统计学 > 应用
[提交于 2025年8月11日
]
标题: 基于糖尿病状况的饮食模式推导方法:使用有序监督稳健轮廓聚类的结果来自西班牙裔社区健康研究/拉丁美洲人研究
标题: Derivation of Dietary Patterns dependent on Diabetes status using ordinal Supervised Robust Profile Clustering: Results from Hispanic Community Health Study/Study of Latinos
摘要: 糖尿病的负担不成比例地影响了美国的西班牙裔/拉丁裔居民,饮食被认定为一个主要的可改变的风险因素。 结果依赖的饮食模式提供了关于哪些食物可能与糖尿病的严重程度和进展相关的见解。 然而,美国西班牙裔/拉丁裔成年人的种族和地理异质性使得在风险增加时难以识别和区分他们的饮食差异。 监督鲁棒轮廓聚类(sRPC)是一种灵活的联合模型,可以在排除由其种族和地理定义的模式的同时,识别与糖尿病相关的饮食模式。 然而,sRPC仅被应用于二元结果。 我们扩展了现有模型以开发序数sRPC。 使用来自西班牙裔社区健康研究/拉丁裔研究的基线饮食数据(2008-2011),我们展示了我们的模型在识别与三水平糖尿病状况(即正常、糖尿病前期、糖尿病)相关的饮食模式方面的实用性。 模拟研究证实,与标准的监督潜在类别模型相比,序数sRPC提高了对这些模式的识别和表征。 结果表明,水果、零食食品和精制谷物面包摄入量较高的参与者可能更有可能与糖尿病状况的严重程度增加相关。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.