社区
教程
Wiki
注册
登录
创作新主题
社区所有版块导航
Python
python开源
Django
Python
DjangoApp
pycharm
DATA
docker
Elasticsearch
分享
问与答
闲聊
招聘
翻译
创业
分享发现
分享创造
求职
区块链
支付之战
aigc
aigc
chatgpt
WEB开发
linux
MongoDB
Redis
DATABASE
NGINX
其他Web框架
web工具
zookeeper
tornado
NoSql
Bootstrap
js
peewee
Git
bottle
IE
MQ
Jquery
机器学习
机器学习算法
Python88.com
反馈
公告
社区推广
产品
短视频
印度
印度
一周十大热门主题
20 个 Python 非常实用的自动化脚本
Python机器学习与社会科学应用专题
机器学习联合孟德尔随机化+简单实验验证的思路,值得大家借鉴学习!!
一次性掌握双重机器学习+交叠DID+RD+HCW+RD等前沿知识体系
深度学习最常用的10个激活函数!(数学原理+优缺点)
不引入ES,如何利用MySQL实现模糊匹配?
一区IF 12.9!NHANES+机器学习成发文主流 | NHANES数据库周报(10.26~11....
MySQL必知必会(再版上架,送10本)
一种深度学习方法---迁移学习了解下
深度学习中的学习率调度:循环学习率、SGDR、1cycle 等方法介绍及实践策略研究
关注
Py学习
»
机器学习算法
一区IF 12.9!NHANES+机器学习成发文主流 | NHANES数据库周报(10.26~11.1)
公共数据库与孟德尔随机化
• 6 天前 • 52 次点击
美国国家健康和营养检查调查(NHANES)
是一项旨在
评估美国成人和儿童健康和营养状况的研究计划。
该调查的独特之处在于它结合了访谈和体格检查。由美国疾病控制和预防中心(CDC)负责为国家提供健康统计数据。
NHANES计划始于20世纪60年代初,并作为一系列针对不同人口群体或健康主题的调查进行。
自1999年以来,对美国的人口健康状况进行了更为定期的调查。
每次调查中,来自美国约3000个县中30个选定县的
约10000名参与者被要求在移动检查中心(MEC)参加家庭访谈、随后的身体检查和实验室测试。
NHANES访谈包括
人口统计,社会经济,饮食和健康相关问题。
检查部分包括医疗,牙科和生理测量,以及由训练有素的医务人员进行的实验室测试。
一、2024年NHANES文献预览
本周PubMed数据库“标题/摘要:NHANES”搜索发现,共发表
101
篇NHANES论文。其中
6
篇一区,36篇二区
。
1.外国学者文章介绍(一)
文章题目:
采用集成机器学习对临床风险预测算法进行基准测试,用于非酒精性脂肪肝肝纤维化的无创诊断。
研究背景与目的:
Ensemble机器学习方法,如超级学习器,将联合收割机多个模型组合成一个模型,以提高预测准确性。在这里,我们探索了超级学习者作为临床风险预测基准工具的潜力,说明了在NAFLD患者中识别显著肝纤维化的方法。
方法 :
我们使用23个人口统计学/临床变量来训练来自NASH临床研究网络观察性研究(n = 648)的数据的超级学习者,并使用来自FLINT试验(n = 270)和全国健康和营养调查(NHANES)的NAFLD参与者(n = 1244)的数据验证模型。
结果:
将超级学习者的性能与现有模型进行比较(纤维化-4 [FIB-4]、NAFLD纤维化评分、Forns、AST与血小板比率指数[APRI]、BARD和脂肪变性相关纤维化估计值[SAFE]),在FLINT和NHANES验证集中表现出较强的区分能力,AUC为0.79(95%CI:0.73-0.84)和0.74(95%CI:0.68-0.79)。
结论:
值得注意的是,SAFE评分与超级学习者的表现相似,两者在验证数据集中的表现都优于FIB-4,APRI,Forns和BARD评分。令人惊讶的是,来自12个基本模型的超级学习者的表现与90个基本模型的表现相匹配。总体而言,超级学习者作为“同类最佳”机器学习预测器,在检测纤维化NASH方面表现出色,这种方法可用于对传统临床风险预测模型的性能进行基准测试。
2.外国学者文章介绍(二)
文章题目:
美国成年人Life's Essential 8心血管健康评分与牙周炎的关系。
研究目的
:
探讨牙周炎与心血管健康的关系。
数据来源
:
2009年至2014年的国家健康和营养调查参与者。
方法 :
我们使用Life's Essential 8量化CVH,其中包括四种健康行为(饮食,吸烟,体育活动和睡眠)和四种健康因素(体重指数,血液胆固醇,葡萄糖和压力)。我们将分数分为低(0-49),中等(50-79)和高(80-100)。我们计算了健康行为和因素的子评分,并将其分为低,中,高。我们使用逻辑回归来评估CVH与牙周炎的关联,调整年龄,性别,种族/民族,教育,贫困指数,婚姻状况和健康保险。我们计算了比值比(OR)和95%置信区间(CI)。
结果:
本研究纳入了9296名≥30岁的成人。多变量校正模型显示,中度(OR,0.62; 95%CI:0.52-0.74)或高度(OR,0.43; 95%CI:0.33-0.57)CVH受试者与低CVH受试者相比,患牙周炎的概率显著降低。这些结果在健康行为模型中是一致的,但在健康因素模型中的估计值并不显著。
结论:
改善CVH有助于预防牙周炎。需要纵向研究来证实我们的发现。
3.外国学者文章介绍(三)
文章题目:
使用中介分析和结构方程模型模拟社会经济差异、生物标志物和环境暴露对表型年龄的影响。
研究背景:
全球平均年龄正在增加,增加了与年龄有关的疾病的公共卫生负担,因为需要更多的资源来管理治疗。表型年龄是可用于提供发展衰老相关病症的概率的估计的评分,并且可通过研究导致表型年龄增加的机制来有效地进行此类病症的预防。本研究的目的是从社会人口学因素、健康倾向和生物表型之间的相互作用来表征导致衰老加速的机制。
数据与方法:
我们提出了一种基于中介分析和结构方程模型(SEM)相结合的方法,以更好地表征这些机制,量化生物和外部因素之间的相互作用以及先前存在的健康状况和社会经济差异的影响。我们使用NHANES数据集的两个独立队列:我们使用最大的(n = 13,186)来选择扩大表型和实际年龄之间的差距的变量,然后我们基于嵌套线性回归创建SEM,以量化所有社会人口统计学变量的影响,这些变量以三个潜在变量表示,即种族,社会经济地位和预先存在的健康状况。然后,我们复制模型并将其应用于第二个队列(n = 4,425)以比较结果。
结果:
结果表明,表型年龄随着血糖控制不良或肥胖相关生物标志物的增加而增加,特别是如果与低社会经济地位或慢性或血管疾病的存在相结合,并提供了一个框架来量化这些关系。黑人种族、低收入/教育和慢性病史也与较高的表型年龄有关。虽然这些研究结果已经在文献中,建议SEM为基础的框架提供了一个有用的工具,从定量的角度来评估这些异质性因素的组合。
结论
:
在老龄化社会中,表型年龄是一个重要的指标,可以用来估计个人的健康风险,但它的价值是由无数的外部因素,生物和社会人口。本文提出的框架可以帮助量化这些因素的综合影响,并成为创建个性化预防和干预策略的起点。
4.中国学者文章介绍(四)
文章题目:
口腔微生物多样性和饮食质量与死亡率的关系
。
研究背景:
研究口腔微生物组多样性和饮食质量与全因和特定原因死亡率风险的独立和联合关联。
数据来源:
美国国家健康和营养检查调查(NHANES)的7,055名合格成年人。
方法 :
口腔微生物组多样性用α多样性测量,包括辛普森指数、观察到的扩增子序列变异(ASV)、Faith系统发育多样性和Shannon-Weiner指数。饮食质量使用健康饮食指数-2015(HEI-2015)进行评估。Cox比例风险模型用于评估相应的关联。
结果:
在平均9.0年的随访中,我们记录了382例全因死亡。我们观察到口腔微生物组多样性指数和饮食质量与全因死亡率的独立相关性(风险比[HR] = 0.63; 95%置信区间[CI]:观察到的ASV为0.49-0.82; HR = 0.68,HEI-2015的95% CI:0.52-0.89)。同时,口腔微生物组多样性(Simpson指数)和HEI-2015最高三分位数的参与者死亡风险最低(HR = 0.37,95%CI:0.23-0.60)。此外,较高的口腔微生物组多样性与心脏代谢疾病和癌症的死亡风险较低有关。
结论:
较高的口腔微生物α多样性和饮食质量与较低的死亡风险独立相关。
5.中国学者文章介绍(五)
文章题目:
老年人咀嚼功能与抑郁症之间的关联:
NHANES 2009年至2018年的结果。
研究目的:
抑郁症在老年人中普遍存在。虽然牙齿缺失的数量被认为与抑郁症有关,但咀嚼功能(通常由功能性牙齿单位(FTU)表示)与老年人抑郁症之间的关系仍不清楚。
数据:
2009-2018年国家健康和营养检查调查(NHANES)的数据。
方法 :
FTU的数量被定义为相对的天然牙和人工牙
对数
。
使用患者健康问卷(PHQ-9)评估抑郁症,PHQ-9评分≥10的参与者被诊断为抑郁症。
Logistic回归分析,倾向评分匹配(PSM)分析和亚组分析,以评估FTU和抑郁症之间的关联。
结果:
分析包括5764名60岁以上的人。FTU与老年人抑郁症风险之间的关联被检测到(比值比[OR] = 0.951,95%置信区间[CI] 0.915-0.989),表明更多FTU的保护作用。与10 ≤ FTU ≤ 12相比,观察到0 ≤ FTU ≤ 3的抑郁风险显著增加(OR = 1.819,95%CI 1.157-2.858)。PSM后0 ≤ FTU ≤ 3的抑郁风险仍显著高于4 ≤ FTU ≤ 12的抑郁风险(OR = 1.484,95% CI 1.030-2.136)。亚组分析表明,除了76-80岁的经常饮酒的个体外,所有亚
组的结果一致。
结论:
咀嚼功能受损与老年人抑郁症的风险之间存在关联。咀嚼功能障碍在抑郁症发生发展中的作用有待于进一步的纵向研究。
6.中国学者文章介绍(六)
文章题目:
饮食习惯与前列腺癌风险的关系:
来自孟德尔随机分析和国家健康与营养检查调查的结果
。
研究背景:
先前的研究确定了饮食习惯与前列腺癌(PCa)风险之间的相关性;然而,病因动力学尚不清楚。
数据:
利用国家健康和营养检查调查(NHANES)数据库(2009-2010)的数据,我们从10537名参与者中选择了1294名和1778名年龄≥40岁的男性,确保没有缺失信息。
方法 :
利用孟德尔随机化(MR)框架,我们调查了饮食习惯,每日营养摄入量和PCa风险之间的因果关系(79 148例和61 106例对照)。暴露和结果数据分别来自英国生物样本库和前列腺癌协会基因组癌症相关改变研究小组(PRACTICAL)联盟。采用单变量和多变量MR分析。进行敏感性分析,以检测离群值,评价异质性,并辨别潜在的多效性效应。回归分析研究了绿叶/生菜沙拉摄入量,每日营养摄入量和PCa几率之间的关系。
结果:
单变量MR(UVMR)分析显示,猪肉和沙拉/生蔬菜的摄入量与PCa风险升高相关。通过多变量MR(MVMR)分析进行混杂因素校正后,在沙拉/生蔬菜摄入量与PCa风险增加之间建立了因果关系(比值比[OR]:1.658,95%置信区间[95% CI]:1.037-2.644,
P
= 0.046)。基于NHANES数据集的分析表明,绿叶/生菜沙拉摄入量与PCa几率升高之间存在联系(OR:1.025,95% CI:1.003-1.049,
P
= 0.038)。β-胡萝卜素(OR:1.00006,95%CI:1.00001-1.00011,
P
= 0.024)和维生素B1(OR:1.474,95%CI:1.104-1.967,
P
= 0.014)的每日摄入量增加与PCa的可能性增加相关。
结论:
这些MR分析证实了沙拉/生蔬菜摄入量和PCa风险之间的因果关系。同样,在横断面观察性研究中,绿叶/生菜沙拉摄入量和PCa的概率率显著相关。此外,每日摄入较高的β-胡萝卜素和维生素B1与PCa的可能性增加有关。这些发现为预防PCa提供了实用的饮食建议,并加强了早期识别和诊断。
7.中国学者文章介绍(七)
文章题目:
菲诱导的高尿酸血症伴肠屏障损伤及茶褐素的保护作用:肠道微生物群介导的胆汁酸代谢的调节。
研究背景:
高尿酸血症在全球范围内普遍存在,并且可能与环境污染有关。作为一种典型的持久性有机污染物,菲(Phenanthrene,简称Phe)通过生物放大作用对人类健康构成威胁。尽管已有研究报告了菲引起的多器官毒性,但其对尿酸(Uric Acid,简称UA)代谢的影响尚不清楚。
结果:
在这项研究中,对2001-2016年NHANES(国家健康和营养调查)的数据挖掘显示,苯丙氨酸(Phe)暴露与人群中高尿酸血症的发生呈正相关。随后,青春期的Balb/c雄性小鼠每两周口服一次苯丙氨酸,剂量为每公斤体重10毫克,持续7周,导致肠道尿酸排泄功能障碍和肠道屏障破坏。利用肠道类器官、肠道微生物群的16S rRNA测序和靶向代谢组分析,我们进一步揭示了肠道微生物群中胆汁酸代谢失衡可能介导了肠道屏障损伤。此外,茶提取物茶褐素(TB)在每天每公斤体重320毫克的剂量下,有效地改善了苯丙氨酸诱导的高尿酸血症和肠道功能障碍。
结论:
总之,这项研究表明,苯并[a]芘(Phe)暴露与高尿酸血症和肠道损伤呈正相关,这为苯并[a]芘引起的毒性效应提供了新的见解。此外,本研究提出,补充茶褐素(TB)对于由环境因素引起的高尿酸血症和肠道损伤患者来说,将是一种健康且有效的改善策略。
更多文章如下:
外国学者:
中国学者:
一个专门做公共数据库的公众号,关注我们
Python社区是高质量的Python/Django开发社区
本文地址:
http://www.python88.com/topic/175896
52 次点击
登录后回复