使用基于支持矢量机器的非侵入性和饮食参数进行代谢综合征预测
Sahar Mohseni-Takalloo1, Hassan Mozaffari-Khosravi2, Hadis Mohseni3
1Research Center for Food Hygiene and Safety, School of Public Health, Shahid Sadoughi University of Medical Sciences, Yazd, Iran; Department of Nutrition, School of Public Health, Shahid Sadoughi University of Medical Sciences, Yazd, Iran; School of Public Health, Bam University of Medical Sciences, Bam, Iran.
Nutrition, metabolism, and cardiovascular diseases : NMCD
|November 10, 2023
概括
使用非侵入性,低成本 (NI&LC) 和饮食数据的机器学习模型可以有效预测代谢综合征 (MetS). 支持矢量机 (SVM) 算法在预防计划中对早期MetS检测显示出希望.
科学领域:
- 生物医学信息学 生物医学信息学
- 公共卫生 公共卫生
- 机器学习 机器学习
背景情况:
- 代谢综合征 (MetS) 是慢性疾病风险的关键指标,包括心血管疾病和糖尿病.
- 早期发现MetS对于有效的预防策略至关重要.
- 机器学习方法显示出MetS诊断的潜力.
研究的目的:
- 开发和评估基于支持向量机 (SVM) 的代谢综合征 (MetS) 预测模型.
- 为了利用非侵入性和低成本 (NI&LC) 和饮食参数进行MetS预测.
- 评估机器学习模型在识别有风险患上MetS的个人的有效性.
主要方法:
- 分析了来自Shahedieh队列研究的4596名参与者的基于人口的数据集.
- 使用极端随机树木分类器从NI&LC和饮食数据中进行特征选择.
- 使用SVM算法构建预测模型,使用准确度,灵敏度,特异性和ROC曲线评估性能.
主要成果:
- 在男性中,MetS的患病率为14%,在女性中为22%.
- 关键的NI&LC预测指标包括腰围,BMI,腰与身高的比率,腰与部的比率,心压和心压血压.
- 使用NI&LC数据,SVM模型的精度达到78.4% (男性) 和63.5% (女性),敏感度分别为81.2%和75.3%.
- 纳入饮食特征可以使女性的模型准确度提高3.7%.
结论:
- 使用NI&LC参数,SVM算法显示了早期检测代谢综合征 (MetS) 的巨大潜力.
- 这些预测模型适合整合到预防计划,临床环境和个人健康应用中.
- 基于机器学习的方法为 MetS 风险的积极管理提供了宝贵的工具.
