泰国患者的饮食模式和牛皮病严重程度:用于小样本数据的机器学习方法

科学领域:

• 皮肤病学和计算生物学
• 营养科学和机器学习

背景情况:

• 牛皮的严重程度受到各种因素的影响,包括饮食.
• 机器学习 (ML) 为分析复杂的临床数据集提供了先进的工具.
• 了解饮食对牛皮的影响对于患者管理至关重要.

研究的目的:

• 使用ML. 调查饮食模式和牛皮严重程度之间的关系.
• 为了确定特定的饮食触发因素和牛皮的保护因素.
• 开发基于临床和饮食数据的牛皮严重性的预测模型.

主要方法:

• 利用了142名泰国牛皮患者的数据集,其中包括37个人口统计,临床和饮食特征.
• 采用混合重新采样策略 (启动与K折交叉验证) 来解决小样本大小的问题.
• 评估随机森林 (RF) 和极端梯度增强 (XGB) 模型与特征选择 (LASSO,MDA,MDI).
• 应用了SHapley添加式解释 (SHAP) 来进行特征重要性分析.

主要成果:

• 最佳的射频和XGB模型实现了>90%的灵敏度,特异性和F1分数,AUC>95%.
• 确定了关键的饮食触发因素:高食物,加工肉类,酒精,红肉,发酵产品和深色蔬菜.
• 身体质量指数 (BMI) 是牛皮严重程度的最强有力的预测指标.
• 某些泰国菜,如姆功 (Tom Yum Kung),显示出潜在的益处,而其他泰国菜,如姆 (Som Tum) 和帕德泰 (Pad Thai),则在过度食用时可能会引发疾病.

结论:

• 基于饮食和临床因素,ML模型可以有效预测牛皮的严重程度.
• 适度饮食和个性化的营养指导对于治疗牛皮至关重要.
• 识别特定的食物触发因素和促进体重管理可以改善患者的治疗结果和医疗保健创新.