medlitГигиена и санитарияHygiene and Sanitation0016-99002412-0650Federal Scientific Center of Hygiene named after F.F. Erisman10.47470/0016-9900-2024-103-6-577-583ovyjjjmedlit-4135Research ArticleГИГИЕНА ПИТАНИЯFOOD HYGIENEКоличественная оценка вклада факторов риска в формирование алиментарно-зависимых патологий у детей школьного возраста на основе нейросетевого моделированияQuantitative assessment of the contribution of risk factors to the formation of nutrition-dependent diseases based on neural network modelling in schoolchildrenhttps://orcid.org/0000-0003-2356-1145ЗайцеваНина ВладимировнаZaitsevaNina V.

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

e-mail: znv@fcrisk.ru

MD, PhD, DSci., Professor, Academician of the RAS, Scientific Director of the Federal Scientific Center for Medical and Preventive Health Risk Management Technologies, Perm, 614045, Russian Federation; Russian Academy of Sciences, Moscow, 119991, Russian Federation

e-mail: znv@fcrisk.ru

znv@fcrisk.ruhttps://orcid.org/0000-0002-5406-4961КирьяновДмитрий АлександровичKiryanovDmitrii A.

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

e-mail: kda@fcrisk.ru

MD, PhD, Head of Department of Systems and Processes Mathematical Modelling, Federal Scientific Center for Medical and Preventive Health Risk Management Technologies, Perm, 614045, Russian Federation

e-mail: kda@fcrisk.ru

kda@fcrisk.ruhttps://orcid.org/0000-0002-7615-6816ХисматуллинДмитрий РасулевичKhismatullinDmitrii R.

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

e-mail: hisdr@fcrisk.ru

Junior researcher, Federal Scientific Center for Medical and Preventive Health Risk Management Technologies, Perm, 614045, Russian Federation

e-mail: hisdr@fcrisk.ru

hisdr@fcrisk.ruhttps://orcid.org/0000-0002-0345-3895ЧигвинцевВладимир МихайловичChigvintsevVladimir M.

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

e-mail: hisdr@fcrisk.ru

MD, PhD, researcher, Federal Scientific Center for Medical and Preventive Health Risk Management Technologies, Perm, 614045, Russian Federation

e-mail: cvm@fcrisk.ru

noemail@neicon.ruhttps://orcid.org/0000-0002-3960-6830МустафинаИлина ЗакарияновнаMustafinaIlina Z.

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

MD, PhD, coordinator-consultant, Russian Medical Academy of Continuous Professional Education, 123995, Moscow, Russian Federation

noemail@neicon.ruФБУН «Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения»РоссияFederal Scientific Center for Medical and Preventive Health Risk Management TechnologiesRussian FederationФГБОУ ДПО «Российская медицинская академия непрерывного профессионального образования» Министерства здравоохранения Российской ФедерацииРоссияRussian Medical Academy of Continuous Professional EducationRussian Federation2024170720241036577583Copyright © Зайцева Н.В., Кирьянов Д.А., Хисматуллин Д.Р., Чигвинцев В.М., Мустафина И.З., 20242024Зайцева Н.В., Кирьянов Д.А., Хисматуллин Д.Р., Чигвинцев В.М., Мустафина И.З.Zaitseva N.V., Kiryanov D.A., Khismatullin D.R., Chigvintsev V.M., Mustafina I.Z.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rjhas.ru/jour/article/view/4135Введение

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

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

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

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

Заключение

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

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

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

Финансирование

Финансирование. Исследование не имело финансовой поддержки.

Поступила

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

Introduction

Introduction. The increased interest on the part of the state in the problem of healthy nutrition makes it urgent to develop methodological approaches to quantify the likelihood of the occurrence of nutrition-related diseases and assess health risks.

Materials and methods

Materials and methods. The source of information was data obtained from a sociological study conducted by the Federal Service for Supervision in Protection of the Rights of Consumer and Man Wellbeing (Rospotrebnadzor). For the analysis, there were used eleven thousand five hundred forty three questionnaires, characterizing the nutritional factors of schoolchildren in the Russian Federation in the regions. Associated relationships between the studied factors and morbidity were obtained through neural network modelling. The study of the contributions of factors to the formation of diseases was carried out based on the analysis of a simulation matrix containing 300 thousand possible nutrition scenarios.

Results

Results. In the course of mathematical modelling, there were delivered 12 neural network models that describe the dependence of the additional probability of developing nutrition-dependent diseases on nutritional factors, characterized by a high proportion of correct predictions (more than 70%). The contributions of factors to changes in the probability of developing obesity were analyzed as a model with a high degree of reliability of parameters. The factors most influencing the development of obesity have been established to include daily consumption of foods with a high glycemic index, high-calorie confectionery in the form of cakes and pastries, sweet juices, consumption of products from a vending machine, excluding the purchase of salads and vegetable dishes. This type of diet increases the likelihood of developing obesity from the original 0.033 to 0.98 for the average schoolchild.

Limitations

Limitations. The study is limited to a set of factors measured as a result of a sociological survey and used in training neural network models.

Conclusion

Conclusion. The neural network models obtained as a result of the study and the information materials created on their basis made it possible to develop tools that make it possible to quickly create arbitrary nutrition scenarios for schoolchildren and calculate the additional probability of the formation of nutrition-related diseases.

Compliance with ethical standards. The article was approved by the ethics committee of Federal Scientific Center for Medical and Preventive Health Risk Management Technologies (Protocol № 4 of 21.02.2023).

Contribution

Contribution:Zaitseva N.V. — Concept and research design, writing text;Kiryanov D.A. — writing text, mathematical analysis of data, editing;Hismatullin D.R. — data processing, data analysis, text writing;Chigvintsev V.M., Mustafina I.Z. — data processing.All authors are responsible for the integrity of all parts of the manuscript and approval of the manuscript final version.

Conflict of interest

Conflict of interest. The authors declare no conflict of interest.

Acknowledgement

Acknowledgement. The study had no sponsorship.

Received

Received: April 3, 2024 / Revised: June 6, 2024 / Accepted: June 19, 2024 / Published: July 17, 2024

 

 

населениепитаниеалиментарно-зависимые патологиинейросетевое моделированиеанкетированиеpopulationnutritionalimentary-dependent pathologiesneural network modelingquestioningReferencesХабриев 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/dtdqtkKhabriev R.U., Yagudina R.I., Rashid M.A., Arinina E.E. Risk factors of adolescent health: mass poll results. Rossiiskii vestnik perinatologii i pediatrii. 2020; 65(3): 91–9. https://doi.org/10.21508/1027-4065-202065-3-91-99 https://elibrary.ru/dtdqtk (in Russian)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/tahehmFedyaeva V.K., Bogova E.A., Peterkova V.A., Rebrova O.Yu. Efficacy of interventions for prevention and correction of overweight and obesity in children 7–8 years old: a meta-analysis. Ozhirenie i metabolizm. 2020; 17(2): 1115–24. https://doi.org/10.14341/omet12120 https://elibrary.ru/tahehm (in Russian)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/yhozqzOgryzko E.V., Shelepova E.A., Tyurina E.M. Statistics of obesity in children in the Russian Federation for 2014–2018 years. Menedzher zdravookhraneniya. 2020; (4): 37–42. https://elibrary.ru/yhozqz (in Russian)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/sszptgNovikova I.I., Shevkun I.G., Yanovskaya G.V., Gavrish S.M., Sorokina A.V. The role of monitoring the quality of school meals in reducing the risk of nutrition-related diseases. Zdorov’e naseleniya i sreda obitaniya – ZNiSO. 2022; 30(2): 31–6. https://doi.org/10.35627/2219-5238/2022-30-2-31-36 https://elibrary.ru/sszptg (in Russian)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/holtxiMartinchik A.N., Baturin A.K., Kambarov A.O. Analysis of the association of diet energy from macronutrients and prevalence of overweight and obesity among the Russian population. Voprosy pitaniya. 2020; 89(3): 40–53. https://doi.org/10.24411/0042-8833-2020-10028 https://elibrary.ru/holtxi (in Russian)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/riaqstTkachuk E.A., Globenko N.E. Evaluating nutrition, physical development and morbidity in primary school-aged children. Tikhookeanskii meditsinskii zhurnal. 2023; (1): 90–3. https://doi.org/10.34215/1609-1175-2023-1-90-93 https://elibrary.ru/riaqst (in Russian)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/klhjdtSizova E.P., Lobkis M.A., Romanenko S.P., Gavrish S.M., Sorokina A.V. Assessment of actual nutrition of schoolchildren in the republic of Tatarstan based on the results of monitoring activities. Zdorov’e naseleniya i sreda obitaniya – ZNiSO. 2022; 30(2): 37–46. https://doi.org/10.35627/2219-5238/2022-30-2-37-46 https://elibrary.ru/klhjdt (in Russian)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/gtlhrsEfimova N.V., Myl’nikova I.V., Turov V.M. Hygienic conditions of supplementary educational organizations and health of children. Ekologiya cheloveka. 2020; (3): 23–30. https://doi.org/10.33396/1728-0869-2020-3-23-30 https://elibrary.ru/gtlhrs (in Russian)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/dxbpvtZaitseva N.V., Lir D.N. Nutrition monitoring in secondary education institutions. Voprosy pitaniya. 2022; 91(5): 56–64. https://doi.org/10.33029/0042-8833-2022-91-5-56-64 https://elibrary.ru/dxbpvt (in Russian)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/mommxiTutel’yan V.A. Healthy food for public health. Obshchestvennoe zdorov’e. 2021; 1(1): 56–64. https://doi.org/10.21045/2782-1676-2021-1-1-56-64 https://elibrary.ru/mommxi (in Russian)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/mpogejPogozheva A.V., Smirnova E.A. To the health of the nation through multi-level educational programs for the population in the field of optimal nutrition. Voprosy pitaniya. 2020; 89(4): 262–72. https://doi.org/10.24411/0042-8833-2020-10060 https://elibrary.ru/mpogej (in Russian)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/lmfmwxShvets D.A., Povetkin S.V. Comparative review of the use of machine learning methods for predicting cardiovascular risk. Vestnik novykh meditsinskikh tekhnologii. Elektronnoe izdanie. 2020; (5): 74–82. https://doi.org/10.24411/2075-4094-2020-16711 https://elibrary.ru/lmfmwx (in Russian)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/s22145272Orozco 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/s22145272Røst 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-xRøst 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-xLim 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/s41598-023-37171-4Lim 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/s41598-023-37171-4Alazwari 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.0282426Alazwari 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.0282426Игнатенко 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/aegjwrIgnatenko A.M., Makarova I.L., Kopyrin A.S. Methods for preparing data for the analysis of poorly structured time series. Programmnye sistemy i vychislitel’nye metody. 2019; (4): 87–94. https://doi.org/10.7256/2454-0714.2019.4.31797 https://elibrary.ru/aegjwr (in Russian)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.2014.140Ahrens 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.2014.140Ng 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)60460-8Ng 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)60460-8Чубаров 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/hepawfChubarov T.V., Bessonova A.V., Zhdanova O.A., Artyushchenko A.I., Sharshova O.G. Risk factors for obesity development in different periods of childhood. Ozhirenie i metabolizm. 2021; 18(2): 163–8. https://doi.org/10.14341/omet12756 https://elibrary.ru/hepawf (in Russian)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/yrwxfrSharmanov T.Sh., Salkhanova A.B., Datkhabaeva G.K. A comparative analysis of actual nutrition of children aged 9–10 years. Voprosy pitaniya. 2018; 87(6): 28–41. https://doi.org/10.24411/0042-8833-2018-10064 https://elibrary.ru/yrwxfr (in Russian)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/ytnqzvSamodurova N.Yu., Mamchik N.P., Istomin A.V., Klepikov O.V., Sokolenko G.G. Identification of districts at risk of nutrient-related diseases based on the local diet. Vestnik Rossiiskogo gosudarstvennogo meditsinskogo universiteta. 2018; (5): 35–9. https://doi.org/10.24075/brsmu.2018.056 https://elibrary.ru/yxnlrzMalik 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/s41574-021-00627-6Malik 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/s41574-021-00627-6Pepin 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/nu11051006Pepin 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

The authors declare that there are no conflicts of interest present.