Количественная оценка вклада факторов риска в формирование алиментарно-зависимых патологий у детей школьного возраста на основе нейросетевого моделирования

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

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

Финансирование. Исследование не имело финансовой поддержки.

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

1. Хабриев 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/dtdqtk

2. 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/tahehm

3. 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/yhozqz

4. 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/sszptg

5. 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/holtxi

6. 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/riaqst

7. 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/klhjdt

8. 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/gtlhrs

9. 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/dxbpvt

10. 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/mommxi

11. 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/mpogej

12. 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/lmfmwx

13. 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/s22145272

14. Røst 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-x

15. Lim 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/s41598-023-37171-4

16. Alazwari 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.0282426

17. Игнатенко 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/aegjwr

18. 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.2014.140

19. Ng 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)60460-8

20. Чубаров 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/hepawf

21. 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/yrwxfr

22. 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/ytnqzv

23. Malik 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/s41574-021-00627-6

24. Pepin 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