Prediction and Identification of Key Factors Associated with High Soft Drink Consumption Among University Students Using Machine Learning
Deze studie maakte gebruik van machine learning, specifiek het Random Forest-algoritme, om gegevens van 450 universiteitsstudenten te analyseren en rookstatus en academisch jaar te identificeren als belangrijke voorspellers voor een hoge consumptie van frisdrank, waarbij een nauwkeurigheid van 77,04% werd bereikt om gerichte gezondheidsinterventies te informeren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de overvolle gangen van het moderne leven zijn suikerhoudende dranken een constante metgezel geworden, met name voor jongvolwassenen die de overgang naar zelfstandigheid doormaken. Deze dranken, vaak koolzuurhoudend en vol met geraffineerde suiker of kunstmatige zoetstoffen, bieden een snelle boost van energie en smaak, maar gezondheidsexperts waarschuwen al lang dat hun vloeibare calorieën de honger niet op dezelfde manier stillen als vast voedsel. Dit verschil kan leiden tot een geleidelijke toename van de totale energie-inname, wat bijdraagt aan gewichtstoename en een reeks andere gezondheidsproblemen zoals tandbederf en metabole stoornissen. Hoewel de risico's bekend zijn, blijft het begrijpen van wie er precies het meest drinkt en waarom een complex puzzelstuk. Mensen maken deze keuzes op basis van een verstrengeld web van persoonlijke gewoonten, sociale druk en wat zij geloven over de dranken zelf. Om dit web te ontwarren, wenden onderzoekers zich steeds vaker tot een krachtig nieuw instrument: machine learning. In tegen tegenstelling tot traditionele methoden die zoeken naar eenvoudige, rechte verbindingen tussen twee zaken, kunnen deze computeralgoritmen enorme hoeveelheden informatie doorzoeken om verborgen, niet-lineaire patronen te vinden, waardoor ze onthullen welke factoren het gedrag werkelijk aansturen op manieren die de menselijke intuïtie zou missen.
Een team onderzoekers aan de Mawlana Bhashani Science and Technology University in Bangladesh besloot deze geavanceerde aanpak toe te passen op een specifieke groep: universiteitsstudenten. Ze wilden verder gaan dan eenvoudige enquêtes door een voorspellend model te bouwen dat kon identificeren welke studenten waarschijnlijk grote hoeveelheden frisdrank consumeren en, belangrijker nog, de specifieke eigenschappen te begrijpen die hen tot die consumenten maakten. Het team verzamelde gegevens van 450 bachelorstudenten op de campus door hen persoonlijk te interviewen om details over hun leven te verzamelen. Ze vroegen naar basisdemografie zoals leeftijd en studiejaar, maar gingen ook dieper in op persoonlijke gewoonten zoals roken en alcoholgebruik, en zelfs hun houding tegenover de dranken zelf, zoals of zij geloofden dat frisdrank erg lekker was of dat zij dachten dat het schadelijke conserveermiddelen bevatte. De onderzoekers definieerden een "hoogconsumptie-drinker" als iedereen die minstens één liter frisdrank per week dronk, een drempel die hen in staat stelde om zware drinkers duidelijk te scheiden van de rest van de studentenpopulatie.
Een eerste blik op de gegevens schetste een opvallend beeld. Ongeveer een derde van de studenten, oftewel 33,6 procent, viel in de categorie van hoge consumptie. Toen de onderzoekers de gewoonten van deze zware drinkers vergeleken met die van degenen die minder dronken, kwamen er duidelijke patronen naar voren. De studenten die het meest dronken, waren aanzienlijk eerder geneigd te roken en alcohol te consumeren. Hun houding verschilde ook; zware drinkers waren eerder geneigd ermee in te stemmen dat frisdrank erg lekker was en minder geneigd om te geloven dat de dranken schadelijke ingrediënten bevatten of dat ze gezondheidsproblemen veroorzaakten. Interessant genoeg deed het jaar waarin een student zich in hun universitaire carrière bevond er ook toe, waarbij tweedejaarsstudenten de hoogste percentages zwaar drinken lieten zien. Deze bevindingen suggereerden dat het drinken van te veel frisdrank geen geïsoleerde gewoonte was, maar vaak deel uitmaakte van een breder cluster van levensstijlkeuzes en specifieke overtuigingen over voedsel en gezondheid.
Om deze verbanden te begrijpen en toekomstig gedrag te voorspellen, voedden de onderzoekers al deze gegevens aan zeven verschillende machine-learning algoritmen. Dit waren computerprogramma's ontworpen om te leren van de gegevens en studenten te classificeren als ofwel hoge of normale consumenten. Het team testte elk programma om te zien welk het meest nauwkeurige voorspellingen kon doen. De resultaten lieten zien dat hoewel alle modellen redelijk goed presteerden, er één boven de rest uitstak. Een methode genaamd Random Forest, die werkt door de beslissingen van vele eenvoudige beslissingsbomen te combineren om tot een stabielere conclusie te komen, bleek het meest effectief. Het classificeerde de studenten ongeveer 77 procent van de tijd correct en was bijzonder goed in het opsporen van de zware drinkers, waarbij het bijna 95 procent van hen identificeerde. Dit hoge succespercentage suggereert dat de combinatie van gewoonten en houdingen die het team mat, genoeg informatie bevat om risicovolle studenten betrouwbaar te identificeren.
Misschien kwam het meest waardevolle inzicht uit de studie voort uit het vragen aan het winnende computermodel wat het als de belangrijkste aanwijzingen beschouwde. Het algoritme identificeerde twee factoren als de sterkste voorspellers van hoge frisdrankconsumptie: de rookstatus en het studiejaar van de student. Deze bevinding is significant omdat het benadrukt dat het gedrag diep verweven is met andere levensstijlkeuzes en de specifieke druk of vrijheden die gepaard gaan met verschillende fasen van het universitaire leven. Hoewel de studie beperkt was tot één enkele universiteit en vertrouwde op de eigen rapportages van studenten, die soms imperfect kunnen zijn, bieden de resultaten een duidelijke richting voor toekomstige actie. De onderzoekers suggereren dat gezondheidscampagnes op de campus zich niet alleen moeten richten op de suikerinhoud van de dranken, maar ook moeten richten op de bredere levensstijlpatronen van studenten, in het bijzonder diegenen die roken of in hun tweede jaar zitten. Door deze specifieke drijfveren te begrijpen, kunnen universiteiten effectievere interventies ontwerpen om jongeren te helpen gezondere drankenkeuzes te maken voordat deze gewoonten zich voor het leven nestelen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.