通过整合韩国国家健康与营养调查数据、区域颗粒物、空气污染物以及绿色环境因素，开发代谢综合征识别模型

《BMC Public Health》：Development of metabolic syndrome identification model by integrating Korea national health and nutrition examination survey data with regional particulate matter, air pollutants, and green environmental factors

　　

摘要

本研究旨在通过整合多个城市地区的环境特征，开发一种用于代谢综合征的分类模型。该方法使用了由韩国疾病控制与预防中心（Korea Centers for Disease Control and Prevention）开展的韩国国家健康与营养调查（KNHANES）中的居民健康数据，以及来自国家统计局（National Statistical Office）的区域平均空气污染和绿地数据。

分析使用了2018年至2022年间收集的20,035名30岁及以上成年人的数据，并剔除了数据缺失的样本。为了解决代谢综合征病例类别不平衡的问题，比较了四种校正方法：原始数据、单独使用SMOTE、仅使用类别加权，以及SMOTE与类别加权的组合。最终选择了仅使用类别加权的方法，因为它在四种方法中实现了最佳的辨别力与校正效果平衡。

变量HE_obe被从自变量中剔除，随后构建了八个模型进行性能比较：SVM、逻辑回归（Logistic Regression）、随机森林（Random Forest）、XGBoost、LightGBM、基础MLP（Basic MLP）、深度MLP（DeepMLP）和ResNetMLP。所有模型的AUC-ROC值在0.6438到0.6664之间，其中深度MLP的辨别力最高，达到0.6664。然而，DeLong检验和自助法（bootstrap test）表明，深度MLP与随机森林（Random Forest）、XGBoost和LightGBM等主要模型相比，在性能上没有统计学上的显著差异。

通过SHAP和排列重要性（permutation importance）分析21个自变量对最优模型的贡献，发现性别、年龄和教育水平等人口统计和社会经济因素是识别代谢综合征的重要因素。在环境因素中，人均绿地面积与较低的代谢综合征发生率相关，但其对模型的贡献程度小于人口统计和社会经济因素。

在构建空气污染变量组时，发现NO2和PM2.5的方差膨胀因子（VIF）值大于5，表明存在多重共线性。由于这是一项横断面研究，环境变量与代谢综合征之间的关系应被视为相关性而非因果关系。