Prediction and Identification of Key Factors Associated with High Soft Drink Consumption Among University Students Using Machine Learning
Cette étude a utilisé l'apprentissage automatique, plus précisément l'algorithme de Forêt aléatoire, pour analyser les données de 450 étudiants universitaires et identifier le statut de fumeur et l'année universitaire comme des prédicteurs clés d'une consommation élevée de boissons gazeuses, atteignant une précision de 77,04 % afin d'orienter des interventions de santé ciblées.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans les allées encombrées de la vie moderne, les boissons sucrées sont devenues un compagnon constant, particulièrement pour les jeunes adultes qui naviguent dans la transition vers l'indépendance. Ces boissons, souvent gazeuses et riches en sucre raffiné ou en édulcorants artificiels, offrent une poussée rapide d'énergie et de saveur, mais les experts de la santé avertissent depuis longtemps que leurs calories liquides ne rassasient pas la faim de la même manière que les aliments solides. Ce décalage peut conduire à une augmentation progressive de l'apport énergétique global, contribuant à la prise de poids et à toute une série d'autres problèmes de santé comme la carie dentaire et les troubles métaboliques. Bien que les risques soient bien connus, comprendre exactement qui consomme le plus et pourquoi reste un puzzle complexe. Les gens font ces choix en fonction d'un réseau complexe d'habitudes personnelles, de pressions sociales et de ce qu'ils croient à propos des boissons elles-mêmes. Pour démêler ce réseau, les chercheurs se tournent de plus en plus vers un nouvel outil puissant : l'apprentissage automatique. Contrairement aux méthodes traditionnelles qui recherchent des connexions simples et linéaires entre deux éléments, ces algorithmes informatiques peuvent passer au crible de vastes quantités d'informations pour trouver des modèles non linéaires cachés, révélant quels facteurs dictent réellement le comportement d'une manière que l'intuition humaine pourrait manquer.
Une équipe de chercheurs de l'Université des sciences et technologies de Mawlana Bhashani au Bangladesh a décidé d'appliquer cette approche avancée à un groupe spécifique : les étudiants universitaires. Ils voulaient aller au-delà des simples sondages pour construire un modèle prédictif capable d'identifier les étudiants susceptibles de consommer de grandes quantités de sodas et, plus important encore, de comprendre les traits spécifiques qui les caractérisent. L'équipe a recueilli des données auprès de 450 étudiants de premier cycle sur le campus, en les interrogeant en face à face pour obtenir des détails sur leur vie. Ils ont interrogé les étudiants sur des données démographiques de base comme l'âge et l'année d'étude, mais ont également approfondi des habitudes personnelles telles que le tabagisme et la consommation d'alcool, ainsi que leurs attitudes envers les boissons elles-mêmes, comme le fait de croire que les sodas sont savoureux ou de penser qu'ils contiennent des conservateurs nocifs. Les chercheurs ont défini un « gros consommateur » comme toute personne consommant au moins un litre de sodas par semaine, un seuil qui leur a permis de séparer clairement les gros consommateurs du reste du corps étudiant.
L'examen initial des données a révélé un tableau frappant. Environ un tiers des étudiants, soit 33,6 %, se classait dans la catégorie de haute consommation. Lorsque les chercheurs ont commencé à comparer les habitudes de ces gros consommateurs à celles de ceux qui en consommaient moins, des modèles clairs sont apparus. Les étudiants qui en consommaient le plus étaient nettement plus susceptibles de être fumeurs et de consommer de l'alcool. Leurs attitudes différaient également ; les gros consommateurs étaient plus enclins à convenir que les sodas étaient très savoureux et moins enclins à croire que les boissons contenaient des ingrédients nocifs ou qu'elles causaient des problèmes de santé. Il est intéressant de noter que l'année d'études universitaires comptait également, les étudiants de deuxième année présentant les taux de consommation de sodas les plus élevés. Ces résultats suggéraient que la consommation excessive de sodas n'était pas une habitude isolée, mais faisait souvent partie d'un ensemble plus large de choix de mode de vie et de croyances spécifiques concernant l'alimentation et la santé.
Pour donner un sens à ces connexions et prédire les comportements futurs, les chercheurs ont injecté toutes ces données dans sept algorithmes d'apprentissage automatique différents. Il s'agit de programmes informatiques conçus pour apprendre à partir des données et classer les étudiants soit comme gros consommateurs, soit comme consommateurs normaux. L'équipe a testé chaque programme pour voir lequel pouvait faire les prédictions les plus précises. Les résultats ont montré que, bien que tous les modèles soient performants de manière raisonnable, l'un d'entre eux se distinguait nettement. Une méthode appelée Forêt Aléatoire (Random Forest), qui fonctionne en combinant les décisions de nombreux arbres de décision simples pour parvenir à une conclusion plus stable, s'est avérée la plus efficace. Elle a correctement classé les étudiants environ 77 % du temps et s'est montrée particulièrement douée pour repérer les gros consommateurs, en captant près de 95 % d'entre eux. Ce taux de réussite élevé suggère que la combinaison d'habitudes et d'attitudes mesurée par l'équipe contient suffisamment d'informations pour identifier de manière fiable les étudiants à risque.
Peut-être l'enseignement le plus précieux de l'étude est venu du fait de demander au modèle informatique gagnant quels éléments il considérait comme les indices les plus importants. L'algorithme a identifié deux facteurs comme étant les prédicteurs les plus forts de la haute consommation de sodas : le statut de fumeur et l'année universitaire de l'étudiant. Cette découverte est significative car elle souligne que le comportement est profondément entrelacé avec d'autres choix de mode de vie et les pressions ou libertés spécifiques qui accompagnent les différentes étapes de la vie universitaire. Bien que l'étude ait été limitée à une seule université et qu'elle repose sur les propres déclarations des étudiants, qui peuvent parfois être imparfaites, les résultats offrent une direction claire pour de futures actions. Les chercheurs suggèrent que les campagnes de santé sur les campus ne devraient pas seulement se concentrer sur la teneur en sucre des boissons, mais devraient également cibler les modèles de mode de vie plus larges des étudiants, en particulier ceux qui fument ou qui sont en deuxième année d'études. En comprenant ces moteurs spécifiques, les universités peuvent concevoir des interventions plus efficaces pour aider les jeunes à faire des choix de boissons plus sains avant que ces habitudes ne s'enracinent pour la vie.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.