[通过机器学习评估的氧化平衡得分和良性前列腺增生之间的相关性]
Hao-Ran Wang1, Jia-Xin Ning1, Hui-Min Hou1,2,3
1Beijing Hospital, National Center of Gerontology, Institute of Geriatric Medicine, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100730, China.
Zhonghua nan ke xue = National journal of andrology
|August 10, 2025
概括
较高的氧化平衡得分 (OBS) 与美国成年人良性前列腺增生症 (BPH) 患病率的增加有关. 这一发现为BPH诊断和研究提供了洞察力.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 营养科学 营养科学
- 公共卫生 公共卫生
背景情况:
- 良性前列腺增生症 (BPH) 是老年男性常见的疾病.
- 氧化应激在各种慢性疾病中起作用,但其与BPH的特定联系需要进一步调查.
- 了解生活方式,饮食和BPH之间的关系对于预防策略至关重要.
研究的目的:
- 调查氧化平衡得分 (OBS) 与良性前列腺增生症 (BPH) 的患病率之间的关联.
- 探索OBS和BPH之间的线性和非线性关系.
- 使用机器学习技术开发BPH的预测模型.
主要方法:
- 利用了2001-2008年国家健康和营养检查调查 (NHANES) 的数据.
- 根据16个饮食和4个生活方式维度计算OBS.
- 采用了统计分析,包括限制立方,子组分析和相互作用测试. 机器学习模型 (XGBoost,SVM,NB) 用于预测.
主要成果:
- 在较高的OBS和增加的BPH患病率之间观察到显著的正非线性关联 (P=0.015).
- 亚组分析表明与酒精消费相关的变化和相互作用.
- XGBoost模型显示了BPH的最佳预测性能,其AUC为0.769.
结论:
- 在美国人口中,OBS和BPH患病率之间存在显著的关联.
- 这些发现为BPH的诊断和未来研究提供了宝贵的见解.
- 导致氧化平衡的饮食和生活方式因素可能会影响BPH风险.


