类型：超精简版
选文: 大壮
编辑: 小蒋，小黄
科研要掌技巧方法，看再多paper不去实践也不行。
Gao, Xinyan et al. “Combined influence of nutritional and inflammatory status and breast cancer: findings from the NHANES.” BMC public health vol. 24,1 2245. 19 Aug. 2024, doi:10.1186/s12889-024-19727-9
1
研究背景
以往研究表明，遵循抗炎饮食可能有助于降低乳腺癌的发病率，然而，饮食和炎症对乳腺癌的综合影响仍不清楚。
（1）研究的因素：饮食、炎症
（2）结局变量：乳腺癌
2
研究方法
从NHANES数据库中一共收集了 18,060 名 20 岁及以上的女性参与者的数据。
ALI = BMI × Alb/NLR。ALI 被分为低（<51.37）、中（≥51.37 且 <76.34）和高（≥76.34）三个水平。
-
多变量逻辑回归模型：用于分析ALI与乳腺癌的关系。
-
XGBoost机器学习模型：
用于评估各因素对乳腺癌的影响重要性。
-
广义相加模型（GAM）：
用于拟合ALI与乳腺癌的非线性关系。
-
（4）进行亚组分析和倾向评分匹配（PSM）以调整协变量差异。
3.2
晚期肺癌炎症指数与乳腺癌的关联
通过多变量逻辑回归分析，分别将ALI水平作为分类变量和连续变量来研究其与乳腺癌患病率之间的关系，结果如表所示。
-
研究发现ALI水平与乳腺癌患病率呈负相关，即ALI水平越高，乳腺癌的患病率越低。
-
使用XGBoost方法构建机器学习模型，评估各变量对乳腺癌患病率的相对重要性。
-
年龄、ALI、教育程度、种族和 PIR 被证明是五个最相关的变量，进一步证明 ALI 是影响 BC 患病率的最重要因素之一。
3.3
非线性关系的探索
通过 GAM 和平滑曲线
拟合，
发现了 ALI 水平与 BC 几率之间呈 L 形关联，并且存在阈值效应。
3.4 探索潜在机制：ALI与性激素生物标志物之间的关系
结果表明：
-
-
ALI 与 TT/E2
和
TT/SHBG
之间存在显著的正相关。
这说明ALI可能通过
影响性激素水平
（特别是降低雌激素水平和增加雄激素相关比值）来降低乳腺癌的患病率。
3.5敏感性分析
研究人员进行了大量敏感性分析，以评估主要发现的可靠性。
-
敏感性分析结果表明，ALI与乳腺癌患病率的负相关关系在不同分析方法和人群中均保持一致。
-
倾向评分匹配（PSM）进一步验证了ALI对乳腺癌患病率的影响，排除了潜在的混杂因素后，这种关联依然显著。
（1）本文研究利用 NHANES 的大规模数据，结合先进的统计方法和机器学习技术，为营养和炎症与乳腺癌关系的研究提供了新的视角。
（2）这种多方法结合的研究设计值得在其他疾病研究中借鉴。XGBoost 模型的应用不仅提高了预测的准确性，还帮助识别出影响乳腺癌的关键因素，展示了机器学习在医学研究中的强大潜力。
感谢您的阅读，如果您对这项研究感兴趣或想了解更多关于AI在医学中的应用，请继续关注我们，我们会定期分享最新的科研成果和健康资讯。别忘了点赞和转发哦！👍🔄
排版：大壮
美工：大壮
注：本文仅用于分享和研究AI与医学相关学术论文
如存在侵权，请告知，及时删
