Способ формирования индивидуальных рекомендаций по питанию для пользователя
Изобретение относится к области диетологии. Технический результат - повышение точности формирования индивидуальных рекомендаций по питанию для пользователя в целях улучшения его здоровья. Способ формирования индивидуальных рекомендаций по питанию для пользователя включает следующие шаги: получают данные о по меньшей мере одном продукте питания пользователя, измеряют параметры, характеризующие состояние пользователя, каждому продукту ставят в соответствие числовую последовательность продукта, вычисляют взаимосвязи между индивидуальными параметрами пользователя и параметрами продукта, строят индивидуальную матрицу, на основе которой формируют по меньшей мере одну рекомендацию для пользователя. 3 ил., 5 табл.
Область техники, к которой относится изобретение
Изобретение относится к области диетологии, а более конкретно к способам формирования индивидуальных рекомендаций по питанию для пользователя, включающим следующие шаги: получают данные о по меньшей мере одном продукте питания и/или блюде пользователя; формируют по меньшей мере одну рекомендацию для пользователя.
В данном описании использованы следующие термины.
Допустимые (референсные) значения – это медицинский термин, употребляемый при проведении лабораторных и клинических исследованиях, которые определяются как интервалы определенных клинико-биохимических показателей, которые получены в результате массовых обследований населения и соответствуют показателям здорового человека. Примеры референсных значений (интервалов): гемоглобин: 120-150 г/л; глюкоза: 3,9-5,8 ммоль/л; тромбоциты: 150-370 Е9/л. Большинство референсных значений выражено в разных единицах измерений.
Кластерный анализ — многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы.
Факторный анализ — многомерный метод, применяемый для изучения взаимосвязей между значениями переменных. Предполагается, что известные переменные зависят от меньшего количества неизвестных переменных и случайной ошибки.
Множественная регрессия – статистическая методика, представляющая собой расширенный вариант простой регрессии, позволяющий делать предсказания и выводы из латентных состояний относительно, например, одной1 зависимой переменной, основываясь на изменениях и действиях двух или более независимых переменных. В качестве зависимой и независимых переменных могут быть применены результаты измерений показателей по индивидуальному пациенту. Если уравнение регрессии имеет форму стандартных значений, то могут быть оценены относительные веса или вклады каждой из независимых переменных (предсказывающих) переменных в изменении зависимой переменной.
Уровень техники
Трудно найти такое состояние человека, на которое не оказывали бы влияние продукты питания. Понятным следствием влияния продуктов питания являются изменения параметров крови, которые, в свою очередь, ведут к развитию или преодолению различных патологий. Соответственно существуют разные подходы для формирования индивидуальных рекомендаций по питанию для пользователя.
Известен способ формирования индивидуальных рекомендаций по питанию для пользователя, выполняемый по меньшей мере посредством одного процессора, и включающий следующие шаги: получают данные о по меньшей мере одном продукте питания пользователя; формируют по меньшей мере одну рекомендацию для пользователя, см. патент на изобретение РФ №2721234, опубликован в 2020 году.
Данный способ является наиболее близким по технической сути и достигаемому техническому результату и выбран за прототип предлагаемого изобретения.
Недостатком такого способа является недостаточная точность формирования индивидуальных рекомендаций по питанию для пользователя в целях улучшения его здоровья, так как не учитывается статистические взаимосвязи параметров продуктов питания и индивидуальных параметров пользователя.
Раскрытие изобретения
Опирающееся на это оригинальное наблюдение настоящее изобретение, главным образом, имеет целью предложить способ формирования индивидуальных рекомендаций по питанию для пользователя выполняемый по меньшей мере посредством одного процессора, который обеспечивает повышение точности формирования индивидуальных рекомендаций по питанию для пользователя в целях улучшения его здоровья, что и является решаемой технической задачей.
Для достижения этой цели
• измеряют параметры, характеризующие состояние пользователя, включающие проведения общего анализа крови, определения патологии и переводят их в числовую последовательность индивидуальных параметров пользователя,
• каждому продукту ставят в соответствие числовую последовательность продукта, соответствующую значениям содержания в нем отдельных нутриентов,
• вычисляют взаимосвязи между индивидуальными параметрами пользователя и параметрами продукта для чего посредством процессора строят индивидуальную матрицу влияния каждого продукта на параметры пользователя, для чего определяют факторные веса влияния каждого отдельного продукта на каждый параметр пользователя,
• обрабатывают посредством процессора статистическим методом полученную индивидуальную матрицу влияния каждого продукта на параметры пользователя, с определением факторных весов влияния каждого продукта на патологию пользователя, на основании которой и формируют рекомендации для пользователя, при которых продукты с отрицательными факторными весами не рекомендуют к употреблению, а продукты с положительными факторными весами рекомендуют к употреблению.
Благодаря данным выгодным характеристикам появляется возможность повышения точности формирования индивидуальных рекомендаций по питанию для пользователя в целях улучшения его здоровья.
Действительно, для того, чтобы получить адекватные выводы при диагностике взаимодействия 
органических и неорганических элементов продуктов питания, препаратов и параметров анализов крови и патологий, необходимо иметь базу данных, в которой информация удовлетворяет следующим условиям в цифровом смысле.
Во-первых, информационный элемент или параметр должен обладать качественным 
своеобразием, выраженным в цифровых сочетаниях двоичных кодов.
Во-вторых, так как все элементы и параметры имеют разные единицы измерения (граммы, миллиграммы, микрограммы, граммы на литры, и т.д.) необходимо обеспечить их сравнимость. Свойство сравнимости абсолютно всех элементов и параметров может быть обеспечено переводом данных в вероятностную форму через систему двоичных 
кодов.
В-третьих, избранные для анализа элементы и параметры должны быть организованы в адекватную статистическую форму. В нашем случае наиболее подходящей статистической формой является матрица массовых данных, для которой разработан ряд общедоступных и эффективных статистических методов анализа.
В предлагаемом способе как раз и формируют индивидуальную матрицу влияния каждого продукта на параметры пользователя, причем вследствие того, что в ней все значения являются исключительно числовыми, и лишены проблемы несовместимости из-за разных размерностей, то они являются сравнимыми и могут быть обработаны математическими методами. Таким образом появляется возможность находить взаимосвязи между параметрами, которые до этого были несравнимыми. Найденные взаимосвязи позволяют, в свою очередь, определить факторные веса влияния каждого отдельного продукта на параметры крови пользователя, и таким образом на саму патологию пользователя.
И на основании этого и формируют рекомендации для пользователя, при которых продукты с отрицательными факторными весами не рекомендуют к употреблению, а продукты с положительными факторными весами рекомендуют к употреблению.
Существует преимущественный вариант изобретения, в котором индивидуальную матрицу, путем заполнения в ее ячейках значений, использованных в отношении каждого измеряемого параметра, разделенного на шесть интервалов, а именно:
i значение измеряемого параметра попадает в интервал допустимых значений для данного параметра;
ii значение измеряемого параметра больше значение среднего из интервала допустимых значений;
iii значение измеряемого параметра меньше среднего из интервала допустимых значений;
iv коэффициент вариации измеряемого параметра находится в диапазоне от 0 до 0,3454;
v коэффициент вариации измеряемого параметра находится в диапазоне от 0,3455 до 0,8;
vi коэффициент вариации измеряемого параметра больше 0,8.
Благодаря данной выгодной характеристике появляется возможность использовать таблицу, состоящую исключительно из нулей и единиц, что упрощает и ускоряет обработку ее на компьютере.
Существует кроме того вариант изобретения, в котором качестве статического метода выбирают статистический метод главных компонент. Благодаря данной выгодной характеристике появляется возможность использовать статистический метод главных компонент для сокращения размерности пространства признаков с минимальной потерей полезной информации.
Существует также вариант изобретения, в котором в качестве статического метода выбирают метод кластерного анализа. Благодаря данной выгодной характеристике появляется возможность разбиения множества исследуемых объектов и признаков на однородные в некотором смысле группы, или кластеры. Это многомерный статистический метод, поэтому предполагается, что исходные данные могут быть значительного объема, т.е. существенно большим может быть, как количество объектов исследования (наблюдений), так и признаков, характеризующих эти объекты.
Существует вариант изобретения, в котором в качестве статического метода выбирают метод факторного анализа. Благодаря данной выгодной характеристике появляется возможность анализа влияния отдельных факторов на результативный показатель с помощью детерминированных или стохастических приемов исследования.
Существует кроме того вариант изобретения, в котором в качестве статического метода выбирают метод нелинейной множественной регрессии.
Благодаря данной выгодной характеристике появляется возможность моделирования экспериментальных данных функцией, являющейся нелинейной комбинацией параметров модели и зависящей от одной и более независимых переменных. Данные аппроксимируются методом последовательных приближений.
Совокупность существенных признаков предлагаемого изобретения неизвестна из уровня техники для способов аналогичного назначения, что позволяет сделать вывод о соответствии критерию «новизна» для предлагаемого решения. Кроме того, большая значимость данного решения, и факт, что до сих пор такое решение не было предложено, говорит о наличии изобретательского уровня для предлагаемого решения.
Краткое описание чертежей
Другие отличительные признаки и преимущества предлагаемого решения ясно вытекают из описания, приведенного ниже для иллюстрации и не являющегося ограничительным, со ссылками на прилагаемые рисунки, на которых:
- фигура 1 показывает систему формирования индивидуальных рекомендаций по питанию для пользователя согласно изобретению;
- фигура 2 показывает этапы способа формирования индивидуальных рекомендаций по питанию для пользователя согласно изобретению;
- фигура 3 показывает диаграмму взаимосвязей параметров продуктов и пациентов из примера согласно изобретению.
На фигуре 1 показано, как множество пользователей 1, посредством своих персональных компьютерных устройств 2 (типичный пример – ноутбук, смартфон) соединяются с удаленным сервером 3 посредством объединенной сети 4, которая включает в себя любые типы беспроводного соединения (типичный пример такой сети – Интернет). На сервере 3 находится база данных продуктов питания в модуле хранения базы данных 31.
Пользователи передают свои параметры на сервер, где они записываются в базу данных параметров пользователей в модуле хранения базы данных 32.
Посредством процессора 33 соединенного с модулями 31 и 32 автоматически строят индивидуальную матрицу влияния каждого продукта на параметры пользователя, и передают данные обратно на персональные компьютерные устройства 2 пользователей 1.
Для автоматизации процесса могут быть использованы метода машинного обучения и построения нейронной сети.
Осуществление изобретения
Способ формирования индивидуальных рекомендаций по питанию для пользователя осуществляют следующим образом. (Приводится неограничивающий применения изобретения согласно фигуре 1).
Этап А1. Измеряют параметры, характеризующие состояние пользователя, включающие проведения общего анализа крови, определения патологии и переводят их в числовую последовательность индивидуальных параметров пользователя. Их вводят в персональные компьютерные устройства 2 пользователей.
Этап А2 Каждому продукту ставят в соответствие числовую последовательность продукта, соответствующую значениям содержания в нем отдельных нутриентов. Эти данные заносят в базу данных, находящуюся в модуле хранения базы данных 31.
Этап А3. Вычисляют взаимосвязи между индивидуальными параметрами пользователя и параметрами продукта для чего посредством процессора 33 строят индивидуальную матрицу влияния каждого продукта на параметры пользователя, для чего определяют факторные веса влияния каждого отдельного продукта на каждый параметр пользователя.
Этап А4. Определяют факторные веса влияния каждого продукта на патологию пользователя.
Этап А5. Строят индивидуальную матрицу, путем заполнения в ее ячейках значений (опционально это могут быть значения 0 и 1, соответствующие критериям «не имеется» и «имеется»), использованных в отношении каждого измеряемого параметра, разделенного на шесть интервалов, а именно:
i значение измеряемого параметра попадает в интервал допустимых значений для данного параметра;
ii значение измеряемого параметра больше значение среднего из интервала допустимых значений;
iii значение измеряемого параметра меньше среднего из интервала допустимых значений;
iv коэффициент вариации измеряемого параметра находится в диапазоне от 0 до 0,3454;
v коэффициент вариации измеряемого параметра находится в диапазоне от 0,3455 до 0,8;
vi коэффициент вариации измеряемого параметра больше 0,8.
Этап А6. В качестве статического метода выбирают статистический метод главных компонент.
Этап А7. В качестве статического метода выбирают метод кластерного анализа.
Этап А8. В качестве статического метода выбирают метод факторного анализа.
Этап А9. В качестве статического метода выбирают метод нелинейной множественной регрессии.
Этап А10. Обрабатывают посредством процессора статистическим методом полученную индивидуальную матрицу влияния каждого продукта на параметры пользователя, на основании которой и формируют рекомендации для пользователя, при которых продукты с отрицательными факторными весами не рекомендуют к употреблению, а продукты с положительными факторными весами рекомендуют к употреблению.
Промышленная применимость
Предлагаемый способ формирования индивидуальных рекомендаций по питанию для пользователя может быть осуществлен специалистом на практике и при осуществлении обеспечивает реализацию заявленного назначения, что позволяет сделать вывод о соответствии критерию «промышленная применимость» для изобретения.
Описанный способ формирования индивидуальных рекомендаций по питанию для пользователя реализуется на базе традиционных технологий, и возможность его осуществления не связана с какими-либо дополнительными техническими проблемами.
Примеры
Для проверки способа из совокупности в 10 000 типов продуктов питания методом случайной выборки для описания горизонтальных полей матрицы были отобраны 17 продуктов питания плюс два анализа крови двух индивидуальных пациентов, плюс описания двух патологий из оригинальных анамнезов этих двух индивидуальных пациентов (См. Таблицу 1).
| № | Продукт или параметр пользователя |
| 1 | Пшеничная мука |
| 2 | Кабачки |
| 3 | Морковь красная |
| 4 | Перец красный сладкий |
| 5 | Хрен |
| 6 | Щавель |
| 7 | Рис |
| 8 | Свиная вырезка |
| 9 | Тунец |
| 10 | Бананы |
| 11 | Лимон |
| 12 | Голубика |
| 13 | Молоко сгущенное |
| 14 | Творог полужирный |
| 15 | Ряженка 6 % жирности |
| 16 | Дрожжи |
| 17 | Фундук |
| 18 | Анализ крови пациента № 1 |
| 19 | Атеросклероз |
| 20 | Анализ крови пациента № 2 |
| 21 | Остеопороз |
Таблица 1. Перечень случайной выборки продуктов питания
Далее были выбраны параметры продуктов и пользователи. Полнота описания параметров обеспечивается 52 органическими, неорганическими. элементами продуктов питания и параметрами анализов крови и патологий. Причем, каждый элемент и параметр описаны статистически при помощи абсолютных чисел. Любой элемент представлен в шести измерениях:
i значение измеряемого параметра попадает в интервал допустимых значений для данного параметра;
ii значение измеряемого параметра больше значение среднего из интервала допустимых значений;
iii значение измеряемого параметра меньше среднего из интервала допустимых значений;
iv коэффициент вариации измеряемого параметра находится в диапазоне от 0 до 0,34;
v коэффициент вариации измеряемого параметра находится в диапазоне от 0,3455 до 0,8;
vi коэффициент вариации измеряемого параметра больше 0,8.
Все поля матрицы, представленные вертикальными столбцами, описывают указанные 52 параметра по 312 показателями (см. Таблицу 2) где параметры относятся к параметрам и продуктов и пользователя.
| № | Параметр | i | ii | iii | iv | v | vi |
| 1 | Белки | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 2 | Жиры | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 3 | Углеводы | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 4 | Калий | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 5 | Кальций | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 6 | Магний | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 7 | Натрий | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 8 | Фосфор | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 9 | Железо | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 10 | Йод | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 11 | Кобальт | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 12 | Марганец | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 13 | Медь | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 14 | Молибден | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 15 | Фтор | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 16 | Цинк | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 17 | А-ретинол | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 18 | Б-каротин | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 19 | Е-токоферол | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 20 | С-аскорбиновая кислота | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 21 | Витамин В1 | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 22 | Витамин В2 | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 23 | Вс-фолиевая кислота | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 24 | РР-ниацин | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 25 | Калорийность | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 26 | Кислотно-щелочной баланс | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 27 | Лейкоциты | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 28 | Эритроциты | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 29 | Гемоглобин | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 30 | Тромбоциты | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 31 | Билирубин | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 32 | АЛТ | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 33 | АСТ | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 34 | Холестерин | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 35 | Триглицериды | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 36 | Глюкоза | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 37 | Мочевина | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 38 | Креатинин | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 39 | С-амилаза | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 40 | С-пептид | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 41 | Ферритин | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 42 | Фибриноген | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 43 | ЛДГ | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 44 | Хлор | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 45 | D-dimer | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 46 | ТТГ | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 47 | ПСА | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 48 | Моноциты абс | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 49 | IgA | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 50 | IgE | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 51 | Атеросклероз | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
| 52 | Остеопороз | Х | >X | <X | 0,0-34,54 | 34.55-80,0 | >80,0 |
Таблица 2 Перечень изучаемых параметров для выбранных продуктов питания и параметров пользователя
Данная таблица при заполнении ее расчётными значениями приобретает следующий вид (для удобства дальнейшей обработки матрица заменяется рядом непрерывных значений, соответствующим построчному прочтению значений матрицы в таблице 2:
| № | Параметр | Диапазон i-vi. | Численное значение |
| 1 | Белки | Х | 0,00 |
| 2 | Белки | >X | 0,18 |
| 3 | Белки | <X | 0,49 |
| 4 | Белки | 0,0-34,54 | 0,21 |
| 5 | Белки | 34.55-80,0 | 0,48 |
| 6 | Белки | >80,00 | 0,66 |
| 7 | Жиры | X | 0,15 |
| 8 | Жиры | >X | 0,11 |
| 9 | Жиры | <X | 0,55 |
| 10 | Жиры | 0,0-34,54 | 0,04 |
| 11 | Жиры | 34.55-80,0 | 0,47 |
| 12 | Жиры | >80,00 | 0,17 |
| 13 | Углеводы | X | 0,12 |
| 14 | Углеводы | >X | -0,22 |
| 15 | Углеводы | <X | 0,37 |
| 16 | Углеводы | 0,0-34,54 | 0,17 |
| 17 | Углеводы | 34.55-80,0 | 0,42 |
| 18 | Углеводы | >80,00 | 0,12 |
| 19 | Калий | X | 0,66 |
| 20 | Калий | >X | 0,14 |
| 21 | Калий | <X | -0,40 |
| 22 | Калий | 0,0-34,54 | -0,39 |
| 23 | Калий | 34.55-80,0 | 0,45 |
| 24 | Калий | >80,00 | 0,05 |
| 25 | Кальций | X | 0,10 |
| 26 | Кальций | >X | -0,50 |
| 27 | Кальций | <X | 0,44 |
| 28 | Кальций | 0,0-34,54 | -0,55 |
| 29 | Кальций | 34.55-80,0 | -0,56 |
| 30 | Кальций | >80,00 | 0,10 |
| 31 | Магний | X | 0,01 |
| 32 | Магний | >X | 0,16 |
| 33 | Магний | <X | 0,15 |
| 34 | Магний | 0,0-34,54 | -0,57 |
| 35 | Магний | 34.55-80,0 | 0,51 |
| 36 | Магний | >80,00 | -0,10 |
| 37 | Натрий | Х | 0,10 |
| 38 | Натрий | >X | -0,76 |
| 39 | Натрий | <X | 0,16 |
| 40 | Натрий | 0,0-34,54 | 0,80 |
| 41 | Натрий | 34.55-80,0 | 0,57 |
| 42 | Натрий | >80,00 | 0,15 |
| 43 | Фосфор | X | 0,10 |
| 44 | Фосфор | >X | 0,15 |
| 45 | Фосфор | <X | -0,09 |
| 46 | Фосфор | 0,0-34,54 | -0,61 |
| 47 | Фосфор | 34.55-80,0 | 0,54 |
| 48 | Фосфор | >80,00 | 0,10 |
| 49 | Железо | X | 0,10 |
| 50 | Железо | >X | 0,14 |
| 51 | Железо | <X | 0,51 |
| 52 | Железо | 0,0-34,54 | 0,10 |
| 53 | Железо | 34.55-80,0 | 0,49 |
| 54 | Железо | >80,00 | 0,67 |
| 55 | Йод | X | 0,66 |
| 56 | Йод | >X | -0,13 |
| 57 | Йод | <X | -0,61 |
| 58 | Йод | 0,0-34,54 | -0,10 |
| 59 | Йод | 34.55-80,0 | -0,84 |
| 60 | Йод | >80,00 | -0,36 |
| 61 | Кобальт | Х | -0,05 |
| 62 | Кобальт | >X | -0,05 |
| 63 | Кобальт | <X | -0,67 |
| 64 | Кобальт | 0,0-34,54 | -0,10 |
| 65 | Кобальт | 34.55-80,0 | -0,02 |
| 66 | Кобальт | >80,00 | -0,40 |
| 67 | Марганец | X | -0,01 |
| 68 | Марганец | >X | -0,05 |
| 69 | Марганец | <X | -0,63 |
| 70 | Марганец | 0,0-34,54 | -0,10 |
| 71 | Марганец | 34.55-80,0 | -0,29 |
| 72 | Марганец | >80,00 | -0,33 |
| 73 | Медь | X | -0,05 |
| 74 | Медь | >X | -0,14 |
| 75 | Медь | <X | -0,06 |
| 76 | Медь | 0,0-34,54 | 0,81 |
| 77 | Медь | 34.55-80,0 | -0,33 |
| 78 | Медь | >80,00 | -0,32 |
| 79 | Молибден | X | -0,05 |
| 80 | Молибден | >X | -0,11 |
| 81 | Молибден | <X | -0,54 |
| 82 | Молибден | 0,0-34,54 | -0,10 |
| 83 | Молибден | 34.55-80,0 | -0,19 |
| 84 | Молибден | >80,00 | -0,38 |
| 85 | Фтор | Х | -0,10 |
| 86 | Фтор | >X | -0,15 |
| 87 | Фтор | <X | -0,45 |
| 88 | Фтор | 0,0-34,54 | -0,10 |
| 89 | Фтор | 34.55-80,0 | -0,22 |
| 90 | Фтор | >80,00 | -0,34 |
| 91 | Цинк | X | -0,10 |
| 92 | Цинк | >X | 0,01 |
| 93 | Цинк | <X | 0,10 |
| 94 | Цинк | 0,0-34,54 | -0,81 |
| 95 | Цинк | 34.55-80,0 | 0,34 |
| 96 | Цинк | >80,00 | 0,31 |
| 97 | А-ретинол | X | 0,30 |
| 98 | А-ретинол | >X | 0,11 |
| 99 | А-ретинол | <X | 0,34 |
| 100 | А-ретинол | 0,0-34,54 | 0,10 |
| 101 | А-ретинол | 34.55-80,0 | 0,20 |
| 102 | А-ретинол | >80,00 | 0,25 |
| 103 | Б-каротин | X | 0,01 |
| 104 | Б-каротин | >X | 0,10 |
| 105 | Б-каротин | <X | 0,64 |
| 106 | Б-каротин | 0,0-34,54 | 0,03 |
| 107 | Б-каротин | 34.55-80,0 | 0,39 |
| 108 | Б-каротин | >80,00 | -0,28 |
| 109 | Е-токоферол | Х | 0,72 |
| 110 | Е-токоферол | >X | 0,29 |
| 111 | Е-токоферол | <X | 0,36 |
| 112 | Е-токоферол | 0,0-34,54 | 0,10 |
| 113 | Е-токоферол | 34.55-80,0 | 0,26 |
| 114 | Е-токоферол | >80,00 | 0,35 |
| 151 | С-аскорбиновая кислота | X | 0,01 |
| 116 | С-аскорбиновая кислота | >X | 0,11 |
| 117 | С-аскорбиновая кислота | <X | 0,64 |
| 118 | С-аскорбиновая кислота | 0,0-34,54 | -0,38 |
| 119 | С-аскорбиновая кислота | 34.55-80,0 | 0,48 |
| 120 | С-аскорбиновая кислота | >80,00 | 0,17 |
| 121 | Витамин В1 | X | 0,14 |
| 122 | Витамин В1 | >X | 0,11 |
| 123 | Витамин В1 | <X | 0,49 |
| 124 | Витамин В1 | 0,0-34,54 | 0,1 |
| 125 | Витамин В1 | 34.55-80,0 | 0,62 |
| 126 | Витамин В1 | >80,00 | 0,72 |
| 127 | Витамин В2 | X | 0,61 |
| 128 | Витамин В2 | >X | -0,15 |
| 129 | Витамин В2 | <X | 0,41 |
| 130 | Витамин В2 | 0,0-34,54 | 0,16 |
| 131 | Витамин В2 | 34.55-80,0 | -0,41 |
| 132 | Витамин В2 | >80,00 | 0,03 |
| 133 | Вс-фолиевая кислота | X | 0,02 |
| 134 | Вс-фолиевая кислота | >X | 0,10 |
| 135 | Вс-фолиевая кислота | <X | 0,63 |
| 136 | Вс-фолиевая кислота | 0,0-34,54 | 0,10 |
| 137 | Вс-фолиевая кислота | 34.55-80,0 | 0,33 |
| 138 | Вс-фолиевая кислота | >80,00 | 0,29 |
| 139 | РР-ниацин | X | 0,16 |
| 140 | РР-ниацин | >X | -0,14 |
| 141 | РР-ниацин | <X | 0,42 |
| 142 | РР-ниацин | 0,0-34,54 | 0,1 |
| 143 | РР-ниацин | 34.55-80,0 | 0,59 |
| 144 | РР-ниацин | >80,00 | -0,63 |
| 145 | Калорийность | Х | 0,02 |
| 146 | Калорийность | >X | 0,18 |
| 147 | Калорийность | <X | -0,26 |
| 148 | Калорийность | 0,0-34,54 | 0,20 |
| 149 | Калорийность | 34.55-80,0 | -0,36 |
| 150 | Калорийность | >80,00 | 0,72 |
| 151 | Кислотно-щелочной баланс | X | -0,29 |
| 152 | Кислотно-щелочной баланс | >X | -0,22 |
| 153 | Кислотно-щелочной баланс | <X | -0,16 |
| 154 | Кислотно-щелочной баланс | 0,0-34,54 | -0,10 |
| 155 | Кислотно-щелочной баланс | 34.55-80,0 | -0,24 |
| 156 | Кислотно-щелочной баланс | >80,00 | -0,34 |
| 157 | Лейкоциты | X | 0,02 |
| 158 | Лейкоциты | >X | 0,64 |
| 159 | Лейкоциты | <X | -0,77 |
| 160 | Лейкоциты | 0,0-34,54 | -0,97 |
| 161 | Лейкоциты | 34.55-80,0 | 0,02 |
| 162 | Лейкоциты | >80,00 | 0,03 |
| 163 | Эритроциты | X | -0,10 |
| 164 | Эритроциты | >X | -0,70 |
| 165 | Эритроциты | <X | 0,64 |
| 166 | Эритроциты | 0,0-34,54 | -0,97 |
| 167 | Эритроциты | 34.55-80,0 | -0,10 |
| 168 | Эритроциты | >80,00 | 0,03 |
| 169 | Гемоглобин | X | 0,02 |
| 170 | Гемоглобин | >X | 0,03 |
| 171 | Гемоглобин | <X | 0,98 |
| 172 | Гемоглобин | 0,0-34,54 | -0,97 |
| 173 | Гемоглобин | 34.55-80,0 | -0,09 |
| 174 | Гемоглобин | >80,00 | -0,97 |
| 175 | Тромбоциты | X | -0,10 |
| 176 | Тромбоциты | >X | -0,63 |
| 177 | Тромбоциты | <X | -0,70 |
| 178 | Тромбоциты | 0,0-34,54 | 0,99 |
| 179 | Тромбоциты | 34.55-80,0 | -0,10 |
| 180 | Тромбоциты | >80,00 | -0,05 |
| 181 | Билирубин | Х | -0,10 |
| 182 | Билирубин | >X | -0,97 |
| 183 | Билирубин | <X | -0,70 |
| 184 | Билирубин | 0,0-34,54 | -0,63 |
| 185 | Билирубин | 34.55-80,0 | -0,10 |
| 186 | Билирубин | >80,00 | 0,03 |
| 187 | АЛТ | X | 0,10 |
| 188 | АЛТ | >X | -0,97 |
| 189 | АЛТ | <X | 0,72 |
| 190 | АЛТ | 0,0-34,54 | 0,02 |
| 191 | АЛТ | 34.55-80,0 | -0,53 |
| 192 | АЛТ | >80,00 | 0,10 |
| 193 | АСТ | X | 0,11 |
| 194 | АСТ | >X | -0,10 |
| 195 | АСТ | <X | -0,97 |
| 196 | АСТ | 0,0-34,54 | -0,10 |
| 197 | АСТ | 34.55-80,0 | -0,97 |
| 198 | АСТ | >80,00 | -0,10 |
| 199 | Холестерин | X | -0,10 |
| 200 | Холестерин | >X | -0,97 |
| 201 | Холестерин | <X | -0,10 |
| 202 | Холестерин | 0,0-34,54 | -0,97 |
| 203 | Холестерин | 34.55-80,0 | -0,10 |
| 204 | Холестерин | >80,00 | 0,03 |
| 205 | Триглицериды | X | -0,10 |
| 206 | Триглицериды | >X | 0,02 |
| 207 | Триглицериды | <X | -0,97 |
| 208 | Триглицериды | 0,0-34,54 | -0,97 |
| 209 | Триглицериды | 34.55-80,0 | -0,10 |
| 210 | Триглицериды | >80,00 | -0,10 |
| 211 | Глюкоза | X | 0,03 |
| 212 | Глюкоза | >X | 0,99 |
| 213 | Глюкоза | <X | 0,02 |
| 214 | Глюкоза | 0,0-34,54 | 0,99 |
| 215 | Глюкоза | 34.55-80,0 | -0,10 |
| 216 | Глюкоза | >80,00 | -0,10 |
| 217 | Мочевина | Х | 0,64 |
| 218 | Мочевина | >X | -0,70 |
| 219 | Мочевина | <X | -0,71 |
| 220 | Мочевина | 0,0-34,54 | 0,64 |
| 221 | Мочевина | 34.55-80,0 | -0,10 |
| 222 | Мочевина | >80,00 | -0,10 |
| 223 | Креатинин | X | -0,10 |
| 224 | Креатинин | >X | -0,10 |
| 225 | Креатинин | <X | -0,97 |
| 226 | Креатинин | 0,0-34,54 | -0,97 |
| 227 | Креатинин | 34.55-80,0 | 0,03 |
| 228 | Креатинин | >80,00 | -0,10 |
| 229 | С-амилаза | X | -0,10 |
| 230 | С-амилаза | >X | 0,64 |
| 231 | С-амилаза | <X | 0,72 |
| 232 | С-амилаза | 0,0-34,54 | -0,10 |
| 233 | С-амилаза | 34.55-80,0 | 0,99 |
| 234 | С-амилаза | >80,00 | -0,10 |
| 325 | С-пептид | X | -0,10 |
| 236 | С-пептид | >X | -0,10 |
| 237 | С-пептид | <X | 0,85 |
| 238 | С-пептид | 0,0-34,54 | -0,10 |
| 239 | С-пептид | 34.55-80,0 | 0,63 |
| 240 | С-пептид | >80,00 | -0,50 |
| 241 | Ферритин | X | -0,10 |
| 242 | Ферритин | >X | -0,10 |
| 243 | Ферритин | <X | -0,97 |
| 244 | Ферритин | 0,0-34,54 | -0,10 |
| 245 | Ферритин | 34.55-80,0 | -0,97 |
| 246 | Ферритин | >80,00 | 0,20 |
| 247 | Фибриноген | X | -0,10 |
| 428 | Фибриноген | >X | -0,70 |
| 249 | Фибриноген | <X | -0,61 |
| 250 | Фибриноген | 0,0-34,54 | -0,97 |
| 251 | Фибриноген | 34.55-80,0 | -0,10 |
| 252 | Фибриноген | >80,00 | -0,10 |
| 253 | ЛДГ | X | -0,10 |
| 254 | ЛДГ | >X | 0,03 |
| 255 | ЛДГ | <X | 0,99 |
| 256 | ЛДГ | 0,0-34,54 | 0,99 |
| 257 | ЛДГ | 34.55-80,0 | -0,10 |
| 258 | ЛДГ | >80,00 | -0,10 |
| 259 | Хлор | Х | -0,10 |
| 260 | Хлор | >X | 0,99 |
| 261 | Хлор | <X | -0,10 |
| 262 | Хлор | 0,0-34,54 | 0,99 |
| 263 | Хлор | 34.55-80,0 | -0,10 |
| 264 | Хлор | >80,00 | -0,10 |
| 265 | D-dimer | X | -0,10 |
| 266 | D-dimer | >X | 0,99 |
| 267 | D-dimer | <X | -0,10 |
| 268 | D-dimer | 0,0-34,54 | 0,03 |
| 269 | D-dimer | 34.55-80,0 | 0,49 |
| 270 | D-dimer | >80,00 | -0,10 |
| 271 | ТТГ | X | -0,10 |
| 272 | ТТГ | >X | 0,99 |
| 273 | ТТГ | <X | 0,99 |
| 274 | ТТГ | 0,0-34,54 | -0,10 |
| 275 | ТТГ | 34.55-80,0 | 0,99 |
| 276 | ТТГ | >80,00 | -0,10 |
| 277 | ПСА | X | -0,10 |
| 278 | ПСА | >X | 0,03 |
| 279 | ПСА | <X | 0,64 |
| 280 | ПСА | 0,0-34,54 | -0,10 |
| 281 | ПСА | 34.55-80,0 | -0,10 |
| 282 | ПСА | >80,00 | -0,97 |
| 283 | Моноциты абс | X | -0,89 |
| 284 | Моноциты абс | >X | 0,64 |
| 285 | Моноциты абс | <X | -0,70 |
| 286 | Моноциты абс | 0,0-34,54 | 0,72 |
| 287 | Моноциты абс | 34.55-80,0 | 0,03 |
| 288 | Моноциты абс | >80,00 | 0,72 |
| 289 | IgA | X | 0,01 |
| 290 | IgA | >X | 0,72 |
| 291 | IgA | <X | 0,99 |
| 292 | IgA | 0,0-34,54 | 0,72 |
| 293 | IgA | 34.55-80,0 | 0,64 |
| 294 | IgA | >80,00 | -0,10 |
| 295 | IgE | Х | -0,10 |
| 296 | IgE | >X | -0,70 |
| 297 | IgE | <X | 0,66 |
| 298 | IgE | 0,0-34,54 | 0,96 |
| 299 | IgE | 34.55-80,0 | 0,03 |
| 300 | IgE | >80,00 | -0,10 |
| 301 | Атеросклероз | X | -0,10 |
| 302 | Атеросклероз | >X | -0,86 |
| 303 | Атеросклероз | <X | -0,10 |
| 304 | Атеросклероз | 0,0-34,54 | -0,70 |
| 305 | Атеросклероз | 34.55-80,0 | -0,52 |
| 306 | Атеросклероз | >80,00 | -0,10 |
| 307 | Остеопороз | X | -0,10 |
| 308 | Остеопороз | >X | -0,70 |
| 309 | Остеопороз | <X | -0,10 |
| 310 | Остеопороз | 0,0-34,54 | 0,03 |
| 311 | Остеопороз | 34.55-80,0 | 0,72 |
| 312 | Остеопороз | >80,00 | -0,10 |
Таблица 3. Факторные веса нутриентов продуктов питания, параметров анализа крови и патологий.
Далее, с помощью статистического метода главных компонент, кластерного анализа, факторного анализа и метода нелинейной множественной регрессии обработаем описанные ингредиенты избранные для анализа пищевые продукты, анализы крови, элементы патологий и получаем результирующую таблицу:
| № | Продукт или параметр пользователя | Значение |
| 1 | Пшеничная мука | -0,66 |
| 2 | Кабачки | -0,83 |
| 3 | Морковь красная | -0,76 |
| 4 | Перец красный сладкий | -0,77 |
| 5 | Хрен | -0,81 |
| 6 | Щавель | -0,73 |
| 7 | Рис | -0,44 |
| 8 | Свиная вырезка | -0,67 |
| 9 | Тунец | -0,76 |
| 10 | Бананы | -0,74 |
| 11 | Лимон | -0,49 |
| 12 | Голубика | -0,79 |
| 13 | Молоко сгущенное | -0,83 |
| 14 | Творог полужирный | -0,84 |
| 15 | Ряженка 6% жирности | -0,53 |
| 16 | Дрожжи | -0,68 |
| 17 | Фундук | -0,63 |
| 18 | Анализ крови пациента №1 | +0,11 |
| 19 | Атеросклероз | +0,10 |
| 20 | Анализ крови пациента №2 | +0,14 |
| 21 | Остеопороз | +0,10 |
Таблица 4. Вычисленные факторные веса нутриентов продуктов питания, параметров анализа крови и патологий.
| № | Названия | Значения коэфф. уравнений абс | Долч положит. % влияющ. фактор | Доля отрицат. % влияющ. фактор |
| 1 | 2 | 3 | 4 | |
| Фундук (17) | 2,815 | 66,5 | 33,5 | |
| Свиная вырезка (8) | 2,791 | 67,9 | 32,1 | |
| Тунец (9) | 2,570 | 69,6 | 30,4 | |
| Морковь красная (3) | 2,567 | 55,7 | 44,3 | |
| В среднем по 1 группе | 2,686 | 64,9 | 35,1 | |
| Бананы (10) | 2,414 | 66,0 | 34,0 | |
| Дрожжи (16) | 2,354 | 64,3 | 35,7 | |
| Рис (7) | 2,316 | 73,7 | 26,3 | |
| Перец красный, сладкий (4) | 2,163 | 76,8 | 23,2 | |
| Лимон (11) | 2,100 | 64,8 | 35,2 | |
| Молоко сгущ. слад. (13) | 2,052 | 93,0 | 7,0 | |
| Творог полужирный (14) | 2,044 | 80,3 | 19,7 | |
| Щавель (6) | 1,976 | 68,5 | 31,5 | |
| Хрен (5) | 1,971 | 78,6 | 21,4 | |
| Голубика (12) | 1,887 | 80,6 | 19,4 | |
| Кабачки (2) | 1,763 | 77,3 | 22,7 | |
| Анализ крови пациента №2 (20) | 1,762 | 66,5 | 35,5 | |
| Пшеничная мука (1) | 1,635 | 90,2 | 9,8 | |
| В среднем по 2 группе | 2,034 | 75,9 | 24,1 | |
| Ряженка 6% (15) | 1,179 | 75,5 | 24,5 | |
| Анализ крови пациента №1 (18) | 0,888 | 72,6 | 27,4 | |
| Остеопороз (21) | 0,773 | 53,4 | 46,6 | |
| Атеросклероз | 0,243 | 48,2 | 52,8 | |
| В среднем по 3 группе | 0,771 | 62,2 | 37,8 |
Таблица 5. Ранжированные ряды абсолютных и относительных значений коэффициентов нелинейных уравнений множественной регрессии нутриентов продуктов питания 
параметров крови и патологий.
Примечания: Во колонке (2) указана сумма независимых переменных как значение 
зависимой переменной. В колонках (3) и (4) указаны относительные положительные или отрицательные суммы независимых переменных, соответственным образом влияющие на зависимую переменную, указанную в колонке (1).
Итак, мы видим на фигуре 3, что потребляемые продукты питания в избранном случайным методом наборе из 17 продуктов находятся в начальный момент переваривания пищи в определенных структурных и взаимосвязанных отношениях с анализами крови двух индивидуальных пациентов и их патологиями. Отражен 41 параметр из рассматриваемых 52, которые имеют какое-то влияние, отличное от нуля.
Из системы взаимосвязей между продуктами питания, параметрами анализов крови и патологиями образовалось, как можно увидеть на фигуре 3 семь взаимосвязанных структур.
Причем интересно, что в единой системе взаимосвязей параметры анализов крови и патологий двух пациентов образовали интегрированную структуру с небольшими, но положительными значениями факторных весов коэффициентов достоверности.
Таким образом, вычисления показывают, что состояние здоровья по факту, не диетологических линейных фантазий по поводу влияния пищи на здоровье человека, а точными измерениями определяется неорганическими и органическими нутриентами продуктов питания.
Важно отметить, что оказались в непосредственной близости от параметров анализов крови и патологий пациентов и взаимосвязаны с ними только два параметра продуктов питания рис (позиция 7 в таблице 1) и ряженка 6% (позиция 15 в таблице 1).
Измеренные качества продуктов питания, которые непосредственно взаимосвязаны с анализами крови и патологиями, имеют отрицательные значения факторных весов. То есть, эти продукты в настоящей совокупности имеют отрицательные значения и отрицательно влияют как на параметры анализов крови пациентов, так и на их патологии, и влияние этих двух продуктов питания является практически линейным.
Все остальные продукты питания только опосредованно связаны с параметрами анализов крови и патологиями. Характерно, что все остальные продукты питания образовали взаимосвязи с другими продуктами питания и абсолютно все эти взаимосвязи имеют высокие, но отрицательные значения факторных весов. Это свидетельство высокого уровня неоднородности качественного состава продуктов питания избранной методом случайного отбора группы продуктов питания и их неоднородного влияния на жизнедеятельность человека.
Эта задача была решена с помощью статистического метода нелинейной множественной регрессии, когда каждый из продуктов питания с их органическими и неорганическими элементами, поочередно принимался за зависимые и независимые переменные. В итоге удалось сформировать таблицу с ранжированными рядами значений коэффициентов уравнений как зависимых, так и независимых переменных (см. табл. 5).
Итак, по ранжированным данным коэффициентов уравнений нелинейной множественной регрессии их зависимых переменных четко видно, что все продукты питания анализы крови пациентов и их патологии распределились на три группы.
Первая группа имеет самую высокую степень активности органических и неорганических параметров продуктов питания, анализов крови и патологий, судя по суммарным значениям коэффициентов зависимых переменных регрессионных уравнений. Отличительной особенностью этой группы органических и неорганических биологических нутриентов является, по сравнению с другими группами, обнаруживается их высокий уровень взаимосвязей с другими элементами системы (см. фигуру 3).
Важно отметить, что менее двух третей из всего списка биологических материалов таблицы 5 влияют положительно на каждую из зависимых переменных, и, более трети нутриентов влияют отрицательно на каждую из зависимых переменных, которые обозначены в колонке 2 таблицы 5. Другими словами, влияние продуктов питания, анализов крови, патологий друг на друга, как точно измерено, не является линейным.
Этот вывод подтверждаем анализом второй группы ранжированных коэффициентов нутриентов, которые показывают меньшую степень их активности как зависимых переменных. Причем, с понижением степени активности органических и неорганических элементов пищи возрастает доля независимых переменных из списка продуктов питания, которые положительно влияют на зависимую переменную в качестве продукта питания — более двух третей. И, соответственно, уменьшается доля независимых переменных — продуктов питания — влияющих друг на друга отрицательно.
Исследование третьей группы ранжированных коэффициентов биоматериалов, это в основном, анализы крови двух пациентов и описания их патологий, с одной стороны, подтверждают факты большего положительного влияния продуктов питания независимых переменных на зависимые переменные — анализы крови и патологии. А с другой стороны, мы обнаруживаем, сравнительно меньшую долю отрицательного влияния продуктов питания на параметры анализов крови и патологий.
Вместе с тем, в нелинейном характере взаимосвязей продуктов питания и параметров анализов крови, описания патологий обнаруживаются интересные факты.
При всей нелинейности, очевидно, что, с одной стороны, отобранные случайным образом продукты питания, как зависимые переменные, в минимальной степени увеличивают патологию остеопороза (+53,4 и -46,6), и, в то же время, этот же набор продуктов питания отрицательно влияет, то есть уменьшает развитие патологии атеросклероза у другого пациента (+48,2% и, соответственно, -52,8% см. табл. 1).
Таким образом, при выборе продуктов питания для потребления необходимо учитывать два фундаментальных фактора, во-первых, фактор нелинейных взаимосвязей продуктов питания между собой, а во-вторых, вероятность разнонаправленного влияния пищевых предпочтений на единичные патологии и/или их множество.
Таблица факторных весов (см. табл. 4) органических и неорганических элементов продуктов питания, параметров крови и патологий подтверждает и их нелинейную систему связей и разнознаковое влияние друг на друга.
В этой системе взаимосвязей органических и неорганических элементов продуктов питания и параметров крови и патологий, которые распределились на семь макроструктур, важны, как минимум, два наблюдения. Первое: все структуры взаимосвязей между элементами продуктов питания и параметрами крови и патологий как бы «подвешены» на шести тесных взаимосвязях параметров (от А-ретинола до витамина В2) и тяжелого металла цинка. Второе: все параметры крови находятся в сильных отрицательных взаимосвязях по данным факторных весов с белками, жирами и углеводами продуктов питания.
Кроме того, в системе взаимосвязей ярко выражена взаимосвязь параметров крови именно с жирами как элементами продуктов питания. Подобная взаимосвязь лишний раз подтверждает факт того, что установлено классическими медицинскими исследованиями, которыми установлено, что прохождение элементов продуктов питания через пищеварительный тракт зависит от растворимости их в липидах.
В целом, как удалось вычислить с помощью статистических методов взаимосвязи между элементами продуктов питания и параметрами крови и патологий носят нелинейный характер как, собственно, между продуктами питания так и между параметрами крови и патологий. Поэтому подбор продуктов питания должен осуществляться не по принципу какого вещества в продукте больше и каков дефицит того или иного элемента у пациента и тот продукт и рекомендовать для потребления. В итоге, подбор продуктов питания для индивидуальных пациентов, страдающих от той или иной патологии, необходимо производить после достаточно объемных вычислений, которые позволяют реализовать настоящий патент на изобретение.
Данные таблицы 4 агрегируют значимые данные и знаки всех элементов продуктов питания и параметров крови как зависимых переменных. Матричная таблица диагональю слева направо разделяет систему агрегированных данных на положительные и отрицательные.
Над диагональю расположены положительные значения суммарных зависимых переменных элементов продуктов питания и параметров анализов крови и патологий. А под диагональю располагаются отрицательные значения суммарных зависимых переменных элементов продуктов питания и параметров анализов крови и патологий.
Причем, значимыми являются все измерения данных, которые превышают пороговое значение в три процента. Мы будем анализировать пересекающиеся взаимосвязи, которые по числу будут превышать три и более взаимосвязей. Для удобства номинирования систему пересекающихся взаимосвязей мы будем называть «ядрами».
Итак, первое, что необходимо заметить, так это то, что над диагональю положительных «ядер» больше в три раза, чем под диагональю отрицательных «ядер». Другими словами, избранный для анализа набор продуктов питания в значительной степени концентрирует положительное агрегированное суммарное влияние.
Интересен тот факт, что практически одно и то же ядро взаимосвязей элементов продуктов питания может оказывать как положительное, так и отрицательное влияние. Приведем следующий пример. Положительное ядро — это взаимосвязи следующих параметров: пшеничная мука (позиция 1 в таблице 1), кабачки (позиция 2 в таблице 1), морковь красная (позиция 3 в таблице 1), дрожжи (позиция 16 в таблице 1), фундук (позиция 17 в таблице 1) со средним значением взаимосвязи 6,82%. Отрицательное ядро — это отрицательные «взаимосвязи» тех же самых продуктов питания со средним значением взаимосвязи 6,2%. То есть, все-таки положительные ядра взаимосвязей превышают численные значения отрицательных. В целом, положительных ядер взаимосвязей не только больше, но и они значительно сильнее.
Кроме того, система матричных взаимосвязей показывает, что статистические методы могут быть инструментом для исследования и измерения, а не диетологической болтовни, влияния элементов продуктов питания на параметры крови и патологий.
Существует в представленной матричной таблице взаимосвязей (см. табл. 4) нутриентов продуктов питания и параметров крови и патологий одно «положительное» ядро взаимосвязей: анализ крови пациента №1 (позиция 18 в таблице 1), патология атеросклероза (позиция 19 в таблице 1), анализ крови пациента №2 (позиция 20 в таблице 1), патология остеопороза (позиция 21 в таблице 1). Эта система взаимосвязей в пищевой парадигме взаимосвязей говорит только о том, что и анализ крови двух пациентов и их патологии интегрированы в выделенный пищевой кластер.
Далее, по анализу взаимосвязей мы видим, что на анализы крови пациента №1 (позиция 18 в таблице 1) элементы продуктов питания в избранном наборе практически не влияют в положительном значении. В отрицательном значении на анализы крови пациента №1 влияет единственный пищевой продукт «щавель» (позиция 6 в таблице 1). Что же касается патологии «атеросклероза» (позиция 19 в таблице 1), то по данным матричной таблицы на эту патологию существенно влияют два параметра с положительными знаками, во-первых, нутриенты пищевого продукта «кабачки» (позиция 2 в таблице 1), и, во-вторых, параметры крови пациента №1.
Другая ситуация складывается по анализу крови пациента №2 в парадигме нутриентов продуктов питания. В среднем, на анализ крови пациента №2 с положительным знаком влияют с весом в 19,26 % элементы пищевых продуктов, среди которых хрен (позиция 5 в таблице 1), рис (позиция 7 в таблице 1), Голубика (позиция 12 в таблице 1), и, соответственно, параметры анализа крови пациента №1 (позиция 18 в таблице 1) и его патология атеросклероз (позиция 19 в таблице 1). Факт влияния последних двух параметров отражает интегральное влияние пищевой матрицы из списка продуктов питания на состояние двух пациентов.
В среднем, на анализ крови пациента №2 оказывают влияние с отрицательным знаком оказывает только 4,12% коэффициентов независимых переменных. Другими словами, преобладает положительное влияние элементов пищевых продуктов на параметры анализа крови пациента №2 — положительное влияние в том, что показанные нутриенты продуктов питания гарантированно обеспечивают рост патологии остеопороза.
Посмотрим, в какой степени позитивные тренды влияния независимых параметров на анализ крови пациента №2 определяют его патологию — остеопороз. Столбец, где обозначена патология «остеопороз (позиция 21 в таблице 1) как зависимая переменная, увеличивают следующие элементы пищевых продуктов: кабачки (позиция 2 в таблице 1), бананы (позиция 10 в таблице 1), молоко сгущенное (позиция 13 в таблице 1), фундук (позиция 13 в таблице 1), и параметры анализа крови пациента (позиция 20 в таблице 1), страдающего патологией остеопороза. В среднем, элементы продуктов питания и параметры крови пациента №2 способствуют развитию остеопороза на 5,1%.
Таким образом, матричные данные показывают, что элементы продуктов питания и параметры анализа крови способствуют развитию патологии остеопороза у пациента №2. Но, вместе с тем, элементы других продуктов питания, таких как: перец красный (позиция 4 в таблице 1), рис (позиция 7 в таблице 1), творог полужирный (позиция 14 в таблице 1), фундук (позиция 17 в таблице 1) и параметры анализов крови пациента №2 уменьшают степень развития патологии остеопороза, в среднем, на 9,2%.
Следовательно, с одной стороны, одни нутриенты продуктов питания и параметры анализов крови способствуют росту патологии остеопороза, а другие — являются благоприятной средой для уменьшения патологии остеопороза. Причем, традиционные анализы денситометрии показали, что позвоночник пациента №2 в полном порядке, но тазобедренные суставы оказались в начале патологического процесса остеопороза.
Очевидно, что механизм влияния нутриентов продуктов питания и параметров анализа крови на развитие патологии не является линейным, а уменьшение влияния элементов продуктов питания и параметров крови на развитие патологии совсем не означает замещение и ликвидацию патологических процессов. Скорее всего, речь может идти только о темпах развития патологии, вплоть до ее полной остановки. И что очень важно! Любое взаимное влияние нутриентов продуктов питания и параметров крови носит исключительно индивидуальный характер как мы это обнаружили на двух принципиально различных патологиях атеросклероза и остеопороза соответственно. Не может существовать в принципе, как измерено, однотипного набора продуктов питания для профилактики одной и той же патологии для разных пациентов.
К настоящему моменту существует более десятков тысяч пищевых продуктов, у которых научными биохимическими методами измерен количественных состав нутриентов, выраженных в системе весов десятеричной системы счисления.
Поэтому представляется вполне реальной задача решения актуальной, и не решенной до сегодняшнего дня, научной проблемы — вычисления взаимосвязей между макро и микронутриентами продуктов питания, параметров анализов крови, которые выполняются в основном на клеточном уровне, параметров патологий. Полученный результат — вычисленные взаимосвязи, в том числе и в графической форме — позволяют осуществить таргетированную диагностику и обнаружить причинно-следственные состояния той или иной патологии.
Речь идет об изучении и вычислении взаимосвязей нутриентов пищевых продуктов, параметров крови и патологий. Поскольку пищевые продукты и параметры крови и патологий обладают единым спектром органических и неорганических нутриентов, постольку вполне возможно определить, как у каждого индивидуального пациента, так и у их совокупности, взаимосвязи нутриентов, параметров крови и патологий.
Для индивидуального пациента важнейшей задачей является определение того, какие потребляемые им пищевые продукты при разнообразных сочетаниях нутриентов являются избыточными и преобладающими, а какие имеют недостаточные состояния и взаимосвязи. И избыток, и недостаток ингредиентов в пище индивидуального пациента неизбежно ведут к образованию множества патологий.
Для совокупностей региональных пациентов исследование взаимосвязей нутриентов пищи и параметров крови и патологий позволит сравнительно точно определить те патологии, которые в данном регионе могут быть преобладающими. Кроме того, диагностика взаимосвязей нутриентов пищевых продуктов параметров крови и патологий позволяет определить их избыток и недостаток, и, соответственно, может позволить реально и точно управлять производством, поставкой и ценовой политикой пищевых продуктов питания и медикаментов.
Важнейшим моментом определения взаимосвязей нутриентов пищевых продуктов является медицинский аспект. Вполне возможно определить, как нутриенты пищевых продуктов влияют на кровь индивидуального пациента.
1. Создана информационная база данных: оцифровано 1000 анализов крови индивидуальных пациентов в соответствии с технологией патента №2632509.
2. Создана информационная база данных по продуктам питания и их нутриентам. Оцифровано 3000 продуктов питания по 78 000 элементам пищевых продуктов.
З. Разработана технология оцифровки нутриентов продуктов питания и вычисления при помощи статистических методов уровней взаимодействия и взаимосвязей продуктов питания и их нутриентов. Установлено, что продукты питания начинают взаимодействовать и до момента попадания в ЖСКТ человека, образуя устойчивые структуры взаимодействия и взаимосвязей.
4. Матричное представление данных и применение статистических методов позволило создать устойчивую технологию подбора наборов продуктов питания при существовании и развитии у индивидуальных пациентов тех или иных патологий с целями элиминирования влияния патологий на здоровье индивидуального пациента.
5. На основе показанных исследований появилась реальная возможность создания компьютерных приложений индивидуального подбора набора продуктов питания для индивидуальных пациентов, страдающих той или иной патологией с целью их активного профилактического преодоления.
6. Предложенная технология позволяет создать инструментальную цифровую платформу для широкого круга специалистов на основании, и, при помощи которой возможно оцифровывать не только нутриенты продуктов питания параметры анализов крови и патологий, но и медицинские лекарственные препараты, включать их в систему матричного представления данных с целью оценки и измерения их влияния на ту или иную патологию, которыми страдают индивидуальные пациенты для эффективного излечения.
Список литературы:
1. Табл.с.424-465. Сушанский А.Г., Лифляндский ВГ. Энциклопедия здорового питания. Т. 1. Питание для здоровья / Спб.: «Издательский дом Нева». 1999
2. Богатырёв, А.Н. Натуральные продукты питания – здоровье нации / А.Н. Богатырёв, Н.С. Пряничникова, И.А. Макеева // Пищевая промышленность. – 2017. – №8. – С. 26-29.
3. Макеева, И.А. Научные основы терминологии и классификации органической продукции животного происхождения / И.А. Макеева, З.Ю. Белякова, Н.С. Пряничникова, А.Н. Богатырёв // Пищевая промышленность - 2016. – №6 – С.59-62;
4. Богатырёв, А.Н. Витамины - важнейшие компоненты пищевых продуктов XXI века / А.Н. Богатырёв // Мясная индустрия. – 2011. – №1. – С. 52-55.
5. Богатырёв, А.Н. Здоровая пища – здоровая нация / А.Н. Богатырёв // Мясная индустрия. – 2010. – №10. – С. 5-9.
6. Богатырёв, А.Н. Безопасная пищевая продукция – проблема общества / А.Н. Богатырёв // Мясная индустрия. – 2010. – №2. – С. 4-7.
7. Богатырёв, А.Н. Научные принципы обогащения пищевых продуктов микронутриентами / А.Н. Богатырёв, В.М. Короткий, М.Н. Дадашев, А.А. Кухаренко // Пищевая промышленность. – 2008. – №5. – С. 62-66.
8. Богатырёв, А.Н. О производстве экологически безопасной пищевой продукции / А.Н. Богатырёв // Молочная промышленность. – 2003. – №2. – С. 17-19.
9. Oleg V. Gaisenok, Victor N. Lituev. Prospects for the application of mathematical modeling in clinical medicine. Cardiometry; Issue 14; May 2019; p.64-70; DOI: 10.12710/cardiometry.2019.14.6470; http://www.cardiometry.net/issues/no14-may-2019/mathematical-modeling-in-clinical-medicine
Способ формирования индивидуальных рекомендаций по питанию для пользователя, выполняемый по меньшей мере посредством одного процессора и включающий следующие шаги:
• получают данные о по меньшей мере одном продукте питания пользователя;
• формируют по меньшей мере одну рекомендацию для пользователя, отличающийся тем, что
• измеряют параметры, характеризующие состояние пользователя, включающие проведение общего анализа крови, определение патологии, и переводят их в числовую последовательность индивидуальных параметров пользователя,
• каждому продукту ставят в соответствие числовую последовательность продукта, соответствующую значениям содержания в нем отдельных нутриентов,
• вычисляют взаимосвязи между индивидуальными параметрами пользователя и параметрами продукта, для чего посредством процессора строят индивидуальную матрицу влияния каждого продукта на параметры пользователя, для чего определяют факторные веса влияния каждого отдельного продукта на каждый параметр пользователя,
• обрабатывают посредством процессора статистическим методом полученную индивидуальную матрицу влияния каждого продукта на параметры пользователя с определением факторных весов влияния каждого продукта на патологию пользователя, на основании которой и формируют рекомендации для пользователя, при которых продукты с отрицательными факторными весами не рекомендуют к употреблению, а продукты с положительными факторными весами рекомендуют к употреблению, для чего
• строят индивидуальную матрицу путем заполнения в ее ячейках значений, использованных в отношении каждого измеряемого параметра, разделенного на шесть интервалов, а именно:
i) значение измеряемого параметра попадает в интервал допустимых значений для данного параметра;
ii) значение измеряемого параметра больше значение среднего из интервала допустимых значений;
iii) значение измеряемого параметра меньше среднего из интервала допустимых значений;
iv) коэффициент вариации измеряемого параметра находится в диапазоне от 0 до 0,3454;
v) коэффициент вариации измеряемого параметра находится в диапазоне от 0,3455 до 0,8;
vi) коэффициент вариации измеряемого параметра больше 0,8.
