Ötéves változás a gyermekkori testtömeg-index kategóriában és az elhízás-előrejelzési modell felállítása

Tárgyak

Absztrakt

Kínában a gyermekkori elhízás gyakorisága az utóbbi időben egyre súlyosabbá válik, és a növekedés megállításához intervenciós intézkedésekre van szükség. Jelenleg hiányoznak a gyermekkori elhízás értékelési és előrejelzési módszerei. Kidolgozunk egy prediktív modellt, amely a jelenleg mért prediktorokat [nem, életkor, városi/vidéki, magasság és testtömeg-index (BMI)] használja annak számszerűsítésére, hogy a gyermekek 5 évvel később a négy BMI-kategória valamelyikébe tartoznak-e, és meghatározzák a magas kockázatú csoportot. az esetleges beavatkozáshoz. Összesen 88 980 hallgató ment át rutinszerű fizikai vizsgálaton, és 5 évvel később újra megvizsgálták őket a vizsgálat befejezéséhez. A teljes modell azt mutatja, hogy a fiúknak, a városi lakóhelynek és a magasságnak pozitív hatásai vannak, és hogy az életkor negatív hatással van a túlsúlyos vagy elhízott kategóriába való áttérésre, és jelentős BMI-hatásokkal együtt. Modellünk helyesen jósolja a BMI kategóriákat 5 évvel később a hallgatók 70% -a számára. 2018 és 2023 között az elhízás prevalenciája a vidéki fiúkban és lányokban várhatóan 4, illetve 2% -kal nő, míg a városi fiúkban és lányokban várhatóan változatlan marad. A prediktív modellek segítenek felmérni a gyermekkori elhízás súlyosságát, és célzott beavatkozásokat és kezeléseket végeznek annak megelőzésére.

Háttér

Mód

Adatgyűjtés és -feldolgozás

Intézetünk humán kutatási etikai bizottsága (Yantai Betegségmegelőzési és Megelőzési Központ) jóváhagyta ezt a tanulmányt, miután megerősítette, hogy az összes eljárást, beleértve az antropometriai eljárásokat és az adatgyűjtést is, a vonatkozó irányelveknek és előírásoknak megfelelően hajtották végre. A hallgatók írásos tájékozott beleegyezését szülők, törvényes gondviselők vagy mindkettő szerezte. A jelenlegi kohorsz résztvevőit véletlenszerűen toborozták az általános és középiskolákból (Yantai) 2013 szeptemberében, az intézetünk által végzett fizikális vizsgálat során. Az összes résztvevőt öt évvel később (2018 szeptemberében) követték nyomon. Összesen 96 264 személyt vontak be a vizsgálat megkezdésekor, 88 980 pedig befejezte a vizsgálatot (kis rész teljesen véletlenszerűen hiányzott lényegtelen kérdések miatt).

Az antropometriai mérések leírása: Minden kutató részt vett az antropometriai eljárásokkal és az adatgyűjtéssel kapcsolatos képzéseken, és az összes műszert kalibrálták. A gyermekeket arra kérték, hogy a mérési folyamat során vegyenek le vastag ruhadarabokat, cipőket és zoknikat, súlyukat és magasságukat 0,1 cm-es, illetve 0,1 kg-os pontossággal mérték meg. Ezenkívül összegyűjtötték a gyermekek nevét, nemét, születési dátumát, évfolyamát és területét vagy lakóhelyét (városi vagy vidéki).

A testtömeg-index (BMI) súly (kg)/magasság (m) 2; az alsúlyú, normál, túlsúlyos és elhízott értékelési kritériumok a különböző nemek és korcsoportok szerint változnak a kínai nemzeti kritériumok szerint, kifejezetten az átfogó értékelési szabvány biztosítására az iskoláskorú gyermekek és serdülőkorúak fejlődésére vonatkozóan. 9,10 A nagy mintaméret elegendő a kis paramétercsoport [pontbecslés és 95% -os konfidenciaintervallum (CI)] pontos becsléséhez és az egyes prediktorok szignifikanciájának teszteléséhez.

Statisztikai analízis

A populáció átlagos magassága és BMI-je az életkor előrehaladtával eltérő növekedési tendenciákat mutat. A növekedés nemtől és körzettől is függ. Először oszlopdiagramokkal mutatjuk be a nyomon követett BMI-kategóriák eloszlásának feltáró elemzési eredményeit a csoportok (pl. Fiúk és lányok) közötti marginális összehasonlítással. Elsődleges elemzésünk alap-kategória logit modell segítségével számszerűsíti a végső BMI kategória valószínűségeket a vizsgálat elején mért prediktorok alapján. A BMI kategória (2023-ban) előrejelzése az új adatok alapján elvégezhető, és meghatározható a magas kockázatú (nagy valószínűséggel az elhízás) csoport. Az adatelemzés és a modellillesztés az R 3.5.0 használatával valósul meg. és az SAS 9.2.

Modellillesztés

A következő alap-kategóriás logit modellt alkalmazzuk:

Itt az alapkategória J = 2 („normál”), és három másik kategória (j = 1, 3, 4) az „alsúlyt”, a „túlsúlyt” és az „elhízottat” jelenti a következő kategóriás valószínűségekkel:

Itt jósló x a változók vektora (xén, én = 1…, 5), azaz nem, körzet, életkor, magasság és BMI13 [a súly a BMI = súly (kg)/magasság (m) 2 összefüggés miatt elmaradt]. Kiszámoljuk az egyes korcsoportok „elhízott” és „normális” kategóriába kerülésének empirikus valószínűségeit, és a log (valószínűségi arány) profilok (1. ábra) nem mutatnak kölcsönhatásokat (életkor, BMI, magasság és nem között); hasonló megfigyelések találhatók a kerületi változóra vonatkozóan. Így egy lineáris korhatás az Eq. (1) bekezdése alkalmazandó.

Az empirikus log (valószínűségi arány [elhízott: normális]), szemben az életkorral és a BMI-vel.

Az ebben az előzetes tanulmányban talált kölcsönhatások vagy jelentéktelenek, vagy kevéssé érdekelnek minket, és ki vannak zárva a modellből. A nagy mintaméret elegendő a paraméter-szignifikancia tesztünkhöz, tekintettel a prediktorok kis halmazára.

A paraméterek hatékony becsléséhez külön maximális valószínűség becslés (SMLE) megközelítést alkalmazunk, az egyes alcsoportokhoz külön logisztikai modellt illesztve (válasz (Y) = j, 2> egyenlőségben (2)), ahol \ (p_ ^ \ bal (x \ jobb) \) az eseményt (Y = j) valószínűség az egyenértékekkel megegyező paraméterértékekkel. (1–2), azaz.,

A megközelítés értékeléséhez a ROC görbéket, az 5 évvel későbbi többkategóriás előrejelzési eredmény osztályozási táblázatot és más modellillesztési algoritmusokkal való összehasonlítást (pl. Globális maximális valószínűség becslés (GMLE) használjuk Newton – Raphson iterációval). A magas kockázatú csoportot meghatározzák, hogy lehetővé tegyék a lehetséges beavatkozást. A BMI13-ot [10,35] -en belülre korlátozzuk (n = 88 879) a program futási hibáinak elkerülése érdekében.

Eredmények

Leíró statisztika

A kiindulási helyzetben lévő gyermekek általános jellemzőit az 1. táblázat sorolja fel. A kezdeti minta 96 264 gyermeket tartalmaz (49 220 fiú és 47 044 6–11 éves lány 2013-ban). A Han nemzetiségű hallgatók a minta 99,86% -át teszik ki, míg a többi nemzetiségűek 0,14% -ot. A minta összesen 55,66% -a városi területekről származik.

Kategóriák közötti elemzés

A kategóriák közötti változásokat (2013-tól 2018-ig) a 2. táblázat foglalja össze. 2013-ban a gyermekek körében a legelterjedtebb BMI kategória a normál testsúly (55%), ezt követte az elhízott (25%), a túlsúlyos (17%) és az alsósúly (3%). Az elhízás prevalenciája 2013 és 2018 között jelentősen csökken (95% CI 0,02, 0,03). Az alsúlyos, a normál és a túlsúlyos csoportba tartozó gyermekek 2013-ban összesen 3, 4 és 20% -a vált át az elhízott csoportba 2018-ban. A 2013-as elhízott csoport 65 százaléka továbbra is az elhízott csoport 2018. A 2018-as elhízott csoport 73 százaléka volt elhízott 2013-ban. Az elhízott csoportba tartozó gyermekek közül 2013-ban 13, illetve 22% -uk vált át a normál és a túlsúlyos csoportba 2018-ban. A prevalencia arányait a 2. ábra mutatja (rétegezve és kor és BMI13 kategória szerint csoportosítva). A normál testsúlyú vagy elhízott tanulók többsége 2018-ban ugyanabba a kategóriába tartozik, mint 2013-ban. A fiúk mind a négy BMI13 kategóriában nagyobb valószínűséggel elhíznak 2018-ban, mint a lányok [o 2. táblázat A kategorikus testtömeg-index mátrix eloszlása (2013 és 2018 között).

BMI kategória (2018) arányok (életkor szerint 2013-ban).

Modell alapú elemzés

Az SMLE paraméter becsléseit a 3. táblázat foglalja össze; az összes egyenlő prediktor. (1) szignifikáns (o 3. táblázat Paraméterbecslések három különálló logisztikai regresszió illesztéséből.

ROC görbék az SMLE és a GMLE modell illesztési megközelítéséből.

Az SMLE megközelítés értékelése

A bootstrap tanulmány a korrelációs struktúrát biztosítja a becsült regressziós paraméterek három halmaza között [Eq. (1)], ahol az igazi paraméterértékek a 3. táblázatban szereplő pontbecslések (SMLE) és a prediktor (x) populáció megegyezik azzal, amelyből a modell illeszkedik (3. táblázat). A bootstrapped SML-becslések átlagértékei nagyon közel állnak a valós értékekhez és a szórások nagyon összhangban vannak a 3. táblázatban szereplő konfidencia-intervallumokkal. A becsült 18 (3 × 6) paraméter közötti korrelációs együtthatók hasznosak a további következtetésekhez (pl. Multiplicitás korrekciót kell alkalmazni a vezérléshez hamis felfedezés). Például a becsült „életkor” és „magasság” együtthatók erősen negatívan korrelálnak az egyes táplálkozási kategóriákban [j = 1, 3, 4 egyenértékben. (1–3)]:

A fenti eljárások alapján megvalósítható a magas elhízás-kockázatú csoport meghatározása. A közös, nagy kockázatú döntési tartományt a különböző prediktorok következő nyers tartományai alapján fejlesztjük ki: 6–11 (életkor), 110–170 (magasság (cm)) és 10–35 (BMI). Illusztrációként 0,9-es küszöbérték mellett kiszámoljuk az elhízás valószínűségét (Pr (O)) minden 2018-ban rögzített hallgatóra (nem és körzet szerint, életkor szerint = 6–11).

Azokat a hallgatókat, akiknek Pr (O)> 0,9, a magas kockázatú csoportba sorolják, ahol az ízületi (magasság, BMI) régiót (azaz az alsó BMI határt) kiszámítják és ábrázolják (pl. A város fiúinak) a 4. ábrán. Az életkor növekedésével a magas kockázatú csoport határa a jobb felső sarok felé mozog.

Magasság és BMI által meghatározott magas kockázatú csoportok (városi fiúk, életkor szerint rétegezve).

Vita

Vizsgálatunk egy megfigyelési populációs kohorsz vizsgálat. Kidolgozunk egy alapkategória-logit modellt a jövőbeni BMI-kategóriák valószínűségének számszerűsítésére azzal a céllal, hogy új bizonyítékokat gyűjtsünk a politika reformjára a gyermekkori elhízás csökkentésének leghatékonyabb módszerein alapulva. A magas kockázatú csoport a BMI kategória előrejelzésével azonosítható. A modell lényegesen elszámolható az elhízás előfordulásának előrejelzésében, tekintettel a jelenleg elismert tényezőkre. A 2023-ban becsült túlsúlyos és elhízott prevalencia arányok azt mutatják, hogy a fiúk és a lányok elhízási aránya minden életkorban 2023-ban lényegesen magasabbnak tűnik, mint a 2018-as. A vidéki diákok körében az elhízás aránya 2023-ban jelentősen emelkedni látszik a 2018-as társaik.

Tudomásunk szerint ez az első modellalapú longitudinális vizsgálat Kínában, amely kvantitatívan meghatározta azt a prediktív mechanizmust, amely 5 évvel később a prediktorokat összekapcsolja az elhízás incidenciájával, és a kiindulási magasság jelentős előrejelzőnek tűnik. A vizsgálat során ötéves időközönként gyűjtött adatokat használtunk fel, és felmértük, hogy a résztvevők elhízottak-e a megfigyelés idején. Vizsgálatunk előnyeit élvezik a hatékony statisztikai modellek és algoritmusok, és a hallgatók 70% -át helyesen jósolják meg [magasabb, mint egy másik tanulmány 20 (55–60%)]. Az előrejelzett 2023-as elhízási arány azt jelzi, hogy a gyermekkori elhízási járvány súlyosbodhat és gyors megelőzést igényel. Az előrejelzések szerint az idősebb fiúk és lányok, valamint a vidéki diákok körében az elhízás aránya 2023-ban magasabb lesz, mint 2018-ban. Arra számítunk, hogy a fiatalabb gyermekek és a vidéki gyermekek elhízás-megelőzési erőfeszítései hatékonyak lehetnek e gyermekek számára, akik nagy valószínűséggel válnak elhízott gyermekkorban és serdülőkorban.

Vizsgálatunk támogatást nyújt a kiindulási BMI és a magasság jövőbeli BMI kategóriához való szoros összefüggésében. Más vizsgálatok kimutatták, hogy az egészséges viselkedési szokásokkal rendelkező gyermekek alacsonyabb BMI-vel rendelkeznek a nyomon követés során, és alacsonyabb a túlsúly és az elhízás kockázata. 21 Ezért jövőbeni kutatásaink a BMI-t befolyásoló tényezőket fogják megvizsgálni, és meghatározzák a súlygyarapodás szempontjából releváns tényezőket, mint az intervenció fókuszát. Ezenkívül hosszú távú longitudinális vizsgálatok indokolttá teszik a BMI változásának trendjeinek nyomon követését, és több adatot szolgáltatnak a prediktív modell érvényesítéséhez. Végül ez a tanulmány több epidemiológiai információt nyújthat a gyermekkori és serdülőkori elhízás felügyeletének javítása érdekében, valamint betekintést nyújt az elhízási járvány természetébe; nem tudtuk azonban teljesen kizárni a maradék zavaró tényezőket a nem mérhető potenciális zavarók miatt.

Az adatok elérhetősége

A jelenlegi vizsgálat során felhasznált adatok nem nyilvánosak, de ésszerű kérésre rendelkezésre állnak a megfelelő szerzőtől.