人工神经网络预测代谢综合征在青少年没有侵入性方法
Antonio Costa Júnior1,2, Ana Karina França2, Elisângela Dos Santos3
1Coordenação do Curso de Medicina, Centro de Ciências de Pinheiro, Universidade Federal do Maranhão, São Luís 65200-000, Brazil.
Journal of clinical medicine
|October 16, 2024
概括
这项研究开发了人工神经网络,以使用非侵入性测量来预测青少年的代谢综合征 (MetS). 最好的模型实现了高精度,有助于早期检测和资源管理在初级保健.
科学领域:
- 青少年健康 青少年健康
- 公共卫生 公共卫生
- 人工智能在医学中的应用
背景情况:
- 代谢综合征 (MetS) 在年轻人群中的全球患病率增加.
- 青少年早期检测和干预策略的需要.
- 如果没有管理,MetS会带来显著的长期健康风险.
研究的目的:
- 通过使用人口统计,人体统计和临床数据,开发青少年MetS的预测模型.
- 评估人工神经网络 (ANN) 对于MetS预测的有效性.
- 为准确的 MetS 风险评估确定关键的非侵入性变量.
主要方法:
- 在巴西招募了2064名青少年 (18-19岁).
- 三个MetS诊断标准的应用:库克等人,德费兰蒂等人和IDF.
- 培训和验证用于MetS预测的前人工神经网络 (ANN).
主要成果:
- 在青少年队列中,MetS患病率从5.7%到12.3%不等.
- 使用库克等人的ANN模型. 这一标准表现出优越的预测性能.
- 一个最佳的ANN模型 (ANN 5) 使用年龄,性别,腰围,体重和血压实现了86.8%的准确度和89.8%的灵敏度.
结论:
- 非侵入性措施对于预测青少年MetS是有效的.
- 预测模型可以指导初级医疗保健资源分配和患者管理.
- 早期识别患有MetS风险的青少年对于公共卫生结果至关重要.
