基于人口的人工智能评估印度人口糖尿病视网膜病变风险因素之间的关系
Abhishek Vyas1, Aadit Deshpande1, Sagnik Sen2,3
1Department of Computer Science & Information Systems, Birla Institute of Technology & Science, Pilani, India.
Ophthalmic epidemiology
|December 12, 2023
概括
性别是预测糖尿病视网膜病变 (DR) 的最有效的二次风险因素,显著提高了诊断模型中主要风险因素的准确性.
科学领域:
- 眼科和医疗信息学
- 公共卫生和流行病学
背景情况:
- 糖尿病视网膜病变 (DR) 是糖尿病的一个重要并发症,需要准确的预测模型.
- 确定的DR风险因素包括身体质量指数 (BMI),年龄和性别,这些都已被广泛研究.
研究的目的:
- 研究二次风险因素 (性别,年龄,BMI) 对糖尿病视网膜病变 (DR) 主要风险因素的预测性表现的独立影响.
- 评估二次射频的整合如何提高机器学习模型对DR的诊断能力.
主要方法:
- 利用了来自印度四项基于人口的研究 (2001-2010) 关于DR流行率和相关RF的数据.
- 使用自动编码器将射频分类为主要和次要类别.
- 评估了五个机器学习模型的预测性能,通过将六个主要RF与每个次要RF独立地结合起来.
主要成果:
- 在多个模型中,二次射频"性别"在与"胰岛素治疗"和"糖基化血红蛋白"等初级射频相结合时,在曲线下面面积 (AUC) 得分中表现出最显著的改善.
- 当"性别"被纳入时,对原始湾值,支持向量机 (SVM) 和决策树模型进行了特定的AUC改进.
- 二次射频"年龄"和"BMI"也显示,当与"糖尿病持续时间"和"压缩血压"相结合时,DR的预测能力提高.
结论:
- 与"年龄"和"BMI"相比",性别"成为对DR预测最有影响的二次风险因素.
- 将"性别"作为二次射频的纳入显著提高了几种主要射频在DR诊断中的预测能力.
