身体质量指数和与饮食有关的炎症作为睡眠障碍的预测因素:一个横截面研究

科学领域:

• 营养科学 营养科学
• 睡眠医学 睡眠医学
• 计算健康 计算健康

背景情况:

• 饮食是许多健康状况的可修改风险因素,包括睡眠障碍.
• 了解饮食模式,生理标志物和睡眠质量之间的复杂关系对于公共健康至关重要.
• 现有的研究往往缺乏对饮食,生活方式和生理数据的综合分析,以预测睡眠障碍.

研究的目的:

• 开发和验证基于机器学习 (ML) 的模型,用于预测睡眠障碍.
• 通过使用可解释的ML技术,识别睡眠障碍的关键饮食和生理预测因素.
• 将复杂的饮食信号转化为有针对性的公共卫生干预措施的可操作的见解.

主要方法:

• 从国家健康和营养检查调查 (NHANES) (2011-2014) 中对5158名参与者的分析.
• 使用饮食,生活方式和生理变量开发ML模型 (随机森林,XGBoost,LightGBM,后勤回归).
• 应用SHAP (SHapley添加式扩展) 模型解释性和LASSO回归来识别关键的饮食成分.

主要成果:

• ML模型证明了睡眠障碍的可接受到优秀的歧视 (AUC:0.744-1.000),而LightGBM实现了完美的歧视 (AUC=1.000).
• 确定的主要预测因素包括饮食炎症指数 (DII),体重指数 (BMI) 和年龄 (与风险积极相关).
• 铁,碳水化合物和总脂肪等特定的饮食成分被强调为与饮食相关的睡眠障碍风险的重要贡献者.

结论:

• 一个可解释的ML模型有效地使用NHANES数据预测睡眠障碍.
• BMI和DII是睡眠障碍风险的核心相关值,为干预提供了潜在的目标.
• 饮食因素,特别是铁,碳水化合物和总脂肪摄入量,在睡眠障碍风险中起着重要作用,支持以营养为重点的公共卫生战略.