中国儿童青少年零食消费状况及其与超重肥胖的关联

目的了解中国儿童青少年零食消费现状及其与超重肥胖的关联,为制定预防和控制中国儿童青少年超重肥胖策略提供依据。方法选取“中国健康与营养调查”项目2018年中国十五省、自治区、直辖市6~17岁儿童青少年共1882名作为调查对象,采用连续3 d 24 h膳食回顾法调查零食消费状况,通过聚类分析法探索零食消费模式,并利用Logistic回归分析零食消费与超重肥胖的关联。结果儿童青少年零食消费率为60.6%,供能比为2.4%。零食消费特征可分为4个模式,模式1以每天只摄入中等量水果为特征,模式2以每天摄入少量水果和焙烤类为特征,模式3以每天只摄入少量水果为特征,模式4以每天摄入中等量奶类和少量水果为特征。调整能量摄入等相关协变量后,与不吃零食者相比,不同零食消费模式组发生超重肥胖风险的OR值(95%CI)分别为1.56(0.93~2.58),0.81(0.51~1.24),1.24(0.94~1.63),1.00(0.60~1.63),零食供能比自低至高四分位分组超重肥胖风险的OR值(95%CI)分别为1.17(0.81~1.68),1.32(0.92~1.89),1.12(0.77~1.61),1.00(0.69~1.45),均无统计学意义(P值均>0.05)。结论中国儿童青少年消费零食比例较高,种类以水果及其制品、奶类及其制品和焙烤类为主,未发现零食消费与超重肥胖的关联。

酚类化合物暴露与人群血脂异常的关联性研究

[背景]酚类化合物可能对人体健康带来不利影响,但目前仅有的相关研究多局限于单个酚类化合物暴露对人体健康的影响,尚缺乏多种常见的酚类化合物联合暴露与人群血脂异常的关联性研究。[目的]采用主成分分析-随机森林(PCA-RF)组合策略探索酚类化合物联合暴露与血脂异常之间的关系。[方法]研究数据来源于“美国国家健康与营养调查(2013—2016)”,选择年龄≥20岁,有完整人口学、生活方式、尿液酚类化合物(双酚A、双酚F、双酚S、三氯卡班、二苯甲酮、三氯生)浓度和血清总胆固醇(TC)、甘油三酯(TG)、高密度脂蛋白胆固醇(HDL-C)、低密度脂蛋白胆固醇(LDL-C)水平检测结果的1301名成年居民作为研究对象。6种尿液酚类化合物浓度使用固相萃取偶联高效液相色谱和串联质谱法测定,血脂检测结果采用酶法测定。采用主成分分析联合随机森林模型组合策略建立模型,首先对6种酚类化合物及12项基本特征指标共18个原始变量进行主成分分析,再分别以血脂异常及其四项评价指标为应变量,以提取出的主成分作为自变量,建立随机森林模型。[结果]PCA-RF分析结果显示:双酚A、双酚F、二苯甲酮可能是研究对象血脂异常的重要影响因素;双酚A、双酚F和三氯生可能是研究对象TC水平的重要影响因素;双酚A、双酚F、三氯卡班和二苯甲酮可能是研究对象TG水平的重要影响因素;双酚A可能是研究对象LDL-C水平的重要影响因素;双酚F和二苯甲酮可能是研究对象HDL-C水平的重要影响因素。[结论]酚类化合物暴露可能是人群血脂异常的重要危险因素,PCA-RF组合方法可有效应用于探索人群酚类化合物暴露与血脂异常的关联性分析。

基于随机森林方法的常见人体中农兽药及化学污染物暴露与高尿酸血症的关联性研究

目的探索高尿酸血症(HUA)的影响因素,尤其是农兽药及化学污染物暴露与高尿酸血症的关联,分析机器学习方法对于农兽药及化学污染物暴露数据的分析效果。方法根据2018—2019年在石家庄和杭州进行的“降低成年超重者营养相关慢性病风险的适宜身体活动量研究”,分别采用传统Logistic回归和随机森林(RF)建立基本人口学变量和农兽药及化学污染物暴露对HUA发病的预测模型。模型区分效果由ROC曲线下面积(AUC)进行评估。结果RF结果显示,对HUA影响重要程度排名前5的因素依次为多西环素、4-氯苯氧乙酸酯、呋喃他酮、咪鲜胺和全氟癸酸浓度。RF模型的区分效果显著高于传统Logistic回归模型(AUC分别为0.934和0.735)。结论多西环素、4-氯苯氧乙酸酯、呋喃他酮、咪鲜胺和全氟癸酸、饮酒史、居住地为杭州、甘油三酯≥2.26 mmol/L等可能是HUA的危险因素。RF模型适用于农兽药及化学污染物暴露数据的分析,且较常规Logistic回归模型对于鉴别HUA患者具有显著提升的区分能力。

基于主成分分析-Logistic回归方法的人体农兽药化学污染物残留与高胆固醇血症关系的研究

目的基于主成分分析-Logistic(PCA-Logistic)回归组合分析策略探索人体农兽药化学污染物残留与高胆固醇血症之间的关系。方法研究数据来源于“降低成年超重者营养相关慢性病风险的适宜身体活动量研究”2018—2019年调查数据。选择有人口学信息、体格测量和血清农兽药化学污染物及血脂检测等数据的496名成年居民作为研究对象。采用常规Logistic与PCA-Logistic分别建立回归模型分析高胆固醇血症的危险因素,利用受试者工作特征曲线下面积(AUC)评价模型判别效果。结果PCA-Logistic回归分析结果显示对高胆固醇血症具有显著影响的农兽药化学污染物包括呋喃它酮、2-乙基己基二苯基磷酸酯(EHDPP)、全氟己烷磺酸(PFHxS)和4-氯苯氧乙酸(4-CPA)。PCA-Logistic回归模型对高胆固醇血症预测性能(AUC=0.736)优于常规Logistic回归模型的预测性能(AUC=0.695)。结论呋喃它酮、EHDPP、PFHxS、4-CPA等农兽药化学污染物残留是影响高胆固醇血症的重要危险因素,PCA-Logistic回归分析方法可有效应用于探索农兽药化学污染物残留与高胆固醇血症的关联性分析。

基于机器学习方法的人体农兽药及化学污染物暴露与高血压的相关性研究

目的基于不同的机器学习方法探究石家庄与杭州成年居民体内农兽药及化学污染物暴露与高血压患病情况之间的关系。方法采用2018—2019年在石家庄与杭州进行的“降低成年超重者营养相关慢性病风险的适宜身体活动量研究”调查数据,选择496名包含人口学资料、体格测量、常规血清检测和血清农兽药及化学污染物暴露信息的成年居民作为研究对象,在Lasso变量筛选后分别使用传统的逻辑回归模型与多种机器学习模型建立高血压的预测模型,利用ROC曲线下面积(AUC)评估模型效果。结果Lasso变量筛选结果显示,农兽药及化学污染物暴露4-氯苯氧乙酸(4-CPA)、全氟辛酸(PFOA)、全氟己烷磺酸(PFHxS)和全氟辛烷磺酸(PFOS)与高血压具有显著的关联。机器学习模型中支持向量机模型预测效果最好(AUC=0.71),优于传统的逻辑回归模型(AUC=0.57)。结论农兽药及化学污染物暴露中4-CPA、PFOA、PFHxS和PFOS是高血压的重要危险因素,机器学习模型在流行病学影响因素研究中具有很好的适应性,在拟合非线性关系的数据时有一定的优势。

基于XGBoost方法的常见人体农兽药及化学污染物暴露与糖尿病的相关性研究

目的基于Lasso变量筛选和XGBoost模型探讨人体农兽药及化学污染物暴露水平与糖尿病患病风险相关性。方法2018—2019年,在中国石家庄和杭州进行的“降低成年超重者营养相关慢性病风险的适宜身体活动量研究”调查,选取86例糖尿病患者与410例非糖尿病患者样本并提取问卷调查中个人基本情况数据、体格测量、血生化数据和血清农兽药及化学污染物暴露浓度数据。采用Lasso筛选变量,再分别引入逻辑回归模型与XGBoost模型进行拟合,比较AUC评估拟合效果,并进行变量重要性排序。结果Lasso筛选出2-乙基己基二苯基磷酸酯、全氟辛酸与全氟十一烷酸3种农兽药及化学污染物暴露与人群糖尿病患病有关,重要性排序为全氟辛酸>2-乙基己基二苯基磷酸酯>全氟十一烷酸,XGBoost模型(AUC=0.83)显著优于逻辑回归模型(AUC=0.64)(P<0.05)。结论Lasso适用于糖尿病患病影响因素的筛选,且XGBoost模型具有较好的复杂数据拟合能力。2-乙基己基二苯基磷酸酯、全氟辛酸与全氟十一烷酸是人群糖尿病患病的重要影响因素。