Количественная оценка вклада факторов риска в формирование алиментарно-зависимых патологий у детей школьного возраста на основе нейросетевого моделирования

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Введение. Повышенный интерес государства к проблеме здорового питания определяет актуальность разработки методических подходов к количественной оценке вероятности возникновения алиментарно-обусловленных патологий и оценке рисков для здоровья.

Материалы и методы. В качестве источника информации выступали данные социологического исследования, проведённого Роспотребнадзором. Для анализа использованы 11 543 анкеты, характеризующие факторы питания школьников в регионах Российской Федерации. Ассоциированные связи между исследуемыми факторами и заболеваемостью получены путём проведения нейросетевого моделирования. Исследование вкладов факторов в формирование патологий проводилось на основе анализа симуляционной матрицы, содержащей 300 тыс. возможных сценариев питания.

Результаты. В ходе математического моделирования получены 12 нейросетевых моделей, описывающих зависимость дополнительной вероятности развития алиментарно-зависимых патологий от факторов питания, с высокой долей верных предсказаний (более 70%). Проанализированы вклады факторов в изменение вероятности развития ожирения как модели, обладающей высокой степенью достоверности параметров. Установлено, что факторами, влияющими в наибольшей степени на развитие ожирения, являются ежедневное употребление продуктов с высоким гликемическим индексом, высококалорийных кондитерских изделий в виде тортов и пирожных, сладких соков, употребление продуктов из вендингового аппарата (за исключением салатов и овощных блюд). Такой характер питания увеличивает вероятность развития ожирения с изначальных 0,033 до 0,98 для среднестатистического школьника.

Ограничения исследования. Исследование ограничено набором факторов, измеренных в результате социологического опроса и использованных при обучении нейросетевых моделей.

Заключение. Полученные в результате исследования нейросетевые модели и созданные на их основе информационные материалы позволили разработать инструментарий, дающий возможность оперативно формировать произвольные сценарии питания школьников, проводить вычисления дополнительной вероятности формирования алиментарно-обусловленных патологий.

Соблюдение этических стандартов. Статья одобрена этическим комитетом ФБУН «Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения» (протокол заседания № 4 от 21.02.2023 г.).

Участие авторов:
Зайцева Н.В. — концепция и дизайн исследования, написание текста;
Кирьянов Д.А. — написание текста, математический анализ данных, редактирование;
Хисматуллин Д.Р. — обработка данных, анализ данных, написание текста;
Чигвинцев В.М. — анализ данных;
Мустафина И.З. — обработка данных.

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.

Финансирование. Исследование не имело финансовой поддержки.

Поступила: 03.04.2024 / Поступила после доработки: 06.06.2024 / Принята к печати: 19.06.2024 / Опубликована: 17.07.2024

Об авторах

Нина Владимировна Зайцева

ФБУН «Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения»

Автор, ответственный за переписку.
Email: znv@fcrisk.ru
ORCID iD: 0000-0003-2356-1145

Доктор мед. наук, профессор, академик РАН, науч. руководитель ФБУН «ФНЦ МПТ УРЗН», 614045, Пермь, Россия

e-mail: znv@fcrisk.ru

Россия

Дмитрий Александрович Кирьянов

ФБУН «Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения»

Email: kda@fcrisk.ru
ORCID iD: 0000-0002-5406-4961

Канд. техн. наук, рук. отд. математического моделирования систем и процессов ФБУН «ФНЦ МПТ УРЗН», 614045, Пермь, Россия

e-mail: kda@fcrisk.ru

Россия

Дмитрий Расулевич Хисматуллин

ФБУН «Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения»

Email: hisdr@fcrisk.ru
ORCID iD: 0000-0002-7615-6816

Мл. науч. сотр. отд. математического моделирования систем и процессов ФБУН «ФНЦ МПТ УРЗН», 614045, Пермь, Россия

e-mail: hisdr@fcrisk.ru

Россия

Владимир Михайлович Чигвинцев

ФБУН «Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения»

Email: noemail@neicon.ru
ORCID iD: 0000-0002-0345-3895

Канд. физ.-мат. наук, науч. сотр. отд. математического моделирования систем и процессов ФБУН «ФНЦ МПТ УРЗН», 614045, Пермь, Россия

e-mail: hisdr@fcrisk.ru

Россия

Илина Закарияновна Мустафина

ФГБОУ ДПО «Российская медицинская академия непрерывного профессионального образования» Министерства здравоохранения Российской Федерации

Email: noemail@neicon.ru
ORCID iD: 0000-0002-3960-6830

Канд. мед. наук, координатор-консультант РМАПО, 123995, Москва, Россия

Россия

Список литературы

  1. Хабриев Р.У., Ягудина Р.И., Рашид М.А., Аринина Е.Е. Факторы риска для здоровья подростков: результаты массового опроса. Российский вестник перинатологии и педиатрии. 2020; 65(3): 91–9. https://doi.org/10.21508/1027-4065-202065-3-91-99 https://elibrary.ru/dtdqtk
  2. Федяева В.К., Богова Е.А., Петеркова В.А., Реброва О.Ю. Метаанализ эффективности вмешательств для профилактики и коррекции избыточного веса и ожирения у детей 7–8 лет. Ожирение и метаболизм. 2020; 17(2): 1115–24. https://doi.org/10.14341/omet12120 https://elibrary.ru/tahehm
  3. Огрызко Е.В., Шелепова Е.А., Тюрина Е.М. Статистика ожирения у детей в российской федерации за 2014–2018 годы. Менеджер здравоохранения. 2020; (4): 37–42. https://elibrary.ru/yhozqz
  4. Новикова И.И., Шевкун И.Г., Яновская Г.В., Гавриш С.М., Сорокина А.В. Роль мониторинга качества организации питания детей школьного возраста в снижении риска заболеваний, связанных с пищевым фактором. Здоровье населения и среда обитания – ЗНиСО. 2022; 30(2): 31–6. https://doi.org/10.35627/2219-5238/2022-30-2-31-36 https://elibrary.ru/sszptg
  5. Мартинчик А.Н., Батурин А.К., Камбаров А.О. Анализ ассоциации структуры энергии рациона по макронутриентам и распространения избыточной массы тела и ожирения среди населения России. Вопросы питания. 2020; 89(3): 40–53. https://doi.org/10.24411/0042-8833-2020-10028 https://elibrary.ru/holtxi
  6. Ткачук Е.А., Глобенко Н.Э. Оценка стереотипов питания, физического развития и заболеваемости детей младшего школьного возраста. Тихоокеанский медицинский журнал. 2023; (1): 90–3. https://doi.org/10.34215/1609-1175-2023-1-90-93 https://elibrary.ru/riaqst
  7. Сизова Е.П., Лобкис М.А., Романенко С.П., Гавриш С.М., Сорокина А.В. Оценка фактического питания детей по результатам мониторинговых мероприятий на примере республики Татарстан. Здоровье населения и среда обитания – ЗНиСО. 2022; 30(2): 37–46. https://doi.org/10.35627/2219-5238/2022-30-2-37-46 https://elibrary.ru/klhjdt
  8. Ефимова Н.В., Мыльникова И.В., Туров В.М. Питание школьников, проживающих на городских и сельских территориях Иркутской области. Экология человека. 2020; (3): 23–30. https://doi.org/10.33396/1728-0869-2020-3-23-30 https://elibrary.ru/gtlhrs
  9. Зайцева Н.В., Лир Д.Н. Мониторинг питания в общеобразовательных организациях. Вопросы питания. 2022; 91(5): 56–64. https://doi.org/10.33029/0042-8833-2022-91-5-56-64 https://elibrary.ru/dxbpvt
  10. Тутельян В.А. Здоровое питание для общественного здоровья. Общественное здоровье. 2021; 1(1): 56–64. https://doi.org/10.21045/2782-1676-2021-1-1-56-64 https://elibrary.ru/mommxi
  11. Погожева А.В., Смирнова Е.А. К здоровью нации через многоуровневые образовательные программы для населения в области оптимального питания. Вопросы питания. 2020; 89(4): 262–72. https://doi.org/10.24411/0042-8833-2020-10060 https://elibrary.ru/mpogej
  12. Швец Д.А., Поветкин С.В. Сравнительный обзор использования методов машинного обучения для прогнозирования сердечно-сосудистого риска. Вестник новых медицинских технологий. Электронное издание. 2020; (5): 74–82. https://doi.org/10.24411/2075-4094-2020-16711 https://elibrary.ru/lmfmwx
  13. Orozco Torres J.A., Medina Santiago A., Villegas Izaguirre J.M., Amador García M., Delgado Hernández A. Hypertension diagnosis with backpropagation neural networks for sustainability in public health. Sensors (Basel). 2022; 22(14): 5272. https://doi.org/10.3390/s22145272
  14. Røst T.B., Slaughter L., Nytrø Ø., Muller A.E., Vist G.E. Using neural networks to support high-quality evidence mapping. BMC Bioinformatics. 2021; 22(Suppl. 11): 496. https://doi.org/10.1186/s12859-021-04396-x
  15. Lim H., Lee H., Kim J. A prediction model for childhood obesity risk using the machine learning method: a panel study on Korean children. Sci. Rep. 2023; 13(1): 10122. https://doi.org/10.1038/s41598-023-37171-4
  16. Alazwari A., Johnstone A., Tafakori L., Abdollahian M., AlEidan A.M., Alfuhigi K., et al. Predicting the development of T1D and identifying its Key Performance Indicators in children; a case-control study in Saudi Arabia. PLoS One. 2023; 18(3): e0282426. https://doi.org/10.1371/journal.pone.0282426
  17. Игнатенко А.М., Макарова И.Л., Копырин А.С. Методы подготовки данных к анализу слабоструктурированных временных рядов. Программные системы и вычислительные методы. 2019; (4): 87–94. https://doi.org/10.7256/2454-0714.2019.4.31797 https://elibrary.ru/aegjwr
  18. Ahrens W., Pigeot I., Pohlabeln H., De Henauw S., Lissner L., Molnár D., et al. Prevalence of overweight and obesity in European children below the age of 10. Int. J. Obes. (Lond.). 2014; 38(Suppl. 2): S99–107. https://doi.org/10.1038/ijo.2014.140
  19. Ng M., Fleming T., Robinson M., Thomson B., Graetz N., Margono C., et al. Global, regional, and national prevalence of overweight and obesity in children and adults during 1980–2013: a systematic analysis for the Global Burden of Disease Study 2013. Lancet. 2014; 384(9945): 766–81. https://doi.org/10.1016/s0140-6736(14)60460-8
  20. Чубаров Т.В., Бессонова А.В., Жданова О.А., Артющенко А.И., Шаршова О.Г. Факторы риска развития ожирения в различные периоды детства. Ожирение и метаболизм. 2021; 18(2): 163–8. https://doi.org/10.14341/omet12756 https://elibrary.ru/hepawf
  21. Шарманов Т.Ш., Салханова А.Б., Датхабаева Г.К. Сравнительная характеристика фактического питания детей в возрасте 9–10 лет. Вопросы питания. 2018; 87(6): 28–41. https://doi.org/10.24411/0042-8833-2018-10064 https://elibrary.ru/yrwxfr
  22. Самодурова Н.Ю., Мамчик Н.П., Истомин А.В., Клепиков О.В., Соколенко Г.Г. Определение территорий риска по уровню алиментарно-зависимых заболеваний с учетом региональных особенностей структуры питания населения. Вестник Российского государственного медицинского университета. 2018; (5): 42–7. https://doi.org/10.24075/vrgmu.2018.056 https://elibrary.ru/ytnqzv
  23. Malik V.S., Hu F.B. The role of sugar-sweetened beverages in the global epidemics of obesity and chronic diseases. Nat. Rev. Endocrinol. 2022; 18(4): 205–18. https://doi.org/10.1038/s41574-021-00627-6
  24. Pepin A., Stanhope K.L., Imbeault P. Are fruit juices healthier than sugar-sweetened beverages? A review. Nutrients. 2019; 11(5): 1006. https://doi.org/10.3390/nu11051006

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Зайцева Н.В., Кирьянов Д.А., Хисматуллин Д.Р., Чигвинцев В.М., Мустафина И.З., 2024


СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 37884 от 02.10.2009.