人工智能支持的肥胖预测:对队列数据分析的系统审查

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 预测分析是一种预测分析.

背景情况:

• 肥胖是全球主要的死亡原因,增加了2型糖尿病和心血管疾病的风险.
• 早期识别肥胖风险对于预防性干预至关重要.
• 开发基于人工智能的全面肥胖查工具需要大量的队列数据.

研究的目的:

• 在队列研究中审查和批判性地评估现有关于人工智能对肥胖的预测研究.
• 识别用于肥胖预测的常见AI算法,数据类型和性能指标.
• 为营养学家和研究人员提供有关AI应用的信息,用于与肥胖有关的预测建模.

主要方法:

• 一个系统的文献综述6351篇文章,截至2024年3月.
• 在队列研究中,专注于人工智能对肥胖的预测.
• 使用JBI检查清单对10项选定的研究进行了批判性评估.

主要成果:

• 分析了10项涉及411,580名参与者的研究,其队列长度和大小各不相同.
• 人口统计和生物标记数据是最常用的.
• 机器学习,尤其是随机森林,线性回归和梯度增强等监督学习技术,主导了这些研究,在k-means和人工神经网络等模型中报告了高性能.

结论:

• 人工智能算法证明了肥胖预测的潜力.
• 需要进一步的研究来评估AI在分析肥胖数据方面的有效性,并探索先进的AI方法.
• 本综述是开发人工智能驱动的预测模型和临床决策支持系统的资源.