Prevalence of Helicobacter pylori infection among young adults aged 18–25 years and development of machine learning-based screening models
这项研究揭示了18–25岁青年群体中幽门螺杆菌感染率为29.1%，并表明一种利用家庭规模和检测史等因素的支持向量机（SVM）模型能有效预测大规模筛查中的感染风险。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在人体胃部内部，一种被称为幽门螺杆菌（Helicobacter pylori）的微小细菌经常静静地生活在那里，但它对长期健康有着强大的影响。这种微生物是许多胃肠道疾病的主要驱动力，其范围涵盖了从常见的炎症到严重的癌症。尽管这是一个全球性的普遍问题，但科学家们早已认识到，干预的时机至关重要。在青年时期清除这种细菌提供了一个独特的机会：此时胃黏膜仍具有很强的韧性，且预防的成本远低于晚年治疗晚期疾病的成本。尽管存在这一明确的行动窗口，但目前仍缺乏关于该感染在青少年及二十岁出头人群中普遍程度的具体数据，也缺乏简单、有效的工具来识别那些在症状出现前就需要进行检测的人群。
中国的一个研究小组致力于填补这一空白，他们将目光聚焦于一个特定的群体：18至25岁的大学生。他们从石河子大学招募了一大批志愿者，并要求他们接受三种不同的非侵入性检测，以检查是否存在该细菌。这些检测包括检测抗体的血液检测、检测粪便中细菌存在的检测，以及一种检测由该微生物引起的特定化学反应的呼气试验。为了确保准确性，研究人员规定，只有当这三种检测中至少有两种呈阳性时，才将一个人判定为感染者。除了这些医学检查外，学生们还填写了一份详细的调查问卷，内容涵盖了他们生活的方方面面，包括家庭规模、家庭收入、胃部病史以及是否曾经接受过该细菌检测等。
这项研究涉及832名年轻人，结果显示近30%的人携带这种感染。虽然这一比例低于中国普通人群的平均水平，但考虑到这一年龄段被认为是预防的理想时期，该比例已足以引起关注。随后，研究人员转向了计算机算法——人工智能的一个分支，即机器学习，试图观察是否仅通过查看调查问卷中的答案，就能预测谁受到了感染。他们测试了三种不同的数学方法来构建一种筛查工具，利用大部分数据进行训练，并在剩余部分的数据上检查其准确性。
结果表明，一种被称为支持向量机（support vector machine）的特定算法在区分感染者与未感染个体方面表现最佳。该模型并不依赖复杂的病史或侵入性程序；相反，它识别出了五个强烈影响感染风险的关键因素。其中最重要的预测因子是个人成长过程中家庭的大小，家庭成员较多的人显示出更高的风险。其他重要因素还包括：此人以前是否进行过该细菌检测、其家庭年收入、是否曾接受过胃镜检查，以及家中是否养有宠物。该模型发现，来自大家庭、收入较低以及从未接受过检测的人群面临的风险最高。
研究人员发现，这种基于计算机的筛查工具可以成功识别出大多数感染个体，同时保持较低的误报率。它提供了一种快速筛选大量人群的方法，能够标记出那些最能从进一步医学检测和治疗中获益的人。研究表明，通过使用关于家庭生活和经济状况的简单问题，卫生官员可以为年轻人进行该感染筛查创建一种实用且低成本的方法。虽然该模型是基于单一大学的数据构建的，可能需要在其他环境中进行进一步测试，但它为早期发现感染提供了具有前景的蓝图，有望在胃部疾病发展之前将其阻断。这项工作强调了，即使是在受过教育的年轻人群中，这种感染依然普遍存在，而基于日常生活的因素进行针对性筛查，可能是迈向更好公共卫生的关键一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。