制御されていない高血圧の主要な予測要因のデータ主導の特定:横断的な研究
Oliver Mendoza-Cano1, Xóchitl Trujillo2, Miguel Huerta2
1Facultad de Ingeniería Civil, Universidad de Colima, Coquimatlán, Colima, Mexico.
メキシコの成人の制御不能高血圧 (HTN) の予測は極めて重要です. 重要な要因には,年齢,HTNの診断から数年,そして医療の供給源があり,AIモデルはよりよいHTN管理のための伝統的な方法を上回ります.
科学分野:
- 心血管の健康
- 公衆衛生
- 医療における人工知能
背景:
- 制御されていない高血圧 (HTN) は,健康への悪影響のリスクを大幅に高めます.
- HTNの効果的な管理には,特に治療された集団における主要な予測要因の理解が必要です.
- 診断されたHTNを持つメキシコの成人は,標的の介入を必要とする集団を表しています.
研究 の 目的:
- 薬物治療を受けているメキシコの成人の間で制御されない高血圧の重要な予測要因を特定する.
- 高度なAIアルゴリズムの予測性能をHTNの伝統的な統計モデルと比較する.
- 高血圧管理戦略の最適化のためのデータ主導の洞察を活用する.
主な方法:
- メキシコの成人1308人を対象に2022年全国健康栄養調査のデータを活用した.
- ランダムフォレスト,XGBoost,LASSO回帰,SHAP分析を統合した機械学習フレームワークを使用しました.
- 静脈血圧≥130mmHgまたは静脈血圧≥80mmHgとして定義される.
主要な成果:
- ランダム・フォレストは,HTNの診断以来の年数 (11.9%),年齢 (9.4%),および医療の供給源 (4.6%) を主要な予測要因として特定した.
- SHAP分析では,XGBoostモデルにおける重要な要因として年齢 (0. 115) と医療の供給源 (0. 065) が強調された.
- ランダムフォレストは,ロジスティック回帰 (AUC=0. 61) と比較して優れた予測性能を達成しました.
結論:
- 年齢,HTNの診断期間,そして医療の供給源は制御不能の高血圧の重要な予測要因です.
- AI駆動の予測モデルは,リスクのある個人を特定するための従来の方法よりも高い精度を提供します.
- リスクのある集団における高血圧のコントロールを改善するための 標的化された公衆衛生介入に情報を提供できます
さらに関連する動画
05:16Cutoff Value of Phase Angle by Bioelectrical Impedance Analysis at Admission as a Prognostic Factor in Patients with Acute Heart Failure
Published on: June 10, 2025
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
関連する概念動画
Hypertension III: Clinical Manifestations and Diagnostic Studies
Factors affecting Blood pressure
Physiological Factors:
Hypertension and Regulation of Blood Pressure
Hypertension I: Introduction
Hypertension IV: Drug Therapy and Lifestyle Modifications
Errors occurring during blood pressure monitoring
Several factors...
