基于RaNCD队列研究的肥胖预测因子定量分析：来自伊朗西部的队列证据

《Primary Care Diabetes》：Quantitative analysis of obesity predictors: Evidence from the Ravansar non-communicable disease (RaNCD) cohort study

本研究采用混合特征选择方法（线性回归LR与决策树DT），从RaNCD队列数据中识别出57个肥胖预测因子。结果显示人体测量指标（如腰围r=0.686）与BMI呈强正相关，而体力活动（MET r=-0.151）呈负相关。研究强调结合临床基础数据可提升基层医疗筛查效能，为地区性肥胖干预提供量化依据。

　　

重点发现

研究设计与人群

这项为期5年的随访研究使用了拉万萨尔非传染性疾病（RaNCD）队列研究的主要阶段（2017年收集的数据）和首次随访阶段（2022年收集的数据）。拉万萨尔是一个人口约5万的城市，位于伊朗西部的克尔曼沙赫省。RaNCD队列研究是一项长期的前瞻性流行病学调查，计划进行15年的随访（2017-2032年）。试点阶段始于...

结果

表2总结了从初始380个特征中衍生出的57个选定特征。每个特征都进行了分类，并突出了每种算法的性能指标。

附加文件1中的表1显示了预测变量与BMI之间的相关性，涵盖人口统计学、人体测量学、营养、饮食习惯、生活方式暴露、医疗史、家族医疗史、体力活动、用水情况、血压、实验室检查、药物、宏量营养素和微量营养素。相关性...

讨论

本研究使用决策树（DT）和线性回归（LR）算法，从伊朗西部的一个队列中初始的380个变量池里，确定了57个BMI预测特征。关键发现揭示了BMI与人体测量指标（如腰围（0.686）和腰臀比（0.652））之间存在强正相关。与代谢当量（MET）（-0.151）和居住类型（-0.124）则呈现负相关，而微量营养素（例如磷）和教育水平的预测能力可忽略不计。

结论

本研究确定了伊朗西部队列中57个对BMI有预测性的特征，突出了人体测量学（如腰臀比）和人口统计学因素（如教育水平、居住类型）的重要性。算法比较显示决策树（DT）优于非线性模型，而线性回归（LR）在处理饮食因素时面临挑战。这些方法的结合为特征选择创建了一个强大的框架，尽管饮食变量表现较弱，表明需要更好的...