Livello: intermedio
Patrick Giuliano, Ingegnere senior della qualità, Abbott
Annu Wu, specialista in neurobiologia e neuroscienze dell'UCLA
Mason Chen, studente dotato di OHS di Stanford e certificato CSBB, Stanford Online High School (OHS)
Lo scopo di questo progetto è determinare quali bevande Starbucks tra tutte le opzioni di caffè e tè sono le migliori per la prevenzione delle malattie cardiovascolari (CVD) e per una buona salute generale. Viene costruito un indice sanitario basato sulla scienza per considerare diversi costituenti nutrizionali del caffè/tè, tra cui grassi saturi, colesterolo, sodio, carboidrati, fibre alimentari, zuccheri, proteine e caffeina. L'attività antiossidante dei flavonoidi della caffeina può ridurre la formazione di radicali liberi ed eliminare i radicali liberi.L’analisi delle componenti principali (PCA) viene utilizzata per esplorare tutti i fattori nell’analisi e per fornire informazioni sull’utilità dell’indice sanitario in relazione al suo collegamento con la prevenzione delle malattie cardiovascolari e la salubrità netta. Il componente principale 1 è più rilevante per la maggior parte dei componenti dannosi come zuccheri, carboidrati, grassi saturi e grassi totali. Il componente principale 2 è più correlato ai benefici per la salute grazie al contenuto di caffeina.Inoltre, la fibra alimentare e la caffeina sono più opposte rispetto agli altri costituenti nocivi lungo la direzione sia del primo che del secondo componente principale nel grafico di carico. L'analisi degli autonomi PCA è uno strumento diagnostico computazionale e visivo molto potente per la discriminazione e la classificazione dei tipi di prodotti a base di caffè in base ai modelli dei costituenti nutrizionali. Per evitare un'inflazione della varianza dovuta al contributo di numerosi componenti nell'analisi, i dati originali sono stati trasformati in Z e i grafici di caricamento JMP sono standardizzati.Un nuovo indice di salute basato su PCA viene derivato in base agli autovalori e agli autovettori dei primi due componenti principali. Il nuovo indice sanitario basato su PCA viene inoltre confrontato e correlato a un indice sanitario precedentemente stabilito su base scientifica (~70%-80% R-Squared Curve Fitting).A causa dell'ortogonalità dell'analisi degli autonomi principali, i restanti otto componenti principali sono neutrali rispetto all'indice di salute (~ 0% R-quadrato).La PCA ha inoltre dimostrato il concetto di Pareto (il primo 20% delle componenti principali ha affrontato circa l'80% della varianza totale).
CIAO @elaine_daniloff : È stato un piacere incontrarti di nuovo al Summit e frugarti all'aeroporto! Puoi accedere qui a tutti i materiali che ho citato durante la mia presentazione.Si prega di controllare il collegamento ipertestuale che ho incluso nel mio file di diario da uno di @giuliano dei vecchi webinar che contengono una meravigliosa piccola spiegazione introduttiva della PCA, in un modo molto pratico. Lo ricopia Qui per la tua comodità.Fa esattamente la stessa demo che ti ho mostrato all'aeroporto dove generiamo i componenti principali, vediamo le loro equazioni nelle proprietà delle colonne (come combinazioni lineari indipendenti delle variabili di input), e poi dimostriamo che sono completamente non correlati (ortogonali a) ciascuno altro utilizzando la piattaforma Adatta Y per X in JMP.
Desideriamo ringraziare il Dr. Charles Chen, PhD @charles_chen per i suoi contributi di pensiero su numerosi aspetti di questo progetto.
