基于社会人口学预测因子融合机器学习与统计分析预测身体活动不足趋势

《Frontiers in Public Health》:Integrating machine learning and statistical analysis to forecast insufficient physical activity trends using socio-demographic predictors

【字体: 大 中 小 】 时间:2026年06月16日 来源:Frontiers in Public Health 3.4

编辑推荐:

  身体活动不足已成为全球重大公共卫生问题,存在显著的性别与地区差异。该研究旨在利用世界卫生组织纵向数据,通过融合统计学方法与机器学习模型,系统分析这些不平等现象并对未来趋势进行预测。数据集涵盖2000年至2022年间195个国家或地区的13,455条国家—年份—

  
身体活动不足已成为全球重大公共卫生问题,存在显著的性别与地区差异。该研究旨在利用世界卫生组织纵向数据,通过融合统计学方法与机器学习模型,系统分析这些不平等现象并对未来趋势进行预测。数据集涵盖2000年至2022年间195个国家或地区的13,455条国家—年份—性别观测记录,来源于世界卫生组织全球卫生观察站数据库,指标为年龄标准化成人(≥18岁)身体活动不足患病率(%)。统计分析方法采用线性混合效应模型(Linear Mixed-Effects Model, LMM),将性别、时间(年份)和地区(WHO六大区域)作为固定效应,国家层面变异作为随机截距,以处理群内相关性问题。机器学习预测部分选用四种算法:极端梯度提升(XGBoost)、随机森林(Random Forest)、多层感知器(Multi-Layer Perceptron, MLP)和支持向量回归(Support Vector Regression, SVR),输入特征包括年份、性别(标签编码)、WHO区域(标签编码)和国家(标签编码),结局变量经对数转换处理。研究采用时间序列分割策略,以2000—2018年数据作为训练集,2019—2022年数据作为测试集,并通过1,000次Bootstrap重抽样构建95%预测区间以量化预测不确定性。模型性能评估显示,随机森林表现最优(R2 = 0.9310),XGBoost次之(R2 = 0.9200),而MLP(R2 = 0.4334)和SVR(R2 = 0.4151)预测精度显著较低。线性混合效应模型结果揭示:女性身体活动不足水平显著高于男性(β = 3.97, p < 0.001),且变异程度更大;以非洲为参照,美洲(β = 15.19)、东地中海(β = 16.58)、欧洲(β = 9.52)和西太平洋(β = 8.52)地区均显著更高,东南亚地区无显著差异;时间效应呈小幅但显著的正向趋势(β = 0.08, p < 0.001),提示全球身体活动不足水平缓慢恶化。地理空间可视化分析显示,2000年至2022年间,东地中海地区女性身体活动不足率持续处于最高水平(部分国家超过50%—60%),而撒哈拉以南非洲和东南亚地区始终维持较低水平,但各区域均呈现不同程度的上升趋势。机器学习预测结果呈现明显的模型依赖性分歧:基于树的模型(XGBoost、随机森林)预测未来趋于稳定或略有下降,而神经网络(MLP)和核方法(SVR)则预测持续上升,至2026年可能达到29%—34%。研究人员解释,这种差异源于模型架构的本质区别——树模型无法外推超越训练数据范围的值,导致预测趋于保守;而MLP和SVR通过连续函数变换可实现范围外推,但其较差的样本外预测效度使此类激进预测应被视为上限情景分析。鉴于全球城市化、职业久坐化、屏幕时间增加及2019冠状病毒病(COVID-19)后行为改变等现实背景,树模型的中等上升轨迹在统计上和流行病学上更为可信。研究结论强调,性别与地区间的持久不平等需通过针对性的、性别敏感的健康政策干预加以应对,且应采用多模型集成或共识预测方法以平衡保守估计与长期可信度,增强卫生系统应对不确定性的韧性。该研究发表于《Frontiers in Public Health》。
该研究旨在解决全球身体活动不足的流行病学监测与未来预测问题。研究背景在于,身体活动不足作为可干预的非传染性疾病危险因素,在全球范围内呈现显著的性别与地区不平等,女性及高收入地区的身体活动不足率普遍较高,而现有传统统计方法在处理多国家、分性别纵向数据时存在局限,难以充分捕捉非线性关系、预测因子交互作用及层级数据结构。为此,研究人员整合统计学分析与机器学习预测方法,系统分析2000年至2022年间世界卫生组织全球卫生观察站数据,以期为循证公共卫生政策和资源分配提供依据。

研究所用的核心技术方法主要包括以下几方面。数据来源与处理方面,采用世界卫生组织全球卫生观察站的公开纵向数据,涵盖195个国家或地区、23年(2000—2022)的13,455条观测记录,指标为年龄标准化成人身体活动不足患病率(%)。统计建模方面,应用线性混合效应模型(LMM),将性别、年份和WHO区域作为固定效应,国家层面设定随机截距,以分解变异来源并处理群内相关性。机器学习预测方面,选用四种算法——XGBoost、随机森林、多层感知器和支持向量回归,输入特征为年份、性别、WHO区域和国家(均为标签编码),结局变量经对数转换,采用时间序列分割(80%训练,20%测试),并通过Bootstrap法构建95%预测区间。空间与可视化分析方面,利用Python的matplotlib和seaborn库生成箱线图、小提琴图、散点图、密度图和热图等,以直观展示差异与趋势。

研究结果部分按原文结构呈现如下。

线性混合效应模型结果:通过线性混合效应模型分析,研究人员发现性别、地区和时间均为身体活动不足的重要预测因子。女性身体活动不足水平显著高于基准(β = 3.97, p < 0.001),男性显著低于基准(β = ?3.99, p < 0.001);以非洲为参照,美洲、东地中海、欧洲和西太平洋地区均显著更高,东南亚无显著差异;时间效应呈缓慢上升趋势(β = 0.08, p < 0.001);国家层面随机效应方差为5.17(p < 0.001),表明存在显著的国别异质性。

地理分布与性别差异可视化:通过2000年和2022年的等值区域图,研究人员发现东地中海地区女性身体活动不足率持续最高,部分国家超过50%—60%;撒哈拉以南非洲和东南亚始终维持较低水平;高收入国家的北美、欧洲和大洋洲地区两国别身体活动不足率均呈上升态势。箱线图显示女性不仅中位数更高,且四分位距更宽,提示存在更大的群体异质性。

时间趋势与区域分化:散点图和时间序列图揭示,非洲和东南亚历史基线较低但呈渐增趋势,美洲和东地中海基线高且上升斜率更陡,欧洲和西太平洋居中。两性平行上升,但女性各时点均高于男性,且差距稳定,表明该差异具有结构性特征。

热图分析:热图直观展示了性别与区域的交叉效应,东地中海和美洲女性颜色最深(值最高),非洲各性别均最浅,验证了地理与性别因素对身体活动不足水平的联合影响。

机器学习预测性能比较:在2019—2022年测试集上,随机森林以R2 = 0.9310和RMSE = 3.6459表现最优,XGBoost次之(R2 = 0.9200, RMSE = 3.9248),MLP(R2 = 0.4334, RMSE = 10.4455)和SVR(R2 = 0.4151, RMSE = 10.6128)表现较差。

五年预测趋势分析:四种模型呈现分歧性预测。XGBoost预测趋于稳定并略降;随机森林预测稳定后小幅下降;MLP预测持续上升至约29%;SVR预测增幅最陡达33%—34%且不确定性区间最宽。研究人员指出,树模型因无法外推训练范围而保守,神经和核方法因连续变换而激进,但后者较差的样本外效度使其应作为上限情景,树模型的中等上升轨迹在流行病学上更为合理。

讨论部分总结如下。研究人员强调,性别与地区间的持久不平等反映了深层结构性因素,包括文化规范限制女性活动机会、城市缺乏步行友好设计、职业结构久坐化转型等。模型预测的分歧性凸显了健康预测的不确定性本质,建议采用集成方法以综合不同模型的优势。政策层面需超越全球平均指标,制定区域特异性和性别敏感性的干预策略;监测层面应坚持分性别数据收集以避免聚合偏误;规划层面须以多模型情景为基础进行资源配置,增强卫生系统韧性。研究优势包括大数据集覆盖、四种互补ML模型比较、分性别分析及可重复Python流程;局限在于缺乏个体层面协变量、树模型外推约束,以及未纳入政策干预和社会经济变化等影响因素。未来研究应扩展预测因子、优化模型集成,并将预测结果与实际政策框架对接。

研究结论翻译如下:本研究利用统计分析、可视化以及机器学习预测方法,考察了全球范围内性别与地区在身体活动不足指标上的差异及时间趋势。结果一致显示存在性别差异,女性在几乎所有可视化分析中均表现出高于男性的变异性与水平值,且这些差异随时间保持稳定,提示存在持续的结构性或生物学效应。区域研究揭示了显著的地理不平等:非洲和东南亚始终处于较低水平,而美洲和东地中海则表现出更高且更变异的结果;欧洲和西太平洋居中但内部存在多样性。这些发现表明全球平均值可能掩盖国家与区域间的实质性差异,凸显了因地制宜政策和干预措施的必要性。时间序列和回归分析显示多数群体呈稳定上升趋势,提示身体活动不足在逐渐恶化,但速度和模式因性别与地区而异。机器学习在此基础上预测了可能的未来轨迹:树模型(XGBoost、随机森林)预测保守或下降趋势,而神经网络(MLP)和核模型(SVR)显示持续或加速增长。这一分歧强调了采用集成方法和多模型预测以平衡短期稳定与长期可信度的必要性。通过将经典统计方法与现代机器学习技术相结合,本研究为不平等和未来路径提供了全面的数据驱动视角。结果凸显了在解释发现时考虑生物学、社会和区域背景的重要性,以及预测建模对于前瞻性政策制定的价值。未来研究应通过增加额外协变量、改进模型集成、并将预测与实际政策框架匹配以增强对不确定性的抵御能力,从而在此基础上继续推进。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号