Livello: Intermedio
Patrick Giuliano, Senior Quality Engineer, Abbott
Annu Wu, laureata in neurobiologia e neuroscienze presso l'UCLA
Mason Chen, studente dotato della Stanford OHS 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 siano le migliori per la prevenzione delle malattie cardiovascolari (CVD) e per una buona salute generale. Viene costruito un indice di salute basato sulla scienza per considerare diversi costituenti nutrizionali di 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 e spazzare via i radicali liberi. L'analisi delle componenti principali (PCA) viene utilizzata per esplorare tutti i fattori nell'analisi e per informare sull'utilità dell'indice di salute in relazione al suo collegamento con la prevenzione delle CVD e la salute netta. Il componente principale 1 è più rilevante per la maggior parte dei costituenti non sani come zuccheri, carboidrati, grassi saturi e grassi totali. Il componente principale 2 è più correlato alla salute benefica a causa del contenuto di caffeina. Inoltre, le fibre alimentari e la caffeina sono più opposte rispetto agli altri costituenti non sani lungo la direzione sia del primo che del secondo componente principale sul grafico di caricamento. L'analisi PCA eigen 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 a modelli di componenti nutrizionali. Per evitare l'inflazione della varianza dovuta al contributo dei 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 è derivato in base agli autovalori e agli autovettori dei primi due componenti principali. Il nuovo indice di salute basato su PCA è anche confrontato e correlato a un indice di salute basato sulla scienza precedentemente stabilito (~70%-80% R-Square Curve Fitting). A causa dell'ortogonalità dell'analisi principale degli autovalori, i restanti otto componenti principali sono neutri sull'indice di salute (~0% R-Square). La PCA ha anche dimostrato il concetto di Pareto (il primo 20% dei componenti principali ha affrontato ~80% della varianza totale).
