解釈可能な機械学習方法に基づく成人男性におけるテストステロン欠乏に対する筋肉品質指数の予測的役割

科学分野:

• 内分泌学
• アンドロロジー
• スポーツ医学

背景:

• テストステロン欠乏症 (TD) は,高齢の男性や代謝症候群の男性に多く見られます.
• 筋肉質指数 (MQI) とTDとの関連に関する研究は限られている.
• この研究では,MQIがTDにおける役割を調査し,予測的な機械学習モデルを開発しています.

研究 の 目的:

• アメリカにおける成人男性におけるMQIとTDの関連性を調べる.
• SHAPLEY ADDITIVE EXPLANATION (SHAP) を使用してTDリスクを予測するための解釈可能な機械学習 (ML) モデルを作成する.

主な方法:

• 多変量ロジスティック回帰とサブグループ分析による横断研究
• TDリスク予測のための6つのMLモデルの開発と評価
• モデル性能は,AUC,F1スコア,および特徴の重要性に関するSHAPを用いて評価される.

主要な成果:

• MQIの各単位増加はTDのリスクを52%減少させた.
• ライト・グラデント・ブースティング・マシン (LGBM) モデルは最も優れた予測性能を示した (AUC = 0.746).
• ボディ・マス・インデックス (BMI),HDL,MQIは主要な予測指標で,MQIの低下はTDのリスクの上昇と相関していた.

結論:

• MQIは男性におけるTDの独立した有意な予測指標である.
• 解釈可能な LGBM モデルは,早期の TD リスク評価のための実用的なツールを提供します.
• 筋肉の質は テストステロンの調節に不可欠で 予防策を策定します