摘要
背景
缺乏体育活动的老年人是抑郁症的高风险群体。然而，饮食中的抗氧化剂摄入情况是否有助于对该群体中的抑郁症风险进行分层，目前尚未得到充分证实。本研究旨在利用机器学习方法，评估饮食中抗氧化剂摄入量对60岁及以上缺乏体育活动的成年人抑郁症风险的预测能力。
方法
本研究使用了2007–2010年和2017–2018年国家健康与营养调查（NHANES）的数据，其中包括2,496名60岁及以上缺乏体育活动的成年人。研究评估了44种膳食抗氧化剂以及两个综合指标：膳食抗氧化剂综合指数（CDAI）和氧化平衡评分（OBS）。特征选择采用随机森林算法进行，随后开发了六种机器学习模型：随机森林、XGBoost、k最近邻、支持向量机、决策树和朴素贝叶斯。模型性能通过多种指标进行评估，包括接收者操作特征曲线下面积（AUC）、准确性、敏感性、特异性、F-beta分数和精确度-召回率曲线下面积（PR AUC）。采用十折交叉验证和自助法重采样来验证模型的稳健性。此外，还进行了Shapley加性解释（SHAP）分析，以便于个体化风险解读。
结果
随机森林模型表现最佳，准确率为94.9%，ROC AUC为0.943，敏感性为99.96%。SHAP分析确定维生素E、木犀草素、总黄酮类、铜、镁和铁是最具影响力的预测因子，这些因素都与抑郁症风险呈非线性负相关。多变量交互作用分析显示，维生素E与铜之间以及木犀草素与总黄酮类之间存在协同保护作用。此外，基于该模型开发了一个在线风险预测工具，可以在输入关键膳食抗氧化剂摄入数据后实时进行个性化抑郁症风险评估。
结论
饮食中的抗氧化剂摄入量在预测缺乏体育活动的老年人的抑郁症风险方面具有显著价值。通过机器学习和SHAP分析确定的关键词素及其相互作用为有针对性的营养干预和抑郁症早期筛查提供了新的证据和实用工具。
利益冲突
作者声明没有利益冲突。
数据可用性声明
支持本研究结果的数据可向相应作者提出合理请求后获取。
