开发和验证机器学习算法,以预测社会经济弱势群体中饮食质量的各种指数
Mélina Côté1,2, Marianne Rochette1,2, Catherine Laramée1,2
1Centre Nutrition, Santé et Société (NUTRISS), Institut sur la nutrition et les aliments fonctionnels (INAF), Université Laval, Québec, QC, G1V 0A6, Canada.
The British journal of nutrition
|March 4, 2026
概括
机器学习模型准确地预测了社会经济弱势群体的饮食质量. 这表明了ML在与难以接触的人群的公共卫生研究中的潜力.
科学领域:
- 公共卫生 营养 公共卫生 营养
- 计算流行病学计算流行病学
- 机器学习应用 机器学习应用
背景情况:
- 招募社会经济弱势群体参加公共卫生研究面临重大挑战.
- 现有的用于预测饮食质量的机器学习 (ML) 模型通常是使用一般人口数据开发的.
- 这些ML模型对代表不足,社会经济上处于劣势的群体的适用性仍未得到充分研究.
研究的目的:
- 评估ML算法对社会经济弱势群体的饮食质量指数的预测准确度.
- 为了确定在一般人口数据上训练的ML模型是否可以有效地应用于高贫困样本.
主要方法:
- 利用NutriQuébec项目的5367名成年人的数据,通过基于网络的24小时回忆测量饮食摄入量.
- 开发了ML算法,使用来自一般人口样本的122个变量 (n=4180).
- 测试了高贫困样本 (n=1187) 上的算法性能,使用了三个饮食质量指数:蔬菜和水果消费 (VFC),其他食物消费 (OFC) 和健康饮食食品指数-2019 (HEFI-2019).
主要成果:
- 在一般和高贫困样本之间,ML算法在预测饮食质量指数方面取得了可比的准确性.
- 高贫困样本的预测准确度为:VFC (0.69),OFC (0.56) 和HEFI-2019 (0.66).这些都是高贫困样本的预测准确度.
- 该研究表明,在社会经济上处于劣势的群体中,在一般数据上训练的ML模型的成功应用.
结论:
- 针对普通人群开发的机器学习算法在社会经济弱势群体中显示出适用性和可比的预测性能.
- 这一发现支持使用ML作为一种工具来克服针对难以接触的人群的公共卫生研究的招聘挑战.
- 建议进行进一步的研究,以评估在各种代表性不足的群体中ML模型的概括性.
相关概念视频
01:25Statistical Methods for Analyzing Epidemiological Data
Epidemiological data primarily involves information on specific populations' occurrence, distribution, and determinants of health and diseases. This data is crucial for understanding disease patterns and impacts, aiding public health decision-making and disease prevention strategies. The analysis of epidemiological data employs various statistical methods to interpret health-related data effectively. Here are some commonly used methods:
01:22Applications of Life Tables
Life tables are versatile across various fields, providing a quantitative basis for analyzing mortality and survival rates. Whether used by demographers, actuaries, epidemiologists, or sociologists, life tables offer valuable insights into the dynamics of life and death, facilitating informed decisions in public health, insurance, conservation, and beyond. Their broad applicability highlights the interconnectedness of demographic data with practical outcomes in everyday life and strategic...