Previsão do risco de dor lombar crônica baseada em elementos traço dietéticos usando múltiplos modelos de aprendizado de máquina e estruturas de interpretabilidade dupla

Resumo

Este estudo investiga associações entre elementos traço da dieta e dor lombar crônica usando dados do NHANES. Modelos interpretáveis de aprendizado de máquina são aplicados para avaliar o desempenho preditivo e identificar nutrientes associados à redução do risco, fornecendo insights sobre possíveis fatores alimentares ligados à dor lombar.

Resumo

A relação entre os elementos traço da dieta e o risco de dor lombar crônica (LBP) permanece incerta. Foram analisados dados da Pesquisa Nacional de Saúde e Nutrição (NHANES) dos ciclos 2001–2004 e 2009–2010. A multicolinearidade foi avaliada usando os fatores de correlação e inflação da variância (VIF) de Spearman, e a seleção de características foi realizada usando o algoritmo Boruta. Seis modelos de aprendizado de máquina foram posteriormente desenvolvidos, com SHAP e LIME aplicados para melhorar a interpretabilidade e identificar associações-chave entre elementos traço dietéticos e risco de LBP. Entre os modelos avaliados, a Random Forest demonstrou o melhor desempenho preditivo, tanto ao incorporar variáveis demográficas quanto ao usar apenas traços dietéticos. Análises de interpretabilidade identificaram consistentemente vários componentes dietéticos — incluindo umidade, teobromina, cálcio, cafeína, sódio e vitamina C — como inversamente associados ao risco de lombal. Embora a discriminação dos modelos tenha sido moderada (AUC ≈ 0,60–0,72), esses achados revelam padrões clinicamente relevantes que podem apoiar a estratificação de risco em nível populacional e destacar fatores alimentares potencialmente modificáveis para investigações futuras.

Introdução

A dor lombar crônica (LBP) está entre os distúrbios musculoesqueléticos mais prevalentes no mundo e apresenta custos socioeconômicos significativos associados à deficiência, cuidados de saúde e perda de qualidade de vida. Dados epidemiológicos indicam que 7–10% dos adultos relatam lombalebral globalmente, com prevalência ao longo da vida chegando às vezes a 84^%. É mais comum em países de baixa ou média renda, onde fatores relacionados ao trabalho, baixo acesso a serviços de saúde e desigualdade socioeconômica aumentam o risco, com prevalência frequentemente superior a 20% entre adultos em idade^{ativa 2.} Adolescentes e idosos, especialmente, são mais vulneráveis a mudanças estruturais e degenerativas, como degeneração do disco intervertebral e^{osteoporose 3}.

A LBP é uma doença multifatorial influenciada por fatores biomecânicos, psicossociais, genéticos e nutricionais, exigindo métodos analíticos capazes de capturar simultaneamente as interações complexas entre essas variáveis diversas. Revisões sistemáticas recentes continuam destacando que a etiologia da LBP permanece enigmática, influenciada por fatores biomecânicos, psicossociais e genéticos, e que, por isso, é difícil de identificar com especificidade. Mais de 85% dos casos de 'LBP são inespecíficos' – tornando o desenvolvimento de prevenção e tratamento direcionados^{um desafio de 4,5}. Embora terapias multimodais que combinam métodos físicos e farmacológicos tendam a proporcionar alívio sintomático, muitos pacientes permanecem recorrentes, um sinal que aponta para uma necessidade urgente de novos fatores de risco evitáveis e modificáveis para a LP⁶.

Métodos estatísticos tradicionais são limitados para lidar com essa complexidade, pois frequentemente dependem de pressupostos lineares e falham em modelar adequadamente interações de alta dimensão e relações não lineares inerentes a dados multifatoriais, como os perfis alimentares NHANES. Em contraste, as abordagens de aprendizado de máquina oferecem utilidade superior ao lidar com grandes números de variáveis simultaneamente, detectar padrões e interações sutis, e fornecer previsões robustas para doenças como a LBP, onde múltiplos fatores convergem.

Micronutrientes alimentares, incluindo vitaminas, minerais e oligoelementos, são necessários para o equilíbrio fisiológico e ajudam a reduzir o risco de doenças crônicas. As vitaminas antioxidantes E (α-tocoferol) e C reduzem os danos oxidativos presentes em doenças cardiovasculares e neurodegenerativas ^7,8. Vitaminas do complexo B, como tiamina (vitamina B1), piridoxina (vitamina B6), folato e cobalamina (vitamina B12), também são imunoreguladoras e facilitam o metabolismo energético celular; deficiências das quais foram associadas a câncer, infertilidade e humor^{deprimido 9,10,11}. Minerais, especialmente magnésio, zinco, cobre e selênio, participam de vias enzimáticas e anti-inflamatórias que previnem sarcopenia, endometriose e descarga nutricional pós-operatória após cirurgia^{bariátrica 12}. Revisões narrativas destacam sua importância na prevenção de comorbidades relacionadas à obesidade e condições de pele, como dermatite seborreica e alopecia areata, por meio da modulação lipídica e dos papéis^{imunológicos 13,14}. No geral, um sinal de que a melhor abordagem para a saúde comunitária pode ser a ingestão adequada de micronutrientes, embora ensaios intervencionistas mostrem em grande parte resultados heterogêneos baseados em fatores^{contextuais 15,16}.

Além disso, aplicações de aprendizado de máquina que incorporam dados nutricionais mostraram eficácia em elucidar fatores de risco para outras doenças musculoesqueléticas, como prever o risco de artrite a partir de dados da^{pesquisa 17} e identificar contribuintes de estilo de vida (incluindo dietética) para a lombitrilesca e condições relacionadas em coortes^{populacionais 18}.

Apesar da riqueza de ligações entre micronutrientes e doenças crônicas, a relação entre micronutrientes nos alimentos e o risco de lombalesca permanece pouco definida, e os mecanismos de ação são incertos. Embora estudos observacionais frequentemente relatem deficiências de vitamina D, magnésio e antioxidantes entre indivíduos com lombal, meta-análises de ensaios de suplementação — especialmente aqueles envolvendo vitamina D — apresentaram evidências limitadas e inconsistentes de alívio da^{dor 19,20}.

Um exame sistemático da literatura existente revela limitações chave: dependência de desenhos transversais e caso-controle que não podem estabelecer^{causalidade 21}; controle inadequado para os fatores de confusão, incluindo demografia, estilo de vida e^{comorbidades 20,22}; amostras pequenas e não representativas; definições variáveis de status de micronutrientes e desfechos da dor; e foco em nutrientes isolados sem considerar sinergias ou antagonismos^{dietéticos 23}. Essas deficiências dificultaram o desenvolvimento de insights claros e acionáveis sobre a modulação nutricional da LBP.

Para uma estrutura de hipótese mais explícita, propõe-se que os micronutrientes exercem efeitos protetores contra a lombalina por meio de uma tríade de vias mecanicamente ligadas: ações antioxidantes e anti-inflamatórias que atenuam o estresse oxidativo e a neuroinflamação (vitaminas C, E, selênio, zinco, magnésio); suporte para reparação neural e mitigação de danos induzidos pela homocisteína (vitaminas do complexo B); e aprimoramento da homeostase óssea e muscular por meio da sinalização mineral e da regulação do cálcio mediada pela vitamina D (vitamina D, magnésio, cálcio). Tal estrutura destaca a interação bidirecional entre o status de micronutrientes, inflamação sistêmica e cronicidade da dor, evidenciada por associações com dietas^{pró-inflamatórias 24}.

Estudos transversais indicam que dietas pró-inflamatórias sem micronutrientes produzem níveis maiores de dor abdominal ou crônica, sugerindo uma associação bidirecional em que a falta de entrada de micronutrientes agrava inflamação sistêmica e^{dor 24}.

Para enfrentar essas questões, desenvolveram múltiplos modelos de ML que incorporam uma ampla variedade de micronutrientes dietéticos (vitaminas (E, A, B1, B6, B12, C, K), minerais (cálcio, magnésio, ferro, zinco, cobre, selênio) e outros elementos dietéticos incluindo fibra, ácidos graxos poliinsaturados, potássio e cafeína) com dados NHANES para prever o risco de lombalística. Essa estratégia baseada em ML é particularmente adequada à natureza multifatorial da LBP, pois supera as limitações das estatísticas tradicionais ao modelar simultaneamente associações complexas e não lineares entre fatores nutricionais e outros fatores de risco. Essa exploração mais abrangente pode lidar com associações não lineares e fornece uma equação robusta para os principais preditores de LBP. Usando os valores SHAP para interpretabilidade global, eles podem ver como combinações de nutrientes afetam o risco de LBP, o que abre a porta para intervenções personalizadas e estudos nutrigenômicos.

Protocolo

Esta investigação foi aprovada pelo Conselho de Revisão de Ética do Centro Nacional de Estatísticas em Saúde (NCHS), e o consentimento informado foi obtido de todos os participantes. Os dados do NHANES disponíveis publicamente foram usados em conformidade com as diretrizes relevantes.

População estudada

A Pesquisa Nacional de Saúde e Nutrição (NHANES), conduzida pelo NCHS, fornece dados representativos nacionalmente sobre a saúde e o estado nutricional da população dos EUA não institucionalizada. Foram recuperados dados dos ciclos de 2001–2004 e 2009–2010. Participantes com ≥18 anos foram incluídos, enquanto indivíduos com dados ausentes sobre lxibre crônica, micronutrientes alimentares, nível de escolaridade ou covariáveis chave — incluindo razão pobreza-renda (PIR), índice de massa corporal (IMC), tabagismo, hipertensão, diabetes e consumo de álcool — foram excluídos. A coorte analítica final foi composta por 8.710 participantes (Figura 1).

Avaliação dos nutrientes alimentares

Os dados de ingestão dietética foram obtidos por meio de duas entrevistas de recall alimentar de 24 horas. A primeira entrevista foi realizada em um Centro Móvel de Exames, e a segunda foi concluída por telefone em poucos dias. O Método Automatizado de Múltiplas Passagens foi aplicado para melhorar a precisão da recordação e minimizar o viés de relatório. Procedimentos detalhados do AMPM são descritos na documentação da metodologia alimentar do NHANES.

Avaliação da lombalburina crônica

O status crônico de lombalgia foi determinado por meio de dados de questionário. Os participantes foram classificados como tendo LP se relatassem dor nas costas durante ≥3 meses.

Covariadas

As características demográficas incluíam idade, sexo, raça/etnia (mexicano-americano, outros hispânicos, brancos não hispânicos, negros não hispânicos, outras raças), educação (<9º ano, 9º–11º ano), diploma (diploma do ensino médio/GED, alguns diplomas universitários/AA e graduados universitários), relação renda-pobreza (PIR), índice de massa corporal (IMC), status de tabagismo, bem como consumo de álcool e histórico de hipertensão e diabetes. A hipertensão foi definida com base no diagnóstico auto-relatado pelo médico ou no uso atual de medicação anti-hipertensiva. Diabetes foi definido por meio de diagnóstico auto-relatado por médico, níveis elevados de glicose após um teste de tolerância à glicose de 2 horas (≥11,1 mmol/L), hemoglobina glicificada ≥6,5% ou glicose em jejum ≥7,0 mmol/L. O pré-diabetes foi definido como ser informado por um médico de que você tinha pré-diabetes, tolerância à glicose OGTT de 2 horas de 7,8–11,1 mmol/L, glicose em jejum de 6,1–6,9 mmol/L, ou um valor de HbA1c entre 5,7% e 6,4%. O status do tabagismo foi definido como (1) Não atualizado antes do último mês, ou parar por mais de um ano, e (2) fumar atualmente (auto-relato recente) é definido como fumar mais de 2 cigarros por dia ao retomar o hábito ou antes de parar. Quanto ao status de consumo de álcool, existem duas definições: (1) não bebedores vitalícios sem consumo prévio de álcool (<12 no total) e (2) consumidores atuais que relatam ter bebido ≥12 vezes por ano, ou ter bebido pelo menos seis vezes nos últimos 12 meses. IMC calculado como peso ÷ altura².

Pré-processamento de recursos e seleção para aprendizado de máquina

Um total de 52 variáveis, incluindo 45 contínuas e 7 categoriais, foram incluídas. Todos os procedimentos de pré-processamento e seleção de características — incluindo remoção de multicolinearidade, aplicação SMOTE e seleção de características baseada em Boruta — foram realizados exclusivamente no conjunto de treinamento para evitar vazamento de dados. Para eliminar a multicolinearidade, as variáveis com coeficientes de correlação maiores que 0,9 foram removidas primeiro, e depois as variáveis com VIFs maiores que 3.

Para melhorar o desequilíbrio de classes e o reconhecimento de classes minoritárias (leia-se: mais difíceis), foi aplicada a Técnica de Superamostragem de Minorias Sintéticas (SMOTE) (Figura Suplementar 1), que cria distâncias entre amostras de classes minoritárias, calcula os k vizinhos mais próximos para essas distâncias e gera dados sintéticos em direções aleatórias para equilibrar as classes. Todas as variáveis usadas foram então padronizadas.

A seleção de características foi concluída com Boruta em Random Forests, gerando as chamadas "características sombra" e "testando" contra as características de entrada ao longo de 500 iterações. Aqueles classificados como "confirmados" foram mantidos para construir o modelo. Para informações detalhadas sobre sintonia de hiperparâmetros, consulte a Tabela Suplementar 1.

Análise estatística

Todas as análises foram realizadas de acordo com as diretrizes analíticas do NHANES. As variáveis contínuas foram reportadas como média ± desvios padrão (DS), enquanto as variáveis categóricas foram expressas como contagem e porcentagem. As diferenças entre grupos foram testadas usando qui-quadrado ou testes t de Student, quando apropriado.

Para evitar o sobreajuste, os dados foram particionados aleatoriamente em um conjunto de treinamento⁷ e um conjunto de teste. Usando o MLR3, seis algoritmos de aprendizado de máquina foram construídos: Random Forest, que constrói muitas árvores de decisão e une suas previsões, possuindo forte poder de generalização e consistência; LightGBM baseado em árvores de decisão com gradiente aumentado, que é ajustado para eficiência e escala; O K-KNN classifica as amostras de acordo com a proximidade dos vizinhos; o K-KNN normalmente apresenta melhores resultados em conjuntos de dados pequenos e não lineares; Naive Bayes, que ao utilizar o teorema de Bayes dá simplicidade e é robusto; SVM que possui hiperplanos ideais para a tarefa de classificação, mesmo para amostras de alta dimensionalidade; XGBoost é um conjunto de aumento de gradiente que possui alto desempenho, mesmo com conjuntos de dados muito grandes e incompletos.

O modelo foi avaliado usando precisão, F-beta, área sob as curvas ROC (AUC-ROC), sensibilidade, especificidade e AUC-PR. O AUC-ROC é a principal métrica que eles utilizam, enquanto as outras métricas fornecem insights mais profundos sobre desempenho. Eles validam seus modelos usando validação cruzada dez vezes para garantir estabilidade. As diferenças no desempenho dos modelos foram avaliadas usando ANOVA e o teste H de Kruskal–Wallis.

A interpretabilidade de características foi investigada usando SHapley Aditivive ExPlanations (SHAP) e Explicações Locais Interpretáveis Independentes do Modelo (LIME). O SHAP deriva estimativas da contribuição de cada característica para as previsões do modelo usando valores de Shapley, baseados na teoria dos jogos cooperativos, para representar efeitos tanto lineares quanto interativos. O LIME deriva influência de características aproximando modelos complexos com substitutos mais simples e interpretáveis (por exemplo, regressões de Lasso) para ajudar a explicar a influência de características individuais. Todas as análises foram realizadas na versão 24.0 do IBM SPSS Statistics e na versão 4.3.0 do R. Um valor-p bidirecional < 0,05 é considerado estatisticamente significativo.

Resultados

Características de base por estado crônico de lombalerices

As características basais estratificadas pelo estado crônico de lumbiatrie são descritas na Tabela 1. A coorte analítica final incluiu 8.710 participantes do NHANES 2001–2004 e 2009–2010, com idade média de 49,13 anos (DE = 18,43). Desses, 4.528 (51,99%) eram mulheres e 4.182 (48,01%) eram homens. No total, 3.838 participantes relataram ter lombalesca (idade média 48,6...

Discussão

Este estudo utilizou dados do NHANES e aplicou vários algoritmos, encontrando uma associação entre micronutrientes dietéticos e lombalesia crônica. Importante ressaltar que, dado o desenho observacional transversal, esses achados refletem associações preditivas em vez de relações causais, e os modelos de aprendizado de máquina não conseguem estabelecer causalidade entre a ingestão de micronutrientes e o risco de LBP. Após a seleção de características e testes de colinearidade, a Random F...

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Método Automatizado de Múltiplas Passagens (AMPM)	Centro Nacional de Estatísticas de Saúde (NCHS), CDC	N/A	Sistema de avaliação alimentar utilizado em entrevistas de recall dietético de 24 horas do NHANES para melhorar a precisão dos relatórios
Algoritmo Boruta	Código aberto (pacote R: Boruta)	N/A	Método de seleção de características baseado em florestas aleatórias; Usado para identificar variáveis relevantes por meio da comparação de características de sombra
Entrevista Pessoal Assistida por Computador (CAPI)	Centro Nacional de Estatísticas de Saúde (NCHS), CDC	N/A	Sistema de entrevista utilizado por profissionais treinados para coletar dados de questionários
Pesquisa Nacional de Saúde e Nutrição (NHANES)	Centro Nacional de Estatísticas de Saúde (NCHS), CDC	N/A	Pesquisa nacional fornecendo dados demográficos, dietéticos e relacionados à saúde
Questionário de Condições da Próstata (KIQ)	Centro Nacional de Estatísticas de Saúde (NCHS), CDC	N/A	Fonte do questionário usada para avaliar informações sobre dor nas costas
Algoritmo de Floresta Aleatória	Código aberto (por exemplo, implementações em R / Python)	N/A	Modelo de aprendizado de máquina usado na seleção e classificação de características
Técnica de Superamostragem de Minorias Sintéticas (SMOTE)	Código aberto (ex.: DMwR / aprendizado desequilibrado)	N/A	Técnica de superamostragem usada para corrigir o desequilíbrio de classes gerando amostras sintéticas de minorias