使用NHANES和环境决定因素预测儿童肥胖风险的微观-宏观机器学习框架

本文通过整合不同的数据集（NHANES、USDA、EPA）并采用多层机器学习方法，解决了重要的公共卫生问题（儿童肥胖）。该框架识别环境驱动的差异的能力及其在因果建模和干预计划方面的潜力是关键贡献。XGBoost的使用和环境脆弱性指数的创建是该方法论的显著方面。

• •整合个人层面和环境数据以预测肥胖风险。
• •采用微观-宏观机器学习框架。
• •识别肥胖风险中环境驱动的差异。
• •展示了因果建模和干预计划的潜力。