一种人工神经网络模型,用于评估2型糖尿病中高利血的风险

科学领域:

• 内分泌学和新陈代谢学
• 医疗保健中的人工智能
• 公共卫生 公共卫生

背景情况:

• 2型糖尿病 (T2DM) 与高尿血病增加了痛风,损伤和心血管疾病的风险.
• 这些并发症加剧了糖尿病,并造成了重大的医疗和财务负担.

研究的目的:

• 开发和评估基于人工神经网络 (ANN) 的T2DM患者高血的风险模型.
• 为了确定有助于这群人群中高利血症风险的关键因素,针对性预防和控制策略.

主要方法:

• 从社区中心招募了8243名T2DM患者进行数据收集 (2022年6月至12月).
• 利用变量选择的逻辑回归和ANN算法来构建三个风险模型.
• 使用AUC,准确性,特异性和精度等指标评估模型性能.

主要成果:

• 确定了11个重要因素:性别,腰围,糖尿病药物使用,透缩血压,γ-谷氨基转移酶,血尿素,甘油三,LDL-C,HDL-C,禁食葡萄糖和eGFR.
• 基线和生化风险模型显示出最好的表现 (AUC=0.744,精度=0.689,F1分数=0.659).
• 该ANN模型显示了良好的校准和有效性,可以预测高血的风险.

结论:

• 一个基于ANN的风险模型有效地预测T2DM患者的高血.
• 这种模型可以指导临床决策,以预防和管理2型糖尿病患者的高利血症.
• 早期识别和干预可以减轻与T2DM和高尿血症相关的不良健康结果.