肥満・肥満児の早期発見のための予測モデル - 全国研究

科学分野:

• 小児内分泌学 小児内分泌学
• 医療における機械学習
• 公衆衛生と予防医学について

背景:

• 幼児の肥満を予防するには,早期の介入が不可欠です.
• 高リスクの個人を特定するために,正確な乳児スクリーニングモデルが必要です.
• 現在の世界保健機関 (WHO) の成長グラフは,将来の肥満状態を予測する上で限界があります.

研究 の 目的:

• 子どもの肥満を予測するための機械学習モデルを開発し,検証する.
• リスク予測のために幼児の成長パラメータのみを使用する.
• 既存のWHOの成長チャートの予測を上回る.

主な方法:

• イスラエルで生まれた乳児 (2014年−2016年) の遡及的全国コホート研究 (2014年−2016年).
• 0〜3,3〜6,6〜12ヶ月の年齢層向けの3つの機械学習モデルの開発.
• 曲線下の面積 (AUC) を使用したWHOの成長グラフ予測と比較したモデルパフォーマンスの比較.

主要な成果:

• モデルは高い予測性能を示した:AUCは0.76 (0-3m),0.822 (3-6m),0.872 (6-12m) でした.
• 0〜3ヶ月と3〜6ヶ月のために開発されたモデルは,WHOのチャートと比較して,幼児期肥満の優れた予測を示しました.
• 大規模なコホート (198,503人の子供) は,強力なモデルの検証を保証しました.

結論:

• 成長パラメータベースの機械学習モデルは,子供の肥満リスクの優れた予測を提供します.
• これらのモデルは,乳児の成長データを収集するシステムで,世界的に実装できます.
• 実践的なリスク評価のために,ウェブの計算機が用意されています.