相关实验视频
Updated: Jun 11, 2025
04:23
The Creation of a Rat Model for Osteosarcopenia via Ovariectomy
Published on: February 21, 2025
245
基于机器学习的模型的开发和外部验证,以预测MASLD人群中的前皮症:来自NHANES 2017-2018年的结果
Siwei Yang1, Jianan Yu1, Qiyang Chen2
1Department of Interventional Radiology, Beijing Friendship Hospital, Capital Medical University, China.
Annals of hepatology
|October 7, 2024
概括
这项研究开发了一种机器学习模型,用于识别代谢功能障碍相关的脂肪性肝病 (MASLD) 患者的前sarcopenia. 这种易于使用的工具有助于在MASLD患者中早期发现和管理sarcopenia前症.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 老年病的医生 老年病的医生
- 数据科学数据科学数据科学
背景情况:
- 与代谢功能障碍相关的肥胖性肝病 (MASLD) 越来越多地与前sarcopenia有关.
- 早期识别sarcopenia前期对于管理MASLD并发症至关重要.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于在MASLD群体中识别sarcopenia前期.
- 为了创建一个可解释和用户友好的工具,用于sarcopenia前查.
主要方法:
- 来自NHANES 2017-2018的571名MASLD受试者的队列被使用,分为培训 (70%) 和内部测试 (30%) 组.
- 四个ML分类器 (随机森林,SVM,XGBoost,物流回归) 被训练来预测sarcopenia前的情况.
- 最好的模型被内部和外部验证,使用单独的队列,通过AUROC,校准和决策曲线分析评估性能.
主要成果:
- 随机森林 (RF) 模型在训练组中表现出卓越的性能,AUROC为0.819.
- 使用六个关键特征 (体重调整的腰部,性别,种族,肌素,教育,性酸酶) 的精致射频模型实现了0.824 (内部) 和0.732 (外部) 的AUROC.
- 该模型表现出良好的校准和临床实用性,通过灵敏度分析,校准曲线和决策曲线分析得到证实.
结论:
- 一个可解释的机器学习模型成功地开发出来,用于预测MASLD患者的sarcopenia前期.
- 有一个基于网络的工具可用于在社区和医院设置中方便地进行sarcopenia前查.
