膳食抗氧化剂与心力衰竭风险的机器学习预测模型构建及机制解析

来自美国国家健康与营养调查(NHANES)的研究团队通过机器学习方法，揭示了膳食抗氧化剂与心力衰竭(HF)的关联规律。研究利用2005-2018年9279名参与者数据，采用XGBoost等6种算法构建预测模型，发现维生素B6、叶酸和番茄红素等关键抗氧化成分可降低20%HF风险(OR=0.80)，模型准确率达96.5%，为个性化膳食干预提供新工具。

　　

这项突破性研究利用美国国家健康与营养调查(NHANES)2005-2018年数据，对9279名参与者（含434例心衰患者）的44种膳食抗氧化剂进行深度挖掘。研究团队巧妙结合方差膨胀因子(VIF)筛选、合成少数类过采样技术(SMOTE)和Boruta特征选择，构建了包含随机森林、LightGBM、K近邻(KNN)等6种机器学习模型的评估体系。

令人振奋的是，极限梯度提升(XGBoost)模型展现出惊人性能：调整后准确率达96.5%，F1分数0.971，精确率-召回曲线下面积(PR-AUC)高达0.993。加权分位数和(WQS)回归显示，抗氧化剂总体摄入每增加一个四分位数，心衰风险降低20%(OR=0.80, 95%CI:0.68-0.93)。

通过SHAP值解析，可可碱(theobromine)、番茄红素(lycopene)、咖啡因(caffeine)等成分脱颖而出。特别是维生素B₆、叶酸(folate)和番茄红素的保护作用最为显著。该研究不仅建立了首个基于膳食抗氧化剂的心衰预测模型，更为精准营养干预提供了可量化的生物标志物体系。