REPOZITORIJ > REZULTATI

Povzetek

Vprašalniki o pogostosti uživanja živil (ang. "Food Frequency Questionnaires – FFQ") so
pogosto uporabljeno orodje za ocenjevanje prehranskih navad v epidemioloških raziskavah
in različnih (mobilnih) aplikacijah. Kljub učinkovitosti pa so vprašalniki lahko predvsem
dolgi vprašalniki lahko nekoliko problematični zaradi obremenitve za uporabnika in posledično
delno odgovorjenih vprašalnikov. Te omejitve zmanjšujejo kakovost podatkov in
ogrožajo zanesljivost nadaljnjih ocen prehrane. Doktorska disertacija preučuje, kako je
mogoče s statističnimi metodami in metodami strojnega učenja izboljšati učinkovitost, robustnost
in prilagodljivost vprašalnikov, ne da bi pri tem žrtvovali napovedno natančnost.
Disertacija se osredotoča na tri medsebojno povezane probleme: zmanjšanje števila
potrebnih vprašanj, zmanjšanje vpliva manjkajočih odgovorov ter dinamično izbiro najbolj
informativnih vprašanj med izpolnjevanjem vprašalnika.
V prvem koraku so uporabljene metode za zmanjšanje števila vprašanj ter izbiro značilk
za identifikacijo podmnožic vprašanj vprašalnika, ki ohranjajo napovedno uspešnost pri
ocenah kakovosti prehrane in vnosa hranil. Obravnavani so različni pristopi, vključno s
filtrskimi, ovojnimi (ang. "wrapper") metodami.
V drugem koraku so uvedene statične metode razvrščanja vprašanj za izboljšanje kakovosti
napovedi ob delnem izpolnjevanju vprašalnika. Z razvrščanjem vprašanj glede na
njihovo napovedno pomembnost se najbolj informativni odgovori zberejo že zgodaj, kar
poveča odpornost prehranskih ocen na nepopolne podatke.
Osrednji prispevek disertacije je metoda za dinamično razvrščanje vprašanj, ki temelji
na pričakovani uporabnosti (ang. "expected utility"). Predlagana metoda obravnava izpolnjevanje
vprašalnika kot zaporedni odločitveni problem, pri katerem je vsako naslednje
vprašanje izbrano na podlagi predhodno opaženih odgovorov. Pričakovana uporabnost
združuje naučene pogojne verjetnosti odgovorov z modelno utemeljenimi merami spremembe
napovedi in zmanjšanja negotovosti, kar omogoča večjo personalizacijo vprašalnikov.
Metoda dinamičnega razvrščanja vprašanj je dodatno razširjena na večciljno napovedovanje,
kar omogoča hkratno napovedovanje večih napovednih ciljev z enim samim
modelom.
Predlagane metode so ovrednotene na podatkih zbranih z uporabo vprašalnika Extended
Short Form Food Frequency Questionnaire (ESFFFQ) ter na podatkih prehranskega
vprašalnika v okviru raziskave NHANES. Čeprav rezultati na podatkih NHANES kažejo
omejeno napovedovanje laboratorijskih biomarkerjev zgolj na podlagi prehranskih vprašalnikov,
pa se določeni trendi jasno nakazujejo tudi na teh podatkih. Doktorska dizertacija
tako najprej pokaže, da je mogoče prehranske vprašalnike s pomočjo strojnega učenja
skrajšati, prilagoditi in narediti bolj odporne, ter končno prispeva tudi metodologijo za
personalizirano zasnovo vprašalnikov na področju prehrane (in širše).