青少年におけるフィットネスに基づく心臓代謝リスク分類のための機械学習アルゴリズム

科学分野:

• 公衆衛生と予防医学
• 計算生物学とバイオインフォマティクス
• 青少年の健康とスポーツ科学

背景:

• 青少年における心代謝リスクは 重要な公衆衛生問題です
• 身体的健康は心臓代謝の健康に影響を与える 重要な要素です
• 伝統的な統計的手法では フィットネスや人体測定データにおける複雑な関係に 苦労しています

研究 の 目的:

• 青少年における心代謝リスクの分類のための監督された機械学習アルゴリズムの開発と評価.
• リスク予測モデルの入力として標準化された身体能力評価を利用する.
• 様々な機械学習モデルの性能を比較して リスクのある青少年を特定する

主な方法:

• 学校に通う若者の代表的なサンプルを横断分析した.
• フィールドベースの体力テストを含む:心臓呼吸能力 (VO2max),筋肉の強さ (プッシュアップ),爆発力 (水平ジャンプ).
• 精度,F1スコア,リコール,AUC-ROCメトリックを用いた監督された機械学習モデル (例えば,人工ニューラルネットワーク,アンサンブル方法) の適用と比較.

主要な成果:

• グラデーションブースティング分類器は,テストされたモデルの中で優れたパフォーマンスを示しました.
• 77. 0%の精度,67. 3%のF1スコアと,有効なリスク分類を示す最高AUC- ROC (0. 601) を達成しました.
• 水平ジャンプとプッシュアップのパフォーマンスは,心臓代謝リスクの最も重要な予測変数として特定されました.

結論:

• グラデント・ブースティングは 身体的フィットネスデータから 青年の心代謝リスクを予測する 非常に効果的なモデルです
• この機械学習アプローチは 青少年におけるリスクの早期発見のための 実践的なデータベースのツールです
• この発見は,教育や臨床でのスケーラブルなスクリーニングプログラムの可能性を裏付けています.