儿童和青少年肥胖的决定因素:基于ICAD数据库的可解释人工智能方法
《Psychology of Sport and Exercise》:Determinants of childhood and adolescent obesity: An explainable AI approach using the ICAD database
【字体:
大
中
小
】
时间:2026年06月19日
来源:Psychology of Sport and Exercise 3.3
编辑推荐:
齐甘|韩建红|达米安·维蒂埃洛法国帕莱索,巴黎电信学院,巴黎综合理工学院,LTCI摘要研究目的运用可解释人工智能方法,识别儿童和青少年肥胖的生物学、行为学及社会人口学决定因素,并分析这些因素在不同年龄段的相对重要性变化。研究设计对一个大规模多国汇总数据库进行横断面分析。研究方法分
齐甘|韩建红|达米安·维蒂埃洛
法国帕莱索,巴黎电信学院,巴黎综合理工学院,LTCI
摘要
研究目的
运用可解释人工智能方法,识别儿童和青少年肥胖的生物学、行为学及社会人口学决定因素,并分析这些因素在不同年龄段的相对重要性变化。
研究设计
对一个大规模多国汇总数据库进行横断面分析。
研究方法
分析了来自国际儿童加速度计数据库的9660名5至17岁参与者的数据。采用CatBoost机器学习分类器预测超重和肥胖情况,运用稀疏主成分分析解决特征间的多重共线性问题,同时使用SHapley加性解释方法量化各预测因素的总体及局部贡献,提升模型结果的透明度。
研究结果
该模型具备良好的预测性能(PR AUC值为0.8003)。收缩压是影响体重状况的最主要预测因子,其次是高密度脂蛋白胆固醇和与胰岛素相关的指标。年龄也被确定为重要决定因素,且与肥胖风险呈负相关。此外,中等强度及中高强度体力活动也对模型有显著贡献,尤其对超重或肥胖人群的预测效果更好。
研究结论
通过整合CatBoost和SPCA的可解释人工智能框架,成功识别出心血管代谢生物标志物和体力活动是青少年肥胖的主要预测因素。分析还发现世界卫生组织标准与ICAD数据之间存在明显差异。这些研究结果表明,应制定针对不同BMI值且符合儿童发育特点的公共卫生策略,以更有效地预防和监测儿童肥胖问题。
引言
儿童和青少年肥胖是全球性的重大公共卫生问题。根据世界卫生组织的数据,2022年全球有超过3.9亿5至19岁的儿童和青少年被认定为超重或肥胖。1儿童期肥胖患病率不断上升尤为令人担忧,因为它会带来短期和长期的健康问题,包括2型糖尿病、心血管疾病、血脂异常以及其他代谢紊乱的风险增加。2,3而且,儿童期开始的肥胖往往会持续到成年,这进一步凸显了早期有效预防措施的重要性。4
儿童和青少年肥胖是由生物学、行为学及社会人口学因素之间的复杂相互作用所导致的。年龄和性别一直是公认的关键决定因素,年龄较大的儿童和青少年肥胖患病率更高。5,6青春期发育会引发生理变化,如胰岛素敏感性下降和脂质代谢紊乱,这些都会增加患肥胖相关代谢疾病的风险。5,7社会经济差距以及安全娱乐场所和健康饮食环境的可获得性等环境因素,也会影响整体人群的肥胖风险。8,9体力活动是一个重要的可调整行为因素,其中中高强度体力活动在能量平衡和预防肥胖方面起着关键作用。10, 11, 12尽管世界卫生组织建议儿童和青少年每天至少进行60分钟的中高强度体力活动,13但实际上仍有大量儿童无法达到这一标准,尤其是女孩在青春期后的活动量会有所下降。6还有研究表明,不同的活动强度,包括中等强度和高强度体力活动,对预防肥胖的作用可能有所不同,因此需要同时考虑整体活动量和活动强度模式。14,15
虽然与肥胖相关的各个个体因素已有较多研究记录,但量化它们之间的相互作用及其相对重要性仍是一项方法学上的挑战。传统的线性回归模型虽然应用广泛,16,17却难以捕捉输入变量之间的非线性效应和复杂相关性。18,19而结合可解释人工智能技术的机器学习方法,比如SHapley加性解释方法,20则为分析复杂的关联关系提供了有力工具。21不过,特征多重共线性问题往往会降低SHAP分析的可靠性。22传统的主成分分析虽能缓解这种共线性问题,但其密集的特征载荷会降低原始特征的直观性。因此,稀疏主成分分析成为一种理想的方法,它能够在消除共线性的同时保持足够的可解释性,便于临床应用。
因此,本研究旨在利用国际儿童加速度计数据库中的数据,识别儿童和青少年超重和肥胖的关键决定因素。24为此,我们构建了一个基于CatBoost的25可解释人工智能框架,并结合SPCA和SHAP技术。随后进一步分析了不同BMI类别和年龄组中,人口统计因素、心血管代谢生物标志物以及体力活动指标的相对重要性差异。
内容节选
模型性能与选择
首先使用原始特征集评估了不同建模架构的预测性能。如表2所示,CatBoost算法的精确度-召回率曲线下面积值最高(PR AUC值为0.6634),召回率也表现最佳(为0.6897),其性能优于随机森林、XGBoost和深度神经网络。之后引入SPCA技术对模型进行优化,使得模型的PR AUC值进一步提升至0.6704,同时召回率和精确率也保持在较高水平(分别为0.6617和0.5645)。因此
与肥胖相关的主要因素
本研究通过将SPCA技术与可解释人工智能框架相结合,阐明了儿童和青少年肥胖的多因素成因。研究结果表明,肥胖是由多种因素共同作用导致的,主要包括心血管代谢生物标志物(如收缩压、高密度脂蛋白胆固醇和胰岛素)以及体力活动相关因素(包括中等强度体力活动、中高强度体力活动、久坐行为和低强度体力活动)。这些因素具有较高的重要性,表明它们与肥胖状况存在密切关联
伦理声明
本次分析使用的是经过去标识处理的二手数据。相关研究中的原始数据收集工作已获得当地伦理委员会的批准,同时也获得了参与者及/或监护人的知情同意;本分析并未新增任何与人类受试者的互动环节。
关于写作过程中生成式人工智能及人工智能辅助技术的声明
在撰写本文时,齐甘和韩建红使用了ChatGPT和DeepSeek工具,以此提升文本的可读性并减少部分段落的字数。在使用这些工具后,所有作者都对内容进行了必要的审核和修改,并对文章内容承担全部责任。
资金支持
作者韩建红获得了中国国家留学基金委的博士奖学金支持。
生物通微信公众号
生物通新浪微博
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