| 机器学习饮食质量评分与心血管疾病风险（英文） |
| |
| 引用本文： | 杨灿,李琦,刘炎,张玲,高健,徐旭,袁敏.机器学习饮食质量评分与心血管疾病风险（英文）[J].中国科学技术大学学报,2023(12):28-35. |
| |
| 作者姓名： | 杨灿 李琦 刘炎 张玲 高健 徐旭 袁敏 |
| |
| 作者单位： | 1. 安徽医科大学健康数据科学系;3. 出生人口健康教育部重点实验室 |
| |
| 基金项目： | partially supported by the Natural Science Foundation of Anhui Province (2008085MA09)；;the National Natural Science Foundation of China (82073578)； |
| |
| 摘 要： | 目的：目前营养学领域已建立了多种饮食评分体系用于衡量整体饮食质量，并用于心血管疾病等非传染性慢性疾病的预防和管理。基于现代机器学习技术构建的饮食评分可能包含独立的信息，若结合临床经验构建的饮食评分有望提供更好的膳食建议。方法：本文提出了一种新颖的基于机器学习方法的饮食质量评分(DQS)，并研究DQS与健康饮食指数-2015 (HEI2015)、地中海饮食评分(MED)、替代健康饮食指数-2010 (AHEI)结合后与心血管疾病风险的关联。研究数据来源于美国国家健康与营养调查(NHANES)的2011–2012年至2017–2018年周期。研究人群为年龄在20岁以上的成年人，通过参与者自我报告收集食物摄入情况以及相关协变量信息。我们采用弹性网络惩罚回归模型选择重要的食物特征，并使用广义线性回归模型在控制年龄、性别和其他相关协变量后估计相对风险OR和95%置信区间。结果：共计16756名参与者纳入分析。在调整其他常见饮食评分后，DQS与冠状动脉疾病(CAD)风险显著相关。DQS与HEI2015、MED、AHEI和得舒饮食(DASH)得分结合的OR都在0.900左右，p值小于0.05。在包括...
|
| 关 键 词： | 饮食质量评分 心血管疾病 美国国家营养与健康调查(NHANES) 机器学习方法 |
|
|
