机器学习算法用于预测中国糖尿病患者骨折风险

科学领域:

• 医疗信息学 医疗信息学
• 糖尿病学 糖尿病学
• 整形外科 整形外科 整形外科

背景情况:

• 与非糖尿病患者相比,糖尿病患者对骨折的倾向较高.
• 目前的骨折预测工具缺乏糖尿病患者的可访问性和可用性.
• 准确的骨折风险评估对于管理糖尿病相关并发症至关重要.

研究的目的:

• 开发和验证机器学习 (ML) 模型,用于预测中国糖尿病患者骨折风险.
• 确定导致糖尿病患者骨折的关键风险因素.
• 在临床实践中提高骨折风险评估的精度.

主要方法:

• 分析了来自775名住院糖尿病患者的临床数据.
• 应用多种机器学习算法,包括决策树 (DT),梯度增强决策树 (GBDT),物流回归 (LR),随机森林 (RF),支持矢量机 (SVM),极端梯度增强 (XGBoost) 和概率分类矢量机 (PCVM).
• 利用特征选择算法来识别糖尿病相关骨折的重大风险因素.

主要成果:

• 确定了17个最重要的骨折预测因素,包括骨矿物质密度,年龄,性别,体重,脂质概况,糖尿病持续时间和BMI.
• 通过各种ML模型实现了高预测准确度,f1得分范围从0.75 (LR) 到0.97 (PCVM).
• 概率分类矢量机 (PCVM) 模型在预测断裂方面表现出卓越的性能.

结论:

• 机器学习算法有效地确定了糖尿病相关骨折的17个关键风险因素.
• PCVM模型提供了一种高度准确和高效的方法,用于预测糖尿病人群中骨折风险.
• 本研究提出了一种具有成本效益,安全和可扩展的ML方法,用于精确评估糖尿病中骨折风险.