南华大学衡阳医学院附属第一医院学者挖掘NHANES（国家健康与营养调查）公共数据库，在《Nutrition Journal》（二区，IF=3.8）杂志发表了一篇基于中介分析与机器学习方法的洞见。
研究旨在探讨膳食炎症指数（Dietary Inflammatory Index, DII）、生物学衰老与心血管–肾脏–代谢（CKM）综合征分期及死亡率之间的关联。这个题目挺有意思的，中介分析与机器学习方法结合，这篇文章是如何设计和撰写的呢？我们一起来看看。
本研究纳入 2005–2018 年 NHANES公共数据库共纳入 7918 名参与者。膳食炎症指数（DII）：采用 27 项成分计算 DII。生物学衰老：利用 R 语言包 “BioAge” 根据 8 项生物标志物计算生物学年龄和表型年龄，表型年龄则基于 9 项变量推算而得。
CKM 综合征：CKM 综合征定义为同时存在亚临床或临床心血管疾病（CVD）、慢性肾脏疾病（CKD）和代谢紊乱。通过20余项变量计算而来。并按 CKM 综合征严重程度分为两组：非晚期组（第 0–2 期）和晚期组（第 3–4 期）。
结局指标：包括全因死亡、CVD 死亡和非 CVD 死亡。
目前，NHANES公共数据库的挖掘分析中，基本都要综合指标了，如上述的DII、CKM综合征等，计算相对比较复杂。
如DII，先要找到文献依据，再挖掘27项成分，再对计算方法逻辑梳理，编写代码，计算得到DII指标。
为节省时间，也能保证计算的准确性，不妨使用郑老师团队基于R语言开发的NHANES在线下载和分析平台，这些综合指标已经计算好，可以直接分析，感兴趣的指标也可以和我们说，快马加鞭为您安排！欢迎联系：微信号aq566665获取试用链接。
结果表明，DII 与晚期 CKM 分期呈正相关。多变量Logistic回归显示，与DII最低三分位组相比，中位组和最高组的晚期 CKM 风险显著增加。限制性立方样条分析（RCS）显示 DII 与晚期 CKM 存在线性剂量–反应关系（非线性检验 P=0.41）。2.评估 DII 对 CKM 患者全因死亡率的影响Kaplan–Meier 生存曲线显示，DII最低三分位组全因死亡生存率最高，最高三分位组最低，Log‑rank 检验均 P Cox 回归结果表明，中位和最高三分位组与最低组相比，全因死亡风险分别增加 20%和 45%。并且，DII与全因死亡也呈线性剂量–反应关系（非线性检验 P=0.35）。3.生物学衰老在 DII 与CKM分期、DII 与死亡率关联中的潜在中介作用首先，较高的 DII 水平与更高的生物学年龄和表型年龄显著相关。加速衰老（表型及生物学年龄）均与晚期 CKM 分期及全因死亡显著相关。
中介分析显示：
4.构建八种机器学习模型，对 CKM 分期（第 3/4 期）进行分类及预测全因死亡，结合SHAP方法解析各 DII 组成成分的相对贡献。
基于验证集的加权集成 SHAP 值排序结果显示：
可以看出，这项研究中，中介分析和机器学习是作为两个近乎独立的模块的。这篇文章挖掘NHANES公共数据库，做了很多分析，研究思路清晰，诸位可以看看！参考文献：Ge, J., Zhu, L., Jiang, S. et al. Association of dietary quality, biological aging, progression and mortality of cardiovascular-kidney-metabolic syndrome: insights from mediation and machine learning approaches. Nutr J24, 105 (2025). https://doi.org/10.1186/s12937-025-01175-9
如果您也想模仿这篇文章的思路，郑老师团队可以帮您实现，不妨扫描下方二维码。联系郑老师统计团队。
