基于机器学习的营养因素、炎症生物标志物与癌症类型关联性分析：NHANES 数据中的应用
定量方法
2025-04-22 v1 机器学习
摘要
背景。饮食和炎症是影响癌症风险的关键因素。然而，针对营养状况和炎症生物标志物对癌症状态及类型综合影响的研究仍不充分。目标。本研究探讨营养因素、炎症生物标志物与癌症状态之间的关联，以及这些关系是否在不同癌症类型之间存在差异，基于国家健康与营养调查（NHANES）数据。方法。我们分析了 24 种宏-微量营养素、C 反应蛋白（CRP）以及肺癌炎症指数（ALI），纳入 26,409 名 NHANES 参与者，其中 2,120 名确诊患有癌症。采用多变量 logistic 回归评估与癌症流行病的关联。我们还检查了这些特征在五类最常见癌症类型之间的差异。为评估预测价值，我们对完整特征集应用三种机器学习模型——逻辑回归、随机森林和 XGBoost。结果。该队列平均年龄为 49.1 岁；34.7% 为肥胖。如贫血和肝病等合并症，以及蛋白质和几种维生素等营养因素，是癌症状态的关键预测因子。在模型中，随机森林表现最佳，准确率为 0.72。结论。更高质量的营养摄入和较低的炎症水平可能对预防癌症具有保护作用。这些发现凸显了将营养和炎症标记物与机器学习结合用于癌症预防策略的潜力。
引用
@article{arxiv.2504.13978,
title = {Association between nutritional factors, inflammatory biomarkers and cancer types: an analysis of NHANES data using machine learning},
author = {Yuqing Liu and Meng Zhao and Guanlan Hu and Yuchen Zhang},
journal= {arXiv preprint arXiv:2504.13978},
year = {2025}
}