バングラデシュの成人の間で糖尿病と高血圧の予測モデルを開発するために,機械学習のアプローチの適用

科学分野:

• 公共衛生は公衆衛生である.
• バイオ統計学 バイオ統計学
• 機械学習 アプリケーション

背景:

• 高血圧や糖尿病などの非伝染性疾患 (NCD) は,バングラデシュの主要な公衆衛生上の懸念事項であり,都市化やライフスタイルの変化によって悪化しています.
• NCDの予測モデリングは,低所得国および中所得国の標的型介入に不可欠です.

研究 の 目的:

• バングラデシュの成人の高血圧と糖尿病を予測するための機械学習 (ML) モデルを開発および評価する.
• 重要な予測要因を特定し,これらのNCDの間の関係を理解する.

主な方法:

• バングラデシュの人口統計と健康調査2022 (n=13,847人の成人) のデータを活用した.
• 6つのMLモデル (ANN,ランダムフォレスト,AdaBoost,グラデーションブースト,XGBoost,SVM) を適用しました.
• 定義された高血圧 (BP ≥140/90 mmHgまたは薬剤) と糖尿病 (FPG ≥7.0 mmol/Lまたは薬剤).

主要な成果:

• 罹患率:糖尿病は16.3%,高血圧は20.5%でした.
• 高感度が高く,モデル全体で低特異性が観察され,特に糖尿病ではそうでした.
• AdaBoostは糖尿病 (0.699) と高血圧 (0.775) の両方に最も高いAUCを示し,SVMは糖尿病 (0.836) の最も高い精度を達成しました.
• 主な予測要因:高血圧は糖尿病を予測し,超体重/肥満,年齢,糖尿病は高血圧を予測した. 富とセックスは,適度な影響を及ぼした.

結論:

• MLモデルは,高血圧と糖尿病のリスクのある個人を特定し,双方向的な関係を強調することができます.
• 体重過多/肥満,高齢化,富のクインティルの上昇が重要な予測要因である.
• 高リスク集団を対象とした統合されたスクリーニングとライフスタイルの介入は,NCDの負担を減らすために推奨されます.