Nivel: Intermedio
Patrick Giuliano, ingeniero sénior de calidad, Abbott
Annu Wu, Licenciada en Neurobiología y Neurociencia de la UCLA
Mason Chen, estudiante talentoso de Stanford OHS y certificado por 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/té, incluyendo grasas saturadas, colesterol, sodio, carbohidratos, fibra dietética, azúcares, proteínas y 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 ECV 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 la salud beneficiosa debido al contenido de cafeína. Además, la fibra dietética y la cafeína son más opuestas en comparación con los otros componentes no saludables a lo largo de la dirección del primer y segundo componente principal en el gráfico de carga. El análisis de autovalores de PCA es una herramienta de diagnóstico visual y computacional muy potente para la discriminación y clasificación de tipos de productos de café con base en patrones en los componentes nutricionales. Para evitar la inflación de la varianza debido a la contribución de los muchos componentes en el análisis, los datos originales han sido transformados Z y los gráficos de carga JMP están estandarizados. Un nuevo índice de salud basado en PCA se deriva con base en los autovalores y autovectores de los primeros dos componentes principales. El nuevo índice de salud basado en PCA también se compara y correlaciona con un índice de salud basado en la ciencia previamente establecido (~70%-80% Ajuste de curva R-cuadrado). Debido a la ortogonalidad del análisis de autovalores principales, 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 han abordado ~80% de la varianza total).
