synthdiet

Diğer diller: English · Español · Français · Deutsch · Português · Italiano · 中文 · 日本語

Gerçekçi klinik tablolara sahip sentetik hastalar üreten ve bu hastalar üzerinde diyet müdahalelerini simüle eden bir Python kütüphanesi.

synthdiet; diyetisyenler, klinik beslenme araştırmacıları ve eğitimciler için tasarlanmıştır. Diyet protokollerini prototiplemek, sanal klinik çalışmalar yürütmek ve beslenme önerilerini kliniğe taşımadan önce yüzlerce/binlerce sentetik hasta üzerinde stres testine tabi tutmak için kullanılabilir.

Yasal uyarı: synthdiet bir araştırma ve eğitim aracıdır. Ürettiği sayılar klinik öneri değildir ve sentetik hastalar gerçek hasta değildir. Hasta bakımı için her zaman yetkili bir kayıtlı diyetisyene başvurun.

Yazar

Buğra Ayan — Ankara / Türkiye

Web sitesi: https://bugraayan.com
E-posta: bugraayan.com@gmail.com
Google Scholar: https://scholar.google.com/citations?user=VHGqzNMAAAAJ&hl=tr

Özellikler

Temel alan modeli

Demografik bilgileri, antropometriyi, yaşam tarzını, laboratuvar biyobelirteçlerini, tanıları ve mevcut ilaçları bir araya getiren tipli bir Patient (Hasta) sınıfı.
Endokrin, kardiyovasküler, renal, hepatik, gastrointestinal, metabolik, kas-iskelet, onkolojik, psikiyatrik ve alerji kategorilerini kapsayan 25+ hastalık kayıt defteri.
19 klinik açıdan önemli ilaç-besin etkileşimi (metformin → B12, statinler → greyfurt, varfarin → K vitamini, levotiroksin alım zamanlaması, MAOI tiramin krizi vb.) kayıt defteri.
5 sentetik hasta üreteci (rastgele, dağılım tabanlı, kopula, kohort, Markov ilerlemesi).
Makro/mikro besin dökümlü 45 öğelik bir besin veritabanı ve 8 hazır diyet ön ayarı (Akdeniz, DASH, ketojenik, düşük FODMAP, düşük sodyumlu renal, diyabetik, vegan, standart).

Yöntemsel derinlik (v0.1 genişlemesi)

Hall 2011 vücut kompozisyonu modeli opsiyonel olarak (DietSimulator(engine="hall_2011")); Forbes denklemi ile yağ kütlesi/yağsız kütle ayrımı ve adaptif termogenez.
Uyum (adherence) ve bırakma (dropout) dinamikleri: sabit, azalan, Weibull bırakma, stokastik atlama, algılanan yük modelleri.
RKT motoru (synthdiet.trials): paralel kollu, çapraz (crossover) ve 2×2 faktöriyel tasarımları, tabakalı/blok/minimizasyon randomizasyonunu, bırakma modellemesini ve ITT/PP/AT analizlerini destekler.
Nedensel çıkarım (synthdiet.causal): karşı-olgusal simülasyon, ATE/CATE tahmincileri, IPTW ve g-formülü düzeltmesi içeren yanıltıcı (confounding) deneyleri, hafif DAG araçları.
Diyet kalitesi indeksleri (synthdiet.indices): HEI-2020, AHEI-2010, MEDAS, DASH skoru, PHDI, DII.
İstatistiksel yardımcılar (synthdiet.stats): sürekli ve ikili sonuçlar için güç analizi, bootstrap güven aralıkları, permütasyon testleri, Benjamini-Hochberg + Holm-Bonferroni düzeltmeleri, başlangıç düzeyine göre ayarlanmış ANCOVA.
Ölçüm hatası ve eksik veri enjeksiyonu (synthdiet.noise): test başına CV%, öz-bildirim yanlılığı, MCAR/MAR/MNAR örüntüleri.
15 klinik vaka çalışması + OSCE tarzı puanlama (synthdiet.education).
5 dönüm noktası RKT'sine karşı doğrulama paketi (synthdiet.validation): DASH-Sodium, PREDIMED, DiRECT, Look AHEAD, Diabetes Prevention Program.
Görselleştirme (synthdiet.viz, opsiyonel): CONSORT diyagramı, forest plot, trajektör şeridi, Tablo 1.

Kurulum

pip install synthdiet

Opsiyonel ekstralar:

pip install "synthdiet[viz]"     # matplotlib görselleştirmeleri
pip install "synthdiet[causal]"  # networkx DAG dışa aktarımı
pip install "synthdiet[docs]"    # Sphinx + furo + myst-parser
pip install "synthdiet[dev]"     # pytest + ruff + mypy + matplotlib

synthdiet Python 3.9+ gerektirir; numpy, pandas ve scipy bağımlılıklarını kullanır.

60 saniyelik tur

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)

Daha fazla uçtan uca örnek için examples/ klasörüne bakabilirsiniz.

Proje düzeni

src/synthdiet/
├── patients/          # Demografi, antropometri, biyobelirteçler, yaşam tarzı
├── diseases/          # 25+ hastalık sınıfı + kayıt defteri
├── interactions/      # İlaç kataloğu + ilaç-besin etkileşimi kaydı
├── nutrition/         # Besinler, besin öğeleri, DRI'lar
├── diets/             # DietPlan + 8 hazır diyet
├── generators/        # 5 sentetik hasta üreteci
├── simulation/        # Diyet simülatörü (basit + Hall 2011 vücut kompozisyonu)
├── behavior/          # Uyum + Weibull bırakma modelleri
├── trials/            # RKT motoru (paralel/çapraz/faktöriyel + ITT/PP)
├── causal/            # Karşı-olgusal + ATE/CATE + IPTW + DAG
├── indices/           # HEI-2020, AHEI-2010, MEDAS, DASH, PHDI, DII
├── stats/             # Güç analizi, bootstrap, ANCOVA, FDR/Holm
├── noise/             # Lab CV% + MCAR/MAR/MNAR eksik veri enjeksiyonu
├── validation/        # DASH-Sodium / PREDIMED / DiRECT / Look AHEAD / DPP
├── education/         # 15 vaka çalışması + OSCE rubriği + Markdown/HTML
├── viz/               # CONSORT, trajektörler, forest, Tablo 1 (matplotlib)
├── evaluation/        # Sonuç metrikleri + raporlar
└── utils/             # Sabitler, doğrulayıcılar, rastgele durum yardımcıları

Türkçe öğreticiler docs/tr/tutorials/ dizininde, İngilizce öğreticiler ise docs/tutorials/ dizininde yer alır. JOSS makale taslağı için paper/ klasörüne bakın.

`synthdiet`'i genişletme

Yeni bir hastalık eklemek için Disease sınıfını alt sınıflayın ve kayıt defterine kaydedin:

from synthdiet.diseases.base import Disease, NutritionalConstraints
from synthdiet.diseases.registry import register


@register
class FattyLiverGradeII(Disease):
    name = "fatty_liver_grade_ii"
    icd10 = "K76.0"
    category = "hepatic"

    def nutritional_constraints(self, patient):
        return NutritionalConstraints(
            carbohydrate_pct_range=(0.35, 0.45),
            added_sugar_pct_max=0.05,
            fiber_g_min=30,
        )

İçe aktarıldıktan sonra, sınıf otomatik olarak get_disease("fatty_liver_grade_ii") ile erişilebilir hale gelir ve DiseaseSpec içinde seçilebilir.

Atıf

synthdiet'i akademik bir çalışmada kullanırsanız, lütfen CITATION.cff dosyası üzerinden ya da aşağıdaki BibTeX kaydı ile atıfta bulunun:

@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}
}

Lisans

MIT — bkz. LICENSE.

FilesExpand file tree

README.tr.md

Latest commit

History