
-
生物通官微
陪你抓住生命科技
跳动的脉搏
儿童与父母BMI纵向轨迹关联的数据驱动研究:来自TARGet Kids!队列的发现
【字体: 大 中 小 】 时间:2025年09月23日 来源:Obesity Medicine CS4.0
编辑推荐:
本研究针对肥胖这一全球性健康问题,利用TARGet Kids!队列数据,采用机器学习方法分析了6092名儿童及其父母的BMI纵向轨迹。研究发现父母超重/肥胖(OW/OB)状态是儿童OW/OB的最强预测因子(37%),母乳喂养时长(17%)和儿童体力活动(15%)次之。结果强调了早期家庭干预的重要性,为制定针对性预防策略提供了科学依据。
肥胖已成为影响全球数代人的持续性健康问题,尽管各国积极推广健康体重理念,但肥胖率仍在持续攀升。在加拿大,约70%的男性、60%的女性和30%的5-17岁儿童受到超重或肥胖的影响,美国及其他经济快速发展地区也呈现相似趋势。肥胖不仅导致成人过早死亡和残疾,对儿童的健康影响同样不容忽视。
以往研究表明,父母体重状况是儿童肥胖的重要预测因素,家族风险比超过2.5。然而,常见的儿童肥胖类型往往是遗传易感性与环境、临床及生活方式因素复杂相互作用的结果。尽管多项研究试图探讨饮食和社会经济等可改变风险因素在解释父母与儿童体重指数(body mass index, BMI)关联中的作用,但证据仍不一致,机制尚不明确。一个重要原因是多数研究使用静态的父母或儿童BMI测量值,仅捕捉特定年龄下父母肥胖对后代生长的影响,这可能误导家庭层面BMI关联的真实情况。儿童处于快速生长阶段,环境因素和父母行为的影响随其不同发育阶段而变化,且与模式的交互作用不断演变。此外,父母肥胖对儿童生长的影响因父母性别而异,但多数分析仅关注母亲BMI与儿童生长的关联,未纳入父亲数据。多维、异质、复杂且常具有时间依赖性的健康数据为解析家庭层面BMI关联带来额外挑战。
为深入探究父母与儿童BMI的纵向关联,并量化解释纵向饮食、医疗史及社会人口学决定因素对家庭层面BMI模式的影响,研究人员开展了一项数据驱动研究,成果发表在《Obesity Medicine》上。
研究利用TARGet Kids!队列数据,该队列是加拿大最大的持续基于初级医疗的研究网络,共纳入6092名儿童及其父母。研究人员收集了从出生到150月龄的BMI测量值,采用组基多轨迹建模(group-based multi-trajectory modeling, GBMTM)识别儿童BMI-for-age Z分数(zBMI)与父母BMI的联合轨迹,并运用五种机器学习分类器预测轨迹组成员,使用78个预测因子涵盖社会人口学、饮食、父母健康和儿童生活方式变量。为探究父母OW/OB对儿童年龄与BMI关系的修饰效应,应用了贝叶斯广义加性混合模型(Bayesian generalized additive mixed models, GAMMs)与平滑项交互作用。
主要技术方法包括:基于TARGet Kids!队列的纵向数据收集;组基多轨迹建模(GBMTM)用于识别BMI轨迹;五种机器学习算法(随机森林、极端梯度提升、神经网络、朴素贝叶斯)进行预测;贝叶斯广义加性混合模型(GAMMs)分析纵向关联;使用MICE包进行多重插补处理缺失数据。
结果
轨迹分析
通过GBMTM识别出五个不同的联合轨迹组。BMI最高轨迹组的儿童通常其父母均遵循类似的高BMI轨迹。父母OW/OB状态是儿童OW/OB的最强预测因子(37%分类概率),其次是母乳喂养持续时间(17%)和儿童体力活动(15%)。父母OW/OB的影响在儿童早期(0-60个月)尤为显著。贝叶斯GAMMs证实了儿童与父母BMI轨迹间稳健的纵向关联。
机器学习分析
极端梯度提升(XGB)模型表现最佳,AUC最高,准确率达70.1%。最重要的预测因子包括父母OW/OB诊断、母乳喂养时长、体力活动、出生体重、睡眠时长、NutriSTEP?评分、母亲生育年龄、母亲教育水平、儿童纯素饮食变化及婴儿配方奶消费变化。累积依赖 profile分析显示,父母OW/OB诊断和母亲教育水平是Group 4(儿童BMI升高至OW/OB风险、父母BMI肥胖轨迹模式)的最重要决定因素。
年龄分层效应
事后分析显示,父母OW/OB诊断在0-60月龄的重要性高于0-150月龄,表明其影响随儿童年龄变化。其他预测因子的相对重要性在早期模型中也有所下降。
讨论与结论
本研究通过纵向数据分析和机器学习方法,揭示了父母与儿童BMI之间的紧密关联,强调家庭层面因素在儿童肥胖中的重要作用。父母OW/OB状态、母乳喂养、体力活动和睡眠等可改变因素对儿童BMI轨迹有显著影响,尤其在早期儿童阶段。结果支持制定针对家庭的早期干预策略,以预防儿童肥胖。研究的优势包括长期随访、丰富的数据资源和先进的分析方法,但父亲数据有限和模型性能中等仍是局限。未来研究可纳入遗传和微生物组等指标,进一步提升预测准确性和机制理解。总体而言,这项研究为理解家庭层面BMI关联提供了深入见解,并为公共卫生政策制定提供了科学依据。
生物通微信公众号
知名企业招聘