Binäre Klassifizierung von Konsumenten elektronischer Zigaretten und rauchlosem Tabak anhand von Biomarkern zur Beurteilung der Ähnlichkeit mit aktuellen und ehemaligen Rauchern: Maschinelles Lernen angewendet auf die Bevölkerungsbewertung von Tabak und Gesundheitsstudie

BMC Public Health Band 23, Artikelnummer: 589 (2023) Diesen Artikel zitieren

767 Zugriffe

Details zu den Metriken

Die Exposition gegenüber schädlichen und potenziell schädlichen Bestandteilen im Zigarettenrauch ist ein Risikofaktor für Herz-Kreislauf- und Atemwegserkrankungen. Es wurden Tabakprodukte entwickelt, die die Belastung durch diese Bestandteile verringern könnten. Die langfristigen Auswirkungen ihres Einsatzes auf die Gesundheit bleiben jedoch unklar. Die Population Assessment of Tobacco and Health (PATH)-Studie ist eine bevölkerungsbasierte Studie, die die gesundheitlichen Auswirkungen des Rauchens und der Zigarettenrauchgewohnheiten in der US-Bevölkerung untersucht. Zu den Teilnehmern zählen Nutzer von Tabakprodukten, darunter elektronische Zigaretten und rauchloser Tabak. In dieser Studie haben wir versucht, die bevölkerungsweiten Auswirkungen dieser Produkte mithilfe von Techniken des maschinellen Lernens und Daten aus der PATH-Studie zu bewerten.

Biomarker für die Exposition (BoE) und den potenziellen Schaden (BoPH) bei Zigarettenrauchern und ehemaligen Rauchern in Welle 1 von PATH wurden verwendet, um binäre Klassifizierungsmodelle für maschinelles Lernen zu erstellen, die die Teilnehmer entweder als aktuelle (BoE: N = 102, BoPH: N =) klassifizierten 428) oder ehemalige Raucher (BoE: N = 102, BoPH: N = 428). Daten zum BoE und BoPH von Nutzern elektronischer Zigaretten (BoE: N = 210, BoPH: N = 258) und rauchlosem Tabak (BoE: N = 206, BoPH: N = 242) wurden in die Modelle eingegeben, um zu untersuchen, ob diese Produkte verwendet werden Die Nutzer wurden als aktuelle oder ehemalige Raucher eingestuft. Der Krankheitsstatus von Personen, die entweder als aktuelle oder ehemalige Raucher eingestuft wurden, wurde untersucht.

Die Klassifizierungsmodelle für BoE und BoPH wiesen beide eine hohe Modellgenauigkeit auf. Mehr als 60 % der Teilnehmer, die entweder elektronische Zigaretten oder rauchlosen Tabak konsumierten, wurden im Klassifizierungsmodell für BoE als ehemalige Raucher eingestuft. Weniger als 15 % der aktuellen Raucher und Doppelkonsumenten wurden als ehemalige Raucher eingestuft. Ein ähnlicher Trend wurde im Klassifizierungsmodell für BoPH festgestellt. Im Vergleich zu denen, die als ehemalige Raucher eingestuft wurden, hatte ein höherer Prozentsatz der als aktuelle Raucher eingestuften Personen Herz-Kreislauf-Erkrankungen (9,9–10,9 % gegenüber 6,3–6,4 %) und Atemwegserkrankungen (19,4–22,2 % gegenüber 14,2–16,7 %).

Nutzer von E-Zigaretten oder rauchlosem Tabak ähneln hinsichtlich ihrer Biomarker für Exposition und potenzielle Schäden wahrscheinlich ehemaligen Rauchern. Dies deutet darauf hin, dass die Verwendung dieser Produkte dazu beiträgt, die Belastung durch die schädlichen Bestandteile von Zigaretten zu verringern, und dass sie potenziell weniger schädlich sind als herkömmliche Zigaretten.

Peer-Review-Berichte

Es wurde berichtet, dass Zigarettenrauchen das Risiko für mehrere Krankheiten erhöht, darunter chronisch obstruktive Lungenerkrankung (COPD) und Herz-Kreislauf-Erkrankung (CVD) [1]. Es wurde vermutet, dass diese Krankheiten durch die schädlichen Bestandteile des Zigarettenrauchs verursacht werden [2, 3]. Tabakunternehmen haben Produkte entwickelt, die das Krankheitsrisiko verringern können, weil sie weniger schädliche und potenziell schädliche Bestandteile ausstoßen [4]. Zigarettenraucher, die auf diese Produkte umstiegen, zeigten eine Verringerung ihrer Biomarker der Exposition (BoE), die von Bestandteilen im Tabakrauch abgeleitet sind [5,6,7,8,9,10,11,12,13]. Es wurde auch berichtet, dass Biomarker für potenzielle Schäden (BoPH) (z. B. oxidativer Stress, Entzündung, Fettstoffwechsel und Aktivierung/Koagulation von Blutplättchen) denen von Nichtrauchern oder ehemaligen Rauchern ähnlicher sind, wenn sie von herkömmlichen Zigaretten auf Tabakerhitzer umsteigen Systeme [14, 15] und nichtkonventionelle Dampfprodukte [16]. Allerdings sind weitere Studien erforderlich, um die durch die Umstellung auf diese Produkte erzielte Risikominderung zu überprüfen, auch mit einer ausreichend großen Stichprobe und guten Hintergrundinformationen.

Die Population Assessment of Tobacco and Health (PATH)-Studie ist ein Gemeinschaftsprojekt der Food and Drug Administration (FDA) und der National Institutes of Health (NIH) und eine der größten Studien, die den Konsum von Tabakprodukten und die gesundheitlichen Auswirkungen im Laufe der Zeit verfolgt Zeit [17]. In der PATH-Studie wurden Fragebogendaten zum Raucherstatus und Gesundheitszustand, Biomarker für Exposition und potenzielle Schäden sowie andere Hintergrundinformationen von den Teilnehmern eingeholt und beim Interuniversitären Konsortium für politische und soziale Forschung (ICPSR) registriert. Die PATH-Studie umfasst Doppel- und Exklusivnutzer potenziell risikoärmerer Produkte (z. B. elektronische Zigaretten und rauchloser Tabak) sowie aktuelle und ehemalige Raucher und Nichtraucher. Die Studiendaten werden daher eine umfassendere Analyse der Tabakrauchexposition und der biologischen Auswirkungen der Verwendung potenziell risikoärmerer Produkte ermöglichen. In mehreren Berichten wurden Biomarker unter Rauchern und Nutzern elektronischer Zigaretten und rauchloser Tabakprodukte anhand der PATH-Studiendaten verglichen [18,19,20] und statistische Gruppenvergleiche für jeden Biomarker durchgeführt. Diese statistischen Methoden können für einige Biomarker innerhalb desselben Berichts zu unterschiedlichen Vergleichen und unterschiedlichen Ergebnissen führen: Beispielsweise waren die Konzentrationen von Nikotinmetaboliten und tabakspezifischen Nitrosaminen bei Nutzern rauchloser Produkte höher als bei aktuellen Rauchern, während die Konzentrationen von polyzyklischen aromatischen Kohlenwasserstoffen und flüchtige organische Verbindungen waren geringer [18].

Maschinelles Lernen optimiert technologisch fortschrittliche Rechenleistung und statistische Werkzeuge für die Analyse großer Datenmengen, wobei fortschrittliche Algorithmen in der Lage sind, Multikollinearität, Nichtlinearität und Wechselwirkungen höherer Ordnung zwischen Variablen zu bewältigen [21]. Im Allgemeinen werden überwachte Lerntechniken in Klassifizierungsmodellen verwendet. Das Modell wird mit gekennzeichneten Daten trainiert, um nicht gekennzeichnete Daten richtig zu klassifizieren. Wenn eine binäre Klassifizierung verwendet wird, zeigt das Modell basierend auf den Merkmalen des Trainingsdatensatzes, ob die neuen Beobachtungen näher an der einen oder anderen Option liegen. Frühere Studien berichteten, dass bei Konsumenten elektronischer Zigaretten und rauchlosem Tabak Werte mehrerer Biomarker vorliegen könnten, die denen von Nichtrauchern oder ehemaligen Rauchern näher kommen als denen von aktuellen Rauchern. Allerdings wurden in diesen Studien die Biomarker einzeln und nicht umfassend bewertet. Maschinelles Lernen kann den Unterschied zwischen Teilnehmern bewerten, indem alle getesteten Biomarker integriert werden. Ziel dieser Studie war die Entwicklung zweier Klassifizierungsmodelle zur Unterscheidung zwischen aktuellen und ehemaligen Rauchern auf der Grundlage ihrer Biomarker für Exposition und potenzielle Schäden. Die Klassifizierungsmodelle, die die Merkmale aktueller und ehemaliger Raucher kennengelernt hatten, wurden dann verwendet, um Marker von Benutzern von elektronischen Zigaretten und rauchlosen Tabakprodukten zu bewerten, um festzustellen, ob sie aktuellen oder ehemaligen Rauchern ähnlich waren. Es ist auch möglich, die Unterschiede in der Krankheitsprävalenz zwischen Personen, die als aktuelle und ehemalige Raucher eingestuft werden, zu bewerten, einschließlich Nutzern von elektronischen Zigaretten und rauchlosen Tabakprodukten. Dies könnte darauf hindeuten, ob elektronische Zigaretten und rauchlose Tabakprodukte tatsächlich ein potenziell geringeres Gesundheitsrisiko darstellen.

Wir verwendeten Daten für Erwachsene (18 bis 90 Jahre) aus den Dateien zur öffentlichen Nutzung (ICPSR (a), ICPSR 36.498) und Dateien zur eingeschränkten Nutzung (ICPSR (b), ICPSR 36.231) aus Welle 1 (12. September 2013 bis). 14. Dezember 2014) der PATH-Studie. Um die Rechte, das Wohlergehen und das Wohlergehen aller menschlichen Teilnehmer dieser Studie zu schützen, genehmigte das Westat Institutional Review Board das Studiendesign und -protokoll und das Office of Management and Budget genehmigte die Datenerhebung. Das detaillierte Studiendesign und die Datenerhebung der PATH-Studie wurden bereits veröffentlicht [17].

Die Gruppen wurden anhand von Selbstberichten im PATH-Studienfragebogen definiert. Teilnehmer, die angaben, täglich Zigaretten zu rauchen, aber keine anderen Tabakprodukte zu konsumieren, wurden als ausschließliche Zigarettenraucher (CS-Gruppe) definiert. Exklusive Nutzer elektronischer Zigaretten und rauchloser Tabakprodukte wurden ähnlich definiert (EPRODS- und SMKLS-Gruppen). Teilnehmer, die angaben, sowohl konventionelle als auch elektronische Zigaretten oder konventionelle Zigaretten und rauchlose Tabakprodukte zu konsumieren, wurden als Doppelnutzer definiert (Dual-EPRODS- und Dual-SMKLS-Gruppen). Personen, die angaben, mit dem Rauchen aufgehört zu haben und keine Tabakprodukte zu konsumieren, wurden als ehemalige Raucher (ExSM-Gruppe) definiert. Aus den Fragebogendaten extrahierten wir auch Informationen zu Alter, Geschlecht, Alkoholkonsum, Wohnort in städtischen oder ländlichen Gebieten sowie zum Gesundheitszustand (Herz-Kreislauf-Erkrankungen, Atemwegserkrankungen, hoher Blutdruck, hoher Cholesterinspiegel und Diabetes). Was den Gesundheitszustand betrifft, diejenigen, die die Frage „Hat Ihnen ein Arzt, eine Krankenschwester oder eine andere medizinische Fachkraft gesagt, dass Sie an COPD leiden?“ mit „Ja“ beantwortet haben. Es wurde davon ausgegangen, dass sie COPD hatten. Bei Personen, die Fragen zu COPD, chronischer Bronchitis, Emphysem oder anderen Lungen- oder Atemwegserkrankungen mit „Ja“ beantworteten, wurde davon ausgegangen, dass sie an einer Atemwegserkrankung litten. Jeder, der Fragen zu Herzinsuffizienz, Schlaganfall, Herzinfarkt oder einer anderen Herzerkrankung mit „Ja“ beantwortete, galt als Herz-Kreislauf-Erkrankter. Insgesamt wurden 2707 Teilnehmer in die Analyse für Biomarker der Exposition und 3466 in die Analyse für Biomarker für potenzielle Schäden einbezogen.

Für die Biomarker der Exposition, die in den eingeschränkten Daten der PATH-Studie enthalten sind, haben wir diejenigen ausgewählt, die schädlichen und potenziell schädlichen Bestandteilen entsprechen, die von der FDA aufgeführt wurden [4] und in früheren Tabakbewertungsstudien bewertet wurden [6, 10]. Dazu gehörten 4-(Methylnitrosamino)-4-(3-pyridyl)-1-butanol (NNAL), N'-Nitrosonornikotin (NNNT), Gesamtnikotinäquivalente (TNE7), N-Acetyl-S-(2-carboxyethyl)- L-Cystein (CEMA), N-Acetyl-S-(2-hydroxyethyl)-L-cystein (HEMA), N-Acetyl-S-(3-hydroxypropyl)-L-cystein (HPMA), N-Acetyl-S -(Phenyl)-L-cystein (PMA), 1-Naphthol oder 1-Hydroxynaphthalin (P01), 2-Naphthol oder 2-Hydroxynaphthalin (P02) und 1-Hydroxypyren (P10). Als Biomarker für potenzielle Schäden verwendeten wir 8-Isoprostan (8PGFT), hochempfindliches C-reaktives Protein (hsCRP), Interleukin 6 (IL6), lösliches interzelluläres Adhäsionsmodul (sICAM) und Fibrinogen (FIB). Die Kreatininkorrektur wurde für jeden Teilnehmer für Biomarker in Urinproben verwendet, um die tägliche Ausscheidung anzupassen.

Um die exponierten Bestandteile und biologischen Auswirkungen des Tabakrauchs durch den Konsum jedes Tabakprodukts vorherzusagen, haben wir Modelle mit Merkmalen erstellt, die aus Biomarkern entweder der Exposition (für das Expositionsklassifizierungsmodell [BoE]) oder des potenziellen Schadens (für die Klassifizierung des potenziellen Schadens [BoPH]) bestehen Modell). Wir haben Daten von aktuellen und ehemaligen Rauchern in Trainingsdatensätze (80 %) und Testdatensätze (20 %) unterteilt. Diese Testdatensätze wurden als Referenz für Nutzer von elektronischen Zigaretten und rauchlosen Tabakprodukten ausgewertet. Die Gesamtzahl der Teilnehmer und die Anzahl, die für das maschinelle Training verwendet wurde, sind in den Tabellen 1 und 2 aufgeführt. Unter Verwendung von 80 % der Trainingsdaten wurden die beiden Biomarker-Klassifizierungsmodelle durch maschinelles Lernen erstellt und zur Klassifizierung der Teilnehmer in aktuelle oder ehemalige Raucher verwendet. Für den Algorithmus wurde ein Random-Forest-Modell (fünffache, 100-fach wiederholte Kreuzvalidierung) verwendet. Die Kreuzvalidierungsgenauigkeit der im maschinellen Lernprozess erhaltenen Modelle wurde mit der Receiver Operating Characteristic Curve-Area Under Curve (ROC-AUC) bewertet. Wir geben Daten aus den beiden Testdatensätzen zu aktuellen und ehemaligen Rauchern sowie zu Doppel- und Einzelkonsumenten von elektronischen Zigaretten und rauchlosen Tabakprodukten ein. Für jede Gruppe wurde der Prozentsatz der als aktuelle und ehemalige Raucher klassifizierten Daten tabellarisch aufgeführt. Es gab mehr aktuelle Raucher als ehemalige Raucher und die aktuellen Raucher wurden daher per Zufallszahlengenerierung zufällig ausgewählt, um die Anzahl der Teilnehmer in jeder Gruppe anzugleichen, da die Verwendung unausgeglichener Daten zu einer schlechteren Modellleistung führt [22]. Die „Merkmalsbedeutung“ wurde als Prozentsatz jedes Merkmals berechnet, das die Klassifizierung in aktuelle oder ehemalige Raucher in der Kreuzvalidierung beeinflusste.

Um die Prävalenz von Krankheiten bei Teilnehmern zu beurteilen, die als aktuelle oder ehemalige Raucher eingestuft wurden, haben wir anhand der Daten aus dem Fragebogen den Prozentsatz derjenigen berechnet, die mit Herz-Kreislauf-Erkrankungen oder Atemwegserkrankungen gekennzeichnet waren, unter denen, die vom Klassifizierungsmodell als aktuelle oder ehemalige Raucher eingestuft wurden.

Die Datenanalyse, einschließlich maschinellem Lernen, wurde in der R-Softwareversion 4.2.1 unter Verwendung des Caret-Pakets durchgeführt [23].

Die demografischen Informationen und Biomarker-Merkmale aller Teilnehmer dieser Studie und derjenigen, die zufällig für maschinelles Lernen für die beiden Klassifizierungsmodelle ausgewählt wurden, sind in den Tabellen 1 und 2 aufgeführt. Gemäß den ICPSR-Datenfreigaberegeln sind Tabellen mit Zellgrößen kleiner als der Schwellenwert für Der spezifische Datensatz wird nicht veröffentlicht.

Der Prozentsatz der Konsumenten jedes Tabakprodukts, die durch (a) das Modell „Biomarker der Exposition“ und (b) das Modell „Biomarker potenzieller Schäden“ als aktuelle oder ehemalige Raucher eingestuft wurden, sowie die Reihenfolge der Wichtigkeit der Merkmale sind in den Abbildungen dargestellt. 1 und 2. Der ROC-AUC, ein Kreuzvalidierungsmodell-Leistungswert, betrug 95,0 % für das Expositions-Biomarker-Klassifizierungsmodell und 82,0 % für das potenziell schädliche Biomarker-Modell. Bei beiden Klassifizierungsmodellen lagen die Ergebnisse für beide Testdatensätze bei über 75 %. Ein höherer Prozentsatz der Nutzer elektronischer Zigaretten oder rauchloser Tabakprodukte wurde als ehemalige Raucher eingestuft als aktuelle Raucher. In beiden Gruppen mit Doppelnutzern (Dual-EPRODS und Dual-SMKLS) wurde ein höherer Prozentsatz als aktuelle Raucher eingestuft als als ausschließliche Nutzer eines einzelnen Produkts. Im Expositions-Biomarker-Klassifizierungsmodell war TNE7 das wichtigste Merkmal, gefolgt von HPMA. Im Klassifizierungsmodell für potenziell schädliche Biomarker zeigten 8PGFT und sICAM die höchste Merkmalsbedeutung, gefolgt von IL6.

Prozentsatz der Benutzer jedes Tabak- und Nikotinprodukts, die nach den beiden Klassifizierungsmodellen als aktuelle oder ehemalige Raucher eingestuft werden. Abkürzungen: CS aktueller Zigarettenraucher, Dual-EPRODS-Nutzer von konventionellen Zigaretten und elektronischen Zigaretten, Dual-SMKLS-Nutzer von konventionellen Zigaretten und rauchlosen Tabakprodukten, ExSM ehemaliger Raucher, EPRODS-Nutzer von elektronischen Zigaretten, SMKLS-Nutzer von rauchlosem Tabak, Test-CS-Modelle Unter Verwendung von Testdaten für aktuelle Raucher testen Sie ExSM-Modelle unter Verwendung von Testdaten für ehemalige Raucher

Die Merkmale, die bei der Kreuzvalidierung der Expositions- und potenziellen Schadensklassifizierungsmodelle zur Einstufung als aktuelle oder ehemalige Raucher beitragen (Merkmalsbedeutung %). Abkürzungen: 8PGFT 8-Isoprostan, CEMA N-Acetyl-S-(2-Carboxyethyl)-L-Cystein, FIB Fibrinogen, HEMA N-Acetyl-S-(2-Hydroxyethyl)-L-Cystein, HPMA N-Acetyl-S -(3-Hydroxypropyl)-L-cystein, hsCRP hochempfindliches C-reaktives Protein, IL6-Interleukin 6, NNAL 4-(Methylnitrosamino)-4-(3-pyridyl)-1-butanol, NNNT N'-Nitrosonornicotin, sICAM lösliches interzelluläres Adhäsionsmodul, TNE7 Gesamtnikotinäquivalente, PMA N-Acetyl-S-(phenyl)-L-cystein, P01 1-Naphthol oder 1-Hydroxynaphthalin, P02 2-Naphthol oder 2-Hydroxynaphthalin, P10 1-Hydroxypyren

Unter den Personen, die von beiden Klassifizierungsmodellen als aktuelle oder ehemalige Raucher angegeben wurden, haben wir für jede Gruppe den Prozentsatz mit Herz-Kreislauf-Erkrankungen oder Atemwegserkrankungen berechnet. Der Prozentsatz mit Herz-Kreislauf-Erkrankungen oder Atemwegserkrankungen war in beiden Modellen bei denjenigen, die als aktuelle Raucher eingestuft wurden, durchweg höher als bei ehemaligen Rauchern (Tabelle 3).

Wir haben zunächst die Biomarker des expositionsbasierten Klassifizierungsmodells entwickelt, um die Teilnehmer entweder als aktuelle oder ehemalige Raucher zu klassifizieren. Das Ergebnis sollte die Gesamtexposition gegenüber den Bestandteilen des Zigarettenrauchs widerspiegeln. Dieses Modell prognostizierte, dass Nutzer elektronischer Zigaretten und rauchloser Tabakerzeugnisse eher ehemaligen Rauchern ähneln würden als derzeitigen Rauchern, was darauf hindeutet, dass die Verwendung dieser Produkte die Exposition verringert. In Übereinstimmung mit früheren Berichten [18, 20] wurde TNE7, die Gesamtmenge an Nikotinmetaboliten [24], als wichtigste Variable bei der Unterscheidung zwischen aktuellen und ehemaligen Rauchern identifiziert. TNE7 war bei ehemaligen Rauchern viel niedriger als bei heutigen Rauchern. Allerdings war der Wert bei Nutzern elektronischer Zigaretten oder rauchloser Tabakprodukte höher als bei aktuellen Rauchern, was darauf hindeutet, dass die Klassifizierung dieser beiden Gruppen nicht vom TNE7-Wert, sondern von anderen Biomarkern der Exposition abhing. Bei Konsumenten potenziell risikoärmerer Tabakerzeugnisse sind hohe TNE7-Werte zu erwarten, da diese den Zugang zur Ausgangschemikalie (z. B. Nikotin) ermöglichen. Daher ist es wahrscheinlich, dass andere Biomarker der Exposition stärker zur Klassifizierung von Nutzern elektronischer Zigaretten und rauchloser Tabakerzeugnisse beitragen.

In ähnlicher Weise klassifizierte das auf Biomarkern für potenzielle Schäden basierende Klassifizierungsmodell auch Benutzer von elektronischen Zigaretten und rauchlosen Tabakprodukten eher als frühere als aktuelle Raucher, jedoch in geringerem Maße als das Expositionsmodell. Der Unterschied in den Ergebnissen zwischen Nutzern elektronischer Zigaretten und rauchfreien Produkten aus den beiden unterschiedlichen Klassifizierungsmodellen kann auf die unterschiedlichen Eigenschaften als Biomarker zurückzuführen sein. Die Expositions-Biomarker beziehen sich auf Zigarettenrauch-spezifische Bestandteile, die Biomarker für potenzielle Schäden könnten jedoch durch eine Vielzahl anderer Faktoren als das Rauchen beeinflusst werden. Die wichtigsten Merkmale des potenziellen Schadensmodells waren 8PGFT und sICAM. Es ist bekannt, dass beide Biomarker mit oxidativem Stress und/oder Entzündungen in Zusammenhang stehen [25, 26] und auch als prädisponierende Faktoren für Herz-Kreislauf-Erkrankungen gelten [27, 28]. IL-6 war auch im Modell der potenziell schädlichen Biomarker wichtig. IL-6 hat eine kurze Halbwertszeit und interindividuelle Variabilität, und sein Zusammenhang mit dem Risiko für Herz-Kreislauf-Erkrankungen und Atemwegserkrankungen ist immer noch umstritten. Es gehört jedoch zu den am häufigsten untersuchten Biomarkern und mehrere Studien haben seine Bedeutung für das Krankheitsrisiko festgestellt [29, 30]. Die Biomarker für potenzielle Schäden sind wichtig, aber kein einzelner kann das gesamte Krankheitsrisiko erklären. Unser Modell umfasst daher mehrere Biomarker für potenzielle Schäden und könnte das relative Krankheitsrisiko zwischen Zigarettenrauchen und Raucherentwöhnung annähern. Unser Modell zur Klassifizierung potenzieller Schäden basiert auf der Hypothese, dass eine Raucherentwöhnung das Risiko rauchassoziierter Krankheiten minimieren könnte. Wenn ein Konsument potenziell risikoärmerer Tabakprodukte aufgrund seiner Biomarker für potenzielle Schäden als ehemaliger Raucher eingestuft wird, deutet dies darauf hin, dass der Konsum dieser Produkte tatsächlich das Krankheitsrisiko im Vergleich zum Rauchen herkömmlicher Zigaretten verringert. Unsere Ergebnisse deuten daher darauf hin, dass sowohl elektronische Zigaretten als auch rauchlose Tabakprodukte dazu beitragen könnten, das mit dem Rauchen verbundene Krankheitsrisiko zu verringern. Die Krankheitsprävalenz war bei Teilnehmern, die als ehemalige Raucher eingestuft wurden, etwas niedriger als bei Teilnehmern, die als aktuelle Raucher eingestuft wurden. Unsere Ergebnisse zeigen, dass Teilnehmer, die in beiden Modellen als aktuelle Raucher eingestuft wurden, relativ häufiger Herz-Kreislauf-Erkrankungen oder Atemwegserkrankungen aufwiesen als diejenigen, die als ehemalige Raucher eingestuft wurden. Daher besteht möglicherweise ein geringeres Krankheitsrisiko bei Anwendern potenziell risikoärmerer Produkte. Die Ergebnisse der Merkmalsbedeutung und früherer Berichte über Biomarker deuten auf einen Zusammenhang mit CVD hin.

Wir haben auch Doppelkonsumenten sowohl von herkömmlichen Zigaretten als auch von elektronischen Zigaretten oder rauchlosen Tabakprodukten untersucht. Das Expositionsmodell erkannte diese Doppelkonsumenten als aktuelle Raucher. Wenn die Teilnehmer täglich sowohl Zigaretten als auch elektronische Zigaretten oder rauchlose Tabakprodukte konsumieren, könnten die Biomarker der Exposition denen von Zigarettenrauchern ähnlicher sein als bei denen, die nur Produkte mit potenziell geringerem Risiko verwenden. Das Ergebnis des Expositionsmodells spiegelt diese Hypothese wider. Das auf Biomarkern für potenzielle Schäden basierende Modell zeigte jedoch ein Zwischenergebnis für Doppelkonsumenten, nämlich zwischen Rauchern und Konsumenten von ausschließlich elektronischen Zigaretten oder rauchlosen Tabakprodukten, was darauf hindeutet, dass der Doppelkonsum das Schadensrisiko verringert. Allerdings ist eine Längsschnittbeobachtung erforderlich, um signifikante Veränderungen bei Biomarkern für potenzielle Schäden zu erkennen und festzustellen, ob eine robuste Homöostase im menschlichen Körper schnelle Veränderungen unterdrückt. Mehrfachexpositionen und kumulative Effekte tragen möglicherweise zu Veränderungen der Biomarker potenzieller Schäden sowie zur Manifestation gesundheitlicher Auswirkungen bei. Das Ausmaß der Risikominderung bei Doppelkonsumenten würde daher vom Anteil des Zigarettenrauchens und des Konsums elektronischer Zigaretten und rauchloser Tabakprodukte abhängen.

Diese Studie hatte mehrere Einschränkungen. In dieser Studie verwendeten wir strenge Definitionen für jede Gruppe von Tabakkonsumenten. Exklusive Nutzer mussten täglich nur ein Produkt verwenden. Als Doppelnutzer wurden Nutzer von E-Zigaretten und rauchlosen Tabakprodukten definiert, die auch rauchten. In der für die Modellierung herangezogenen Population wurden einige Ähnlichkeiten zwischen Nutzern elektronischer Zigaretten und rauchloser Tabakprodukte und ehemaligen Rauchern festgestellt. Dies sollte jedoch mit mehr Studienteilnehmern weiter untersucht werden, um die reale Bevölkerung widerzuspiegeln. Die gesundheitlichen Auswirkungen von E-Zigaretten sind immer noch umstritten [31, 32] und Gegenstand laufender Studien, und wir können nicht zu dem Schluss kommen, dass das Krankheitsrisiko verringert wird, selbst wenn E-Zigaretten-Benutzer dabei eher als ehemalige Raucher eingestuft würden Studie. Die in dieser Studie verwendeten Variablen fehlen in den nachfolgenden Wellen und wir können daher die zeitbezogenen Änderungen in den Klassifizierungsergebnissen nicht bewerten. Längsschnittanalysen könnten jedoch weitere Einblicke in die gesundheitlichen Auswirkungen dieser neuen Tabakprodukte liefern, da die Pathogenese rauchbedingter chronischer Krankheiten Zeit braucht, um sich zu manifestieren. Die Erweiterung der Variablen um Elemente wie „Häufigkeit der Produktnutzung“ und „Beginn der Produktnutzung“ könnte ebenfalls zusätzliche Erkenntnisse liefern, obwohl wir aus Welle 1 allein keine ausreichenden Daten für diese Analyse erhalten konnten. Diese Einschränkungen könnten behoben werden, wenn die in dieser Studie verwendeten Variablen in zukünftigen Wellen der PATH-Studie verfügbar wären.

Die Ergebnisse unserer Klassifizierungsmodelle auf der Grundlage von Biomarkern für Exposition und potenzielle Schäden zeigten, dass die Biomarkerprofile von Menschen, die elektronische Zigaretten oder rauchlose Tabakprodukte konsumierten, eher denen früherer als aktueller Raucher ähnelten. Dies deutet darauf hin, dass die Belastung durch Bestandteile im Zigarettenrauch und die daraus resultierenden biologischen Auswirkungen durch die Verwendung dieser Produkte zumindest bei den an der PATH-Studie beteiligten Personen möglicherweise verringert werden können.

Die Daten sind in einem öffentlichen, frei zugänglichen Repository verfügbar, dem National Addiction and HIV Data Archive: https://doi.org/10.3886/Series606.

8-Isoprostan

Biomarker der Exposition

Biomarker für potenzielle Schäden

N-Acetyl-S-(2-carboxyethyl)-L-cystein

chronisch obstruktive Lungenerkrankung

Zigarettenraucher

Herzkreislauferkrankung

elektronische Zigaretten

ehemalige Raucher

Lebensmittel- und Arzneimittelbehörde

Fibrinogen

N-Acetyl-S-(2-hydroxyethyl)-L-cystein

schädlicher und potenziell schädlicher Bestandteil

N-Acetyl-S-(3-hydroxypropyl)-L-cystein

hochempfindliches C-reaktives Protein

Interuniversitäres Konsortium für Politik- und Sozialforschung

Interleukin 6

Nationales Gesundheitsinstitut

4-(Methylnitrosamino)-4-(3-pyridyl)-1-butanol

N'-Nitrosonornikotin

Bevölkerungsbewertung von Tabak und Gesundheit [Studie]

N-Acetyl-S-(phenyl)-L-cystein

1-Naphthol oder 1-Hydroxynaphthalin

2-Naphthol oder 2-Hydroxynaphthalin

1-Hydroxypyren

Erkrankungen der Atemwege

lösliches interzelluläres Adhäsionsmodul

rauchfreie Tabakprodukte

Gesamtnikotinäquivalente

Betriebskennlinie des Empfängers – Fläche unter der Kurve

Ambrose JA, Barua RS. Die Pathophysiologie des Zigarettenrauchens und Herz-Kreislauf-Erkrankungen. Zeitschrift des American College of Cardiology. 2004 Mai;43(10):1731–7. https://doi.org/10.1016/j.jacc.2003.12.047

Health Canada G. of C. Bestimmung von „Teer“, Nikotin und Kohlenmonoxid im üblichen Tabakrauch – offizielle Methode. Ottawa, Kanada: Health Canada (SOR-2000-272). Gesundheit Kanada. 1999. Verfügbar unter: https://healthycanadians.gc.ca/en/open-information/tobacco/t100/nicotine

Produkte C, US-amerikanische Lebensmittel- und Arzneimittelbehörde. für T. Meldung gesundheitsschädlicher und potenziell gesundheitsschädlicher Bestandteile in Tabakerzeugnissen und Tabakrauch gemäß Abschnitt 1. 904(a)(3) des Bundesgesetzes über Lebensmittel, Arzneimittel und Kosmetika. 2020. Verfügbar unter: https://www.fda.gov/regulatory-information/search-fda-guidance-documents/reporting-harmful-and-potentially-harmful-constituents-tobacco-products-and-tobacco-smoke-under

Zentrum für Tabakprodukte. Etablierte Liste von HPHCs in Tabakprodukten und Tabakrauch. US-amerikanische Lebensmittel- und Arzneimittelbehörde. 2019. Verfügbar unter: https://www.fda.gov/tobacco-products/rules-regulations-and-guidance/harmful-and-potentially-harmful-constituents-tobacco-products-and-tobacco-smoke-established-list

Roethig HJ, Feng S, Liang Q, Liu J, Rees WA, Zedler BK. Eine 12-monatige, randomisierte, kontrollierte Studie zur Bewertung der Exposition und kardiovaskulären Risikofaktoren bei erwachsenen Rauchern, die von herkömmlichen Zigaretten auf ein elektrisch beheiztes Zigarettenrauchsystem der zweiten Generation umsteigen. Das Journal of Clinical Pharmacology. 2008 Mai;48(5):580–91. https://doi.org/10.1177/0091270008315316

Miura N, Yuki D, Minami N, Kakehi A, Futamura Y. Eine Studie zur Untersuchung von Veränderungen in den Biomarkerwerten der Exposition gegenüber ausgewählten Zigarettenrauchbestandteilen bei japanischen erwachsenen männlichen Rauchern, die auf ein Tabakprodukt ohne Verbrennungsinhalator umgestiegen sind. Regul Toxicol Pharmacol. 2015 Apr;71(3):498–506. https://doi.org/10.1016/j.yrtph.2015.02.007

Ogden MW, Marano KM, Jones BA, Morgan WT, Stiles MF. Umstellung von üblichen Markenzigaretten auf eine Tabakzigarette oder einen Snus zum Erhitzen: Teil 3. Biomarker der biologischen Wirkung. Biomarker. 3. Okt. 2015;20(6–7):404–10. https://doi.org/10.3109/1354750X.2015.1094135

Haziza C, de La Bourdonnaye G, Merlet S, Benzimra M, Ancerewicz J, Donelli A et al. Bewertung der Verringerung der Exposition gegenüber schädlichen und potenziell schädlichen Bestandteilen bei japanischen Probanden, die ein neuartiges Tabakerhitzungssystem verwenden, im Vergleich zu herkömmlichen Zigaretten und Rauchabstinenz: Eine randomisierte kontrollierte Studie in Haft. Regulatorische Toxikologie und Pharmakologie. 2016 Nov;81:489–99. https://doi.org/10.1016/j.yrtph.2016.09.014

Haziza C, de La Bourdonnaye G, Skiada D, Ancerewicz J, Baker G, Picavet P, et al. Biomarker für den Datensatz zum Expositionsniveau bei Rauchern, die von herkömmlichen Zigaretten auf das Tobacco Heating System 2.2 umsteigen, weiter rauchen oder 5 Tage lang mit dem Rauchen aufhören. Daten in Kürze. 2017 Feb;10:283–93. https://doi.org/10.1016/j.dib.2016.11.047

Yuki D, Takeshige Y, Nakaya K, Futamura Y. Bewertung der Exposition gegenüber schädlichen und potenziell schädlichen Bestandteilen bei gesunden japanischen Rauchern, die ein neuartiges Tabakdampfprodukt verwenden, im Vergleich zu herkömmlichen Zigaretten und Rauchabstinenz. Regul Toxicol Pharmacol. 2018 Juli;96:127–34. https://doi.org/10.1016/j.yrtph.2018.05.001

Haziza C, De La Bourdonnaye G, Donelli A, Poux V, Skiada D, Weitkunat R et al. Verringerung der Exposition gegenüber ausgewählten schädlichen und potenziell schädlichen Bestandteilen, die sich denen annähert, die bei Rauchabstinenz bei Rauchern beobachtet wurden, die für 3 Monate auf das Menthol-Tabak-Heizsystem 2.2 umsteigen (Teil 1). Nikotin- und Tabakforschung. 5. Februar 2019;22(4):539–548. https://doi.org/10.1093/ntr/ntz013

Sakaguchi C, Nagata Y, Kikuchi A, Takeshige Y, Minami N. Unterschiede in der Menge an Biomarkern für potenzielle Schäden bei Konsumenten eines erhitzen-nicht-verbrennenden Tabakprodukts, Zigarettenrauchern und Nichtrauchern in Japan: Eine Beobachtung nach dem Inverkehrbringen Studie. Nikotin- und Tabakforschung. 27.01.2021;23(7):1143–1152. https://doi.org/10.1093/ntr/ntab014F

Edmiston JS, Webb KM, Wang J, Oliveri D, Liang Q, Sarkar M. Biomarker der Exposition und Biomarker potenzieller Schäden bei erwachsenen Rauchern, die im Vergleich zum Zigarettenrauchen auf E-Vapor-Produkte umsteigen, in einer 24-wöchigen, randomisierten, klinischen Studie . Nikotin- und Tabakforschung. 2022 4. Februar;24(7):1047–54. https://doi.org/10.1093/ntr/ntac029

Lüdicke F, Picavet P, Baker G, Haziza C, Poux V, Lama N et al. Auswirkungen der Umstellung auf das Menthol-Tabak-Heizsystem 2.2, der Rauchabstinenz oder des fortgesetzten Zigarettenrauchens auf klinisch relevante Risikomarker: Eine randomisierte, kontrollierte, offene, multizentrische Studie in sequentiellem Einschluss und ambulanten Umgebungen (Teil 2). Nikotin- und Tabakforschung. 21. April 2017;20(2):173–82. https://doi.org/10.1093/ntr/ntx028

Haziza C, de La Bourdonnaye G, Donelli A, Skiada D, Poux V, Weitkunat R et al. Günstige Veränderungen bei Biomarkern potenzieller Schäden zur Verringerung der gesundheitsschädlichen Auswirkungen des Rauchens bei Rauchern, die für 3 Monate auf das Menthol-Tabak-Heizsystem 2.2 umsteigen (Teil 2). Nikotin- und Tabakforschung. 24. Mai 2019;22(4):549–59. https://doi.org/10.1093/ntr/ntz084

Sakaguchi C, Miura N, Ohara H, Nagata Y. Auswirkungen einer verringerten Exposition gegenüber Zigarettenrauchen auf Veränderungen von Biomarkern für potenzielle Schäden bei erwachsenen Rauchern: Ergebnisse einer kombinierten Analyse zweier klinischer Studien. Biomarker. 2019 14. Mai;24(5):457–68. https://doi.org/10.1080/1354750X.2019.1609579

Hyland A, Ambrose BK, Conway KP, Borek N, Lambert E, Carusi C et al. Design und Methoden der Population Assessment of Tobacco and Health (PATH)-Studie. Tabakkontrolle. 8. August 2016 [zitiert am 16. Januar 2020];26(4):371–8. https://doi.org/10.1136/tobaccocontrol-2016-052934

Cheng YC, Reyes-Guzman CM, Christensen CH, Rostron BL, Edwards KC, Wang L et al. Biomarker der Exposition unter erwachsenen rauchlosen Tabakkonsumenten in der Studie zur Bevölkerungsbewertung von Tabak und Gesundheit (Welle 1, 2013–2014). Krebsepidemiologie, Biomarker und Prävention. 2020 1. März;29(3):659–67. https://doi.org/10.1158/1055-9965.EPI-19-0766

De Jesús VR, Bhandari D, Zhang L, Reese C, Capella K, Tevis D et al. Urin-Biomarker für die Exposition gegenüber flüchtigen organischen Verbindungen aus der Bevölkerungsbewertung von Tabak und der Gesundheitsstudie Welle 1 (2013–2014). Internationale Zeitschrift für Umweltforschung und öffentliche Gesundheit. 28.07.2020;17(15):5408. https://doi.org/10.3390/ijerph17155408

Anic GM, Rostron BL, Hammad HT, van Bemmel DM, Del Valle-Pinero AY, Christensen CH et al. Veränderungen bei Biomarkern der Tabakexposition bei Zigarettenrauchern, die auf ENDS-Konsum umsteigen: Die Studie zur Bevölkerungsbewertung von Tabak und Gesundheit, 2013–2015. Internationale Zeitschrift für Umweltforschung und öffentliche Gesundheit. 27.01.2022;19(3):1462. https://doi.org/10.3390/ijerph19031462

Müller AC, Guido S. Einführung in maschinelles Lernen mit Python: ein Leitfaden für Datenwissenschaftler. Newton, MA, USA: O'Reilly Media, Inc.; 2016.

Google Scholar

Bourel M, Segura AM, Crisci C, López G, Sampognaro L, Vidal V, et al. Methoden des maschinellen Lernens für unausgeglichene Datensätze zur Vorhersage der fäkalen Kontamination in Strandgewässern. Wasserres. 2021 Sep;202:117450. https://doi.org/10.1016/j.watres.2021.117450

Kuhn M, Wing J, Weston S, Williams A, Keefer C, Engelhardt A et al. Caret: Klassifizierungs- und Regressionstraining. R-Pakete. 2020. Verfügbar unter: https://cran.r-project.org/web/packages/caret/index.html

Scherer G, Engl J, Urban M, Gilch G, Janket D, Riedel K. Zusammenhang zwischen maschinell erzeugten Rauchausbeuten und Biomarkern bei Zigarettenrauchern in Deutschland. Regul Toxicol Pharmacol. 2007 März;47(2):171–83. https://doi.org/10.1016/j.yrtph.2006.09.001

Roberts LJackson, Morrow JD. Messung von F2-Isoprostanen als Index für oxidativen Stress in vivo. Free Radic Biol Med. 2000 Feb;28(4):505–13. https://doi.org/10.1016/s0891-5849(99)00264-6

Bui TM, Wiesolek HL, Sumagin R. ICAM-1: Ein Hauptregulator zellulärer Reaktionen bei Entzündungen, Verletzungsauflösung und Tumorentstehung. Zeitschrift für Leukozytenbiologie. 17. März 2020;108(3):787–99. https://doi.org/10.1002/JLB.2MR0220-549R

Lee R, Margaritis M, Channon M, Antoniades KC Bewertung von oxidativem Stress bei menschlichen Herz-Kreislauf-Erkrankungen: Methodische Aspekte und Überlegungen. Aktuelle medizinische Chemie. 1. April 2012;19(16):2504–20. https://doi.org/10.2174/092986712800493057

Ridker PM, Hennekens CH, Roitman-Johnson B, Stampfer MJ, Allen J. Plasmakonzentration des löslichen interzellulären Adhäsionsmoleküls 1 und Risiken eines zukünftigen Myokardinfarkts bei scheinbar gesunden Männern. Die Lanzette. 1998 Jan;351(9096):88–92. https://doi.org/10.1016/S0140-6736(97)09032-6

Danesh J, Kaptoge S, Mann AG, Sarwar N, Wood A, Angleman SB et al. Langfristige Interleukin-6-Spiegel und das daraus resultierende Risiko einer koronaren Herzkrankheit: Zwei neue prospektive Studien und eine systematische Überprüfung. Baigent C, Herausgeber. PLoS-Medizin. 8. April 2008;5(4):e78. https://doi.org/10.1371/journal.pmed.0050078

Chen Y-WR, Leung JM, Sin DD. Eine systematische Überprüfung diagnostischer Biomarker der COPD-Exazerbation. Eickelberg O, Herausgeber. PLUS EINS. 2016 Jul 19;11(7):e0158843. https://doi.org/10.1371/journal.pone.0158843

Britton J. E-Zigaretten, Public Health England und gesunder Menschenverstand. Lanzette. 2015;386(10000):1238–9. https://doi.org/10.1016/S0140-6736(15)00145-2

Artikel PubMed Google Scholar

Stratton K, Kwan LY, Eaton DL, Herausgeber. Folgen von E-Zigaretten für die öffentliche Gesundheit. Washington DC: The National Academies Press; 2018. https://doi.org/10.17226/24952

Buchen Sie Google Scholar

Referenzen herunterladen

Wir danken Melissa Leffler, MBA, von Edanz (https://jp.edanz.com/ac) für die Bearbeitung eines Entwurfs dieses Manuskripts.

Für diese Forschung wurde kein besonderer Zuschuss von irgendeiner Finanzierungsagentur im öffentlichen oder gemeinnützigen Sektor gewährt. Diese Arbeit wurde von Japan Tobacco, Inc. unterstützt.

Wissenschaftliches Produktbewertungszentrum, Japan Tobacco Inc, 6-2 Umegaoka, Aoba-ku, Yokohama, 227-8512, Kanagawa, Japan

Hiromi Ohara, Shigeaki Ito und Yuichiro Takanami

Sie können diesen Autor auch in PubMed Google Scholar suchen

HO konzipierte das Studiendesign, interpretierte die Ergebnisse und verfasste den ersten Entwurf des Manuskripts. YT trug zur technischen Anleitung und Ergebnisdiskussion des maschinellen Lernens für Raucher und Nichtraucher bei, und SI trug maßgeblich zum Verfassen des Manuskripts zur Diskussion der biologischen Ergebnisse bei. Alle Autoren haben das endgültige Manuskript gelesen und genehmigt.

Korrespondenz mit Hiromi Ohara.

Die PATH-Studie wurde vom Westat Institutional Review Board genehmigt. Alle Teilnehmer ab 18 Jahren gaben ihre Einverständniserklärung zur Teilnahme an der PATH-Studie ab. Das Institutional Review Board des Research Institute of Healthcare Data Science hat unser Studiendesign und unser Datenerfassungsprotokoll genehmigt (RI2019014). Die Studie wurde im Einklang mit der Deklaration von Helsinki durchgeführt.

Unzutreffend.

Alle Autoren sind Mitarbeiter von Japan Tobacco, Inc.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/. Der Creative Commons Public Domain Dedication-Verzicht (http://creativecommons.org/publicdomain/zero/1.0/) gilt für die in diesem Artikel zur Verfügung gestellten Daten, sofern in einer Quellenangabe für die Daten nichts anderes angegeben ist.

Nachdrucke und Genehmigungen

Ohara, H., Ito, S. & Takanami, Y. Binäre Klassifizierung von Nutzern elektronischer Zigaretten und rauchlosem Tabak anhand von Biomarkern zur Beurteilung der Ähnlichkeit mit aktuellen und ehemaligen Rauchern: Maschinelles Lernen angewendet auf die Bevölkerungsbewertung von Tabak und Gesundheitsstudien. BMC Public Health 23, 589 (2023). https://doi.org/10.1186/s12889-023-15511-3

Zitat herunterladen

Eingegangen: 20. Oktober 2022

Angenommen: 23. März 2023

Veröffentlicht: 29. März 2023

DOI: https://doi.org/10.1186/s12889-023-15511-3

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt