Mit multivariaten statistischen Methoden abgeleitete Lebensmittelmuster und deren Assoziation mit chronischen Erkrankungen in einer Multi-Länder-Studie: die European Prospective Investigation into Cancer and Nutrition

• Antragsteller: Dr. Brian Buijsse, Ph.D.
• Fachliche Zuordnung: Ernährungswissenschaften ; Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung von 2014 bis 2015
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 257392992

Die Analyse von Ernährungsmustern ist eine relative neue Richtung in der Ernährungsepidemiologie. Außer Ernährungsindices, die a-priori entwickelt werden, wurden bisher in fast allen Studien sogenannte 'unsupervised' Methoden verwendet, zu denen auch die Hauptkomponentenanalyse gehört. Diese Methoden leiten die Ernährungsmuster ohne Berücksichtigung des Krankheitsbildes ab. Daher ist fraglich, ob die auf diese Weise identifizierten Ernährungsmuster relevant für die Prädiktion hinsichtlich des Auftretens einer entsprechenden Erkrankung sind. Aufgrund dessen müssen andere Methoden getestet werden, die Ernährungsmuster identifizieren können, die einen potentiell größeren präventiven Effekt versprechen. Dafür können sogenannte 'supervised' Methoden genutzt werden, welche bereits existierendes Wissen in die Analyse einbeziehen. Am Beispiel des inzidenten kolorektalen Karzinoms soll in dieser Studie untersucht werden, ob Lebensmittelmuster, die mittels 'supervised' Methoden abgeleitet wurden, das Krankheitsrisiko besser vorhersagen als Lebensmittelmuster, die mittels 'unsupervised' Methoden extrahiert wurden inklusive eine a-priori Ernährungsindex. Als 'supervised' Methoden werden Lebensmittelmuster untersucht, die mit 'Random Survival Forests' sowie 'Support Vector Machine Learning' identifiziert wurden, und als 'unsupervised' Methoden werden Lebenmittelmuster mit Hilfe der Hauptkomponentenanalyse sowie Clusteranalyse untersucht. Als a-priori Ernährungsindex wird ein 'healthy food choice' Index gebildet, in dem die positive und negative Wirkung der Lebensmittelgruppen auf die Gesundheit anhand der Quartil-rankings bestimmt wird. Für dieses Projekt werden Daten der European Prospective Investigation into Cancer and Nutrition (EPIC)-Studie verwendet. EPIC umfasst 478000 Männer und Frauen aus 10 Ländern, die zum Zeitpunkt des Einschlusses in die Studie Kolorektalkarzinom-frei waren. In den 11 Jahren Nachbeobachtung entwickelten 4517 Personen ein inzidentes Kolorektalkarzinom. Auf der Grundlage dieser großen Studienpopulation soll im Rahmen des vorliegenden Projektes geklärt werden, ob Lebensmittelmuster, die mittels supervised Methoden abgeleitet wurden besser die Assoziation von Lebensmittelmustern mit dieser chronischen Erkrankungen widerspiegeln als solche, die mit etablierten Methoden abgeleitet worden sind. Wenn dem so ist, wird versucht, die zugrundeliegenden Gründe für das bessere Ergebnis zu finden.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Frankreich
• Beteiligte Person: Dr. Nadia Slimani, Ph.D.