机器学习模型的开发,用于预测腹部肥胖的成年人前sarcopenia:一个横截面研究
Xixiang Wang1, Yu Liu1, Xiuwen Ren1
1School of public health, Capital Medical University; Beijing Key Laboratory of environment and aging; China-British Joint Laboratory of Nutrition Prevention and Control of Chronic Diseases, Capital Medical University, Beijing, 100069, People's Republic of China.
Journal of endocrinological investigation
|November 3, 2025
概括
年龄和高血甘油三水平是前sarcopenia和前sarcopenia成年人腹部肥胖风险的关键指标. 这些因素,以及性别,有助于预测这些条件的发展.
科学领域:
- 老年学是一门学科.
- 代谢健康 代谢健康
- 生物化学 生物化学
背景情况:
- 骨肌肉质量和功能下降与代谢障碍有关.
- 前肉症和前肉症腹部肥胖 (PSAO) 是老龄化人口中新兴的健康问题.
- 早期识别和干预对于管理这些情况至关重要.
研究的目的:
- 调查血液生化指数,年龄和中老年人和老年人中前萨科佩尼亚和PSAO风险之间的关联.
- 通过机器学习,识别前皮症和PSAO的关键预测因素.
- 验证这些因素对风险评估和个性化干预措施的有用性.
主要方法:
- 一项涉及2427名参与者的横截面研究.
- 使用生物电阻 (骨肌肉指数 - SMI) 评估的肌肉质量.
- 机器学习 (沙普利增量解释) 和用于分析的限制立方线.
主要成果:
- 在患有腹部肥胖症的个体中观察到血中高甘油水平 (TG).
- 血TG水平与SMI在sarcopenia前组的负相关.
- 年龄,TG和血清肌素 (Scr) 被确定为PSAO的主要预测因素;男性年龄增加和TG显著增加风险.
结论:
- 年龄,性别和血液TG水平与前肉类和PSAO风险有显著的关联.
- 年龄和血液TG是预测中国成年人前肉类和PSAO的有效参数.
- 这些发现支持有针对性的查和干预策略.
