本研究は、NHANESデータを用いて食事微量元素と慢性腰痛との関連を調査します。解釈可能な機械学習モデルを用いて予測性能を評価し、リスク低減に関連する栄養素を特定し、腰痛に関連する食生活要因の洞察を提供します。
研究記事
本研究は、NHANESデータを用いて食事微量元素と慢性腰痛との関連を調査します。解釈可能な機械学習モデルを用いて予測性能を評価し、リスク低減に関連する栄養素を特定し、腰痛に関連する食生活要因の洞察を提供します。
食事中の微量元素と慢性腰痛(LBP)のリスクとの関係は依然として明確ではありません。2001年から2004年および2009年から2010年の全国健康栄養検査調査(NHANES)のデータを分析しました。多重共線性はスピアマン相関および分散インフレーション因子(VIF)を用いて評価され、特徴選択はボルタアルゴリズムを用いて行われました。その後、6つの機械学習モデルが開発され、SHAPとLIMEを用いて解釈可能性を高め、食事微量元素とLBPリスクとの重要な関連を特定しました。評価されたモデルの中で、ランダムフォレストは人口統計変数の組み込みおよび食事微量要素のみを用いた場合に最良の予測性能を示しました。解釈可能性分析では、水分、テオブロミン、カルシウム、カフェイン、ナトリウム、ビタミンCなどの複数の食事成分がLBPリスクと逆相関していることが一貫して特定されました。モデル識別は中程度(AUC ≈ 0.60–0.72)でしたが、これらの結果は臨床的に関連性の高いパターンを示し、集団レベルのリスク階層化を支持し、将来の研究のために修正可能な食事因子を浮き彫りにします。
慢性腰痛(LBP)は世界的に最も多い筋骨格系疾患の一つであり、障害、医療、生活の質の低下に伴う重大な社会経済的コストを伴います。疫学データによると、世界的に成人の7〜10%がLBPを報告しており、生涯の有病率は時に84%に達することもあります1。これは主に低・中所得国で一般的であり、労働関連要因、医療サービスへのアクセスの悪さ、社会経済的不平等がリスクを高め、労働年齢成人の有病率はしばしば20%を超えることもあります2。特に思春期や高齢者は、椎間板変性や骨粗鬆症などの構造的および変性変化に対してより脆弱です。
LBPは生体力学的、心理社会的、遺伝的、栄養的要因の影響を受ける多因子疾患であり、これら多様な変数間の複雑な相互作用を同時に捉える分析手法が必要です。最近のシステマティックレビューでは、LBPの病因は依然として謎に包まれており、生体力学的、心理社会的、遺伝的要因の影響を受けているため、特異性を特定することは困難であることが強調されています。「LBP」の症例の85%以上が非特異的であり、標的を絞った予防と治療の開発は困難です。物理的および薬理学的手法を組み合わせたマルチモーダル療法は症状緩和をもたらす傾向がありますが、多くの患者は再発しており、これはLBP6に対する新たな、予防可能かつ修正可能なリスク因子の緊急性を示しています。
従来の統計手法はこの複雑さに対応するには限界があり、線形仮定に依存し、NHANESの食事プロファイルのような多因子データに内在する高次元相互作用や非線形関係を十分にモデル化できていません。対照的に、機械学習手法は多数の変数を同時に扱い、微妙なパターンや相互作用を検出し、複数の要因が収束するLBPのような疾患に対して堅牢な予測を提供するという優れた有用性を提供します。
ビタミン、ミネラル、微量元素などの食事中の微量栄養素は生理的バランスに必要であり、慢性疾患のリスクを減らすのに役立ちます。抗酸化ビタミンE(αトコフェロール)とCは、心血管疾患や神経変性疾患に存在する酸化損傷を軽減します7,8。チアミン(ビタミンB1)、ピリドキシン(ビタミンB6)、葉酸、コバラミン(ビタミンB12)などのB群ビタミンも免疫調節作用があり、細胞のエネルギー代謝を促進します。その欠乏はがん、不妊、うつ状態と関連しています 9,10,11。特にマグネシウム、亜鉛、銅、セレンなどのミネラルは、筋肉減少症、子宮内膜症、肥満手術後の術後の栄養分泌物を防ぐ酵素および抗炎症経路に関与します12。ナラティブレビューは、脂質調節と免疫学的役割を通じて肥満関連の併存疾患や脂漏性皮膚炎や円形脱毛症などの皮膚疾患の予防において重要性を強調しています(13,14)。全体として、地域保健の最良のアプローチは適切な微量栄養素摂取である可能性を示すシグナルですが、介入試験では文脈的要因に基づく異質な結果が大きく示されています15,16。
さらに、栄養データを組み込んだ機械学習アプリケーションは、調査データから関節炎リスクの予測や、人口ベースのコホートにおけるLBPおよび関連疾患の生活習慣(食事を含む)寄与者を特定するなど、他の筋骨格系疾患のリスク要因の解明にも有効性を示しています(18)。
微量栄養素と慢性疾患との関連は豊富にあるものの、食品中の微量栄養素とLBPリスクの関係は依然として不明瞭であり、作用機序も不確かです。観察研究では、LBP患者の間でビタミンD、マグネシウム、抗酸化物質の欠乏が頻繁に報告されていますが、特にビタミンDを含むサプリメント試験のメタアナリシスでは、痛みの緩和に関する証拠は限定的かつ一貫性に欠けています19,20。
既存の文献を体系的に検討すると、主な限界があることが明らかになります。因果関係を確立できない断面設計や症例対照設計に依存していること21。人口統計学、生活習慣、併存疾患を含む交絡因子の不十分なコントロール20,22;小規模で代表性のないサンプル、微量栄養素の状態や痛みの結果の定義が変わること;そして、食事の相乗効果や対抗性を考慮しず、単離栄養素に焦点を当てること23。これらの欠点は、LBPの栄養調節に関する明確で実践的な知見の発展を妨げています。
より明確な仮説構造として、微量栄養素は三つの機構的に関連した経路を通じてLBPに対して保護効果を発揮すると提案されています。すなわち、酸化ストレスや神経炎症を軽減する抗酸化作用および抗炎症作用(ビタミンC、E、セレン、亜鉛、マグネシウム)、ホモシステインによる損傷(ビタミンB群)の神経修復および軽減支援、そして、ミネラルシグナル伝達およびビタミンD媒介のカルシウム調節(ビタミンD、マグネシウム、カルシウム)による骨および筋肉の恒常性の促進。このようなフレームワークは、微量栄養素の状態、全身炎症、痛みの慢性性の双方向相互作用を浮き彫りにしており、炎症促進食との関連からも示されています。
横断的研究では、微量栄養素を欠く炎症促進食は腹部や慢性的な痛みのレベルが高まり、微量栄養素の不足が全身性炎症や痛みを悪化させる双方向的な関連性を示唆しています24。
これらの課題に対処するため、私たちは幅広い食事ミクロ栄養素(ビタミン(E、A、B1、B6、B12、C、K)、ミネラル(カルシウム、マグネシウム、鉄、亜鉛、銅、セレン)、食物繊維、多価不飽和脂肪酸、カリウム、カフェインなどの他の食事要素を取り入れ、NHANESのデータを使ってLBPリスクを予測する複数のMLモデルを開発しました。このMLベースの戦略は、栄養やその他のリスク因子の複雑で非線形な関連を同時にモデル化することで、従来の統計の限界を克服し、特にLBPの多因子的性質に適しています。このより包括的な探求は非線形関連を扱い、主要なLBP予測変数の堅牢な方程式を提供します。SHAP値を用いてグローバル解釈可能性を高めることで、栄養素の組み合わせがLBPリスクにどのように影響するかを把握でき、個別化介入や栄養ゲノム研究への道を開くことができます。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
この調査は国立健康統計センター(NCHS)倫理審査委員会の承認を受け、すべての参加者からインフォームド・コンセントが得られました。公開されているNHANESデータは、関連するガイドラインに準拠して使用されました。
研究対象
NCHSが実施する国民健康・栄養検査調査(NHANES)は、非施設入所の米国人口の健康と栄養状態に関する全国代表的なデータを提供します。2001年から2004年および2009年から2010年のサイクルのデータが取得されました。18歳≥歳の参加者が含まれ、慢性腰痛、食事微量栄養素、教育レベル、または貧困収入比(PIR)、体格指数(BMI)、喫煙状況、高血圧、糖尿病、アルコール摂取などの主要な共変量に関するデータが欠落している個人は除外しました。最終的な分析コホートは8,710名の参加者で構成されていました(図1)。
食事栄養素の評価
食事摂取データは2回の24時間食事回想面接を用いて取得されました。最初の面接は移動試験センターで行われ、2回目は数日以内に電話で行われました。自動複数回通過法が適用され、リコールの精度向上と報告バイアスの最小化が図られました。詳細なAMPM手順はNHANESの食事方法論文書に記載されています。
慢性腰痛の評価
慢性腰痛の状態はアンケートデータを用いて決定されました。≥3か月続く腰痛を報告した場合、参加者は腰痛と分類されました。
共変量
人口統計的特徴には、年齢、性別、人種・民族(メキシコ系アメリカ人、その他のヒスパニック系、非ヒスパニック系白人、非ヒスパニック系黒人、その他の人種)、学歴(<9年生、9〜11年生)、学位(高校卒業/GED、一部大学/AA学位および大学卒業)、家族収入対貧困率(PIR)、体格指数(BMI)、喫煙状況、飲酒状況、高血圧および糖尿病の既往が含まれます。高血圧は自己申告の医師診断または現在の降圧薬使用に基づいて定義されました。 糖尿病は、自己申告による医師診断、2時間のグルコース耐性検査後の血糖値上昇(≥11.1 mmol/L)、または糖化ヘモグロビン≥6.5%)、空腹時血糖値≥7.0 mmol/L)を用いて定義されました。前糖尿病は、医師から前糖尿病であると告げられた場合、2時間のOGTT血糖負荷値が7.8–11.1 mmol/L、空腹時血糖値が6.1–6.9 mmol/Lであることを指していました。 またはHbA1c値が5.7%から6.4%の範囲である。喫煙の状態は、(1)過去1か月以前に現在は吸っていなかった、または1年以上禁煙していること、(2)現在喫煙(自己申告による最近)は、喫煙習慣を再開または禁煙前に1日2本以上喫煙していることと定義されました。飲酒状況に関しては、2つの定義があります。(1) 生涯飲酒しなかった人で過去に飲酒したことがない人(合計<12人)、(2) 現在飲酒している人で年間≥12回飲酒、または過去12か月間に少なくとも6回飲酒していると報告している人。BMIは体重÷身長で計算されます。
機械学習のための特徴前処理と選択
合計52の変数が含まれ、そのうち45は連続変数、7はカテゴリ変数でした。多重共線性除去、SMOTE適用、ボルタベースの特徴選択を含むすべての前処理および特徴選択手順は、データ漏洩を防ぐために訓練セット上でのみ実施されました。多重共線性を排除するために、相関係数が0.9を超える変数を最初に除去し、次にVIFが3を超える変数を除去しました。
クラスの不均衡を改善し、少数派(つまりより難しい)クラスの認識を目的として、合成少数派過剰サンプリング技術(SMOTE)が適用されました(補足図1)。これは少数派サンプル間の距離を作り出し、その距離に対してk個近隣を計算し、ランダムな方向に合成データを生成してクラス間のバランスを取る手法です。その後、使用されるすべての変数が標準化されました。
特徴選択はBorutaでランダムフォレストで完了し、いわゆる「シャドウ特徴」を生成し、入力特徴と500回の反復で「テスト」しました。「確認済み」と分類された者はモデルの製作に残されました。ハイパーパラメータチューニングの詳細については、 補足表1をご参照ください。
統計解析
すべての解析はNHANESの分析ガイドラインに従って実施されました。連続変数は平均±標準偏差(SD)として報告され、カテゴリ変数はカウントとパーセンテージで表されました。グループ間の差は、必要に応じてカイ二乗検定または学生t検定を用いて検証しました。
過学習を防ぐため、データはランダムにトレーニングセット7 とテストセットに分割されました。MLR3を用いて、6つの機械学習アルゴリズムが構築されました。多くの決定木を構築し、それらの予測を結合するランダムフォレストは強い一般化力と整合性を持ち、効率とスケールを重視した勾配ブースト決定木を用いたLightGBM;K-KNNはサンプルを隣接する近接度に基づいてソートします。K-KNNは小規模な非線形データセットで通常より良い結果を示します。ベイズの定理を活用することでシンプルかつ堅牢なナイーブベイズ;高次元サンプルに対しても分類タスクに適した理想的な超平面を持つSVM;XGBoostは、非常に大規模な不完全なデータセットでも高いパフォーマンスを持つ勾配ブースティングアンサンブルの一形態です。
モデルは、精度、F-beta、ROC曲線下面積(AUC-ROC)、感度、特異度、AUC-PRを用いて評価されました。AUC-ROCが主な指標であり、他の指標はパフォーマンスの深い洞察を提供します。彼らは安定性を確保するために10倍のクロスバリデーションを用いてモデルを検証しています。モデルの性能の違いはANOVAとKruskal–Wallis H検定を用いて評価されました。
特徴解釈可能性は、SHapley加法説明(SHAP)および局所解釈モデル非依存的説明(LIME)を用いて調査されました。SHAPは、協同的ゲーム理論に基づくシェイプリー値を用いて各特徴のモデル予測への寄与を推定し、線形効果と相互作用効果の両方を表現します。LIMEは、複雑なモデルをより単純で解釈可能な代理(例:ラッソ回帰)で近似することで特徴の影響を導き出し、個々の特徴の影響を説明する助けとなります。すべての解析はIBM SPSS Statisticsバージョン24.0およびRバージョン4.3.0で実施されました。2尾のp値<0.05は統計的に有意と見なされます。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
慢性腰椎障害の状態によるベースラインの特徴
慢性LBPの状態に分類されたベースラインの特徴は 表1に記載されています。最終分析コホートには、NHANES 2001–2004および2009–2010の8,710名の参加者が含まれ、平均年齢は49.13歳(標準差=18.43)でした。そのうち、4,528人(51.99%)が女性、4,182人(48.01%)が男性でした。全体で3,838名の参加者がLBPを報告しました(平均年齢48.62歳;SD = 17.69)。LBPを持たない参加者と比べて、LBPの参加者は食物繊維(15.67 vs. 16.07, p = 0.010)、α-カロテン(357.39 vs. 389.51, p = 0.009)、β-カロテン(1,902.99 vs. 2,061.90, p < 0.001)、β-クリプトキサンチン(131.99 vs. 155.57, p < 0.001)、ルテ + ゼアキサンチン(1,366.53...
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
この研究はNHANESのデータを用いて複数のアルゴリズムを適用し、食事中の微量栄養素と慢性腰痛との関連を発見しました。重要なのは、横断的観察設計を考慮すると、これらの結果は因果関係ではなく予測的関連を反映しており、機械学習モデルは微量栄養素摂取とLBPリスクの因果関係を確立できないことです。特徴選択と共線性検定の結果、ランダムフォレストは人口統計を含めたものと食事中の微量栄養素のみを含め、最良の予測を示したようです。SHAPおよびLIMEの結果、最も重要で負の予測ができた特徴は水分、テオブロミン、カルシウム、ナトリウムであり、それぞれの高い値は病気リスクの低減と相関している。
機械学習モデルは中程度の性能(AUC値約0.6〜0.7)を示しましたが、このレベルは非特異的慢性腰痛のような非常に多因子で多因子の疾患の栄養疫学研究において典型的かつ臨床的に有益です。これらの疾患では、多数の未測定の遺伝的要因、心理社会的要因、環境的要因が結果の変動に寄与します。このようなパフォーマンスは、仮説の生成、集団レベルのリスク階層化...
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
著者には利益相反を主張するものはありません。
この取り組みは、杭州農業社会発展プロジェクト基金(20241029Y119)、小山区科学技術計画指導プロジェクト(2025316)、浙江省中医科学技術プロジェクト(2024ZR152)の支援を受けました。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
| 名前 | 会社 | カタログ番号 | コメント |
|---|---|---|---|
| 自動多重通過法(AMPM) | 国立健康統計センター(NCHS)、CDC | 該当なし | NHANES 24時間食事リコール面接で報告の正確性向上を目的とした食事評価システム |
| ボルタアルゴリズム | オープンソース(Rパッケージ:Boruta) | 該当なし | ランダムフォレストに基づく特徴選択法;シャドウ特徴比較を通じて関連変数を特定するために使用 |
| コンピュータ支援パーソナル面接(CAPI) | 国立健康統計センター(NCHS)、CDC | 該当なし | 訓練を受けた職員がアンケートデータを収集するために使用するインタビューシステム |
| 全国健康・栄養検査調査(NHANES) | 国立健康統計センター(NCHS)、CDC | 該当なし | 人口統計、食事、健康関連データを提供する全国調査 |
| 前立腺疾患質問票(KIQ) | 国立健康統計センター(NCHS)、CDC | 該当なし | 腰痛情報評価に使用されたアンケートソース |
| ランダムフォレストアルゴリズム | オープンソース(例:R / Pythonの実装) | 該当なし | 特徴選択および分類に用いられる機械学習モデル |
| 合成少数派過サンプリング技術(SMOTE) | オープンソース(例:DMwR / imbalanced-learn) | 該当なし | 合成少数サンプルを生成することでクラスの不均衡に対処するために用いられるオーバーサンプリング技術 |
このJoVE記事のテキストまたは図の再利用許可をリクエスト
許可をリクエスト