二维健康空间映射：基于机器学习对韩国和荷兰人群健康动态的分析

《FOOD SCIENCE AND BIOTECHNOLOGY》：Bi-dimensional health space mapping: machine learning analysis of population health dynamics in Korean and Dutch cohorts

健康空间模型以代谢压力和氧化应激为核心指标，结合机器学习与LASSO回归，利用荷兰和韩国多组学数据验证，外部验证AUC达0.959-0.973，证实模型可靠性，为个性化健康监测和精准营养提供基础。

　　

摘要

健康涵盖广泛的范畴，涉及多种生物学因素和生活方式因素。生物系统的复杂性要求我们将这些多样化的因素整合到一个统一的生物标志物中。我们构建了一个健康空间模型，该模型将新陈代谢和氧化应激作为追踪健康老龄化和绘制健康轨迹的关键指标。为了确保模型的跨种族适用性，我们使用了荷兰营养问卷调查（Dutch Nutrition Questionnaires）数据以及韩国国家健康与营养调查（KNHANES）的数据。我们的方法结合了机器学习和逻辑回归，并对经过倾向得分匹配的数据集应用了最小绝对值收缩和选择惩罚（least absolute shrinkage and selection operator）算法。通过使用独立的KNHANES数据集进行外部验证，结果显示模型性能优异（代谢应激的AUC值为0.959；氧化应激的AUC值为0.973），从而证实了模型的可靠性。这些发现支持将健康空间模型作为监测生理压力的综合性工具。我们的研究推动了个性化健康监测的发展，并为旨在降低慢性疾病风险的精准营养策略奠定了基础。