Skip to content

README.it.md

Latest commit

 

History

History
150 lines (120 loc) · 5.47 KB

README.it.md

File metadata and controls

150 lines (120 loc) · 5.47 KB
Raw

synthdiet

PyPI Python Licenza: MIT CI

Altre lingue: English · Türkçe · Español · Français · Deutsch · Português · 中文 · 日本語 Una libreria Python per generare pazienti sintetici con quadri clinici realistici e simulare interventi dietetici su di essi.

synthdiet è pensato per dietisti, ricercatori in nutrizione clinica e docenti che vogliano prototipare diete, condurre studi virtuali e mettere alla prova le raccomandazioni nutrizionali su centinaia o migliaia di pazienti sintetici prima di portarle in clinica.

Avvertenza: synthdiet è uno strumento di ricerca e didattica. I numeri prodotti non sono raccomandazioni cliniche e i pazienti sintetici non sono persone reali. Per la cura del paziente consultare sempre un dietista qualificato.

synthdiet hero

Autore

Buğra Ayan — Ankara / Turchia

Funzionalità

Modello di dominio

  • Una classe Patient tipata che aggrega demografia, antropometria, stile di vita, biomarcatori di laboratorio, diagnosi e farmaci.
  • Un registro di oltre 25 patologie che copre endocrinologia, cardiologia, nefrologia, epatologia, gastroenterologia, metabolica, apparato muscolo-scheletrico, oncologia, psichiatria e allergie.
  • Un registro di 19 interazioni farmaco-nutriente clinicamente rilevanti (metformina → B12, statine → pompelmo, warfarin → vitamina K, tempistica della levotiroxina, crisi tiraminica con IMAO, ecc.).
  • 5 generatori di pazienti sintetici (random, per distribuzione, per copula, coorte, progressione di Markov).
  • Una banca di 45 alimenti con scomposizione macro/micronutriente e 8 diete predefinite (mediterranea, DASH, chetogenica, low-FODMAP, renale iposodica, diabetica, vegana, standard).

Profondità metodologica (v0.1)

  • Modello di composizione corporea di Hall (2011) opzionale (DietSimulator(engine="hall_2011")), con partizione massa grassa/magra via equazione di Forbes e termogenesi adattativa.
  • Dinamiche di aderenza e abbandono: costante, decrescente, abbandono Weibull, salto stocastico, carico percepito.
  • Motore RCT (synthdiet.trials): bracci paralleli, crossover, fattoriale 2×2; randomizzazione stratificata / a blocchi / per minimizzazione; modellazione dell'abbandono; analisi ITT/PP/AT.
  • Inferenza causale (synthdiet.causal): simulazione controfattuale, stimatori ATE/CATE, esperimenti di confondimento con IPTW e g-formula, DAG leggeri.
  • Indici di qualità della dieta (synthdiet.indices): HEI-2020, AHEI-2010, MEDAS, punteggio DASH, PHDI, DII.
  • Strumenti statistici (synthdiet.stats): calcolo della potenza per esiti continui e binari, IC bootstrap, test di permutazione, correzioni Benjamini-Hochberg + Holm-Bonferroni, ANCOVA aggiustata per il valore basale.
  • Iniezione di errori di misura e dati mancanti (synthdiet.noise): CV% per saggio, bias di auto-segnalazione, schemi MCAR/MAR/MNAR.
  • 15 casi clinici + valutazione tipo OSCE (synthdiet.education).
  • Suite di validazione contro 5 RCT cardine (synthdiet.validation): DASH-Sodium, PREDIMED, DiRECT, Look AHEAD, Diabetes Prevention Program.
  • Visualizzazione (synthdiet.viz, opzionale): diagramma CONSORT, forest plot, banda di traiettorie, Tabella 1.

Installazione

pip install synthdiet

Extra opzionali:

pip install "synthdiet[viz]"     # visualizzazioni matplotlib
pip install "synthdiet[causal]"  # esportazione DAG con networkx
pip install "synthdiet[docs]"    # Sphinx + furo + myst-parser
pip install "synthdiet[dev]"     # pytest + ruff + mypy + matplotlib

synthdiet richiede Python 3.9+ e dipende da numpy, pandas, scipy.

Tour in 60 secondi

from synthdiet import (
    CohortGenerator, CohortSpec, DiseaseSpec,
    DietSimulator, mediterranean_diet,
    evaluate_simulation, format_evaluation_report,
)

spec = CohortSpec(
    size=100,
    diseases=[
        DiseaseSpec("type_2_diabetes", prevalence=0.40),
        DiseaseSpec("hypertension",     prevalence=0.45),
    ],
)
cohort = CohortGenerator(spec, seed=42).generate()

simulator = DietSimulator(adherence=0.8)
diet = mediterranean_diet(daily_energy_kcal=1800)

for patient in cohort[:3]:
    result = simulator.run(patient, diet, duration_weeks=12)
    evaluation = evaluate_simulation(result)
    print(format_evaluation_report(evaluation))
    print("-" * 60)

Esempi completi in examples/; tutorial in italiano in docs/it/.

Citazione

@software{ayan_synthdiet_2026,
  author  = {Buğra Ayan},
  title   = {synthdiet: A Python library for simulating diets on synthetic patients},
  year    = {2026},
  version = {0.1.0},
  url     = {https://bugraayan.com}
}

Licenza

MIT — vedere LICENSE.