基于机器学习方法的人体农兽药及化学污染物暴露与高血压的相关性研究

目的 基于不同的机器学习方法探究石家庄与杭州成年居民体内农兽药及化学污染物暴露与高血压患病情况之间的关系。方法 采用2018—2019年在石家庄与杭州进行的“降低成年超重者营养相关慢性病风险的适宜身体活动量研究”调查数据,选择496名包含人口学资料、体格测量、常规血清检测和血清农兽药及化学污染物暴露信息的成年居民作为研究对象,在Lasso变量筛选后分别使用传统的逻辑回归模型与多种机器学习模型建立高血压的预测模型,利用ROC曲线下面积（AUC）评估模型效果。结果 Lasso变量筛选结果显示,农兽药及化学污染物暴露4-氯苯氧乙酸（4-CPA）、全氟辛酸（PFOA）、全氟己烷磺酸（PFHxS）和全氟辛烷磺酸（PFOS）与高血压具有显著的关联。机器学习模型中支持向量机模型预测效果最好（AUC=0.71）,优于传统的逻辑回归模型（AUC=0.57）。结论 农兽药及化学污染物暴露中4-CPA、PFOA、PFHxS和PFOS是高血压的重要危险因素,机器学习模型在流行病学影响因素研究中具有很好的适应性,在拟合非线性关系的数据时有一定的优势。