机器学习用于预测糖尿病患者的B型肝炎或C型肝炎病毒感染
Sun-Hwa Kim1, So-Hyeon Park1, Heeyoung Lee2
1Department of Clinical Medicinal Sciences, Konyang University, Nonsan, Republic of Korea.
Scientific reports
|December 6, 2023
概括
机器学习有效地识别了糖尿病患者的乙型肝炎和C型肝炎病毒感染. 关键预测因素包括非法药物使用,贫困和种族,有助于有针对性的查和护理策略.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 数据科学在医学中的数据科学
- 公共卫生 公共卫生
背景情况:
- 肝炎B和C病毒 (HBV和HCV) 感染在糖尿病患者中很常见.
- 肝炎通常是无症状的,使得糖尿病患者等弱势群体的查复杂化.
研究的目的:
- 评估机器学习模型,用于在糖尿病患者中识别肝炎.
- 确定这一群体中肝炎的显著预测特征.
主要方法:
- 对NHANES数据 (2013-2018) 的分析.
- 随机森林,SVM,XGBoost,LASSO和堆叠组合模型的评估.
- 使用性能最好的模型进行超参数调整和功能选择.
主要成果:
- 拉索模型实现了最高的预测性能,AUC-ROC为0.810.
- 非法药物使用,贫困和种族被确定为糖尿病患者肝炎的重要预测因素.
- 机器学习模型在糖尿病患者中检测肝炎方面表现最佳.
结论:
- 机器学习为糖尿病患者的肝炎检测提供了一个强大的工具.
- 鉴定到的预测因素可以为开发针对性查和治疗策略提供信息,以便在这个群体中为肝炎护理提供帮助.


