一种用于预测农用化学品所致慢性病风险的堆叠集成框架(Stacked Ensemble Framework for Predicting Agrochemicals Induced Chronic Disease Risk)

《Discover Public Health》:A stacked ensemble framework for predicting agrochemicals induced chronic disease risk

【字体: 大 中 小 】 时间:2026年06月17日 来源:Discover Public Health

编辑推荐:

  : 农用化学品暴露因其可能促进多种慢性病的发生与发展,已成为公共卫生领域的重大关切。研究人员利用美国国家健康与营养检查调查(National Health and Nutrition Examination Survey, NHANES)数据集,考察了包括抑郁

  
: 农用化学品暴露因其可能促进多种慢性病的发生与发展,已成为公共卫生领域的重大关切。研究人员利用美国国家健康与营养检查调查(National Health and Nutrition Examination Survey, NHANES)数据集,考察了包括抑郁症、癌症、慢性肾脏病(Chronic Kidney Disease, CKD)、心血管疾病(Cardiovascular Disease, CVD)、帕金森病(Parkinson's disease)、高血压、糖尿病及呼吸系统疾病在内的农用化学品相关慢性健康问题。本研究强调开发并评估一种用于预测农用化学品暴露所致疾病风险的集成模型(Ensemble Model)。为实现准确且可解释的慢性病风险预测,研究人员通过整合弹性网络(Elastic Net, EN)与极限学习机(Extreme Learning Machine, ELM),开发了一种新型堆叠集成模型(Stacked Ensemble Model, EN-ELM)。由传统机器学习(Machine Learning, ML)模型构成的基学习器(Base Learners)的预测结果被输入至元学习器(Meta Learners)——弹性网络与极限学习机中处理,随后通过逻辑回归(Logistic Regression)给出最终预测。与现有研究相比,所提模型在预测多种农用化学品相关疾病方面取得了更高的预测性能。结果表明,某些特定农用化学品如有机氯(Organochlorine)、有机磷(Organophosphate)及拟除虫菊酯类(Pyrethroids)与疾病风险存在主要关联。本工作凸显了将集成学习方法与流行病学数据结合用于健康风险评估的价值,研究结果为制定减少农用化学品暴露及降低疾病患病率的战略政策提供了方向。
论文解读:
《A stacked ensemble framework for predicting agrochemicals induced chronic disease risk》一文发表于《Discover Public Health》。农用化学品(除草剂、化肥、杀虫剂等)广泛用于现代农业,既往毒理学与流行病学研究提示其可通过多途径进入人体并蓄积,与高血压、神经系统疾病、呼吸系统疾病、肾脏疾病及癌症等慢性病存在关联,部分农药被认定为内分泌干扰物(Endocrine Disrupting Chemicals, EDCs)。然而,传统流行病学统计方法难以充分刻画农用化学品多重暴露与多种慢性病之间复杂的非线性关系及交互作用,且现有单一机器学习模型在大规模流行病学数据上的预测精度与泛化能力有限。为此,研究人员基于NHANES大样本横断面数据,构建并验证了一种融合正则化线性模型与非线性单隐层神经网络的新型双层堆叠集成框架(Stacked EN-ELM),旨在量化84种环境化学物/农用化学品生物标志物与8种慢性病发病风险的关联,并提升疾病风险预测的准确性与可解释性,为公共卫生政策制定提供循证依据。
研究人员采用的主要关键技术方法如下:基于NHANES 2011–2012至2017–2020(含2017–2018及2017–2020大流行前周期)公开数据集,初筛54,716名受试者,排除≤20岁、妊娠、关键协变量缺失者后保留23,933人。结局变量为8种二分类慢性病(糖尿病、高血压、CKD、CVD、癌症、帕金森病、抑郁症、呼吸系统疾病),依据临床标准(如HbA1c≥6.5%、eGFR<60 mL/min/1.73m2合并UACR>30 mg/g、医生诊断史、PHQ-9≥10分等)判定。暴露变量为84种经尿液/血液检测的环境化学物(含有机氯、有机磷代谢物、拟除虫菊酯、除草剂2,4-D、重金属等)。协变量含年龄、性别、种族、教育程度、贫困收入比(PIR)、婚姻状况、吸烟及饮酒状况。缺失代谢物数据用最近队列中位数填补;各疾病分别用SMOTE(Synthetic Minority Oversampling Technique)平衡训练集。特征筛选先用卡方检验(Chi-square test)与皮尔逊相关系数(Pearson correlation)剔除p>0.05变量,每病保留Top 10特征。基学习器(Base Learners)含逻辑回归(LR)、随机森林(Random Forest, RF)、K近邻(K-Nearest Neighbors, KNN)、朴素贝叶斯(Na?ve Bayes, NB)、梯度提升机(Gradient Boosting Machine, GBM)、支持向量机(Support Vector Machine, SVM);元学习器(Meta Learners)为弹性网络(Elastic Net, EN)与极限学习机(Extreme Learning Machine, ELM);最终层分类器为逻辑回归。采用5折交叉验证生成基学习器袋外(Out-of-Fold)预测概率构造元特征矩阵,以避免过拟合;超参数用GridSearchCV优化;模型性能以准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1值、ROC曲线下面积(AUC)及PR曲线下面积(AUPRC)评价;关联分析用逻辑回归计算比值比(Odds Ratio, OR)及95%置信区间(Confidence Interval, CI),Benjamini–Hochberg法校正多重比较假发现率(False Discovery Rate, FDR, q值),p<0.05或q<0.05为显著;特征重要性用随机森林配合SHAP(SHapley Additive exPlanations)值可视化。
研究结果如下:
3 结果与讨论
人口学因素(年龄、性别、种族、吸烟饮酒、教育及贫困收入比)与8种慢性病风险显著相关,男性CVD与高血压风险更高,高龄与糖尿病及高血压强正相关,低社会经济地位关联更高疾病负担,与已知流行病学规律一致。
3 农用化学品与疾病关联的统计分析
经逻辑回归与卡方检验,84种农用化学品中多种与慢性病显著相关(FDR校正后q<0.05)。有机氯类如灭蚁灵(Mirex, OR: 1.134 CKD; 1.913 呼吸疾病; 1.357 CVD; 1.248 糖尿病; 1.236 癌症; 1.249 帕金森)及β-六六六(Beta-hexachlorocyclohexane, OR: 1.077 CKD; 1.680 呼吸疾病; 1.060 高血压; 1.168 癌症; 4.143 帕金森)显示广谱高风险关联;有机磷代谢物如二甲基二硫代磷酸盐(Dimethyldithiophosphate, OR: 1.031 糖尿病; 1.099 高血压)及除草剂2,4-二氯苯氧乙酸(2,4-Dichlorophenoxyacetic acid, 2,4-D, OR: 1.043 CVD; 1.257 癌症; 1.257 帕金森)亦具显著OR值,证实有机氯、有机磷及部分除草剂是农用化学品致慢性病的关键风险化学物。
3.1 传统模型与所提模型(EN-ELM)的性能评估
对各疾病二分类任务,Stacked EN-ELM模型均优于单一基学习器及Stacked EN、Stacked ELM等对照集成模型。癌症预测准确率(Accuracy)达94.75%(RF为94.55%);CKD的F1值91.85%、准确率91.05%;糖尿病准确率97.39%;呼吸系统疾病准确率81.59%;高血压71.97%;抑郁症95.26%;帕金森病虽阳性样本少,Precision 99.86%、Recall 99.67%、F1 99.76%。AUC值分别为癌症0.989、CKD 0.968、CVD 0.982、糖尿病0.996、抑郁症0.99、帕金森病0.999、呼吸系统疾病0.904、高血压0.796。AUPRC值依次为0.987(癌症)、0.971(CKD)、0.987(CVD)、0.989(抑郁症)、0.989(糖尿病)、0.750(高血压)、0.990(帕金森)、0.860(呼吸系统),证明堆叠EN-ELM在处理类别不平衡的大规模流行病学数据上具最优判别力。
3.2 基于随机森林与SHAP的特征重要性可视化
以随机森林为代理模型计算SHAP值,红色高值、蓝色低值显示各农用化学品对特定疾病预测的贡献方向与强度。SHAP摘要图确认Mirex、Beta-hexachlorocyclohexane、Dimethyldithiophosphate、2,4-D等在对应疾病中具有最高|SHAP value|,与回归OR结果相互印证,说明模型捕捉到的关联具生物学合理性(注:SHAP分析反映观察性数据的相关性模式而非因果效应)。
3.3 与既往研究对比
相比既往基于NHANES用单一RF/XGBoost/LightGBM预测单病种(如CVD AUC 0.824–0.850、高血压AUC 0.731、癌症AUC 0.742–0.935、CKD AUC 0.70–>0.903),本研究样本量更大(n=23,933)、纳入暴露标志物更全面(84种化学品)、同时预测8种疾病且AUC普遍高于或持平于已发表最优值,验证了EN-ELM框架的优越性,但因数据集、暴露变量及结局定义差异,跨研究AUC直接比较需谨慎。
讨论与结论部分总结翻译:
研究人员指出本研究受限于NHANES的横断面性质无法推断暴露—疾病的时序因果关系,且缺乏独立外部队列验证,未来需在职业暴露人群或多国队列中做外部验证,并引入纵向随访数据评估疾病进展;未测混杂因素(如详细饮食、职业史)可能残留混淆,建议后续研究扩充协变量或做敏感性分析,亦可探索更高级的基于模型的特征选择以捕获复杂非线性交互。尽管如此,本研究证实农用化学品(尤有机氯、有机磷)暴露与美国成年人群8种慢性病高风险显著相关;所提出的堆叠集成框架EN-ELM通过结合Elastic Net的正则化稀疏性与ELM的快速非线性映射能力,显著提升了农用化学品诱导慢性病风险的预测精度与稳健性,配合SHAP解释增强了公共卫生领域机器学习模型的可解释性。研究结果支持制定限制高风险农用化学品使用、加强高危人群监测的公共健康政策,并为环境流行病学与人工智能交叉领域提供了可推广的建模范式。
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