没有合适的资源?快使用搜索试试~ 我知道了~
医学信息学解锁26(2021)100751GenF:一个帮助公共卫生部门的寿命预测框架Sadia Khalid,Uzair Rasheed,Usman Qalan*巴基斯坦伊斯兰堡国立科技大学电机工程学院计算机和软件工程系知识数据科学中心A R T I C L EI N FO关键词:健康老龄化人类寿命公共卫生基于规则的分类器监督学习A B S T R A C T在过去100年中,老年人的预期寿命有所增加,此后一直在研究影响寿命的因素。全球公共卫生部门正在努力了解长寿趋势,以改善生活条件并提供必要的医疗设施;但没有一种工具可以帮助记录和/或测量和/或预测人类寿命的总体原因。这项研究的目的是帮助PHS了解长寿的影响因素,并提供一个框架,以记录和预测寿命的趋势,在任何人口在全球范围内。该研究从2000年至2020年的文献中收集了15个影响长寿的因素;特别关注APOE基因型;并在此基础上开发了一个框架GenF,包括73,728条规则的规则库数据集,用于预测长寿。此外,该研究还使用GenF对规则库进行特征选择,并生成另一个用于定制寿命预测的规则库。然后,使用四种不同的机器学习分类器,在两种规则基础上训练模型,以预测寿命。1. 介绍人类的预期寿命;预期某人存在的时间[1,2];在过去的两个世纪中经历了相当大的增长[3,4]。如果一个人活得比他的人口的平均预期寿命长,他被认为是长寿;这被称为长寿[5,6]。人类的寿命是一个复杂的过程,受许多遗传和环境因素的影响。环境因素包括一个人的生活方式或习惯及其周围环境或栖息地的各种特征另一方面,遗传多态性约占人类总体寿命的25%[9载脂蛋白E(APOE)是已知影响人类寿命的基因[9,10,15APOE有三种主要亚型和30多种次要亚型。它的三个常见等位基因是ε2(e2)、ε3(e3)和ε4(e4);six基因型e2/e2、e3/e3、e4/e4(纯合子)和e2/e3、e3/e4、e2/e4(杂合子)。从死亡率和/或寿命的角度研究了不同群体中基因型的变异。在这三个等位基因中,所有关于APOE的研究都将e4称为老年人的风险相关等位基因。然而,有一些环境因素可以抵消或增强基因型的影响,并可以改变预期寿命[26]。作为 的 学习, 到 理解 长寿,进步,公共卫生公共卫生服务部门侧重于提高预期寿命的环境方面。将老龄化现象与健康联系起来的复杂过程,引起了人们对更好地预防疾病和改善生活方式的关注。根据一些研究综述[23,27]和世界卫生组织(WHO)的一份报告[28],寿命模式的改善表明,很快,世界上将有更多的老年人。为了使老龄化进程中的这一转变取得成功,世卫组织的报告侧重于发现具有成本效益的方法,以在所有资源数量不同的国家保持健康的生活方式。然而,为了使PHS有效地为这一变化做好准备,需要确定对老龄化产生重大影响的因素,特别是寿命[29]。从早期控制这些因素可能会减少后期的费用负担。本研究的目的是帮助小灵通:研究APOE和环境因素对人类寿命的影响。以有意义的形式记录长寿影响因素,并根据记录的数据对全球人口的预期寿命进行预测。为了做到这一点,该研究从2000年至2020年期间发表的文献中确定了影响长寿的环境因素;* 通讯作者。电子邮件地址:usmanq@ceme.nust.edu.pk(U.Qingdao)。https://doi.org/10.1016/j.imu.2021.100751接收日期:2021年6月27日;接收日期:2021年9月12日;接受日期:2021年9月27日2021年9月28日网上发售2352-9148/©2021的 自行发表通过Elsevier 公司这是一个开放接入文章下的CCBY-NC-ND许可证(http://creativecommons.org/licenses/by-nc-nd/4.0/)中找到。可在ScienceDirect上获得目录列表医学信息学期刊首页:www.elsevier.com/locate/imu··S. Khalid等人医学信息学解锁26(2021)1007512+特别关注APOE基因。根据文献研究结果,该研究定义了一个框架GenF,以记录和预测任何人群的寿命。GenF包含一个规则库数据集GenRB,其中包含73,728条规则,以表示针对已识别因素可能存在的所有可能的真实世界场景。然后使用四种机器学习(ML)分类器,随机森林,决策树,K最近邻和朴素贝叶斯,使用Rapid Miner Studio [30]在GenRB上训练寿命预测模型。评估它们的性能,以查看哪个模型最适合所提供的数据集。本研究根据长寿影响因素对长寿的一般(积极/消极/中性)影响使用长寿影响因素。因此,GenF和GenRB可以很容易地用于预测和/或观察全球任何人群的寿命趋势,使用确定的寿命因素。这种质量将使PHS能够收集有关任何人口的信息,并进行寿命预测。该研究还解释了GenF在使用特征选择进行定制研究中的作用。这种方法产生了一个新的定制的规则库(CRB)与GenRB的一些选定的长寿因素。其目的是表明GenF可以成功地生成新的规则库,用于研究任何人群中选定的长寿特征。除了有助于记录寿命数据和寿命预测,这项研究的结果将有助于公共卫生服务教育公众 长寿影响因素的重要性和争取更长更健康生活的方法。此外,它还将有助于改善公共卫生服务局第二节介绍了关于APOE与寿命的联系、影响寿命的环境因素以及在处理寿命问题时对PHS的关注的现有文献;文献取自2000年至2020年。第三节通过从文献中识别因素及其值并根据它们生成GenRB来解释GenF的创建。它还对基于GenRB模型的分类器的训练进行了评估。第四节讨论了基于特征选择的CRB的创建。它使用了一个案例研究生成的规则库,并解释了如何GenF可以成功地应用在这个过程中。第五节讨论调查结果的重要性;然后是结论。最后,在局限性和未来工作部分,讨论了可以增强本研究结果的方法。2. 文献综述老年学是对老龄化的研究;由于关于长寿的最新研究结果支持老年人比例的增长,老年学现在也涵盖了由于这一比例增加而面临的挑战。老年学分为三类[1]:1. 心理老年学:一个人2. 社会老年学:从人口老龄化的角度来看社会的变化;支持计划和医疗设施。3. 生物老年学:关注生物老化、基因和环境因素。在心理老年学方面,Westendorp [31]解释说,除了长寿之外,活力;尽管环境如何,但过健康,幸福和平衡生活的动力;对一个人的福祉非常重要。那些对自己的生活感到满意的人,能够更好地应对长寿的社会和生物方面。Eline等人[15]也同意预期寿命在过去一个世纪有所增加的事实。他们预测,到2050年,这一变化将导致65岁及以上人口翻一番,85岁及以上人口翻三倍。但他们将这种变化与生活条件和医疗设施的改善(社会老年学)联系起来,而不是遗传学。他们的结论是,增加食物摄入、体育活动、家庭和社会联系以及医疗设施,减少了对年轻人口的负面影响,从而提高了长寿率。2.1. APOE研究人员已经将100多个基因与人类寿命联系起来[9]; APOE就是这样一个基因,其e2等位基因在百岁老人中很常见。它参与免疫反应和身体的新陈代谢,使其对长寿有影响[16,25]。相反,研究表明e4等位基因与认知障碍相关,尤其是阿尔茨海默氏症[ 9,16,19,24,26 ]。Ewbank [18]研究了APOE在6个国家(即丹麦、芬兰、法国、意大利、荷兰和瑞典)的全因死亡率方面的作用。这项研究是对6000多人进行的各种其他研究的组合。他的研究表明,载脂蛋白E对40岁之前的死亡率没有影响,但随着年龄的增长,这种影响变得明显;它导致65岁之后死亡率的差异为12%-17%。还有, 在老年人群中,由于与等位基因相关的高死亡率,E4频率降低。研究表明,e3/e4基因型的死亡率是e3/e3基因型的1.40倍,e2/e3基因型的死亡率是e3/e3基因型的1.40倍。根据他的研究,死亡率降低了0.81倍另一项研究[17]于2010年在高加索人,非洲人和东亚人中进行,从两种风险因素的角度探讨了冠心病1. 不可修改:性别、APOE基因型2. 可改变:吸烟、饮酒、饮食、体力活动量结果表明,e3是三个民族中最常见的等位基因类型,e2是三个民族中最老年龄组中最常见的等位基因类型。它还将e4归类为风险等位基因,并与早期死亡率相关;包括所有可改变的风险因素。另一项关于北约旦参与者的研究[16]推导出e4等位基因的类似结果。Paola等人[19]结合了对28,297名百岁老人的七项研究,观察了APOE与人类极端长寿(EL)之间的联系,即105岁。该研究将e4e4与81%和e3e4联系起来,与e3e3相比,EL机会减少了50%。此外,该研究将e2等位基因与死亡风险降低6%和e4等位基因与死亡风险增加21%联系起来。Revelas等人[32]的综述基于12项研究证实了APOE与EL之间的关联2.2. 环境因素影响长寿的环境因素已被许多研究者研究和证实。Niels等人[4]研究发现,拥有百岁的兄弟姐妹和父母会增加一个人长寿的机会。他们还将其他因素与长寿联系起来,如社会经济地位(SES)、兄弟姐妹的数量、父母出生时的年龄类似地,Sorkin et al.[13]研究了长寿的兄弟姐妹在决定一个人长寿机会方面的作用饮食,良好的教育,体育活动水平,采用健康的习惯(不吸烟,不饮酒),以及良好的医疗设施也被许多研究与长寿有关[3,10,14,18,33许多研究[11,24,36,37]报告了作为合并症的疾病和与早期死亡率相关的疾病;包括阿尔茨海默他们发现了估计会影响寿命的特征;包括体重指数(BMI),教育程度,身高和吸烟年限;参考文献报道了类似的发现[22、38]。一项针对日裔美国男性的研究[39]显示,基线身高64英寸[40]每增加1厘米,死亡风险S. Khalid等人医学信息学解锁26(2021)1007513+身高较矮的人患结肠癌的几率较低,因此寿命较长。另一项对34,439名英国男性医生进行的研究发现,与不吸烟者相比,经常吸烟者早死10年;其他细节见表1。在一项关于身体活动水平的研究中,Pignolo [3]发现,白人成年人的全因死亡率很高,而体重指数在20.0和24.9 kg/m2之间的人的全因死亡率较低。他得出结论,身体活跃的生活和理想的体重指数可以增加4.574岁以上的人。詹姆斯等人[42]进行了另一项研究,与会者得出结论,2.5小时/周的死亡率降低19%,7小时/周的死亡率降低24%。Annlia等人[43]在他们28年的研究中发现,如果由于疾病或受伤而停止体力活动,男性死亡风险增加50%,女性增加20- 40%。 Löllgen等 [44]还从性别角度研究了身体活动对死亡率的影响;涉及38项研究的271,000名参与者。他们的研究得出的死亡风险降低率见表2。基于寿命的性别研究也表明,与男性相比,女性更有可能拥有更长的寿命[3,15,17,33,43,45,46]。研究表明,即使在健康状况不佳和生活质量低的情况下,它们也能存活更长时间[33,45],并且对压力情况有更大的耐受性[47]。一些研究[17,45]发现他们的寿命比男性长约100年。由于骨质疏松症、心血管疾病、阿尔茨海默病和糖尿病等疾病在女性中出现的时间较晚;大多数在绝经期后[ 48 ];因此,饮食、体育活动和戒烟行为的轻微改变可以帮助她们比男性更有效地对抗早期死亡[ 44,45 ]。2.3. 公共卫生部门Steven等人[49]将上述所有普遍研究的环境因素与一个人的经济状况、收入或储蓄联系起来。他们研究发现,出生于低收入家庭的人更容易患疾病、精神问题和受教育程度低。此外,经济地位较低的人社交圈较差,获得医疗设施的机会较少,更有可能开始吸烟或超重。因此,经济不稳定的人过早死亡的风险更高。Costa研究了类似的效果[34]。他的报告将健康和教育状况差与低收入联系起来。但他也解释了更好的教育如何对以后的收入产生积极影响2015年的一项研究[1]从老年人口医疗设施增加的角度讨论了低收入和中等收入国家的财务问题。它的结论是,这些国家没有能力应对日益增长的老年人口比例所带来的医疗保健和养老院成本上升的需求同样,David et al.[50] 观察到68个国家的国内总储蓄率。他们发现,在低收入和中等收入国家,老年人更多地依赖家庭内部的钱,而不是自己的储蓄,因此,扰乱了家庭中年轻人的储蓄平衡。他们的结论是,为了实现平衡的经济,个人和国家都要进行储蓄。Zhou et al. [51];与需要更多经济援助的老年人相比[1,50];得出的结论是,医疗保健支出更多地取决于死亡时间,而不是年龄,因此,老年人和年轻人都需要医疗保健设施。此外,在长期患病的情况下,观察到死亡前的最后两年医疗保健支出增加,并在最后6个月达到最高限额表1吸烟者的预期寿命表2降低体力活动导致的全因死亡风险。高活性中度活动性男人百分之二十二百分之十九妇女百分之三十一百分之二十四斯坦福长寿中心在2016年发表的一份报告[ 2 ]基于精算师协会的长寿插画谈论了长寿。它指出,虽然预期寿命是由若干不同的因素决定的,但了解一个人的预期寿命可以帮助他们更好地规划和为老年储蓄。它还建议,公共卫生服务局需要在这方面对人们进行教育,并向公众提供培训,帮助他们了解经济平衡并有效发挥作用;只有这样,他们才能过一个没有压力的晚年。因此,根据文献调查结果,可以说,为了促进长寿和有效应对老年人口的增长,PHS需要识别和控制与该过程相关的环境因素;同时,教育群众了解这些因素。目前这一领域的研究需要帮助识别、记录和评估与长寿和/或早死现象相关的因素的影响全球化工具(数据集、模板和框架)可以帮助研究人员、数据科学家和PHS对寿命进行有效的研究和分析[52]。目前,这些工具并不多,它们涵盖了所有可能的因素,可以为全球社区提供帮助。它们要么局限于某个人群,要么局限于某个影响长寿的因素。本研究提取了通常讨论的影响长寿的该公司从2000年至2020年期间发表的文献中提取了一些因素,并开发了GenF,这是一个可用于记录和确定全球公众3. GenF本节定义了创建框架GenF的方法该研究从文献中推导出,它代表了长寿影响因素,作为数字特征,并给出了一组可量化的值来衡量每个特征对长寿的集体影响然后,它生成用于预测全球人口寿命的规则库数据集GenRB,并在其上训练基于分类器的模型。3.1. 文献结果文献证实了某些个人因素与寿命的联系。例如,长寿与精神满意度、良好的生活条件、良好的医疗设施、适当的营养饮食、良好的社会经济地位、百岁的兄弟姐妹或父母、长寿支持的种族、良好的宗教协会、良好的教育、矮个子、理想的体重指数、中等到高的体育活动和好到高的收入呈正相关。同样,长寿与e4等位基因的存在、不良的生活条件、不良或不适当的医疗设施、不良的饮食、不良的社会经济地位、共病的存在、没有或不良的宗教交往、没有或很少受教育、身高高、肥胖或低BMI、经常或长期吸烟、饮酒、收入低和没有体育活动呈负相关。所有上述因素在研究中作为独立因素单独考虑,它们共同有助于预测寿命。虽然性别也被研究指出是影响长寿的因素,但由于据报道,女性比男性寿命长,再加上其他环境因素,因此性别在本研究中不被视为一个独立的因素。戒烟年龄增加的寿命年数(约X.)60350640930岁或以下(包括非吸烟者)10S. Khalid等人医学信息学解锁26(2021)10075143.2. 特征的数值定义为了列举每个功能对寿命的影响,定义了以下值:1. 功能对寿命有负面影响→-12. 功能对寿命有积极影响→+13. 功能对寿命没有影响→0使用这些值,将文献确定的因素转换为表3所示的可量化特征。除身高和体力活动水平外,所有寿命特征均使用二项式值表示3.3. 标签定义GenF使用了三个标签,每个标签都展示了预期的终身任期 在所考虑的人口中:1. 平均:这个标签指的是预计达到各自人口平均年龄的人群。2. 低于平均水平:这一标签指的是预计死亡率较低的人群,即未达到其各自人口的平均年龄。3. 高于平均水平:这个标签指的是预测寿命更长的人群3.4. 规则库GenRB的规则归纳根据表3中定义的可量化特征,总共需要73,728条规则来覆盖所有可能的现实场景。213*32=73,728GenF使用三个基本原则将GenRB中的所有规则映射到三个定义的标签;图1显示了GenRB中每个标签的出现频率:1. 如果规则的所有特征之和为负数→低于平均值2. 如果规则的所有特征之和为正数→高于平均值3. 如果规则的所有特征之和为零→平均值GenRB可以在全球范围内由PHS使用,以确定一个人的长寿机会,基于他的APOE基因型和生活方式的选择。 来自任何人群的数据都可以根据该人群的平均年龄和身高映射到GenRB。此外,它可以帮助个人和表3有价值的特征。-10+1存在风险(e4)等位基因是否精神满意度否是良好饮食否是良好SES否是合并症是否百岁老人家庭否是支持长寿的种族否是良好的宗教协会否是良好的教育否是良好的收入否是理想BMI否是吸烟是否酒精消费是否高度高大平均短身体活动水平没有一低中度至剧烈图1.一、GenRB 中 每个标签的 频 率 。PHS通过有意识地选择生活方式来规划更健康的生活。3.5. GenRB上的模型训练分别基于随机森林、决策树、K-最近邻和朴素贝叶斯分类器的四个模型在GenRB上训练以预测寿命。表4显示了针对每个模型获得的性能结果,具有10倍交叉验证。朴素贝叶斯模型给出了四个模型中最高的准确性。随机森林和朴素贝叶斯具有相同的F1分数0.63,但由于随机森林的低召回率和准确率,它们的准确率测量不同。4. 特征选择GenF包括文献中发现的总共15个长寿相关特征,但是有时,特定的研究人员或研究仅需要记录和/或探索少数长寿特征。本节介绍GenF如何帮助制定定制研究所需特征的新规则库。4.1. 特征选择方法这种ML技术用于减少正在考虑的特征数量,并开发更集中的数据集。它使研究人员能够集中精力于他选择的特征或任何与所考虑的人口相匹配的特征。因此,研究人员不必记录和/或研究所有15个长寿特征,而是可以选择一些特征,并根据GenF制定新的规则库数据集。为了验证这一说法,考虑了Fazal等人在2019年进行的一项研究[5]。这项研究的重点是长寿基因(FOXO3A)对巴基斯坦人口的影响。它包括来自GenF的15个长寿特征中的5个;长寿基因的存在(风险等位基因的倒数)、身高、体重(理想BMI)、身体活动水平和存在共病的可能性在GenF之后,开发了一个新的规则库数据集CRB 它共有72条规则;图。 2显示CRB中每个标签的出现频率。23*32=72虽然最初的研究使用了更多的选定特征的粒度值,但CRB可以轻松地给出更广泛的寿命情况S. Khalid等人医学信息学解锁26(2021)1007515表4在GenRB上训练的分类器模型的混淆矩阵分类器测量朴素贝叶斯精度召回决策树精度召回K-最近邻(K= 5)精确召回随机森林(树=50)精确召回标签高于平均百分百百分百67.36%55.17%百分之九十九点七六58.02%82.66%90.48%低于平均80.79%百分百63.29%87.07%72.36%百分之九十九点九八81.57%百分之九十五点零八平均0.00%0.00%0.00%0.00%0.00%0.00%0.00%0.00%精度88.11%64.56%72.10%82.03%F1得分0.630.450.580.63图二. CRB中每个标签的频率在选定的人群中进行测量。4.2. CRB模型培训对相同的四个分类器模型进行重新训练并针对CRB进行重新测试。表5显示了针对每个模型获得的性能结果,以及10倍交叉验证。由于数据集的大小较小,决策树给出了100%的准确率和完美的1.0 F1分数。随机森林模型给出了第二高的准确率98.57%和F1得分0.98。特征选择后的规则库表明,GenF有能力帮助未来的研究人员缩小他们的特征选择范围,并创建新的定制规则库来记录和分析寿命数据,并有效地进行寿命预测。5. 讨论本节总结了这项研究的新颖性和发现,并比较了针对创建的数据集训练的ML分类器模型的性能。这项研究的目的是找出最常见的报告表5在CRB上训练的分类器模型的混淆矩阵通过文献研究影响长寿的环境因素,看看它们如何影响个体的寿命,以及APOE基因的存在。这些发现反过来将被用于设计一个框架,可以帮助PHS记录和分析数据,以支持全球寿命预测研究。其目的是帮助公共卫生服务指导人们过上更好的生活方式;为更长寿、更健康的生活做出贡献;并为改善世界各国的经济状况做出决定。根据研究人员在2000年至2020年期间报告的内容,GenF被制定为帮助PHS记录数据并预测任何人群中个体的生活经验。GenRB将长寿影响因素的所有现实生活场景归类到GenF定义的标签中;它提供了关于每个因素如何影响早期死亡率和/或长寿的更广泛前景。为了证明GenF的灵活性和使用,框架被用来定义一个新的规则库CRB,使用特征选择。特征选择是基于巴基斯坦的案例研究。四个预测模型,使用随机森林,决策树,K-最近邻和朴素贝叶斯分类器,分别在GenRB和CRB上开发和训练。基于它们各自的混淆矩阵,计算并比较它们的准确度和F1分数,以衡量每个模型对每个数据集的性能。朴素贝叶斯给出了最好的性能与GenRB和决策树给出了最好的性能与CRB。在一致性方面,随机森林在两种场景下都能保持80%以上的准确率6. 结论人类的长寿不仅仅是拥有更长的寿命;它是一个满意和平衡的生活,直到最后。生活方式的改善促进了全球的长寿,老年人口的比例增加了;但供养老年人的需要也增加了。关于研究和控制可能影响人类寿命的因素,人们进行了大量的研究和辩论。世界各地的PHS正在研究这些研究,以找到制定计划的解决方案,以帮助长寿。另一方面,研究人员需要工具,使他们的研究更容易,更有影响力。这项研究收集了2000年至2020年期间与长寿有关的APOE基因和环境因素的信息。它开发了一个框架GenF来记录和预测寿命。GenRB是一个规则集合,基于从文献中识别的因素。它预测一个人是否更有可能比他的人口的平均年龄活得更长或面临过早死亡。四种不同的ML分类器模型在分类器测量朴素贝叶斯精度召回决策树精度召回K-最近邻(K= 5)精确召回随机森林(树=50)精确召回标签高于平均百分之九十四点四四百分之八十点九五百分百百分百57.14%百分之九十五点二四百分百百分百低于平均70.83%百分之九十四点四四百分百百分百83.78%86.11%百分百百分之九十七点二二平均0.00%0.00%百分百百分百0.00%0.00%百分之九十三点七五百分百精度70.71%百分百70.89%百分之九十八点五七F1得分0.561.000.530.98S. Khalid等人医学信息学解锁26(2021)1007516GenRB预测全球任何人群的寿命;朴素贝叶斯表现最好。本研究的目的是帮助世界各地的PHS在他们的研究和诊断寿命。由于所研究的因素是单独分类的,基于它们对寿命的一般影响,它们可以很容易地应用于任何人群;这使得GenF成为预测寿命的全球工具更好地了解因素及其对寿命的影响,将使小灵通修改其政策,以方便群众。此外,该研究还解释了GenF在定义定制规则库以匹配特定人口统计数据时的使用,使用特征选择。其目的是方便研究人员选择感兴趣的长寿特征进行研究,并使用GenF生成更适合他们研究的规则库。巴基斯坦的案例研究是用来证明定制过程。从案例研究中开发了一个新的规则库CRB,并使用四种不同的ML分类器在数据集上训练四个模型。这种灵活性增强了GenF的可用性。它允许对寿命进行更有重点的观察。7. 局限性和今后的工作本研究考虑的文献在2000年至2020年之间;可能有其他文章在确定的时间轴之外发表,并解决了相同的问题。此外,可能有一个因素在选定的文献中没有突出讨论,但与长寿有关;尽管这种情况发生的机会非常渺茫。此外,仅研究了APOE基因对长寿的影响,还有其他与长寿相关的基因未在本研究中考虑。然而,由于GenF将长寿基因处理为具有二项式值的特征,因此可以容易地调整任何其他基因(如第IVw节所示,同时处理FOXO3A)。将来,其他长寿基因也可以添加到数据集中,以研究它们对寿命的影响此外,这些特征只能根据生活方式的选择进行研究,而不受长寿基因的影响;在特征选择之后。此外,这项研究定义和使用的值可以简单地判断某个属性是否对寿命有负面,正面或中性影响,但有时需要研究属性的详细影响,即某个属性对寿命有多大的正面或负面影响。将来可以进行这种研究,以便对人口进行长时间的观察,以注意某个属性的变化趋势或了解其影响。因此,每个观察到的属性将产生一组独特的值,可以解释其作用及其对人口寿命的影响。这些细粒度的值可以帮助预测人口的确切年龄。同意不适用作者声明Sadia Khalid:概念化,方法论,软件,验证,形式分析,调查,资源,数据管理,写作Uzair Rasheed:概念化,形式分析,资源Usman Qingdao:监督,项目管理竞合利益[2] S. Vernon,“UnderstandingLongevity an Important Life PlanningStep”,StanfordCenter on Longevity。[3] R. J.Pignolo,110[4] van den Berg N,Beekman M,Smith KR,Janssens A,Slagboom PE.历史人口学和长寿遗传学:回到未来。老化研究修订版2017年9月;38:28-39。https://doi.org/10.1016/j.arr.2017.06.005网站。[5] Ahmed A. FOXo3a基因影响巴基斯坦人的寿命吗?生物医学2019;35(1)。[6] Santos-Lozano A,et al.,The Genetics of Extraordinary Longevity:Insights from Centenarians,2005,Maturitas 2016;90:49-57.https://doi.org/10.1016/j的网站。 maturitas.2016.05.006。[7] 老化、健康和寿命纵向研究的遗传模型及其对不完整数据的潜在应用。JTheorBiol 2009;258(1):103-11. https://doi.org/10.1016/j.jtbi.2009.01.023网站。[8] Beluzo CE等人,《新生儿死亡风险分类:使用新生儿、孕产妇和社会因素的数据驱动方法》。医学信息学解锁2020;20:100398。https://doi.org/10.1016/j.imu.2020.100398网站。[9] 郑文宏,道仁良,陈立光,洪世义.遗传变异在人类长寿中的作用。老化研究修订版2010;9:S67-78。https://doi.org/10.1016/j的网站。 arr.2010.08.001。[10] Willco XBJ,et al. FOXO3A基因型与人类寿命密切相关。Proc Natl Acad Sci UnitStates Am 2008;105(37):13987-92.https://doi.org/10.1073/pnas.0801030105。[11] R. K. Lin n'er和P. D. Koellinger,决定,十四岁[12] Rose G,et al. Metabolism and successful aging:Polymorphic variation ofsyndecan- 4(SDC4)gene associate with longevity and lipid profile in healthyelderly Italian subjects.机械老化发展2015;150:27-33。https://doi.org/10.1016/j的网站。 mad.2015.08.003。[13] Sorkin J,Post W,Pollin TI,O'Connell JR,Mitchell BD,Shuldiner AR.探索长寿的遗传学在旧秩序阿米什人。机械老化发展2005;126(2):347-50.https://doi.org/10.1016/j.mad.2004.08.027网站。[14] Ruby JG等人,《人类寿命遗传性的估计因选择性交配而被大幅夸大》。遗传学2018;210(3):1109-24。网址://doi. org/10.1534/genetics.118.301613。[15] Eline Slagboom P,van den Berg N,DeelenJ. Phenome and genome based studiesinto human ageing and longevity:an overview. Biochim Biophys Acta(BBA)-MolBasisDis2018;1864(9):2742-51。https://doi.org/10.1016/j.bbadis.2017.09.017网站。[16] 阿卜杜勒哈利姆·哈布尔·奥夫载脂蛋白E基因变异在约旦人群中的分布:与寿命的关系JKingSaudUnivSci2020;32(1):518-22.https://doi.org/10.1016/j.jksus.2018.08.004。[17] Drenos F,Kirkwood TBL.影响人类寿命和老年疾病的等位基因选择:以载脂蛋白E为例。PloSOne2010;5 (4 ):10022.网址:http ://doi.org/10.1371/journal.pone.0010022[18] 尤班克特区。APOE基因与欧洲人预期寿命的差异老年学期刊A辑:生物科学与医学2004年1月;59(1):B16-20。https://doi.org/10.1093/gerona/59.1.B16网站。[19] Joshua P,et al.载脂蛋白E等位基因与人类极端长寿 J Gerontol:A系列2019;74(1):44-51。https://doi.org/10.1093/gerona/gly174网站。[20] Morris BJ,Willco X DC,Donlon TA,Willco X BJ,Fo Xo3“.一个人类长寿的主要基因-一个小评论。老年学2015;61(6):515-25。https://doi.org/10.1159/000375235。[21] Caliebe A,et al. No or only population-specific effect of PON1 on humanlongevity:a comprehensive meta analysis. Aging Res Rev 2010;9(3):238-44.网址://doi. org/10.1016/j.arr.2010.03.003。[22] CorellaD,Ordo v'asJM. 衰老和心血管疾病:基因-饮食相互作用的作用。老化研究修订版2014;18:53-73。https://doi.org/10.1016/j的网站。arr.2014.08.002。[23] Shadyab AH,LaCroi XAZ.与长寿相关的遗传因素:最近研究结果的回顾。老龄化研究修订2015;19:1-7。https://doi.org/10.1016/j的网站。arr.2014.10.005。[24] 史密斯JD载脂蛋白与衰老:新兴机制。老化研究综述2002;1(3):345-65。https://doi.org/10.1016/S1568-1637(02)00005-3.[25] [10]杨文,杨文,李文,李文.通过高通量测序揭示人类长寿中APOE的遗传景观机械老化发展2016;155:7-9。https://doi.org/10.1016/j.mad.2016.02.010网站。[26] 泳道 N。 衰老和 疾病 的统 一观点 :双 重代 理理 论。 J TheorBiol 2003;225(4):531-40. https://doi.org/10.1016/S0022-5193(03)00304-7.[27] Garatachea N,Lucia A.基因、身体健康和衰老。Aging Res Rev 2013;12(1):90-102. https://doi.org/10.1016/j.arr.2012.09.003网站。[28] WHO.谁|全球健康和老龄化“,世界卫生组织。访问时间:2021年2月9日。[联机]。可查阅http://www.who.int/ageing/publications/global_health/en/。[29] Della Mea V,Popescu MH,Roitero K.使用文本反向编码和基于NLP的深度学习方法从死亡证明中识别潜在的死亡原因。医学信息学解锁2020;21:100456。https://doi.org/作者声明,他们没有已知的竞争性金融10.1016/j.imu.2020.100456。[30] “RapidMiner|最佳数据科学&机器学习平台RapidMiner。可能会影响本文所报告工作引用[1] Ehni H-J 中心blog Nuffield理事会的背景文件; 2018年。2021年2月10日访问,https://rapidminer.com/。[31] Westendorp RGJ,Mulder B,van der Does AJW,van der Ouderaa FJG. 在:库珀CL,编辑.“当活力满足长寿:晚年健康的新策略”,在幸福。Chichester,UK:John Wiley&Sons,Ltd; 2013.第1-15页。https://doi.org/10.1002/9781118539415.wbwell090。S. Khalid等人医学信息学解锁26(2021)1007517[32] Revelas M等人,与人类长寿相关的遗传多态性的综述和荟萃分析。机械老化发展2018;175:24-34。网址://doi. org/10.1016/j.mad.2018.06.002。[33] Eughmins EM,Seeman TE.将生物学融入健康差异研究。Popul DevRev2004;30:89[34] D. L. Costa,“老年人改善健康和长寿的原因:对解释的回顾”,第100页。十八岁[35] 张宏刚,徐华春,陈文辉,陈文辉.系统性合作与社会行为对长寿的有益影响。机械老化发展2002;123(8):963-73. https://doi.org/10.1016/S0047-6374(02)00034-9.[36] Chowdhury UN,Islam MB,Ahmad S,Moni MA.“基于网络的衰老,生活方式和2型糖尿病遗传因素的识别影响阿尔茨海默病的进展。医学信息学解锁2020;19:100309。https://doi.org/10.1016/j.imu.2020.100309网站。[37] Sakib N,Chowdhury UN,Islam MB,Ahmad S,Moni MA.“一种系统生物学方法来识别受衰老,生活方式因素和2型糖尿病影响的遗传因素,这些因素影响帕金森病的进展。医学信息学解锁2020;21:100448。https://doi.org/10.1016/j.imu.2020.100448网站。[38] Finelli C,Sommella L,Gioia S,La Sala N,Tarantino G.应该减少内脏脂肪以延长寿命吗?老化研究修订版2013;12(4):996-1004。网址://doi.org/10.1016/j.arr.2013.05.007。[39] 他Q,et al.矮的男人活得更长:身高与长寿和FOXO 3基因型在日本血统的美国男性的关联。PloSOn
下载后可阅读完整内容,剩余1页未读,立即下载
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pptx](https://img-home.csdnimg.cn/images/20210720083543.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![csv](https://img-home.csdnimg.cn/images/20210720083646.png)
![7z](https://img-home.csdnimg.cn/images/20210720083312.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![exe](https://img-home.csdnimg.cn/images/20210720083343.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- 京瓷TASKalfa系列维修手册:安全与操作指南
- 小波变换在视频压缩中的应用
- Microsoft OfficeXP详解:WordXP、ExcelXP和PowerPointXP
- 雀巢在线媒介投放策划:门户网站与广告效果分析
- 用友NC-V56供应链功能升级详解(84页)
- 计算机病毒与防御策略探索
- 企业网NAT技术实践:2022年部署互联网出口策略
- 软件测试面试必备:概念、原则与常见问题解析
- 2022年Windows IIS服务器内外网配置详解与Serv-U FTP服务器安装
- 中国联通:企业级ICT转型与创新实践
- C#图形图像编程深入解析:GDI+与多媒体应用
- Xilinx AXI Interconnect v2.1用户指南
- DIY编程电缆全攻略:接口类型与自制指南
- 电脑维护与硬盘数据恢复指南
- 计算机网络技术专业剖析:人才培养与改革
- 量化多因子指数增强策略:微观视角的实证分析
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)