机器学习和SHAP值解释用于预测糖尿病患者使用食抗氧化剂预测心血管疾病风险

科学领域:

• 营养生物化学 营养生物化学
• 计算生物学是一种计算生物学.
• 心血管医学 心血管医学

背景情况:

• 糖尿病患者面临更高的心血管疾病 (CVD) 风险.
• 饮食中的抗氧化剂在减轻氧化应激和炎症方面发挥着至关重要的作用,这些因素与心血管疾病的发病有关.
• 确定影响糖尿病心血管疾病风险的特定饮食成分对于有针对性的干预措施至关重要.

研究的目的:

• 通过整合饮食中的抗氧化剂数据,开发和验证用于预测糖尿病患者心血管疾病风险的机器学习模型.
• 通过使用SHapley添加剂扩展 (SHAP) 来确定对心血管疾病风险预测有显著贡献的关键饮食抗氧化剂.
• 为改善糖尿病患者心血管健康提供基于证据的饮食建议.

主要方法:

• 来自美国国家健康和营养检查调查 (NHANES) 的数据,包括人口统计,生活方式,健康状况和饮食中的抗氧化剂摄入量 (维生素,矿物质,多).
• 在mlr3框架中使用机器学习技术,包括XGBoost,在数据预处理后进行预测建模 (取消对线性,标准化,类不平衡纠正).
• 利用夏普利添加剂扩展 (SHAP) 来解释特征的重要性,并确定在心血管疾病风险预测中最具影响力的饮食抗氧化剂.

主要成果:

• XGBoost模型实现了高预测性能,准确率为87.4%,错误率为12.6%,曲线下的面积 (AUC) 和精度回忆曲线 (PRC) 值为0.949.
• SHAP分析确定了特定的饮食抗氧化剂,包括大吉素, (Mg),表甲基-3-酸盐 (EGCG),佩拉戈尼丁,维生素A和茶叶黄素3'-酸盐,作为对心血管疾病风险最有影响力的预测因素.
• 这项研究包括1,356名糖尿病患者,其中332人患有并发性心血管疾病,数据经过细化后.

结论:

• 该XGBoost模型显示出在糖尿病患者中对心血管疾病风险的卓越预测能力.
• 饮食中的抗氧化剂对心血管疾病风险的预测有着显著的贡献,大吉素和被认为是特别具有影响力的.
• 这些发现支持将饮食中的抗氧化剂评估纳入糖尿病患者的心血管疾病风险管理策略.