Niveau : Intermédiaire
Patrick Giuliano, ingénieur qualité principal, Abbott
Annu Wu, majeure en neurobiologie et neurosciences à l'UCLA
Mason Chen, étudiant doué en OHS de Stanford et certifié CSBB, Stanford Online High School (OHS)
Le but de ce projet est de déterminer quelles boissons Starbucks parmi toutes les options de café et de thé sont les meilleures pour la prévention des maladies cardiovasculaires (MCV) et une bonne santé globale. Un indice de santé scientifique est construit pour prendre en compte différents constituants nutritionnels du café/thé, notamment les graisses saturées, le cholestérol, le sodium, les glucides, les fibres alimentaires, les sucres, les protéines et la caféine. L'activité antioxydante des flavonoïdes de la caféine peut réduire la formation de radicaux libres et éliminer les radicaux libres.L'analyse en composantes principales (ACP) est utilisée pour explorer tous les facteurs de l'analyse et pour informer sur l'utilité de l'indice de santé par rapport à son lien avec la prévention des maladies cardiovasculaires et la santé nette. Le composant principal 1 concerne davantage la plupart des constituants malsains tels que les sucres, les glucides, les graisses saturées et les graisses totales. Le composant principal 2 est davantage lié aux bienfaits pour la santé en raison de la teneur en caféine.De plus, les fibres alimentaires et la caféine sont les plus opposées aux autres constituants malsains dans la direction des premier et deuxième composants principaux sur le graphique de chargement. L'analyse propre PCA est un outil de diagnostic informatique et visuel très puissant pour la discrimination et la classification des types de produits à base de café en fonction des modèles de constituants nutritionnels. Pour éviter l'inflation de la variance due à la contribution des nombreux constituants dans l'analyse, les données originales ont été transformées en Z et les tracés de chargement JMP sont standardisés.Un nouvel indice de santé basé sur l'ACP est dérivé des valeurs propres et des vecteurs propres des deux premières composantes principales. Le nouvel indice de santé basé sur l'ACP est également comparé et corrélé à un indice de santé scientifiquement établi (~ 70 % à 80 % de la courbe R au carré).En raison de l’orthogonalité de l’analyse propre principale, les huit composantes principales restantes sont neutres sur l’indice de santé (~ 0 % R-carré).L'ACP a également démontré le concept de Pareto (les premiers 20 % des composantes principales ont abordé environ 80 % de la variance totale).
Salut @elaine_daniloff : Ravi de vous revoir au Summitt et de vous avoir croisé à l'aéroport ! Vous pouvez accéder ici à tous les documents que j’ai cités lors de ma présentation.Veuillez consulter le lien hypertexte que j'ai inclus dans mon fichier de journal auprès de l'un des @julien les anciens webinaires de qui contiennent une merveilleuse petite explication d'introduction à la PCA, de manière très pratique. je le recopie ici Pour ta convenance.Il fait exactement la même démo que je vous ai montrée à l'aéroport où nous générons les composants principaux, visualisons leurs équations dans les propriétés des colonnes (sous forme de combinaisons linéaires indépendantes des variables d'entrée), puis démontrons qu'elles ne sont complètement pas corrélées à (orthogonales à) chacune. d'autres en utilisant la plateforme Fit Y by X dans JMP.
Nous tenons à remercier le Dr Charles Chen, PhD @charles_chen pour ses contributions éclairées sur de nombreux aspects de ce projet.
