Araştırma makalesi
Bu çalışma, NHANES verilerini kullanarak diyet iz elementleri ile kronik bel ağrısı arasındaki ilişkileri araştırmaktadır. Yorumlanabilir makine öğrenimi modelleri, öngörücü performansı değerlendirmek ve azaltılmış riskle ilişkili besinleri belirlemek için uygulanır; böylece bel ağrısıyla bağlantılı potansiyel diyet faktörleri hakkında içgörüler sağlar.
Diyet iz elementleri ile kronik bel ağrısı (LBP) riski arasındaki ilişki hâlâ net değildir. Ulusal Sağlık ve Beslenme Muayene Anketi (NHANES) 2001–2004 ve 2009–2010 döngülerinden alınan veriler analiz edildi. Çok kollineerlik, Spearman'ın korelasyon ve varyans enflasyon faktörleri (VIF) kullanılarak değerlendirildi ve özellik seçimi Boruta algoritması kullanılarak gerçekleştirildi. Daha sonra altı makine öğrenimi modeli geliştirildi; SHAP ve LIME, yorumlanabilirliği artırmak ve diyet iz elementleri ile LBP riski arasındaki temel ilişkileri belirlemek için uygulandı. Değerlendirilen modeller arasında, Random Forest hem demografik değişkenleri dahil ederken hem de sadece diyet iz elementlerini kullandığında en iyi tahmin performansını gösterdi. Yorumlanabilirlik analizleri, nem, teobromin, kalsiyum, kafein, sodyum ve C vitamini gibi birkaç diyet bileşeninin LBP riskiyle ters ilişkili olduğunu tutarlı şekilde belirledi. Model ayrımcılığı orta düzeyde olmasına rağmen (AUC ≈ 0.60–0.72), bu bulgular popülasyon düzeyinde risk tabakalaşmasını destekleyebilecek ve gelecekteki araştırmalar için potansiyel olarak değiştirilebilir diyet faktörlerini vurgulayabilecek klinik olarak ilgili desenler ortaya koymaktadır.
Kronik bel ağrısı (LBP), dünya genelinde en yaygın kas-iskelet sistemi bozukluklarından biridir ve engellilik, sağlık hizmetleri ve yaşam kalitesi kaybıyla ilgili önemli sosyoekonomik maliyetlere sahiptir. Epidemiyolojik veriler, yetişkinlerin %7–10'unun küresel olarak LBP rapor ettiğini, yaşam boyu yaygınlığın bazen %84'e ulaştığını göstermektedir. En çok düşük ve orta gelirli ülkelerde görülür; burada işle ilgili faktörler, sağlık hizmetlerine yetersiz erişim ve sosyo-ekonomik eşitsizlik risk artırır; genellikle çalışma çağındaki yetişkinler arasında yaygınlık %20'yiaşmaktadır 2. Özellikle ergenler ve yaşlılar, omurgalar arası disk dejenerasyonu ve osteoporoz gibi yapısal ve dejeneratif değişikliklere karşı dahasavunmasızdır.
LBP, biyomekanik, psikososyal, genetik ve beslenme faktörlerinden etkilenen çok faktörlü bir hastalıktır ve bu çeşitli değişkenler arasındaki karmaşık etkileşimleri aynı anda yakalayabilen analitik yöntemler gerektirir. Son sistematik incelemeler, LBP'nin etiyolojisinin biyomekanik, psikososyal ve genetik faktörlerden etkilendiği ve bu nedenle özgül bir şekilde belirlenmesinin zor olduğunu vurgulamaya devam ediyor. 'LBP' vakalarının %85'inden fazlası spesifik değildir - bu da hedefli önleme ve tedavi geliştirilmesinizorlaştırmaktadır 4,5. Fiziksel ve farmakolojik yöntemlerin birleşimini içeren multimodal tedaviler genellikle semptomatik rahatlama sağlarken, birçok hasta tekrarlamaya devam ediyor; bu da LBP6 için yeni, önlenebilir ve değiştirilebilir risk faktörlerine acil ihtiyaç olduğunu göstermektedir.
Geleneksel istatistiksel yöntemler bu karmaşıklığı ele almakta sınırlıdır; çünkü genellikle doğrusal varsayımlara dayanır ve NHANES diyet profilleri gibi çok faktörlü verilerde bulunan yüksek boyutlu etkileşimleri ve doğrusal olmayan ilişkileri yeterince modelleyemezler. Buna karşılık, makine öğrenimi yaklaşımları aynı anda çok sayıda değişkeni ele alarak, ince desenleri ve etkileşimleri tespit ederek ve birden fazla faktörün birleştiği LBP gibi hastalıklar için sağlam tahminler sunarak üstün fayda sağlar.
Vitaminler, mineraller ve iz elementler dahil olmak üzere besin mikrobesinleri, fizyolojik denge için gereklidir ve kronik hastalık riskini azaltmaya yardımcı olur. Antioksidan vitaminler E (α-tokoferol) ve C, kardiyovasküler ve nörodejeneratif hastalıklarda bulunan oksidatif hasarı azaltır 7,8. Tiamin (vitamin B1), piridoksin (vitamin B6), folat ve kobalamin (vitamin B12) gibi B-kompleks vitaminler de immünoregulyatif yapıya sahiptir ve hücresel enerji metabolizmasını kolaylaştırır; bu eksikliği kanser, kısırlık ve depresif ruh haliile ilişkilendirilmiştir 9,10,11. Özellikle magnezyum, çinko, bakır ve selenyum gibi mineraller, bariatrik cerrahi sonrası sarkopeni, endometriozis ve ameliyat sonrası beslenme akıntısını önleyen enzimatik ve anti-inflamatuar yollardarol alır 12. Anlatı incelemeleri, lipid modülasyonu ve immünolojik roller yoluyla obezite ile ilişkili eş hastalıkları ve seboreik dermatit ve alopesi areata gibi cilt hastalıklarını önlemedeki önemlerinivurgulamaktadır 13,14. Genel olarak, toplum sağlığına en iyi yaklaşımın yeterli mikrobesin alımı olabileceğine dair bir işaret, ancak girişimsel denemeler büyük ölçüde bağlamsal faktörlere dayalı heterojen sonuçlargöstermektedir 15,16.
Ayrıca, beslenme verilerini içeren makine öğrenimi uygulamaları, anket verilerinden artrit riskini tahmin etmek ve popülasyona dayalı kohortlarda LBP ve ilgili durumlara yaşam tarzı (diyet dahil) katkıda bulunanları belirlemek gibi diğer kas-iskelet hastalıkları için risk faktörlerini aydınlatmada etkinliği göstermiştir17.
Mikrobesinler ile kronik hastalıklar arasında zengin bağlantılara rağmen, gıdadaki mikrobesinler ile LBP riski arasındaki ilişki hâlâ belirsiz ve etki mekanizmaları belirsizdir. Gözlemsel çalışmalar genellikle LBP'li bireylerde D vitamini, magnezyum ve antioksidan eksikliklerini bildirse de, özellikle D vitamini içeren takviye denemelerinin meta-analizleri ağrı giderme konusunda sınırlı ve tutarsız kanıtlarortaya koymuştur 19,20.
Mevcut literatürün sistematik bir incelemesi, temel sınırlamaları ortaya koymaktadır: nedenselliği ortaya koyamayan kesitsel ve vaka-kontroltasarımlarına bağımlılık 21; demografik, yaşam tarzı ve eş hastalıklar dahil olmak üzere karıştırıcı faktörler için yetersizkontrol 20,22; küçük ve temsil etmeyen örnekler; mikrobesin durumu ve ağrı sonuçlarına dair değişken tanımlar; ve diyet sinerjileri veya antagonizmleri dikkate alınmadan izole besinlereodaklanmak 23. Bu eksiklikler, LBP'nin beslenme modülasyonuna dair net ve uygulanabilir içgörülerin geliştirilmesini engellemiştir.
Daha açık bir hipotez yapısı için, mikrobesinlerin LBP'ye karşı koruyucu etkiler gösterdiği önerilmektedir: oksidatif stresi ve nöroinflamasyonu (C, E vitaminleri, selenyum, çinko, magnezyûm) azaltan antioksidan ve anti-inflamatuar etkiler; sinir onarımı ve homosistein kaynaklı hasarın azaltılması (B-kompleks vitaminler) desteği; ve mineral sinyal ile D vitamini aracılı kalsiyum regülasyonu (D vitamini, magnezyûm, kalsiyum) yoluyla kemik ve kas homeostazının geliştirilmesi. Bu çerçeve, pro-inflamatuar diyetlerle ilişkilendirilen olarak mikrobesin durumu, sistemik iltihap ve ağrı kronikliği arasındaki çift yönlü etkileşimivurgular.
Kesitsel çalışmalar, mikrobesinlerden yoksun pro-inflamatuar diyetlerin daha yüksek karın veya kronik ağrı seviyelerine yol açtığını göstermekte; bu da mikrobesin girdilerinin eksikliğinin sistemik iltihabı ve ağrıyı şiddetlendirdiği çift yönlü bir ilişkiyiönermektedir 24.
Bu sorunları ele almak için, LBP riskini tahmin etmek için NHANES verileriyle birlikte çok çeşitli diyet mikrobesinleri (vitaminler (E, A, B1, B1, B6, B12, C, K), mineraller (kalsiyum, magnezyûm, demir, çinko, bakır, selenyum) ve diğer diyet unsurları dahil olmak üzere çeşitli beslenme bileşenlerini içeren birden fazla ML modeli geliştirdi. Bu makine öğrenimi tabanlı strateji, geleneksel istatistiklerin sınırlamalarını aşarak beslenme ve diğer risk faktörleri arasındaki karmaşık, doğrusal olmayan ilişkileri aynı anda modelleyerek LBP'nin çok faktörlü yapısına özellikle uygundur. Bu daha kapsamlı araştırma, doğrusal olmayan ilişkileri ele alabilir ve temel LBP tahmincileri için sağlam bir denklem sağlar. SHAP değerlerini küresel yorumlanabilirlik için kullanarak, besin kombinasyonlarının LBP riskini nasıl etkilediğini görebilirler; bu da kişiselleştirilmiş müdahaleler ve nutrigenomik çalışmaların kapısını açar.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Bu araştırma, Ulusal Sağlık İstatistikleri Merkezi (NCHS) Etik İnceleme Kurulu tarafından onaylanmış ve tüm katılımcılardan bilgilendirilmiş onayı alınmıştır. Kamuya açık NHANES verileri, ilgili yönergelere uygun olarak kullanıldı.
Çalışma nüfusu
NCHS tarafından yürütülen Ulusal Sağlık ve Beslenme Muayene Anketi (NHANES), kurumsal olmayan ABD nüfusunun sağlık ve beslenme durumu hakkında ulusal düzeyde temsil eden veriler sunmaktadır. 2001–2004 ve 2009–2010 döngülerine ait veriler alındı. ≥18 yaşındaki katılımcılar dahil edildi, kronik LBP, diyet mikrobesinleri, eğitim seviyesi veya yoksulluk-gelir oranı (PIR), vücut kitle indeksi (BMI), sigara durumu, hipertansiyon, diyabet ve alkol tüketimi gibi temel kovaryatlar gibi verileri eksik olan bireyler hariç tutuldu. Son analitik kohort 8.710 katılımcıdan oluşuyordu (Şekil 1).
Diyet besinlerinin değerlendirilmesi
Diyet alım verileri, iki 24 saatlik diyet hatırlama mülakatı kullanılarak elde edildi. İlk görüşme bir Mobil Sınav Merkezi'nde yapıldı, ikincisi ise birkaç gün içinde telefonla tamamlandı. Otomatik Çoklu Geçiş Yöntemi, hatırlama doğruluğunu artırmak ve raporlama yanlılığını en aza indirmek için uygulandı. Ayrıntılı AMPM prosedürleri NHANES diyet metodolojisi dokümantasyonunda açıklanmıştır.
Kronik LBP'nin Değerlendirilmesi
Kronik LBP durumu anket verileri kullanılarak belirlendi. Katılımcılar, sırt ağrısı bildirirlerse ≥3 ay sürerse kalp tanesili olarak sınıflandırıldı.
Kovaryantlar
Demografik özellikler arasında yaş, cinsiyet, ırk/etnik köken (Meksikalı Amerikalı, Diğer Hispanik, Hispanik olmayan beyaz, Hispanik olmayan siyah, diğer ırk), eğitim (<9. sınıf, 9–11. sınıf), derece (lise diploması/GED, bazı üniversite/AA derecesi ve üniversite mezunu), aile gelir-yoksulluk oranı (PIR), vücut kitle indeksi (BMI), sigara durumu ve alkol durumu ile hipertansiyon ve diyabet öyküsü yer alıyordu. Hipertansiyon, kendi bildirimindeki doktor tanısı veya mevcut antihipertansif ilaç kullanımı temelinde tanımlandı. Diyabet, kendi bildirilen doktor teşhisi, 2 saatlik glukoz tolerans testinden sonra yükselen glikoz seviyeleri (≥11,1 mmol/L) veya glikize hemoglobin ≥%6,5 veya açlık glikozu ≥7,0 mmol/L kullanılarak tanımlandı. Prediyabet, bir doktor tarafından prediyabet olduğunu, 2 saat OGTT glukoz tolerans değerleri 7,8–11,1 mmol/L, açlık glikozu 6,1–6,9 mmol/L olarak belirtilmesiyle tanımlandı. veya %5,7–%6,4 arasında HbA1c değeri var. Sigara içmenin durumu (1) Son aydan önce güncel olmayan veya bir yıldan fazla süreyle bırakma ve (2) şu anda (son zamanlarda kendi kendine bildirdiğim) sigara kullanımı, alışkanlığı yeniden kazandıktan sonra veya bırakmadan önce günde 2'den fazla sigara içmek olarak tanımlanmıştır. İçki durumu açısından iki tanım vardır: (1) ömür boyu alkol içmeyenler, önceden alkol tüketmemiş olanlar (toplamda <12) ve (2) ≥yılda 12 kez veya son 12 ayda en az altı kez içtiklerini bildiren mevcut alkol içenler. BMI, ağırlık ÷ boy2 olarak hesaplandı.
Makine öğrenimi için özellik ön işleme ve seçimi
Toplam 52 değişken dahil edildi; bunların arasında 45 sürekli ve 7 kategorik değişken bulundu. Tüm ön işleme ve özellik seçimi prosedürleri—çoklu kollinearlığın kaldırılması, SMOTE uygulaması ve Boruta tabanlı özellik seçimi dahil—veri sızıntısını önlemek için yalnızca eğitim setinde gerçekleştirildi. Çok kollineerliği ortadan kaldırmak için, önce 0.9'dan büyük korelasyon katsayısına sahip değişkenler, ardından VIF'leri 3'ten büyük olan değişkenler çıkarıldı.
Sınıf dengesizliğini ve azınlık (yani daha zor) sınıfların tanınmasını iyileştirmek için, Sentetik Azınlık Aşırı Örnekleme Tekniği (SMOTE) uygulandı (Ek Şekil 1); bu teknik, azınlık sınıfı örnekleri arasında mesafeler oluşturur, bu mesafeler için k-en yakın komşuları hesaplar ve sınıfları dengelemek için rastgele yönlerde sentetik veri üretir. Kullanılan tüm değişkenler daha sonra standartlaştırıldı.
Özellik seçimi, Boruta ile Random Forests üzerinde tamamlandı; sözde "gölge özellikler" oluşturuldu ve bunları giriş özellikleriyle karşılaştırmak için 500 üzerinden "test edildi". "Onaylandı" olarak sınıflandırılanlar modeli inşa etmek üzere tutuldu. Hiperparametre ayarlaması hakkında ayrıntılı bilgi için lütfen Ek Tablo 1'e bakınız.
İstatistiksel analiz
Tüm analizler NHANES analitik yönergelerine uygun olarak gerçekleştirildi. Sürekli değişkenler ortalama ± standart sapmalar (SD) olarak bildirilirken, kategorik değişkenler sayım ve yüzde olarak ifade edildi. Gruplar arası farklar, uygun olduğunda ki-kare veya Öğrenci t-testleri kullanılarak test edildi.
Aşırı uyumu önlemek için veriler rastgele olarak bir eğitimseti 7 ve bir test seti olarak bölündü. MLR3 kullanılarak altı makine öğrenimi algoritması oluşturuldu: Random Forest, birçok karar ağacı oluşturup tahminlerini birleştirir, güçlü genelleme gücü ve tutarlılığa sahiptir; Verimlilik ve ölçek için ayarlanmış, gradyan destekli karar ağaçlarına dayalı LightGBM; K-KNN örnekleri komşularına ne kadar yakın olduklarına göre sıralar; K-KNN genellikle küçük doğrusal olmayan veri setlerinde daha iyi sonuçlar verir; Bayes teoremini kullanarak basitlik sağlayan ve sağlam olan Naive Bayes; yüksek boyutlu örnekler için bile sınıflandırma görevi için ideal hiper düzlemlere sahip SVM; XGBoost, çok büyük eksik veri setlerine rağmen yüksek performansa sahip bir gradyan güçlendirme topluluğudur.
Model, doğruluk, F-beta, ROC eğrilerinin altındaki alan (AUC-ROC), hassasiyet, özgülük ve AUC-PR kullanılarak değerlendirildi. Kullandıkları ana metrik AUC-ROC, diğer metrikler ise performansa dair daha derin içgörüler sağlar. Modellerini, istikrar sağlamak için on kat çapraz doğrulama ile doğrularlar. Modellerinin performansındaki farklılıklar ANOVA ve Kruskal–Wallis H testi kullanılarak değerlendirildi.
Özellik yorumlanabilirliği, SHapley Ekleyici Açıklamaları (SHAP) ve Yerel Yorumlanabilir Model-Agnostik Açıklamalar (LIME) kullanılarak araştırıldı. SHAP, her özelliğin model tahminlerine katkısını Shapley değerleri kullanılarak, kooperatif oyun teorisine dayanarak hem doğrusal hem de etkileşimli etkileri temsil eder. LIME, bireysel özellik etkisini açıklamaya yardımcı olmak için karmaşık modelleri daha basit ve yorumlanabilir vekillerle (örneğin, Lasso regresyonları) yaklaştırarak özellik etkisini türetir. Tüm analizler IBM SPSS Statistics sürüm 24.0 ve R sürüm 4.3.0'da gerçekleştirildi. İki kuyruklu p-değeri < 0.05 istatistiksel olarak anlamlı kabul edilir.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Kronik LBP durumuna göre temel özellikler
Kronik LBP durumu ile katmanlanmış temel özellikler Tablo 1'de açıklanmıştır. Son analitik kohort, NHANES 2001–2004 ve 2009–2010'dan 8.710 katılımcıyı içeriyordu ve ortalama yaşları 49,13 (SD = 18,43) idi. Bunların 4.528'i (%51,99) kadın, 4.182'si (%48,01) erkekti. Genel olarak, 3.838 katılımcı LBP (ortalama yaş 48,62; SD = 17.69). LBP olmayan katılımcılara kıyasla, LBP'li kişilerde di...
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Bu çalışma, NHANES verilerini kullandı ve çeşitli algoritmalar kullanarak diyet mikrobesinleri ile kronik LBP arasında bir ilişki buldu. Önemli olarak, kesitsel gözlem tasarımı göz önüne alındığında, bu bulgular nedensel ilişkilerden ziyade öngörücü ilişkileri yansıtıyor ve makine öğrenimi modelleri mikrobesin alımı ile LBP riski arasında nedensellik kuramıyor. Özellik seçimi ve kollinearlık testlerinden sonra, Random Forest hem demografik hem de sadece diyet mikrobesinleriyle en iyi tah...
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Yazarların beyan edecek çıkar çatışmaları yoktur.
Bu çalışma, Hangzhou Projesi Çiftçilik ve Sosyal Kalkınma Vakfı (20241029Y119), Xiaoshan İlçe Bilim ve Teknoloji Planı Rehberlik Projesi (2025316) ve Zhejiang Eyaleti Geleneksel Çin Tıbbı Bilim ve Teknolojisi Projesi (2024ZR152) tarafından desteklenmiştir.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
| Ad | Şirket | Katalog numarası | Yorumlar |
|---|---|---|---|
| Otomatik Çoklu Geçiş Yöntemi (AMPM) | Ulusal Sağlık İstatistikleri Merkezi (NCHS), CDC | Yok | NHANES 24 saatlik diyet hatırlama görüşmelerinde raporlama doğruluğunu artırmak için kullanılan diyet değerlendirme sistemi. |
| Boruta Algoritması | Açık kaynak (R paketi: Boruta) | Yok | Rastgele ormanlara dayalı özellik seçim yöntemi; Gölge özellik karşılaştırması yoluyla ilgili değişkenleri tanımlamak için kullanılır |
| Bilgisayar Destekli Kişisel Mülakat (CAPI) | Ulusal Sağlık İstatistikleri Merkezi (NCHS), CDC | Yok | Eğitimli personel tarafından anket verilerini toplamak için kullanılan mülakat sistemi |
| Ulusal Sağlık ve Beslenme Sınav Anketi (NHANES) | Ulusal Sağlık İstatistikleri Merkezi (NCHS), CDC | Yok | Demografik, diyet ve sağlıkla ilgili veriler sunan ülke çapında anket |
| Prostat Durumları Anketi (KIQ) | Ulusal Sağlık İstatistikleri Merkezi (NCHS), CDC | Yok | Sırt ağrısı bilgisini değerlendirmek için kullanılan anket kaynağı |
| Rastgele Orman Algoritması | Açık kaynak (örneğin, R / Python uygulamaları) | Yok | Özellik seçimi ve sınıflandırmada kullanılan makine öğrenimi modeli |
| Sentetik Azınlık Aşırı Örnekleme Tekniği (SMOTE) | Açık kaynak (örneğin, DMwR / dengesiz öğrenme) | Yok | Sentetik azınlık örnekleri üreterek sınıf dengesizliğini gidermek için kullanılan aşırı örnekleme tekniği |
Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste
İzin iste