测因素.
- 分析与IgE-FA发育相关的风险因素.
主要方法:
- 基于机器学习的生物信息学分析人口和生物数据.
- 招募了130名0-3岁的IgE-FA和65名健康对照儿童.
- 开发IgE-FA发生和生长结果的预测模型.
主要成果:
- IgE-FA预测模型实现了0.78.8的AUC.
- 对IgE-FA的危险因素包括出生时体重增加,家族过敏史和早期抗生素暴露 (OR 2.77).
- 治疗前的体重与治疗后的身高,体重和BMI有很强的相关性;牛奶过敏影响体重,蛋过敏影响BMI.
结论:
- 在IgE-FA中,增长限制是常见的,治疗后的追赶是具有挑战性的.
- 体重是预测IgE-FA和促进增长追赶的关键指标.
- 对于患有FA的儿童,建议提供个性化的营养指导和体重监测.
