在孟加拉国应用机器学习方法的代谢综合征预测建模
Md Farhad Hossain1,2, Shaheed Hossain2, Mst Nira Akter2
1Division of Computing, Analytics and Mathematics, Department of Mathematics and Statistics, School of Science and Engineering, University of Missouri, Kansas City, MO, United States of America.
PloS one
|September 5, 2024
概括
代谢综合征 (MetS) 影响了孟加拉国人口的27.8%,女性患病率更高. 确定的主要风险因素包括年龄,血压和肥胖指标,为预测建模提供信息.
科学领域:
- 心血管健康 心血管健康
- 代谢障碍 代谢障碍 代谢障碍
- 在医疗保健中的数据科学.
背景情况:
- 代谢综合征 (MetS) 是一个关键的公共卫生问题,其特点是包括腹部肥胖,高血压和高血糖症在内的风险因素.
- 这些因素显著提高了心血管疾病,中风和2型糖尿病的风险.
- 了解特定人群中的MetS患病率及其决定因素对于有针对性的干预至关重要.
研究的目的:
- 在孟加拉国人口中确定与代谢综合征相关的关键风险因素.
- 开发和评估用于预测MetS的机器学习 (ML) 模型.
- 用已确定的诊断标准来评估MetS的流行情况.
主要方法:
- 使用成人治疗小组III (ATP III) 标准在8185名孟加拉参与者的数据集中诊断MetS.
- 采用奇方位和随机森林技术来识别重大风险因素.
- 训练和评估各种ML模型,包括决策树,随机森林,SVM,XGBoost,KNN和后勤回归.
主要成果:
- 在研究人群中确定了27.8%的MetS患病率,女性 (58.3%) 的比例高于男性 (41.7%).
- 确定的主要预测因素包括年龄,静脉血压 (SBP),腰与身高的比 (WHtR),禁食血糖 (FBG),腰围 (WC),腹压 (DBP),婚姻状况,部周围 (HC),甘油三 (TGs) 和吸烟.
- 腰与身高的比率 (WHtR) 被特别强调为诊断腹部肥胖症的人类指数.
结论:
- 该研究成功地确定了孟加拉国代谢综合征的重大风险因素,并证明了ML模型对预测的潜力.
- 需要进一步的研究来完善这些分类工具的精度,并提高MetS的预测准确性.
- 这些发现强调了解决孟加拉国人口中肥胖,高血压和高血糖症等可修改的风险因素的重要性.
