基于膳食摄入指标的孕期抑郁风险预测系统及其构建方法

本发明属于数字健康与公共卫生营养评估，具体涉及基于膳食摄入指标的孕期抑郁风险预测系统及其构建方法。

背景技术：

1、孕产期是女性抑郁症的高发阶段，孕期抑郁不仅严重损害母体健康，还可能对胎儿的神经发育及远期健康造成不良影响。近年来，营养精神病学的发展证实了膳食作为可调节生活方式因素在抑郁症预防与管理中的重要价值。

2、现有技术中，常采用地中海饮食评分（mds）、健康饮食指数（hei）或膳食炎症指数（dii）等对人群膳食进行评价。然而，值得注意的是，现有膳食指数（如膳食炎症指数dii）在构建时，通常将各类膳食参数（包括营养素与食物）不加区分地混合后统一评分。该方法默认所有参数对健康结局的贡献具有一致性。但是，营养素反映的是机体代谢所需的化学剂量，而食物摄入则关联着更复杂的膳食行为模式及食物基质的协同效应，二者在生物学意义和证据等级上存在本质差异。这种混合加权的处理方式，会导致信息共线性与机制模糊性问题，尤其对于生理状态特殊的孕妇群体，难以精准捕捉其膳食与抑郁风险的真实关联。并且这些指数大多基于心血管或代谢健康目标设计，并非专门针对抑郁症的神经生化、心理社会及环境等病理生理机制构建。现有的“抗抑郁食物评分（afs）”虽聚焦心理健康，但仅停留在单一食物的营养素密度层面，未充分反映整体膳食结构的综合效应。并且关于膳食抗抑郁潜能的文献异质性较大，难以定量。此外，孕妇在妊娠期间具有特殊的生理代谢需求（如对叶酸、铁、dha的特定需求量），其肠道菌群结构亦发生显著改变。

3、目前，尚缺乏一种能够结合孕妇生理特征、从整体层面量化膳食抗抑郁潜力，并据此构建孕期抑郁风险预测模型的标准化方法。

技术实现思路

1、针对现有技术的缺陷，本发明提供基于膳食摄入指标的孕期抑郁风险预测系统及其构建方法。

2、本发明提供一种基于膳食摄入指标的孕期抑郁风险预测系统，它包括如下模块：

3、数据采集和预处理模块，被配置为，采集待评估孕妇在预设周期内的膳食摄入数据，将膳食摄入数据映射并转化为定量化膳食参数，膳食参数包括营养素类参数和食物类参数；

4、数据处理模块，被配置为，将定量化膳食参数经过标准化处理、累积百分位数值转换、中心化处理，得到各膳食参数的中心化值；

5、指数计算模块，被配置为，通过抗抑郁膳食指数模型获得个体总抗抑郁膳食指数drdi，drdi的数学表达式为：

6、

7、其中，表示营养素权重，表示第i种营养素的抗抑郁效应系数，表示第i种营养素的中心化值，i表示营养素的编号，n表示营养素的种类总数，表示食物权重，表示第j种食物的抗抑郁效应系数，表示第j种食物的中心化值，j表示食物的编号，m表示食物的种类总数；:=0.55~0.65:0.35~0.45，+=1；

8、风险判断及结果输出模块，被配置为，根据drdi值和预设的风险分层阈值判断待评估孕妇抑郁风险。

9、进一步地，数据采集和预处理模块中，营养素类参数包括：dha、epa、dpa、α亚麻酸、亚油酸、花生四烯酸、单不饱和脂肪酸、饱和脂肪酸、胆固醇、蛋白质、色氨酸、碳水化合物、膳食纤维、维生素b1、维生素b2、维生素b3、维生素b5、维生素b6、叶酸、维生素b11、维生素a、维生素c、维生素d、维生素e、维生素k、锌、镁、钙、铁、硒、磷、碘、钾、钠、铜、锰；

10、食物类参数包括：深色蔬菜、浅色蔬菜、柑橘类水果、浆果类水果、香蕉、水产品、禽肉类、红肉、蛋、加工肉类、豆类及豆制品、坚果类、全谷物、精制谷物、薯类、咖啡、茶、橄榄油、发酵乳、非发酵牛奶、高脂乳、菌藻类、调味品、酒精饮料、含糖饮料、添加糖、超加工食物；

11、和/或，将膳食摄入数据映射并转化为定量化膳食参数过程中，营养素类参数的分类规则包括：最细分参数优先、上位分类不重复计入，食物类参数的分类规则包括：单次摄入唯一归类、最细分食物类别优先、交叉类别不重复计入。

12、进一步地，数据采集和预处理模块中，定量化膳食参数包括各膳食参数分别的日均摄入量；

13、和/或，膳食摄入数据通过连续3天24小时膳食回顾法或食物频率问卷获取。

14、进一步地，数据处理模块中，标准化处理的步骤包括计算标准化z评分，标准化z评分的公式为：

15、标准化z评分=（待评估孕妇的定量化膳食参数-参照均值）/参照标准差；

16、所述参照均值和参照标准差根据健康孕妇群体的膳食摄入数据计算得到。

17、进一步地，数据处理模块中，所述参照均值和参照标准差由孕妇参照群体膳食数据库获得；孕妇参照群体膳食数据库通过包括如下步骤构建得到：获取健康孕妇群体的膳食摄入数据，对每一种膳食参数分别计算定量化膳食参数的均值和标准差；

18、和/或，数据处理模块中，累积百分位数值转换的步骤包括：查标准正态分布表，将标准化z评分转换为累积百分位数值。

19、进一步地，数据处理模块中，中心化处理的步骤包括：将累积百分位数值转换后的数值进行线性中心化处理，得到各膳食参数的中心化值，映射至[-1,1]区间。

20、进一步地，指数计算模块中，:=0.58~0.65:0.35~0.42。

21、进一步地，:=0.6:0.4。

22、进一步地，指数计算模块中，营养素类参数的抗抑郁效应系数在以下基准值的90%~110%范围内取值：dha：0.384、epa：0.342、dpa：0.07、α亚麻酸：0.302、亚油酸：-0.017、花生四烯酸： 0.07、单不饱和脂肪酸：0.227、饱和脂肪酸：-0.115、胆固醇：0.017、蛋白质：0.372、色氨酸：0.195、碳水化合物：0.195、膳食纤维：0.57、维生素b1：0.314、维生素b2：0.25、维生素b3：0.331、维生素b5：0.11、维生素b6：0.327、叶酸：0.469、维生素b11：0.277、维生素a：0.478、维生素c：0.476、维生素d：0.538、维生素e：0.291、维生素k：0.215、锌：0.564、镁：0.573、钙：0.414、铁：0.491、硒：0.605、磷：0.116、碘：0.087、钾：0.11、钠：0.07、铜：0.105、锰：0.14；

23、食物类参数的抗抑郁效应系数在以下基准值的90%~110%范围内取值：深色蔬菜：0.717、浅色蔬菜：0.16、柑橘类水果：0.29、浆果类水果：0.19、香蕉：0.05、水产品：0.635、禽肉类：0、红肉：-0.12、蛋：0.366、加工肉类：-0.08、豆类及豆制品： 0.363、坚果类：0.322、全谷物：0.24、精制谷物：0.07、薯类：-0.02、咖啡：0.373、茶：0.304、橄榄油：0.14、发酵乳：0.31、非发酵牛奶：0.16、高脂乳：0.08、菌藻类：0.44、调味品：0.31、酒精饮料：0.04、含糖饮料：-0.467、添加糖：-0.513、超加工食物：-0.719。

24、进一步地，风险判断及结果输出模块中，预设的风险分层阈值包括：设定drdi<-3为“高风险/促抑郁潜力最强组”，-3≤drdi<0为“中风险组”，drdi≥0为“低风险/抗抑郁潜力组”。

25、本发明提供如上任一项所述基于膳食摄入指标的孕期抑郁风险预测系统的构建方法，它包括：

26、步骤1，采集待评估孕妇在预设周期内的膳食摄入数据，将膳食摄入数据映射并转化为定量化膳食参数，膳食参数包括营养素类参数和食物类参数；

27、步骤2，将定量化膳食参数经过标准化处理、累积百分位数值转换、中心化处理，得到各膳食参数的中心化值；

28、步骤3，通过抗抑郁膳食指数模型获得个体总抗抑郁膳食指数drdi，drdi的数学表达式为：

29、

30、其中，表示营养素权重，表示第i种营养素的抗抑郁效应系数，表示第i种营养素的中心化值，i表示营养素的编号，n表示营养素的种类总数，表示食物权重，表示第j种食物的抗抑郁效应系数，表示第j种食物的中心化值，j表示食物的编号，m表示食物的种类总数；:=0.55~0.65:0.35~0.45，+=1；

31、步骤4，根据drdi值和预设的风险分层阈值判断待评估孕妇抑郁风险。

32、本发明提供一种基于膳食摄入指标的孕期抑郁风险预测系统，其针对孕妇特殊生理特征，构建了具有一定循证医学基础的孕期抑郁风险预测模型，该孕期抑郁风险预测模型不仅调用各膳食参数抗抑郁效应系数的数据库和孕妇参照群体膳食数据库，还将膳食参数中的营养素与食物分开加权，在预测孕妇抑郁风险方面具有更高的准确性，为早期识别基于膳食模式的孕期抑郁风险提供辅助性参考依据，临床应用前景良好。

33、与现有技术相比，本发明的有益效果在于：

34、1. 本发明首次构建了专门针对孕妇的、基于膳食摄入指标的孕期抑郁风险预测模型。该模型针对通用膳食指数未区分特定人群的局限，契合孕期特殊生理代谢规律，算法严密且具有一定循证医学基础。

35、2. 本发明通过构建抗抑郁效应系数数据库和孕妇参照群体膳食数据库，并采用z评分标准化、累积百分位数映射及线性中心化处理等一系列技术手段，消除了不同膳食参数间的量纲差异和数据分布偏倚，实现了对个体膳食抗抑郁水平的量化。

36、3. 本发明将营养素与食物分别独立评分，并赋予二者差异化权重（营养素权重wy与食物权重ws的比例范围为(0.55~0.65):(0.35~0.45)，且wy+ws=1）后加权合成。该设计克服了现有技术中混合加权导致的信息共线性缺陷，使模型既保留核心生物学通路的响应敏感性，又兼顾膳食行为模式的独立预测信息，提升了模型对孕期抑郁风险的判别效能。

37、显然，根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。

38、以下通过实施例形式的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。凡基于本发明上述内容所实现的技术均属于本发明的范围。