基于机器学习和SHAP的糖尿病外围神经病变的多功能,中西医综合预测模型

科学领域:

• 综合医学是一个整体的医学.
• 医疗保健中的机器学习
• 糖尿病学 糖尿病学

背景情况:

• 糖尿病外围神经病变 (DPN) 在2型糖尿病 (T2DM) 患者中越来越令人担忧,经常出现严重症状.
• 现有的DPN预测模型主要依赖于一般临床和实验室数据.
• 传统中医 (TCM) 指标为改善DPN预测提供了潜在的潜力.

研究的目的:

• 开发和验证DPN的基于机器学习的新型预测模型.
• 整合西方医学和TCM的临床特征,以提高预测准确度.
• 确定T2DM患者中DPN的关键预测因素.

主要方法:

• 收集了1142名T2DM患者的临床数据,包括人口统计,实验室结果和TCM特征.
• 使用培训和验证套件开发和评估了四种预测模型.
• 通过十倍交叉验证,通过准确性,精度,回忆,F1得分和AUC评估模型性能.
• 利用SHAP框架对模型预测进行解释性分析.

主要成果:

• 与传统模型相比,集成模型表现出优越的性能.
• 实现了高性能指标:准确度 (0.8109),精度 (0.8029),回忆 (0.9060),F1得分 (0.8511) 和AUC (0.9002).
• 发现的关键预测因素包括TCM症状 (例如,四肢麻木,视力模糊),年龄,疾病原因和糖化血红蛋白.

结论:

• 成功建立了一种经过验证的多特征,中西医综合的DPN预测模型.
• 该模型有助于在T2DM患者中早期识别高风险的DPN群体.
• 在糖尿病护理中为智能慢性疾病管理提供了宝贵的支持.