体重指数调解了重金属暴露与过度活动膀风险之间的关联:来自使用可解释机器学习的国家代表性横截面研究的见解

科学领域:

• 环境健康 环境健康
• 毒理学 毒理学 毒理学
• 流行病学 流行病学

背景情况:

• 暴露于重金属与代谢障碍有关,但其与过度活性膀 (OAB) 的关联尚不清楚.
• 体重指数 (BMI) 可能调解重金属诱导的代谢问题,但需要阐明路径.

研究的目的:

• 调查重金属暴露,BMI和OAB风险之间的关系.
• 利用可解释的机器学习 (ML) 和调解分析来理解潜在的机制.

主要方法:

• 分析了国家健康和营养检查调查 (NHANES) 数据 (2005-2010).
• 使用LASSO回归和Boruta算法识别了与OAB相关的金属.
• 使用PFI,SHAP和PDP开发和解释了ML模型 (XGBoost).
• 使用后勤回归,RCS,BKMR和调解分析验证的结果.

主要成果:

• 已确定血液中的,血液中的铁,尿中的,尿中的,尿中的,尿中的和尿中的与OAB相关.
• XGBoost模型显示出良好的预测性能 (AUC:0.736).
• 尿中的和血液中的铁是关键预测因素;BMI部分介导铁的保护作用和/风险.

结论:

• 尿中的,血和铁调节了OAB风险,BMI作为部分调解者.
• 与流行病学集成的可解释的ML澄清了OAB中的环境代谢相互作用.
• 强调需要重金属查和风险人群的BMI管理.