自动机器学习开发了患有牙周病患者代谢综合征的预测模型

科学领域:

• 心脏病学 心脏病学
• 牙周病学 牙周病学
• 公共卫生 公共卫生
• 医疗保健中的机器学习

背景情况:

• 全球范围内代谢综合征的患病率正在上升,这给健康带来了重大挑战.
• 牙周病越来越多地被认为是代谢综合征的潜在贡献因素或后果.
• 了解口腔健康和代谢健康之间的相互作用对于全面的患者护理至关重要.

研究的目的:

• 调查牙周病和代谢综合征之间的关系.
• 开发和解释机器学习模型,以识别代谢综合征的关键预测因素.
• 评估一般健康状况和福祉对代谢综合征发生的影响.

主要方法:

• 利用自动机器学习 (AutoML) 来构建代谢综合征的预测模型.
• 采用了SHapley添加式解释 (SHAP) 来实现模型的解释性 (全球和本地).
• 收集了296名患者 (45-79岁) 的数据,包括牙周指数,心血管风险和EQ-5D-5L得分.

主要成果:

• 牙周病的严重程度成为代谢综合征的重要预测因素.
• 高心血管风险与代谢综合征的存在密切相关.
• 较低的EQ-5D-5L得分 (表明与健康相关的生活质量差) 与代谢综合征有关.

结论:

• 牙周病的严重程度,心血管风险升高和生活质量下降是与代谢综合征相关的关键因素.
• 机器学习与可解释性技术相结合,为识别代谢综合征预测因素提供了强大的工具.
• 针对口腔和全身健康的综合方法对于管理代谢综合征至关重要.