老年人骨关节炎重金属暴露的识别及其预测的机器学习：基于NHANES 2011-2020的研究

目的：重金属存在于许多环境污染物中，通过水或食物对人体有累积影响，可能导致多种疾病，包括骨关节炎 (OA)。在本研究中，我们旨在探讨重金属与OA之间的关联。方法：我们从国家健康和营养调查 (NHANES) 2011-2020 数据集中提取了18个变量，包括年龄、性别、种族、教育水平、婚姻状况、吸烟状况、体重指数 (BMI)、身体活动、糖尿病、高血压、贫困水平指数 (PLI)、铅 (Pb)、镉 (Cd)、汞 (Hg)、硒 (Se)、锰 (Mn) 和 OA 状态。结果：进行了t检验和卡方检验。对于重金属，采用了四分位数描述和检测限 (LOD)。为分析重金属与老年人群中OA的关联，进行了多变量逻辑回归，并对性别进行了亚组逻辑分析。此外，为了基于重金属对OA进行预测，我们比较了八种机器学习算法，XGBoost (AUC为0.8，准确率值为0.773，kappa值为0.358) 是预测的最佳机器学习模型。为了互动使用，制作了一个Shiny应用程序 (https://alanwu.shinyapps.io/NHANES-OA/)。结论：总的和性别亚组的逻辑回归结果均显示，Pb和Cd促进了OA的流行，而Mn可能是美国老年人群体中OA流行的保护因素。此外，XGBoost模型经过训练用于OA预测。