使用无监督机器学习方法,对中年和老年华人的心脏代谢概况进行集群,这些中年和老年华人患有一般和中央肥胖症

科学领域:

• 内分泌学和新陈代谢学
• 公共卫生 公共卫生
• 老年学是一门学科.

背景情况:

• 肥胖,无论是一般的还是中心的,都与心脏代谢疾病风险增加有关.
• 肥胖症的多样性需要了解不同的患者亚组及其医疗需求.
• 中年和老年中国人面临着与肥胖相关的重大健康挑战.

研究的目的:

• 检查一般和中心肥胖症的中国成年人的心脏代谢特征和并发症概况.
• 用聚类分析将这些个体分类为不同的子组.
• 了解每个肥胖亚型的独特医疗需求和风险概况.

主要方法:

• 无监督机器学习集群应用到脂肪和心脏代谢资料.
• 来自中国健康与退休长度研究 (CHARLS) 的数据.
• 与肥胖相关的并发症风险 (高血压,失脂症,糖尿病,心脏问题,中风) 在已识别的集群中进行比较.

主要成果:

• 对7970名受试者的分析显示,41.88%的普通肥胖和71.29%的中心肥胖.
• 出现了四个不同的集群:更健康的代谢物,高尿血,高血糖,胰岛素耐药性和平均水平.
• 高HbA1c和TyG指数与更严重的脂肪和较差的心脏代谢概况相关.

结论:

• 在中国老年人中发现了一种新的数据驱动的肥胖亚型分类策略.
• 该方法对脂肪和心脏代谢概况进行分类,揭示了亚型特定的异质性.
• 临床上可访问的指标可以为个性化肥胖管理提供精确的风险分层.