JP2021151194A - 腸内細菌叢を利用した運動習慣の検査方法 - Google Patents
腸内細菌叢を利用した運動習慣の検査方法 Download PDFInfo
- Publication number
- JP2021151194A JP2021151194A JP2020052768A JP2020052768A JP2021151194A JP 2021151194 A JP2021151194 A JP 2021151194A JP 2020052768 A JP2020052768 A JP 2020052768A JP 2020052768 A JP2020052768 A JP 2020052768A JP 2021151194 A JP2021151194 A JP 2021151194A
- Authority
- JP
- Japan
- Prior art keywords
- exercise
- sample
- user
- information
- exercise habits
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
【課題】運動習慣の検査法の提供。【解決手段】被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供する方法であって、以下の工程:(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルを含むデータセットを生成する工程、(b)前記データセットを統計処理する工程、及び(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する工程を含む、前記方法。【選択図】なし
Description
本発明は、腸内細菌叢を利用した運動習慣の検査方法に関する。
運動と腸内細菌叢との関係は、以前から研究が続けられている。
例えばヒトでは、エリートのラグビー選手で行われた主要な研究により、運動が腸内細菌叢の多様性を高め、タンパク質摂取量及びクレアチンキナーゼレベルと正の相関関係があることが示された(非特許文献1)。特に、より健康的な腸内環境を維持するのに役立ったファーミキューテス門(例えばFaecalibacterium prausntziiなど)の多様性が大きかった。さらに、BMIが低い被験者および運動選手は、BMIが高い被験者と比較して、Akkermansia muciniphilaの微生物叢レベルが有意に高いことが示された。
例えばヒトでは、エリートのラグビー選手で行われた主要な研究により、運動が腸内細菌叢の多様性を高め、タンパク質摂取量及びクレアチンキナーゼレベルと正の相関関係があることが示された(非特許文献1)。特に、より健康的な腸内環境を維持するのに役立ったファーミキューテス門(例えばFaecalibacterium prausntziiなど)の多様性が大きかった。さらに、BMIが低い被験者および運動選手は、BMIが高い被験者と比較して、Akkermansia muciniphilaの微生物叢レベルが有意に高いことが示された。
非特許文献2では、Estakiらは、種々のフィットネスレベル及び食事と個人の糞便微生物叢との関係を分析している。ここでは、体力の指標として、心肺フィットネス(CRF)のゴールドスタンダードであるピーク酸素摂取量が使用された。
その結果、CRFは食事とは関係がなく、腸内微生物多様性の増加と相関していることが実証された。そして、腸の健康の指標となる微生物叢としてクロストリジウム(Clostridiales)、ローズブリア(Roseburia)、ラクノスピラ科(Lachnospiraceae)、エリシペロトリカセア科(Erysipelotrichaceae)などの酪酸産生分類群が豊富であることが示され、酪酸産生が増加する結果となった。
その結果、CRFは食事とは関係がなく、腸内微生物多様性の増加と相関していることが実証された。そして、腸の健康の指標となる微生物叢としてクロストリジウム(Clostridiales)、ローズブリア(Roseburia)、ラクノスピラ科(Lachnospiraceae)、エリシペロトリカセア科(Erysipelotrichaceae)などの酪酸産生分類群が豊富であることが示され、酪酸産生が増加する結果となった。
また睡眠との関係を調べた研究では、運動と食事の影響を調査し、睡眠の質の改善と腸内細菌叢の組成の変化が観察されている(非特許文献3)。
しかしながら、運動が腸内細菌叢に及ぼす影響は、まだ研究途上である。ヒト腸内細菌の多様性を高めることを証明する研究報告が蓄積される一方で、関連する具体的な菌種については一貫した報告がない。このため、腸内細菌のうちどの菌種が運動習慣と密接に関係するかを知るためには、さらなる検討が必要である。
S.F. Clarke et al., Gut, vol. 63, no. 12, pp. 1913-1920, 2014
M. Estaki et al., The FESEB Journal, vol. 30, no. 1, pp. 1027-1035, 2016
X. tan, et al., Trials, vol./ 14, no. 1, article 235, 2013.
運動習慣と関連する細菌叢、及びそれを簡便に検査することが可能な検査法の開発が必要とされている。
本発明者は、上記課題を解決するために鋭意検討を行った結果、5,000サンプル以上の腸内細菌検査データと、当該サンプルに紐づく属性情報を格納したデータベースを用い、これらの情報を統計解析することにより、上記課題を解決し得ることを見出し、本発明を完成するに至った。
すなわち、本発明は以下の通りである。
(1)被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供する方法であって、以下の工程:
(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007群、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルを含むデータセットを生成する工程、
(b)前記データセットを統計処理する工程、及び
(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する工程
を含む、前記方法。
(2)前記統計処理が、機械学習アルゴリズムによるものである、(1)に記載の方法。
(3)(1)又は(2)に記載の方法により提供された情報に基づいて、ユーザから得られた試料が運動習慣と関連する試料であるか否かを判定することを特徴とする、運動習慣の検査方法。
(4)被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供するシステムであって、以下の手段:
(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルルを含むデータセットを生成する手段、
(b)前記データセットを統計処理する手段、及び
(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する手段
を含む、前記システム。
(5)前記統計処理が、機械学習アルゴリズムによるものである、(4)に記載のシステム。
(6)(3)又は(4)に記載のシステムにより提供された情報に基づいて、ユーザから得られた試料が運動習慣と関連する試料であるか否かを判定する手段を含む、運動習慣の検査システム。
(7)被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供するプログラムであって、コンピュータを、以下の手段:
(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルルを含むデータセットを生成する手段、
(b)前記データセットを統計処理する手段、及び
(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する手段
として機能させるための、前記プログラム。
(8)前記統計処理が、機械学習アルゴリズムによるものである、(7)に記載のプログラム。
(9)コンピュータを、(7)又は(8)に記載のプログラムにより提供された情報に基づいて、ユーザから得られた試料が運動習慣と関連する試料であるか否かを判定する手段として機能させるための、運動習慣の検査プログラム。
(10)(7)〜(9)のいずれか1項に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
(1)被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供する方法であって、以下の工程:
(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007群、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルを含むデータセットを生成する工程、
(b)前記データセットを統計処理する工程、及び
(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する工程
を含む、前記方法。
(2)前記統計処理が、機械学習アルゴリズムによるものである、(1)に記載の方法。
(3)(1)又は(2)に記載の方法により提供された情報に基づいて、ユーザから得られた試料が運動習慣と関連する試料であるか否かを判定することを特徴とする、運動習慣の検査方法。
(4)被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供するシステムであって、以下の手段:
(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルルを含むデータセットを生成する手段、
(b)前記データセットを統計処理する手段、及び
(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する手段
を含む、前記システム。
(5)前記統計処理が、機械学習アルゴリズムによるものである、(4)に記載のシステム。
(6)(3)又は(4)に記載のシステムにより提供された情報に基づいて、ユーザから得られた試料が運動習慣と関連する試料であるか否かを判定する手段を含む、運動習慣の検査システム。
(7)被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供するプログラムであって、コンピュータを、以下の手段:
(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルルを含むデータセットを生成する手段、
(b)前記データセットを統計処理する手段、及び
(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する手段
として機能させるための、前記プログラム。
(8)前記統計処理が、機械学習アルゴリズムによるものである、(7)に記載のプログラム。
(9)コンピュータを、(7)又は(8)に記載のプログラムにより提供された情報に基づいて、ユーザから得られた試料が運動習慣と関連する試料であるか否かを判定する手段として機能させるための、運動習慣の検査プログラム。
(10)(7)〜(9)のいずれか1項に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
本発明により、運動習慣を有する被験者とそうでない被験者における細菌叢を検査することが可能となった。本発明は、運動習慣の多寡を判別することができるバイオマーカーに関するものであり、糞便中の腸内細菌から運動習慣に強く関連を示す特定の菌属の存在比率を指標とするものである。従って、本発明の方法を用いることにより、運動不足に起因する腸内環境の異常を、大腸画像検査などを行う前に非侵襲的に検査することが可能となる。
本発明は、被験者由来の試料が所定の腸内細菌プロファイルを有する場合に運動習慣と関連するという知見に基づいて完成された発明であり、運動習慣と関連するか否かの情報を提供する方法、運動習慣の検査方法等に関する。
1.運動習慣と関連するか否かの情報を提供する方法
本発明の第一の態様は、被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供する方法であり、以下の工程を含む。
(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルを含むデータセットを含むデータセットを生成する工程、
(b)前記データセットを統計処理する工程、及び
(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する工程。
本発明の第一の態様は、被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供する方法であり、以下の工程を含む。
(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルを含むデータセットを含むデータセットを生成する工程、
(b)前記データセットを統計処理する工程、及び
(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する工程。
(1)データセットの生成
本発明において、まず、被験者の腸内細菌叢プロファイルに関するヒト常在細菌データ及びアンケートデータを取得する。被験者の数は2人以上であれば特に限定されるものではないが、統計的に有意な差異又は傾向が出る程度に十分な数であることが好ましい。ヒト常在細菌は、例えばヒトから採取された糞便サンプルから得ることができるが、口腔唾液サンプル等から採取することもできる。ヒト常在細菌データは、公知の任意の手法により取得することができ、例えば市販のキット(Mykinso(登録商標))などを使用することができる。
本発明において、まず、被験者の腸内細菌叢プロファイルに関するヒト常在細菌データ及びアンケートデータを取得する。被験者の数は2人以上であれば特に限定されるものではないが、統計的に有意な差異又は傾向が出る程度に十分な数であることが好ましい。ヒト常在細菌は、例えばヒトから採取された糞便サンプルから得ることができるが、口腔唾液サンプル等から採取することもできる。ヒト常在細菌データは、公知の任意の手法により取得することができ、例えば市販のキット(Mykinso(登録商標))などを使用することができる。
アンケートデータは、種々の質問に対する各被験者からの回答のデータである。アンケートは、被験者の運動歴に関する質問や、糞便サンプル採取前の数日間に何を食べたのか、食事の内容に関する質問などを含む。アンケートは、糞便サンプル採取後に所定の期間(例えば数週間〜数ヶ月)空けて別途行うようにしてもよいし、他のアンケートと同時に行うようにしてもよい。アンケートを回収した後は、回答内容の全て又は一部を適宜重み付け等しながら数値化し、データベースに記憶させておく。
また本発明においては、被験者から採取された試料を既存データベースに追加して、新たな母集団、母標本データセットとして蓄積することもできる。
さらに本発明においては、上記データのほかに補足データセットを利用することができる。補足データセットは、運動習慣に関連する臨床情報であることが好ましく、そのような情報として、例えば臨床研究由来のデータ(血球数、血小板数、ヘモグロビン値、クレアチンキナーゼ値等)、あるいは診療カルテから得られる現在又は過去の医療データなどが挙げられる。
上記補足データセットは、後述の統計処理(実施例では統計的機械学習)プロセスにおいて訓練及び検証するサブデータセットとして使用され得る。
上記補足データセットは、後述の統計処理(実施例では統計的機械学習)プロセスにおいて訓練及び検証するサブデータセットとして使用され得る。
(2)データセットの統計処理
データセットの統計処理は、腸内細菌叢の組成データセット及び補足データセットに基づいて運動習慣を有する対象又はグループを特徴付けるためのプロセスを実行するように機能する。この場合、上記データセットのうち、運動習慣と関連する変数重要度の高い菌叢データを計算により選択し、運動習慣を有する被験者における特徴菌叢データベースを構築する。
ここで、「運動習慣」とは、所定期間において所定頻度で運動を継続していることを示す指標である。
データセットの統計処理は、腸内細菌叢の組成データセット及び補足データセットに基づいて運動習慣を有する対象又はグループを特徴付けるためのプロセスを実行するように機能する。この場合、上記データセットのうち、運動習慣と関連する変数重要度の高い菌叢データを計算により選択し、運動習慣を有する被験者における特徴菌叢データベースを構築する。
ここで、「運動習慣」とは、所定期間において所定頻度で運動を継続していることを示す指標である。
計算方法は、例えば統計的アルゴリズム、機械学習アルゴリズム、人工知能、バイオインフォマティクス方法などを用いる。例えば、Wilcoxon検定、Analysis of variance (ANOVA) 検定、Logistic回帰、ランダムフォレスト、分類木、ニューラルネットワークなどを単独で、又は適宜組み合わせることにより実施することができる。組合せは、同一の方法を複数回反復させる態様であっても、別の方法を組み合わせる態様であってもよい。
これらの計算方法により計算されたデータから、運動習慣を有しているか否かの判断となる数値(閾値)を設定する。
本発明の一つの態様では、例えば、特徴菌を抽出するために、単変量統計解析により運動習慣の多い被験者の群で多く存在している菌、又は少なく存在している菌を明らかにする。そして多変量統計解析により、運動習慣の有無の判別に寄与する特徴菌(属)とその判別力(オッズ比)を明らかにする。
本発明の一つの態様では、例えば、特徴菌を抽出するために、単変量統計解析により運動習慣の多い被験者の群で多く存在している菌、又は少なく存在している菌を明らかにする。そして多変量統計解析により、運動習慣の有無の判別に寄与する特徴菌(属)とその判別力(オッズ比)を明らかにする。
さらに、特徴菌叢データベースの構築には、予め、専門家の視点から医学生物学的に説明可能な変数(例えば文献情報において運動習慣との関連が実証されている菌種)を選択し、説明不可能なノイズ(例えば文献情報において腸内常在菌としての報告が少ない菌種)を除外しておくこともできる。
(3)運動習慣を有するか否かを判定するための指標
本発明においては、上記のとおり統計処理された結果を、運動習慣と関連する試料であるか否かを判定するための指標として提供する。すなわち、上記の通り構築された特徴菌叢データベースは、被験者由来の試料のデータを照合して当該試料が運動習慣を有するか否かを判定するための指標となる。
本発明においては、上記のとおり統計処理された結果を、運動習慣と関連する試料であるか否かを判定するための指標として提供する。すなわち、上記の通り構築された特徴菌叢データベースは、被験者由来の試料のデータを照合して当該試料が運動習慣を有するか否かを判定するための指標となる。
判定に際しては、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つを含む腸内細菌叢プロファイルと類似性が高い検査結果である場合には、運動習慣を有すると言える。
「運動習慣を有する」とは、運動の習慣を有することが65%〜100%の確率、例えば80%、90%、95%、98%、99%、又は100%の確率で有している、という意味に使用される。但し、本発明では上記確率の数値に限定されるものではない。
また本発明においては、事前に運動習慣を有することが判定された被験者由来のサンプルを用いて統計解析しておいて、これを訓練データとして判定予測モデルのために利用することができる。この場合、新規の未知のデータを用いて予測性能を指標として最良の判定アルゴリズムを絞り込む。すなわち、訓練データに用いなかった新規の未知のデータに対する予測性能を指標として最良の性能を示すアルゴリズムを探索する。
ところで、本発明においては、予め規定された数の被験者(1次母標本)において統計解析処理を行い、運動習慣の判定項目とユーザデータとの間の相関関係を調べ、その結果をデータベース(DB)に記憶させておく。従って、被験者個人(一人)の検査又は判定を行う場合、上記複数の被験者由来のデータ又は訓練データを母標本として、当該被験者個人の被験者のデータが、データベースに記憶させておいた母標本のデータのどこに位置するか又は当てはまるかを調べることによって、当該被験者個人に対する運動習慣の有無を判定することができる。なお、上記被験者個人のデータを母標本の値に組み込み、再度統計解析処理した後、当該被験者個人が母標本のどこに位置するかを調べるようにしてもよい。
上記処理は、後述の運動習慣の検査方法、及び運動を行うよう推奨又はアドバイスするための情報を提供する方法にも適用できる。
上記処理は、後述の運動習慣の検査方法、及び運動を行うよう推奨又はアドバイスするための情報を提供する方法にも適用できる。
2.運動習慣の検査方法
本発明の第二の態様は、前記方法により提供された情報に基づいて、ユーザから得られた試料から運動習慣を有するか否かを判定することを特徴とする、運動習慣の検査方法である。
例えば、前記のとおり特徴付けられた菌叢組成と補足データに基づいて、被験者由来の試料から運動習慣を判定する。
判定作業は、前記と同様に、例えば統計的アルゴリズム、機械学習アルゴリズム、人工知能、バイオインフォマティクス方法等の計算方法を採用することができる。
本発明の第二の態様は、前記方法により提供された情報に基づいて、ユーザから得られた試料から運動習慣を有するか否かを判定することを特徴とする、運動習慣の検査方法である。
例えば、前記のとおり特徴付けられた菌叢組成と補足データに基づいて、被験者由来の試料から運動習慣を判定する。
判定作業は、前記と同様に、例えば統計的アルゴリズム、機械学習アルゴリズム、人工知能、バイオインフォマティクス方法等の計算方法を採用することができる。
ここで、本発明において運動習慣の有無を判定するための要素として、例えば運動の種類、強度、頻度、継続年月等が採用される(但しこれらに限定されるものではない。)。例えば、運動の種類としてはランニング、球技、フィットネスクラブ、水泳などが挙げられ、強度としては、アスリートレベル、上級者レベル、中級者レベル、初心者レベルなどが挙げられ、頻度としては、例えば毎日、週に1回、週2〜3回等が挙げられ、継続年月としては、1か月、2か月等の月単位、1年、2年等の年単位などが挙げられる。但し、ユーザ情報には、運動の種類に関係なく「運動習慣」であることの情報が登録される。
3.運動を推奨するための情報提供方法
本発明の第三の態様は、前記検査結果に基づいて、運動を推奨するための情報を提供する方法に関する。
すなわち、上記特徴付けプロセスで生成した運動習慣判定結果に基づいて、対象の細菌叢の組成的特徴をシフトさせるための運動や食事のプログラム又はメニューの情報を提供する。プログラム又はメニューは、被験者の興味の対象となる運動、性別、年齢、運動歴などを考慮して適宜選択する。また食事プログラム又はメニューは、プロバイオティック、サプリメント、薬物等が挙げられ、単独で、又は複数を適宜選択する。
本発明の第三の態様は、前記検査結果に基づいて、運動を推奨するための情報を提供する方法に関する。
すなわち、上記特徴付けプロセスで生成した運動習慣判定結果に基づいて、対象の細菌叢の組成的特徴をシフトさせるための運動や食事のプログラム又はメニューの情報を提供する。プログラム又はメニューは、被験者の興味の対象となる運動、性別、年齢、運動歴などを考慮して適宜選択する。また食事プログラム又はメニューは、プロバイオティック、サプリメント、薬物等が挙げられ、単独で、又は複数を適宜選択する。
4.本発明の情報提供システム、検査システム又は判定システム、及びプログラム
次に、図面を用いて本発明の一実施形態に係るシステム及びプログラムに関して以下説明する。
図1は、本発明の実施形態に係る情報処理装置10を含む運動習慣検査又は判定システム1の概略構成図である。なお、以下では被験者集団又は被験者個人を「ユーザ」として説明する。
次に、図面を用いて本発明の一実施形態に係るシステム及びプログラムに関して以下説明する。
図1は、本発明の実施形態に係る情報処理装置10を含む運動習慣検査又は判定システム1の概略構成図である。なお、以下では被験者集団又は被験者個人を「ユーザ」として説明する。
情報処理装置10は、CPU、ROM、RAM、及び入出力インターフェースなどを備えたサーバー型コンピュータである。情報処理装置10は、インターネット又はLANなどのネットワーク20を介して、複数のユーザ機器30a〜30n(総称して「ユーザ機器30」とする。)と通信可能に接続されている。
情報処理装置10は、調査対象とする又は着目するユーザ(「対象ユーザ」という。)の腸内細菌叢プロファイルに関するヒト常在細菌データ、運動習慣頻度データ及び生活習慣アンケートデータ(これらを総称して「基本データ」という)、並びに臨床研究由来のデータ及び診療カルテから得られる医療データ(これらを総称して「補足データ」という)を取得する。そして、情報処理装置10は、基本データ及び補足データに基づいて運動習慣を有する又は有さない対象又はグループを特徴付けるためのプロセスを実行し、腸内細菌情報データベース及び運動習慣関連情報データベースを構築する。そして、構築されたデータベースに基づき、対象ユーザのサンプルが運動習慣に関連するものであるかを判定する。さらに、情報処理装置10は、ユーザの運動習慣判定結果を、ユーザ機器30に送信する。
ユーザ機器30は、情報の入力手段や表示手段などを備えたコンピュータ、又はスマートフォン若しくはタブレットなどの機器であり、ネットワーク20を介して情報処理装置10と通信可能に接続される。ユーザ機器30は、ブラウザ又はアプリケーションなどを通じて、情報処理装置10から受信した各種情報をディスプレイ上に表示したり、情報処理装置10に送る情報を入力するためのインターフェースを提供する。
情報処理システム1には、ユーザの糞便等の生体試料から採取される腸内細菌を検査し、その情報(基本データ及び補足データ)を提供する検査機関40が含まれていてもよい。情報処理装置10は、ユーザの識別情報と関連付けられた当該ユーザのヒト腸内細菌等に関する情報(基本データ及び補足データ)を検査機関40からネットワーク20を介して取得する。なお、情報処理装置10は、ネットワーク20を介さずに検査機関40から基本データを直接取得するようにしてもよい。また、基本データが検査機関40からユーザ機器30に送られる場合には、情報処理装置10は、ユーザ機器30から基本データ及び補足データを取得するようにしてもよい。さらに、検査機関40と情報処理装置10とは同じ機関に属するものであってもよいし、それぞれ別の機関に属するものであってもよい。
情報処理装置10は、ROMに記憶された又はRAMに置かれたプログラムとCPUとが協働するなどして実現される機能部として、情報取得部101、運動習慣特徴生成部102、判定パラメータ設定部103、計算部104、及び判定部105を含む。また、情報処理装置10は、ROM又はRAMに設けられた記憶部110を備え、記憶部110は、基本データ情報データベース(DB)111、補足データ情報データベース(DB)112、及び特徴量・判定パラメータデータベース(DB)113を含む。
情報取得部101は、ネットワーク20を介してユーザ機器30及び/又は検査機関40から各種情報を取得し、記憶部110に記憶させる。ユーザ機器30及び/又は検査機関40から受信する情報には、基本データ及び補足データの情報、例えばユーザの腸内細菌データ、ユーザに対する質問(アンケート)への回答に関する情報(アンケートデータ)、臨床研究由来のデータ、診療カルテから得られる現在又は過去の医療データ、及びユーザ識別情報(ユーザの氏名、生年月日、住所、電話番号、ユーザが使用するメールアドレス、又はユーザに設定されたID等)などが含まれる。なお、ユーザ識別情報には当該ユーザが使用するユーザ機器30の識別子が含まれていてもよい。
情報取得部101は、ユーザの基本データ情報を受信すると、ユーザ識別情報と関連付けて基本データ情報DB111に記憶させる。基本データ情報DB111には、複数のユーザから集められた腸内細菌叢データ、運動歴データ及びアンケートデータが含まる。また、情報取得部101は、ユーザの補足データ情報を受信すると、ユーザ識別情報と関連付けて補足データ情報DB112に記憶させる。補足データ情報DB112には、このようにしてユーザから集めた運動習慣に関連する情報が記憶されている。
特徴量・判定パラメータDB113には、運動習慣特徴生成部102及び判定パラメータ設定部103により特徴を抽出する統計解析処理により得られた情報が記憶されている。当該情報は、統計解析処理の対象となったユーザ母標本の構成員及び構成員の数に応じて変わるものであるため、これらを識別する情報と関連付けて記憶されている。統計解析処理は、計算部104で行われる。
ユーザに提供される質問(アンケート)は、ユーザの氏名、住所(居住地)、アンケートの日付、年齢、身長、体重、BMI値、家族構成、仕事の種類、生活環境、運動歴、運動内容、運動頻度、睡眠充足度、食事習慣、体質、病歴、採便時の健康状態、採便時の薬歴、及び採便時の精神状態に関する情報が含まれていてもよい。
アンケートデータについては、情報処理装置10からユーザ機器30に質問(アンケート)に関する情報を送信し、ユーザ機器30から当該質問への回答に関する情報を情報取得部101が受信するようにしてもよいし、検査機関40にてアンケートデータを扱う場合には、情報取得部101は、検査機関40からアンケートデータを取得するようにしてもよい。
アンケートデータについては、情報処理装置10からユーザ機器30に質問(アンケート)に関する情報を送信し、ユーザ機器30から当該質問への回答に関する情報を情報取得部101が受信するようにしてもよいし、検査機関40にてアンケートデータを扱う場合には、情報取得部101は、検査機関40からアンケートデータを取得するようにしてもよい。
判定部105は、抽出された特徴量及び判定パラメータに基づいて、運動習慣を有するか否かの判断を行い、結果を特徴量・判定パラメータDB113に蓄積する。本発明においては、運動習慣を有するか否かの判断は、各特徴菌の判別寄与率、オッズ比、特徴菌の組み合わせによる正判別率等により評価することができる。
図2は、本実施形態に係る情報処理装置10による処理フローチャートである。
ステップS201において、情報処理装置10の情報取得部101がユーザから基本データセットであるヒト腸内細菌データ及びアンケートデータを取得し、ステップ202では、被験者の母集団に関連する生物学的サンプルの集合セットの各々について、前記取得したヒト腸内細菌データ及びアンケートデータを基本データ情報DB111に記憶させ、基本データセットを生成する。
ステップS201において、情報処理装置10の情報取得部101がユーザから基本データセットであるヒト腸内細菌データ及びアンケートデータを取得し、ステップ202では、被験者の母集団に関連する生物学的サンプルの集合セットの各々について、前記取得したヒト腸内細菌データ及びアンケートデータを基本データ情報DB111に記憶させ、基本データセットを生成する。
また、ステップ203では、情報取得部101がユーザから補足データセットを取得し、補足データ情報DB112に記憶させる(S201)。補足データセットは、運動習慣に関連する臨床情報であり、ステップ203では関連する追加の情報を取得する。この情報は、次のステップ204で実行される運動習慣の特徴付けプロセスにおいて、訓練データ及び検証するサブデータセットとして使用される。
ステップS204は、基本データセット及び補足データセットに基づいて、運動習慣を有する対象又はグループを特徴づける。またステップS204は、被験者のグループに特徴的な腸内細菌叢を示すとして、被験者を判定する。
判定に際しては、以下の属に属する細菌叢プロファイルを指標とすることができる。
コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007群、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つのプロファイル
コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007群、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つのプロファイル
ステップS205では、ステップS204の特徴付け及び判定プロセスで生成した判定結果を出力し、通知する。
ここで、対象ユーザは、運動習慣の特徴を抽出するのに用いたユーザ母標本に含まれる者であってもよいし、当該ユーザ母標本に含まれない新規なユーザ(一個人)であってもよい。ステップS205において、運動習慣判定結果出力プログラムは、対象ユーザがどのような運動習慣を有するかの判定結果に応じて、当該対象ユーザに対する結果を生成し、対象ユーザのユーザ機器30に送信する。
ステップS206は、運動アドバイスの分類/生成プログラム(運動推奨プログラム)であり、S204の特徴付けプロセスで生成した運動習慣判定結果に基づいて、対象のマイクロバイオーム組成的特徴にシフトさせることができる運動プログラム又はメニューを識別する。運動推奨プログラムは、被験者の興味の対象となる運動、性別、年齢、運動歴などを考慮して適宜選択する。また食事プログラムは、プロバイオティック、サプリメント、薬物等が挙げられ、単独で、又は複数を適宜選択する。
ステップS207は、運動推奨アドバイスの出力プログラムであり、ステップS206のプログラムで選択した運動推奨アドバイスを出力する。
4.コンピュータ読み取り可能な記録媒体
本発明のプログラムは、コンピュータ読み取り可能な記録媒体又はコンピュータに接続しうる記憶手段に保存することができる。本発明のプログラムを含有するコンピュータ用記録媒体又は記憶手段も本発明に含まれる。記録媒体又は記憶手段としては、磁気的媒体(フレキシブルディスク、ハードディスクなど)、光学的媒体(CD、DVDなど)、磁気光学的媒体、フラッシュメモリーなどが挙げられるが、これらに限定されるものではない。
本発明のプログラムは、コンピュータ読み取り可能な記録媒体又はコンピュータに接続しうる記憶手段に保存することができる。本発明のプログラムを含有するコンピュータ用記録媒体又は記憶手段も本発明に含まれる。記録媒体又は記憶手段としては、磁気的媒体(フレキシブルディスク、ハードディスクなど)、光学的媒体(CD、DVDなど)、磁気光学的媒体、フラッシュメモリーなどが挙げられるが、これらに限定されるものではない。
実施例
以下、実施例により本発明をさらに具体的に説明する。但し、本発明の範囲はこれらの実施例により限定されるものではない。
以下、実施例により本発明をさらに具体的に説明する。但し、本発明の範囲はこれらの実施例により限定されるものではない。
本発明の情報処理装置10を用いた一実施例について説明する。サンプルとして、腸内細菌フローラ検査キット(Mykinso、株式会社サイキンソー)を使用して得られた4630人のユーザ(コホート)の各種情報を用いた。
(1)アンケート
アンケート(質問票)は、運動習慣について、以下の3つの質問項目の回答を集計した。
<質問票>
定期的な運動:「最近3か月以上、定期的に運動/スポーツをしていますか?」
運動の頻度:「主にする運動の種類とその頻度」
運動の時間:「1回あたりの平均運動時間」
<常在細菌叢検査>
菌叢解析はメタ16S解析を行い、菌属の帰属にはGreenGenesデータベースを用いた。得られた菌属について属レベルの細菌の占有率を算出した。
アンケート(質問票)は、運動習慣について、以下の3つの質問項目の回答を集計した。
<質問票>
定期的な運動:「最近3か月以上、定期的に運動/スポーツをしていますか?」
運動の頻度:「主にする運動の種類とその頻度」
運動の時間:「1回あたりの平均運動時間」
<常在細菌叢検査>
菌叢解析はメタ16S解析を行い、菌属の帰属にはGreenGenesデータベースを用いた。得られた菌属について属レベルの細菌の占有率を算出した。
(2)分析1:単変量統計による検討
統計解析は、属レベルの細菌の占有率を対数変換した値を従属変数とし、運動習慣の有無を独立変数としてWeltchのt検定を行った。
有意水準は、多重検定を考慮して0.5%未満に設定した。
層別因子別の検定は、性別と年齢層について行った。
統計解析は、属レベルの細菌の占有率を対数変換した値を従属変数とし、運動習慣の有無を独立変数としてWeltchのt検定を行った。
有意水準は、多重検定を考慮して0.5%未満に設定した。
層別因子別の検定は、性別と年齢層について行った。
運動習慣を有する被験者において細菌の占有率を調べたところ、占有率の高い5つの菌(下記)を抽出した。
ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、コプロコッカス(Coprococcus)属及びクロストリジウム(Clostridium)属
また、特徴菌(属)の合計占有率と、運動習慣の有無との間の分布の違いを図3に示す。
ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、コプロコッカス(Coprococcus)属及びクロストリジウム(Clostridium)属
また、特徴菌(属)の合計占有率と、運動習慣の有無との間の分布の違いを図3に示す。
(2)分析2:多変量統計による検討
分析1で特定した特徴菌属の運動習慣の多寡に対する説明力を検証するため、以下の統計解析を行った。
運動習慣の有無を予測変数とし、属レベルの細菌の占有率を対数変換した値と疫学的属性(性別、年齢層)を説明変数としたロジスティック回帰モデルと決定木モデルの解析を行った。
有意水準は、多重検定を考慮して0.5%未満に設定した。
分析2では、運動習慣の判別に寄与する特徴菌属とその判別力(オッズ比)を求めた。
分析1で特定した特徴菌属の運動習慣の多寡に対する説明力を検証するため、以下の統計解析を行った。
運動習慣の有無を予測変数とし、属レベルの細菌の占有率を対数変換した値と疫学的属性(性別、年齢層)を説明変数としたロジスティック回帰モデルと決定木モデルの解析を行った。
有意水準は、多重検定を考慮して0.5%未満に設定した。
分析2では、運動習慣の判別に寄与する特徴菌属とその判別力(オッズ比)を求めた。
本発明の情報処理装置10を用いた一実施例について説明する。サンプルとして、腸内細菌フローラ検査キット(Mykinso、株式会社サイキンソー)を使用して得られた4630人のユーザ(コホート)の各種情報を用いた。
(1)アンケート
アンケート(質問票)は、運動習慣について、以下の3つの質問項目の回答を集計した。
<質問票>
定期的な運動:「最近3か月以上、定期的に運動/スポーツをしていますか?」
運動の頻度:「主にする運動の種類とその頻度」
運動の時間:「1回あたりの平均運動時間」
<常在細菌叢検査>
菌叢解析はメタ16S解析を行い、菌属の帰属にはSilvaデータベースを用いた。得られた菌属について属レベルの細菌の占有率を算出した。
アンケート(質問票)は、運動習慣について、以下の3つの質問項目の回答を集計した。
<質問票>
定期的な運動:「最近3か月以上、定期的に運動/スポーツをしていますか?」
運動の頻度:「主にする運動の種類とその頻度」
運動の時間:「1回あたりの平均運動時間」
<常在細菌叢検査>
菌叢解析はメタ16S解析を行い、菌属の帰属にはSilvaデータベースを用いた。得られた菌属について属レベルの細菌の占有率を算出した。
(2)分析1:単変量統計による検討
統計解析は、属レベルの細菌の占有率を対数変換した値を従属変数とし、運動習慣の有無を独立変数としてWeltchのt検定を行った。
有意水準は、多重検定を考慮して0.5%未満に設定した。
層別因子別の検定は、性別と年齢層について行った。
統計解析は、属レベルの細菌の占有率を対数変換した値を従属変数とし、運動習慣の有無を独立変数としてWeltchのt検定を行った。
有意水準は、多重検定を考慮して0.5%未満に設定した。
層別因子別の検定は、性別と年齢層について行った。
運動習慣を有する被験者において細菌の占有率を調べたところ、占有率の高い5つの菌(下記)を抽出した。
ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属
また、特徴菌(属)の合計占有率と、運動習慣の有無との間の分布の違いを図4に示す。
ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属
また、特徴菌(属)の合計占有率と、運動習慣の有無との間の分布の違いを図4に示す。
(2)分析2:多変量統計による検討
分析1で特定した特徴菌属の運動習慣の多寡に対する説明力を検証するため、以下の統計解析を行った。
運動習慣の有無を予測変数とし、属レベルの細菌の占有率を対数変換した値と疫学的属性(性別、年齢層)を説明変数としたロジスティック回帰モデルの解析を行った。
有意水準は、多重検定を考慮して0.5%未満に設定した。
分析2では、運動習慣の判別に寄与する特徴菌属とその判別力(オッズ比)を求めた。
分析1で特定した特徴菌属の運動習慣の多寡に対する説明力を検証するため、以下の統計解析を行った。
運動習慣の有無を予測変数とし、属レベルの細菌の占有率を対数変換した値と疫学的属性(性別、年齢層)を説明変数としたロジスティック回帰モデルの解析を行った。
有意水準は、多重検定を考慮して0.5%未満に設定した。
分析2では、運動習慣の判別に寄与する特徴菌属とその判別力(オッズ比)を求めた。
特徴菌(属)の合計占有割合の対数値がコホート全体の平均占有割合対数値よりも高い値を示す場合に運動習慣率が高いことを示し、特に男性の50歳以上の年齢層のサブコホートで運動習慣率が高いことを示している。
Claims (10)
- 被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供する方法であって、以下の工程:
(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007群、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルを含むデータセットを生成する工程、
(b)前記データセットを統計処理する工程、及び
(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する工程
を含む、前記方法。 - 前記統計処理が、機械学習アルゴリズムによるものである、請求項1に記載の方法。
- 請求項1又は2に記載の方法により提供された情報に基づいて、ユーザから得られた試料が運動習慣と関連する試料であるか否かを判定することを特徴とする、運動習慣の検査方法。
- 被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供するシステムであって、以下の手段:
(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルルを含むデータセットを生成する手段、
(b)前記データセットを統計処理する手段、及び
(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する手段
を含む、前記システム。 - 前記統計処理が、機械学習アルゴリズムによるものである、請求項4に記載のシステム。
- 請求項3又は4に記載のシステムにより提供された情報に基づいて、ユーザから得られた試料が運動習慣と関連する試料であるか否かを判定する手段を含む、運動習慣の検査システム。
- 被験者個人又は被験者集団(ユーザ)から得られた試料が運動習慣と関連するか否かの情報を提供するプログラムであって、コンピュータを、以下の手段:
(a)前記ユーザにおける、コプロコッカス(Coprococcus)属、クロストリジウム(Clostridium)属、ブチリシコッカス(Butyricicoccus)属、パラプレボテラ(Paraprevotella)属、ラクノスピラ(Lachnospiraceae)ND3007属、ロゼブリア(Roseburia)属及びモノグロブス(Monoglobus)属からなる群から選択される少なくとも1つの腸内細菌叢プロファイルルを含むデータセットを生成する手段、
(b)前記データセットを統計処理する手段、及び
(c)前記処理結果を、前記試料が運動習慣と関連する試料であるか否かを判定するための指標として提供する手段
として機能させるための、前記プログラム。 - 前記統計処理が、機械学習アルゴリズムによるものである、請求項7に記載のプログラム。
- コンピュータを、請求項7又は8に記載のプログラムにより提供された情報に基づいて、ユーザから得られた試料が運動習慣と関連する試料であるか否かを判定する手段として機能させるための、運動習慣の検査プログラム。
- 請求項7〜9のいずれか1項に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020052768A JP2021151194A (ja) | 2020-03-24 | 2020-03-24 | 腸内細菌叢を利用した運動習慣の検査方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020052768A JP2021151194A (ja) | 2020-03-24 | 2020-03-24 | 腸内細菌叢を利用した運動習慣の検査方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021151194A true JP2021151194A (ja) | 2021-09-30 |
Family
ID=77886252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020052768A Pending JP2021151194A (ja) | 2020-03-24 | 2020-03-24 | 腸内細菌叢を利用した運動習慣の検査方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021151194A (ja) |
-
2020
- 2020-03-24 JP JP2020052768A patent/JP2021151194A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jeffery et al. | Composition and temporal stability of the gut microbiota in older persons | |
Gow et al. | Stability and change in intelligence from age 11 to ages 70, 79, and 87: the Lothian Birth Cohorts of 1921 and 1936. | |
Petróczi et al. | Measuring explicit attitude toward doping: Review of the psychometric properties of the Performance Enhancement Attitude Scale | |
JP6533930B1 (ja) | 疾病評価指標算出方法、装置、システム、及び、プログラム、並びに、疾病評価指標を算出するためのモデル作成方法。 | |
CN108345768B (zh) | 一种确定婴幼儿肠道菌群成熟度的方法和标志物组合 | |
JP7295547B2 (ja) | 腸内dysbiosis判定システム | |
Foxman et al. | Use of the microbiome in the practice of epidemiology: a primer on-omic technologies | |
CN112852916A (zh) | 肠道微生态的标志物组合、辅助诊断模型及其应用 | |
Rigby et al. | Inequities and inequalities in outdoor walking groups: a scoping review | |
Kiss et al. | Comparison of the prevalence of 21 GLIM phenotypic and etiologic criteria combinations and association with 30-day outcomes in people with cancer: a retrospective observational study | |
Tan-Torres Jr et al. | Machine learning clustering and classification of human microbiome source body sites | |
Arakawa‐Kaneko et al. | Relationship between tongue pressure and handgrip strength: A systematic review and meta‐analysis | |
Blostein et al. | Evaluating the ecological hypothesis: early life salivary microbiome assembly predicts dental caries in a longitudinal case-control study | |
CN115873956A (zh) | 用于预测受试者患有结直肠癌风险的试剂盒、***、应用和预测模型的建模方法 | |
Holt | Quantitative research: An overview | |
JP2021151194A (ja) | 腸内細菌叢を利用した運動習慣の検査方法 | |
Gries et al. | Preferences for prostate cancer outcomes: a comparison of the patient perspective, the general population perspective, and a population at risk for prostate cancer | |
Reeve et al. | Factors that drive the gap in diabetes rates between Aboriginal and non‐Aboriginal people in non‐remote NSW | |
WO2020213732A1 (ja) | 過敏性腸症候群の検査方法 | |
JP2021126091A (ja) | 花粉症の検査方法 | |
Marchevsky | Critical appraisal of medical literature | |
Hasic Telalovic et al. | Investigation of the role of the microbiome in the development of Alzheimer’s disease using machine learning techniques | |
Brand et al. | Using COVID-19 Pandemic as a Prism: A Systematic Review of Methodological Approaches and the Quality of Empirical Studies on Physical Activity Behavior Change | |
CN116864062B (zh) | 一种基于互联网的健康体检报告数据分析管理*** | |
Miller et al. | Imputation of Non-Response in Height and Weight in the Mexican Health and Aging Study |