抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
背景.肥満の重要な機構は,代謝および炎症マーカーの調節不全を含む。本研究は,アンサンブルデータマイニングアプローチを用いて,肥満に関連する唾液バイオマーカーおよび他の因子を同定することを目的とした。方法:8137名のKuwait小児(10.00±0.67歳)からの700名以上の被験者の無作為コホートに対して,4種のデータマイニング法を適用して肥満と関連した重要な変数を同定した。それらは,ロジスティック回帰(Lasso),多変量適応回帰スプライン(MARS),ランダムフォレスト(RF),およびブースティング分類木(BT)である。各アルゴリズムは,内部交差検証手順に基づいて,可変重要度ランクリストを生成した。個々のリストからの変数のランク順序付けを平均化することにより,それぞれのモデルの分類性能により重み付けされた集約的重要度ランキングを構築した。次に,少なくとも3つのアルゴリズムで同定されたトップランキング変数の部分集合を,ブートストラップパーセンタイル再サンプリングによる受信者動作特性(ROC)解析を用いて分類性能によって評価した。結果:肥満は胴囲(OBW)またはボディマスインデックス(BMI)(OBWHO)により定義された。OBWと関連した唾液バイオマーカーとして,C反応性蛋白質(CRP),インシュリン,レプチン,アディポネクチンを同定した。バイオマーカーの類似のセットがOBWHOに対して同定されたが,レプチンを含まなかった。ツリーベースのクラスタリング分析はOBWとOBWHO被験者の間で有意に異なるパターンを明らかにした。結論:多重アルゴリズムに基づくデータマイニング手法は表現型に関連する因子の同定,特に関係が顕著でない場合に有用であり,複数の方法からのコンセンサスが特徴のより一般化可能な部分集合を生成するのに役立つ。本症例において,胴囲を用いた評価は,BMIによる評価では見られない高レベルの唾液レプチンとの関連を含むことを示した。Copyright 2019 Ping Shi and J. Max Goodson. Translated from English into Japanese by JST.【JST・京大機械翻訳】