Dans une étude récente publiée dans le Scientific Reports Journal, les chercheurs ont utilisé une approche basée sur l’apprentissage automatique (ML) pour prédire l’obésité à l’âge adulte en évaluant les facteurs de risque et en suivant les valeurs de l’indice de masse corporelle (IMC) au cours des 1 000 premiers jours (entre deux et quatre ans). de l’âge) de la vie.
Étude: Prédire l’indice de masse corporelle dans la petite enfance en utilisant les données des 1000 premiers jours. Crédit d’image : NicoElNino/Shutterstock.com
Sommaire
Arrière-plan
La prévalence de l’obésité a considérablement augmenté à travers le monde chez les adultes et les enfants. L’adiposité précoce chez les enfants prédit l’obésité adulte, les risques cardiométaboliques et les morbidités pédiatriques.
Une fois établie, l’obésité est difficile à traiter et susceptible de persister. Par conséquent, la recherche donne la priorité à la prévention de l’obésité, et la détection des personnes à risque accru d’adiposité à l’âge adulte pourrait améliorer les efforts de prévention.
Les facteurs de risque modifiables comprennent des valeurs d’IMC plus élevées pour les mères avant la grossesse, un gain de poids pendant la grossesse, un faible statut socio-économique, un poids néonatal élevé et des variables au niveau du quartier (telles que la criminalité et l’accessibilité à la nourriture). Cependant, les données sur le potentiel d’estimation du risque combiné des variables sont limitées.
Les efforts existants pour estimer l’obésité pédiatrique, y compris les facteurs qui augmentent les risques d’obésité dans les périodes prénatales et néonatales initiales, sont peu nombreux, malgré des études indiquant que deux à quatre ans offrent une plus grande souplesse de développement et des opportunités d’influence sur les comportements de santé.
À propos de l’étude
Dans la présente étude, les chercheurs ont utilisé des algorithmes ML pour identifier les enfants à risque accru d’obésité, ce qui pourrait éclairer l’élaboration de politiques et de stratégies de prévention de l’obésité. Ils ont également conçu un outil de suivi dynamique et prédictif de l’IMC à utiliser pendant l’enfance pour identifier le risque d’obésité à l’âge adulte.
L’équipe a utilisé la régression de l’opérateur de sélection et de retrait le moins absolu (LASSO) pour conserver les caractéristiques avec les coefficients les plus élevés et la pertinence pour l’obésité pédiatrique autres que la taille, le poids et l’indice de masse corporelle.
Ils ont développé des modèles d’estimation utilisant la régression vectorielle de support (SVR) avec une validation croisée quintuple pour estimer l’IMC à 30 à 36 mois (4 204 individus), 36 à 42 mois (4 130 individus) et 42 à 48 mois (2 880 individus). L’équipe a exclu les personnes sans ≥1,0 rencontres cliniques dans toutes les périodes.
Les étapes impliquées dans le développement du modèle étaient l’obtention et l’intégration des données brutes, le prétraitement des données, l’ingénierie des fonctionnalités, la formation et la validation du tracker. Le tracker a été entraîné à l’aide de 80,0 % des données des individus (ensemble de données d’entraînement) de toutes les périodes.
Les dossiers de santé électroniques (DSE), les certificats de naissance et les données géocodées ont été extraits du registre OPEL (Obesity Prediction in Early Life) de 2004 à 2019. Le résultat de l’étude était l’IMC basé sur l’âge et le sexe des participants, selon les Centers for Disease Control et prévention (CDC).
Résultats
Le registre OPEL comprenait 149 625 visites pour 19 724 individus âgés de 0,0 mois à 48,0 mois, dont 10 348 individus ont été analysés, parmi lesquels 4 204, 4 130 et 2 880 étaient âgés de 30,0 à 36,0 mois, de 36,0 à 42,0 mois et de 42,0 à 48,0 mois.
En éliminant les enregistrements erronés, en imputant les valeurs manquantes et en mettant à l’échelle les variables d’exposition, 50 variables ont été sélectionnées. Après régression LASSO, augmentation des données et tests univariés, 19 variables ont été analysées.
Le modèle comprenait les variables suivantes : taille moyenne, IMC et poids à 0,0 à 8,0 mois, 8,0 à 16 mois et 16 à 24 mois ; décalages temporels entre la rencontre finale au cours des périodes et celle d’avant deux ans ; l’âge moyen, le poids, la taille, l’IMC et les centiles de poids et de taille à deux ans ; estimation des différences de temps entre la visite finale avant deux ans et la visite cible pendant l’une ou l’autre des périodes.
Le test du tracker à l’aide de l’ensemble de données de validation (20,0 % des patients) a montré une estimation précise de l’IMC infantile (erreur moyenne de 1,0 à 30,0 à 36,0 mois, 36,0 à 42,0 mois et 42,0 à 48,0 mois).
La plupart des variables du modèle ont montré des corrélations significatives avec l’IMC pédiatrique dans toutes les plages d’estimation. Les résultats ont indiqué que le tracker pourrait soutenir les efforts des cliniciens et de la population pour prévenir l’obésité au cours des premiers jours de la vie.
Des facteurs modifiables liés à un IMC élevé chez l’enfant ont été détectés aux stades prénatal et initial de la petite enfance, y compris les facteurs de risque maternels pendant la grossesse, l’accouchement par césarienne, le poids plus élevé du nourrisson à la naissance et si le nourrisson se réveille la nuit et a besoin d’aide pour s’endormir.
Des facteurs tels que la proportion d’individus résidant dans des déserts alimentaires et l’origine ethnique hispanique protégeaient contre un IMC élevé.
conclusion
Dans l’ensemble, les résultats de l’étude ont montré que les trajectoires d’IMC pédiatriques pouvaient être évaluées à l’aide du ML et des facteurs de risque modifiables pendant la petite enfance, soutenant les efforts pour intervenir avant l’apparition d’une adiposité malsaine afin de réduire le fardeau de l’obésité pour la santé.
La santé maternelle, la qualité du sommeil de l’enfant et les facteurs socio-économiques pourraient influencer les trajectoires de poids des enfants au cours de l’enfance.
Contrairement aux modèles existants qui estiment l’IMC à l’aide de seuils de poids à des moments particuliers, le suivi de l’indice de masse corporelle pourrait prédire l’IMC dans trois futurs intervalles de six mois (c.-à-d. 30,0 à 36,0 mois, 36,0 à 42,0 mois et 42,0 à 48,0 mois) .
Les résultats pourraient permettre aux prestataires pédiatriques d’observer les changements d’IMC sur de longues périodes.