比年来，使用好意思国养分健康（NHANES）数据的著作中，有一类统计学程序异军突起，我称之为转头三板斧，即在统计学遐想上同期配置广义线性转头，加权位数和转头以及贝叶斯核机转头三种模子，对比恶果相比优劣，再进行空洞的分析商讨，得出较为严谨精粹的恶果。转头三板斧 | 三种转头模子探讨化学物泄漏与肥美的关联（攥紧上车！）开启了转头三板斧的先容，这期将完成填坑，本次联结上周著作先容转头三板斧临了一招：贝叶斯核机转头。贝叶斯核机转头在本文中以明锐性分析的神气出现，在推文临了小感悟部分将逐行领略著作对于贝叶斯核机转头的R说话代码。2022年6月，一篇题为：Biological aging mediates the associations between urinary metals and osteoarthritis among U.S. adults的接洽论文发表于《BMC Med》，本文为中国粹者写稿，著作属于中科院分区医学一区，2023年IF=9.3。这项接洽运用好意思国养分健康（NHANES）的数据，通过多种程序，接洽了金属化学物泄漏与骨要害炎之间的关系，以及生物虚弱在其中的介导作用。恶果标明，金属泄漏会加多骨要害热风险，这可能是由生物虚弱介导的。

图片物联网软件开发公司

纲目与主要恶果

一、纲目布景：骨要害炎（OA）是一个全球环球卫生问题，主要发生在老年东说念主中。尽管OA的病因尚不了了，但环境因素被越来越以为是不成冷漠的风险因素。本接洽旨在评估尿液中金属元素与骨要害热风险的关联以及生物虚弱的中介效应。程序：基于好意思国国度健康与养分访谒（NHANES），对12584名好意思国成年东说念主进行了九种尿液金属浓度检测，包括钡（Ba）、镉（Cd）、钴（Co）、铯（Cs）、钼（Mo）、铅（Pb）、锑（Sb）、铊（Tl）和铀（Tu）。分辨采用多变量 logistic 转头和加权分位数和（WQS）转头来探讨单一金属和搀杂金属与骨要害热风险之间的关联。此外，从不同角度测量了生物老化，包括细胞虚弱（端粒长度）和举座虚弱（表型年事和生物年事）。进行中介分析以接洽生物老化对金属与骨要害热风险关联的中介效应。恶果：在单一泄漏模子中，镉（Cd）、钴（Co）和铯（Cs）与骨要害热风险呈正相关，其比值比（OR）鸿沟为1.48至1.64（整个P值<0.05）。搀杂泄漏分析骄横了一致的关联（OR 1.23，95%CI 1.10至1.37），并强调了镉、钴和铯对恶果的孝顺。此外，镉、钴、铯、铅（Pb）和铊（Tl）与生物老化记号物呈正相关，而整个生物老化记号物与骨要害热风险齐有显耀关联。进一步的中介分析骄横，单一金属（主淌若镉和铯）和搀杂金属与骨要害热风险之间的关联是通过上述生物老化记号物进行中介的，中介比例在16.89%至69.39%之间（整个P值<0.05）。此外，这些关联还通过端粒长度-生物年事旅途和端粒长度-表型年事旅途进行了串行中介（中介比例为4.17%-11.67%），标明金属加快细胞虚弱导致举座虚弱，最终加重骨要害炎的进展。论断：这些接洽恶果标明，泄漏于金属元素会加多骨要害炎的风险，而这种关联可能部分地通过生物老化进行中介作用。二、接洽恶果1. 接洽东说念主群的基线云尔与金属散布在12584名成年东说念主中，有1356东说念主被会诊为骨要害炎。表1列出了具有或莫得骨要害炎的接洽参与者的东说念主口特征。总体而言，年事、性别、种族、婚配情状、膂力行为、饮酒情状、家庭收入与宽绰比率、体重指数、血清烟碱、生物年事、表型年事和端粒长度在骨要害炎和非骨要害炎的参与者之间存在显耀性各别。

图片

金属浓度的散布情况详见附加文献1：表S1。金属的检测率大于75%。金属的Ln转动后的Pearson整个骄横，铯和铊之间存在中等相关性（r = 0.58），钡和钴之间存在相关性（r = 0.41），镉和铅之间存在相关性（r = 0.40），而其他相关性相对较差。

图片

2.金属浓度与骨要害热风险的关联图2展示了经由肌酐调整的金属浓度与骨要害热风险之间的关联，采用了加权逻辑转头模子。相较于第一分位数，镉（OR 1.64，95%CI 1.20至2.23）、钴（OR 1.59，95%CI 1.20至2.10）和铯（OR 1.48，95%CI 1.13至1.93）的最高曝光分位数加多了骨要害热风险（整个趋势P值<0.05）。这些关联也在Ln转动后的金属浓度与骨要害热风险之间获得阐述（整个P值<0.05）。

图片

app开发搀杂金属的WQS指数与骨要害热风险呈正相关（OR 1.23，95%CI 1.10至1.37）（图2）。此外，在WQS模子中，最高权重的金属分辨为镉（54.45%）、钴（27.14%）和铯（9.23%）（附加文献1：图S3）。

图片

明锐性分析中，BKMR模子也骄横了搀杂金属与骨要害热风险的显耀正相关（附加文献1：图S4）。在进一程序整参与者行状、糖尿病、高血压、心血管疾病、癌症和骨要害炎相关药物使用、调整访谒周期，排斥尿肌酐颠倒或排斥妊妇参与者等明锐性分析中，恶果莫得实质性窜改。

图片

3.金属浓度与生物虚弱记号物之间的关联图3展示了基于线性转头的金属与生物老化记号物之间的关联。咱们发现镉（Cd）、钴（Co）、铯（Cs）、铅（Pb）和铊（Tl）的最高四分位数（相对于第一四分位数）与生物年事增长相关（整个趋势P值<0.001）。跟着镉（Cd）、钴（Co）、铯（Cs）和铅（Pb）的分位数加多，表型年事也加多（整个趋势P值<0.001）。镉（Cd）和铯（Cs）与端粒长度呈负相关（整个趋势P值<0.05）。此外，搀杂金属与生物年事呈正相关（β 4.91，95%CI 4.52至5.31），与表型年事呈正相关（β 5.90，95%CI 5.45至6.34），与端粒长度呈负相关（β -0.04，95% CI -0.05至-0.02）。

图片

4.生物老化记号物与骨要害热风险的关联表2骄横了基于逻辑转头的老化记号物与骨要害热风险之间的关联。每加多1年的生物年事，骨要害热风险加多6%（95%CI 1.05至1.07）。雷同，每加多1年的表型年事与骨要害热风险加多相关（OR 1.04，95%CI 1.04至1.05）。此外，每单元的端粒长度（平均T/S比值）加多，骨要害炎的OR减少74%（95%CI 0.07至0.97），与分位数分析恶果一致（Q4对比Q1：OR 0.40，95%CI 0.17至0.90）。

图片

5.中介分析此外，进行了并行中介分析以评估生物老化对金属与骨要害热风险关联的潜在中介效应。生物年事在镉（Cd）、钴（Co）和铯（Cs）与骨要害热风险关联中具有显耀的中介效应，其中介比例分辨为69.27%、18.43%和30.50%（整个P值<0.05）。表型年事对镉（Cd）、钴（Co）和铯（Cs）与骨要害热风险关联的中介比例分辨为61.01%、31.83%和17.00%。此外，端粒长度也在铯（Cs）与骨要害热风险关联中起到中介作用，中介比例为9.81%（附加文献1：表S7）。此外，物联网软件开发公司生物年事、表型年事和端粒长度分辨以57.60%、48.30%和9.50%的中介比例并行中介了搀杂金属与骨要害热风险关联（整个P值<0.05）（图4）。

图片

图片

由于细胞虚弱是全身老化的主要原因，咱们进一步通过串联中介模子探讨了金属与骨要害热风险关联的潜在阶梯。（附加文献1：表S8）骄横了铯（Cs）与骨要害热风险之间通过端粒长度-生物年事阶梯和端粒长度-表型年事阶梯的串联中介效应，中介比例分辨为4.55%和4.17%。此外，搀杂金属与骨要害热风险关联的端粒长度-生物年事阶梯和端粒长度-表型年事阶梯的串联中介效应分辨为0.70%和0.60%。中介比例分辨为11.67%和9.84%（图4）。

图片

遐想与统计学程序

一、接洽遐想P：1999-2016年好意思国国度健康和养分检查访谒（NHANES）的12584名参与者。I：未进行分组，泄漏因素为尿液金属化学物资。O：结局：骨要害炎。S：横断面接洽。二、统计程序1.先容以及各别性分析，整个分析齐使用SAS（版块9.4）或R（版块3.6.3）进行，并磋议了NHANES的复杂抽样遐想，附加文献2中提供了分析的代码。使用卡方试验和t试验评估骨要害炎情状下参与者的东说念主口特征。

图片

2.配置多变量逻辑转头模子，金属浓度被Ln养息为类似正态散布（连气儿变量），省略被分为四个四分位数（Q1、Q2、Q3和Q4）动作分类变量。应用多变量logistic转头推测金属和生物老化记号物与骨要害热风险的关联的比值比（OR）偏激95%置信区间（CI）。使用多变量线性转头探索金属与生物老化记号物之间的关联。在整个分析中，更始了年事（<60岁或≥60岁）、性别（男性或女性）、种族/民族（墨西哥好意思国东说念主、其他西班牙裔、非西班牙裔白东说念主、非西班牙裔黑东说念主或其他东说念主）、婚配情状（已婚/同居、丧偶/离异/分居或从未成亲）、膂力行为（中等或剧烈）、饮酒情状（已经或从未）、体重指数（BMI）、家庭收入与宽绰之比（PIR）和血清尼古丁浓度的混杂变量。对于混杂变量的缺失数据，对于分类变量，将其编码为缺失招引类别；对于连气儿变量，用中位数进行填补。在转头模子中使用了舛讹发现率（FDR）更始来调整多重试验。使用整数值（1、2、3和4）贪图束缚加多的泄漏组之间的趋势试验。

图片

3.Pearson相关分析，使用Pearson相关分析评估Ln养息后的金属之间的相关性。有向无环图（使用R包“dagitty”和“ggdag”）骄横了泄漏、恶果、混杂变量和中介变量之间的主要关系（附加文献1：图S1）。

图片

4.加权分位数和转头，应用加权分位数和（Weighted Quantile Sum，WQS）转头来探索金属对骨要害炎的总体效应，因为它在神态环境搀杂物方面表现精致。R包（“gWQS”）不错把柄个体金属浓度的加权和来贪图WQS指数。WQS指数（鸿沟从0到1）暗示金属的搀杂泄漏珠平，热切因素通过非零权重来细目。最终恶果被证明注解为搀杂金属一分位数加多对骨要害炎的同期效应。

图片

5.明锐性分析，还进行了几项明锐性分析。领先，鉴于金属之间存在潜在的非线性和非加性关系，使用贝叶斯核机器转头（Bayesian Kernel Machine Regression，BKMR）评估了整个金属的连结效应（使用"BKMR"包），以及在固定其他金属浓度时单一金属与骨要害热风险之间的剂量-反应关系。其次，咱们进一程序整了参与者的行状（工业和农业、职业和交通等）。第三，咱们进一程序整了与年事相关的疾病，包括糖尿病（是或否）、高血压（是或否）、心血管疾病（是或否）和癌症（是或否），以及与骨要害炎相关的药物使用（如好意思洛昔康、塞来昔布）（是或否）。第四，咱们进一程序整了访谒周期（1、2、3、4、5、6、7、8和9）。第五，排斥了尿肌酐颠倒的参与者。临了，妊妇参与者被排斥在外。

图片

图片

6.中介分析，通过两个中介模子（平行中介和串行中介分析），推测了生物老化记号物对单一金属和搀杂金属（以WQS指数暗示）与骨要害热风险的关联的潜在中介效应。平行中介模子使用个体主义动作中介变量，而串行中介模子使用旅途动作中介变量。中介分析采用了基于正态类似的千次模拟的准贝叶斯蒙特卡罗程序。平直效应（DE）暗示金属泄漏对骨要害炎的影响，莫得中介变量。迤逦效应（IE）暗示金属泄漏通过中介变量对骨要害炎的影响。中介比例通过将IE除以TE（总效应）来贪图。

图片

小感悟

刘晏玮在亚巡赛国际系列赛摩洛哥站并列位于42位，获得0.23632分，世界排名从1452位上升到1360位。

本期是转头三板斧系列填坑最终作，联结著作领略贝叶斯核机转头的R说话代码。BKMR (R)#领先计帐缓存。rm(list = ls())#运转R包，如果莫得下载要先下载。library(bkmr)library(ggplot2)#给数据赋值，如果要我方进行接洽，数据的地址以及数据的变量需要对应的自行选拔替换，data1是导入数据，covar是界说协变量，expose是界说泄漏，y为骨要害炎也即是本次要接洽的对象。data1<-read.csv("C:\\Users\\Administrator\\Desktop\\bkmr.csv")covar <- data.matrix(data1[, c("age", "RIAGENDR", "RIDRETH1" , "DMDEDUC2" , "DMDMARTL" , "INDFMPIR" , "BMXBMI" , "alq101" , "LBXCOT", "phy")])expos <- data.matrix(data1[, c("Ba", "Cd", "Co","Cs", "Mo", "Pb","Sb", "Tl", "Tu")])Y <- data1$OA#对泄漏进行范例化科罚scale_expos <- scale(expos)#配置种子数以便于著行恶果复现，不错配置任何数字，调换数字复现恶果一致。set.seed(1000)#运用fields包中的cover.design函数，基于范例化后的变量scale_expos生成50个节点的遐想矩阵。knots50 <- fields::cover.design(scale_expos, nd = 50)$design#这段代码是贝叶斯核机转头的试验，使用kmbayes函数对数据进行基于贝叶斯的转头模子拟合，其中Y是反馈变量，Z和X是证明注解变量，iter暗示迭代次数，family暗示使用二项式散布的模子，est.h暗示推测超参数，verbose暗示是否输出详备信息，varsel暗示是否进行变量选拔，knots暗示指定的节点遐想矩阵。fitkm <- kmbayes(Y, Z = scale_expos, X = covar, iter = 10000, family = "binomial", est.h = TRUE, verbose = FALSE, varsel = TRUE,knots = knots50)#绘制，分辨绘制参数β，错误方差以及变量之间相关整个的追踪图。TracePlot(fit = fitkm, par = "beta")TracePlot(fit = fitkm, par = "sigsq.eps")TracePlot(fit = fitkm, par = "r", comp = 12)#提真金不怕火参数后验变量的热切性指数。ExtractPIPs(fitkm)#贪图单变量瞻望恶果。pred.resp.univar <- PredictorResponseUnivar(fit = fitkm,q.fixed=0.5)#绘制展示，包括散点图以及置信区间，不要看这段代码长就发怵，这段主淌若用+连系的绘制函数，绝顶多的内容是在配置图表参数。ggplot(pred.resp.univar, aes(z, est, ymin = est - 1.96*se,ymax = est + 1.96*se)) +geom_hline(yintercept = 0, lty = 2, col = "brown")+geom_smooth(stat = "identity") +facet_wrap(~variable, ncol = 4) +xlab("Urinary metals (Ln, ug/g creatinine)") +ylab("Estimated risk in OA")+theme(plot.title = element_text(hjust = 0.5,size = 12, family="serif"),axis.text=element_text(size=12,family="serif"),axis.title.x=element_text(size=12,family="serif"),axis.title.y=element_text(size=12,family="serif"),strip.text=element_text(size=12,color="black", family="serif"))+theme(legend.title=element_text(size=12,family="serif"))#保存图片到指定旅途。ggsave(filename="C:/Users/Administrator/Desktop/b1-1.tiff",plot=plot_1,width =5, height = 6)#加载office包以使用office软件。library(eoffice)#将图形插入PPT。graph2ppt(file="C:/Users/Administrator/Desktop/b1-1.tiff")#贪图举座风险的空洞评估并骄横恶果。risks.overall <- OverallRiskSummaries(fit = fitkm, qs = seq(0.1, 0.9, by = 0.05), q.fixed = 0.5)risks.overall#再次绘制。ggplot(risks.overall, aes(quantile, est, ymin = est - 1.96*sd,ymax = est + 1.96*sd)) +coord_cartesian(ylim = c(-0.3,0.2),xlim = c(0.1,0.9))+geom_hline(yintercept = 0, lty = 2, col = "brown") +geom_pointrange()+xlab("Metals (Ln, ug/g creatinine)") +ylab("Estimated OA risk")+theme(plot.title = element_text(hjust = 0.5,size = 12, family="serif"),axis.text=element_text(size=12,family="serif"),axis.title.x=element_text(size=12,family="serif"),axis.title.y=element_text(size=12,family="serif"),strip.text=element_text(size=12,color="black", family="serif"))+theme(legend.title=element_text(size=12,family="serif"))恶果解读

图片

可见图A是各个金属泄漏物的单独效应，红色虚线为参照基准，不错得知Cd和Co是占相比重的金属泄漏物，与WQS的柱状图不错对应上。图B是整个金属拟合当成一种泄漏的图，横坐标是百分位数，纵坐标是OA发生风险，红色虚线是基准参照，可知跟着金属泄漏百分位数的上涨，OA的发生风险也上涨。一个迥殊作念环球数据库的公众号，存眷咱们‍ 本站仅提供存储职业，整个内容均由用户发布，如发现存害或侵权内容，请点击举报。

• 转头
• 物联网软件开发公司
• 三板斧
• NHANES
• 著作