Nivel: Intermedio
Patrick Giuliano, ingeniero superior de calidad, Abbott
Annu Wu, Especialista en Neurobiología y Neurociencia de UCLA
Mason Chen, estudiante superdotado de Stanford OHS y certificado CSBB, Stanford Online High School (OHS)
El propósito de este proyecto es determinar qué bebidas de Starbucks entre todas las opciones de café y té son las mejores para la prevención de enfermedades cardiovasculares (ECV) y la buena salud en general. Se construye un índice de salud con base científica para considerar diferentes componentes nutricionales del café o té, incluidas las grasas saturadas, el colesterol, el sodio, los carbohidratos, la fibra dietética, los azúcares, las proteínas y la cafeína. La actividad antioxidante de los flavonoides de la cafeína puede reducir la formación de radicales libres y eliminarlos.El análisis de componentes principales (PCA) se utiliza para explorar todos los factores en el análisis e informar sobre la utilidad del índice de salud en relación con su vínculo con la prevención de enfermedades cardiovasculares y la salud neta. El componente principal 1 es más relevante para la mayoría de los componentes no saludables, como azúcares, carbohidratos, grasas saturadas y grasas totales. El componente principal 2 está más relacionado con los beneficios para la salud debido al contenido de cafeína.Además, la fibra dietética y la cafeína son más opuestas a otros componentes nocivos para la salud en la dirección del primer y segundo componente principal en el gráfico de carga. El análisis propio de PCA es una herramienta de diagnóstico visual y computacional muy poderosa para la discriminación y clasificación de tipos de productos de café en función de patrones en los componentes nutricionales. Para evitar la inflación de la varianza debido a la contribución de muchos componentes en el análisis, los datos originales se transformaron en Z y los gráficos de carga de JMP están estandarizados.Se deriva un nuevo índice de salud basado en PCA a partir de los valores propios y vectores propios de los dos primeros componentes principales. El nuevo índice de salud basado en PCA también se compara y correlaciona con un índice de salud con base científica previamente establecido (~70 %-80 % de ajuste de curva R cuadrada).Debido a la ortogonalidad del análisis propio principal, los ocho componentes principales restantes son neutrales en el índice de salud (~0% R-cuadrado).El PCA también ha demostrado el concepto de Pareto (el primer 20% de los componentes principales ha abordado ~80% de la varianza total).
Hola @elaine_daniloff : ¡Un placer volver a encontrarte en el Summitt y encontrarte a tientas en el aeropuerto! Puedes acceder aquí a todos los materiales que cité durante mi presentación.Consulte el hipervínculo que incluí en mi archivo de diario de uno de @Julian 's antiguos seminarios web que tienen una pequeña y maravillosa explicación introductoria de PCA, de una manera muy práctica. lo vuelvo a copiar aquí por su conveniencia.Él hace exactamente la misma demostración que les mostré en el aeropuerto donde generamos los componentes principales, vemos sus ecuaciones en propiedades de columna (como combinaciones lineales independientes de las variables de entrada) y luego demostramos que no están completamente correlacionados (ortogonales a) cada uno. otros usando la plataforma Fit Y by X en JMP.
Nos gustaría agradecer al Dr. Charles Chen, PhD @charles_chen por sus contribuciones de pensamiento en numerosos aspectos de este proyecto.
