机器学习分析母乳养与女性代谢综合征之间的关联
Jue Seong Lee1, Eun-Saem Choi2, Hwasun Lee3
1Department of Pediatrics, Korea University College of Medicine, Korea University Anam Hospital, Seoul, South Korea.
Scientific reports
|February 19, 2024
概括
机器学习模型确定了女性代谢综合征的关键预测因素. 哺乳时间成为重要因素,除了体重指数和高血压.
科学领域:
- 公共卫生 公共卫生
- 生物统计学 生物统计学
- 机器学习 机器学习
背景情况:
- 代谢综合征对女性健康构成重大风险.
- 了解代谢综合征的预测因素对于预防策略至关重要.
研究的目的:
- 开发和验证基于人口的机器学习模型,用于预测女性代谢综合征.
- 检查母乳养与代谢综合征之间的关联.
主要方法:
- 利用来自韩国国家健康和营养检查调查 (2010-2019) 的30204名女性 (年龄≥20岁) 的数据.
- 开发并验证了六种机器学习模型:人工神经网络,决策树,后勤回归,naive Bayes,随机森林和支持向量机器.
- 确定了86个独立变量,包括人口,社会经济,心血管和母乳养相关因素.
主要成果:
- 随机森林模型显示了最高的预测性能,接收器运行特征曲线下的面积为90.7%.
- 随机森林模型确定的代谢综合征的关键预测因素包括体重指数,高血压药物,高血压诊断,心血管疾病,年龄和母乳养时间.
- 哺乳时间被确定为代谢综合征的重要预测因素.
结论:
- 机器学习模型可以有效地预测女性的代谢综合征.
- 哺乳期的持续时间是预测代谢综合征的重要因素,与已确定的风险因素 (如BMI和高血压) 一起.
