Epidemiological exploration of the impact of bluetooth headset usage on thyroid nodules using Shapley additive explanations method.

Schilddrüsenknoten sind abnormale Wucherungen in der Schilddrüse, die sich in der Regel als örtlich begrenzte Schwellungen im Schilddrüsengewebe manifestieren. Die meisten dieser Knoten sind gutartig und asymptomatisch und erfordern keinen Eingriff. Bei den Fällen, die als bösartig diagnostiziert werden, handelt es sich überwiegend um kleine, langsam wachsende Tumore, die mit einem konservativen Ansatz sicher behandelt werden können. Ziel dieser Studie ist es, den möglichen Zusammenhang zwischen der Nutzung von Bluetooth-Headsets und der Entwicklung von Schilddrüsenknoten zu untersuchen. Die Prävalenz von Schilddrüsenknoten in der Weltbevölkerung ist bemerkenswert hoch, wobei eine Studie aus dem Jahr 2023 eine Inzidenzrate von bis zu 67 % schätzt. Diese Rate spiegelt einen rasch zunehmenden Trend wider, der durch frühere epidemiologische Daten bestätigt wird. In China ergab eine nationale epidemiologische Erhebung aus dem Jahr 2021 eine Gesamtprävalenz von 37 %. Obwohl Schilddrüsenknoten überwiegend gutartig sind, stellt die zunehmende Prävalenz aufgrund des potenziellen Risikos einer bösartigen Erkrankung ein globales Gesundheitsproblem dar. Die hohe Inzidenz von Schilddrüsenknoten ist nach wie vor Gegenstand laufender Untersuchungen. Eine vorherrschende Hypothese führt die erhöhte Entdeckungsrate von Schilddrüsenknoten auf die weit verbreitete Einführung fortschrittlicher Diagnosetechnologien in den letzten Jahren zurück, was darauf hindeutet, dass dieser Anstieg der Prävalenz teilweise ein Artefakt der verbesserten Entdeckungsmöglichkeiten sein könnte. Die Aufmerksamkeit richtet sich jedoch auch auf verschiedene Verhaltens- oder Umweltfaktoren wie Rauchen, Fettleibigkeit und Jodmangel. Während man sich über die Empfindlichkeit der Schilddrüse gegenüber ionisierender Strahlung einig ist, deuten neue Erkenntnisse darauf hin, dass Hochfrequenzstrahlung in ihren potenziellen Auswirkungen auf die Schilddrüsenfunktion nicht übersehen werden sollte. Die additiven Shapley-Erklärungen (SHAP) stellen eine innovative Methode zur Interpretation von Modellen des maschinellen Lernens dar, die das Konzept der Shapley-Werte aus der klassischen Spieltheorie integriert, um tiefe Einblicke in die Modellvorhersagen zu ermöglichen. Shapley-Werte werden verwendet, um den marginalen Beitrag jedes Merkmals zur Modellausgabe bei verschiedenen Merkmalskombinationen zu messen.

Die Daten für diese Studie stammen aus dem Stichproben-Service von WenJuanXing, einer professionellen Online-Plattform. Der in dieser Studie verwendete Fragebogen enthielt Fragen zum Alter, zum Vorhandensein von Schilddrüsenknoten, zur Verwendung von Bluetooth-Headsets, zur Art des Tragens von Bluetooth-Headsets (In-Ear-Stil, Nackenbügel-Stil, Ohrenschützer-Stil), zu den primären Nutzungsszenarien von Bluetooth-Headsets, zur täglichen Nutzungsdauer (weniger als 1 Stunde, 1 bis 3 Stunden, 3 bis 5 Stunden, 5 bis 8 Stunden, 8 bis 12 Stunden, kontinuierliches Tragen), zu den üblicherweise mit dem Bluetooth-Headset verbundenen Geräten, zum Typ des Computer-Betriebssystems und zum Typ des Mobiltelefon-Betriebssystems.

In der Phase der Datenvorverarbeitung wurde eine Reihe von Maßnahmen ergriffen, um die Qualität und Konsistenz der Daten zu gewährleisten. Eine umfassende deskriptive statistische Analyse wurde für den gesamten Datensatz durchgeführt. Außerdem wurde eine Korrelationsanalyse speziell für den Datensatz der Nutzer von Bluetooth-Headsets durchgeführt. In dieser Studie verwendeten die Autoren die Technik des Propensity Score Matching (PSM), um die Unterschiede zwischen den Datensätzen auszugleichen. Die Modellierung in extrem unausgewogenen Datenumgebungen kann das Risiko einer Überanpassung des Modells erhöhen, wobei das Modell dazu neigt, die zahlreicheren Kategorien zu identifizieren und ebenso wichtige Minderheitskategorien zu übersehen.

Ein spezifischer (Post-PSM-)Datensatz wurde zusammen mit der SHAP-Methode auf der Grundlage des XGBOOST-Modells (effizientes Training von Machine-Learning-Modellen) verwendet, um die Faktoren, die das Risiko von Schilddrüsenknoten beeinflussen, und ihre komplexen Zusammenhänge gründlich zu analysieren. Die SHAP-Methode berechnet den durchschnittlichen marginalen Beitrag jedes Merkmals über alle möglichen Kombinationen hinweg, wodurch eine faire Verteilung der Merkmalsbedeutung gewährleistet und die Bewertung der Merkmalsbeiträge konsistent und interpretierbar wird.

Insgesamt wurden 1000 Fragebögen verteilt, von denen 600 gültige Fragebögen zurückgewonnen wurden. Diese 600 gültigen Fragebögen bildeten den vollständigen Datensatz, der für die deskriptive statistische Analyse sowie für die Bewertung der Zuverlässigkeit und Gültigkeit des Fragebogens verwendet wurde. Innerhalb des vollständigen Datensatzes bildeten die Befragten, die Bluetooth-Headsets benutzten, eine Stichprobe von 393 Fällen (65,5 % der Befragten). Diese Teilmenge wurde für das Propensity Score Matching (PSM) verwendet. Der standardisierte Datensatz nach der PSM-Verarbeitung umfasste eine Stichprobe von 96 Fällen und wurde für weitere deskriptive Statistiken, Modellierung und SHAP-Analyse verwendet.

Es wurde deutlich, dass Informationen bezüglich des Modells und Herstellers der angeschlossenen Geräte den kommerziellen Markt erheblich beeinflussen und das Kaufverhalten und den psychologischen Zustand der Verbraucher tiefgreifend verändern könnten. Um die Integrität ihrer Ergebnisse zu wahren und ihre Verantwortung gegenüber der Öffentlichkeit zu demonstrieren (und möglicherweise rechtlichen Konsequenzen zu entgehen, Anm. der Red.), entschieden sich die Autoren dafür, die Analyse bezüglich der Arten der angeschlossenen Geräte aus dieser vorläufigen Untersuchung auszuschließen.

Die SHAP-Analyse zeigte einen deutlich positiven Einfluss der Variablen Alter und tägliche Nutzungsdauer auf Schilddrüsenknoten. Der beim Merkmal Alter beobachtete Trend entspricht dem weithin akzeptierten medizinischen Konsens, dass ein höheres Alter ein signifikanter Risikofaktor für die Entwicklung von Schilddrüsenknoten ist. Dieser Zusammenhang wird in dieser Analyse quantitativ untermauert, was die Rolle des Alters als Determinante bestätigt. Was das Merkmal "Tägliche Nutzungsdauer" betrifft, so deuten die beobachteten positiven SHAP-Werte auf einen Zusammenhang zwischen einer längeren Nutzung von Bluetooth-Headsets und einem erhöhten Risiko für Schilddrüsenknoten in diesem Datensatz hin.

Die Analyse der Altersfaktoren in dieser Studie ergab einen signifikanten Trend: Die Anfälligkeit für Schilddrüsenknoten nimmt mit dem Alter zu. Dieses Phänomen kann zum Teil auf die allmähliche Abnahme der körpereigenen Selbstreparaturfähigkeiten und der zellulären Regenerationsmechanismen mit zunehmendem Alter zurückgeführt werden, was zu kumulativen Effekten auf Zellschäden und erhöhten Gesundheitsrisiken führt. Darüber hinaus ergab die Analyse der täglichen Nutzungsdauer von Kopfhörern einen kritischen kumulativen Effekt: Eine längere tägliche Nutzung von Bluetooth-Kopfhörern kann das Risiko von Schilddrüsenknoten erhöhen. Durch präzise Modellvorhersagen und die Analyse der Wichtigkeit von Variablen bietet diese neue Forschungsarbeit eine wissenschaftliche Grundlage für die Formulierung von Maßnahmen im Bereich der öffentlichen Gesundheit und für die Wahl der persönlichen Gesundheitsgewohnheiten. Zukünftige Forschung sollte die biologischen Mechanismen dieses Zusammenhangs weiter untersuchen und zusätzliche potenzielle Einflussfaktoren berücksichtigen, um umfassendere Gesundheitsberatung und Präventionsmaßnahmen anzubieten. (AT)