预测糖尿病自我管理教育参与:机器学习算法和模型
Xiangxiang Jiang1, Gang Lv2, Minghui Li3
1Department of Clinical Pharmacy and Outcomes Sciences, University of South Carolina College of Pharmacy, Columbia, South Carolina, USA.
BMJ open diabetes research & care
|February 18, 2025
概括
美国老年人中糖尿病自我管理教育 (DSME) 的参与率较低. 机器学习确定了影响DSME参与的关键因素,并突出了种族/民族差异,表明需要量身定制的方法.
科学领域:
- 老年学是一门学科.
- 医疗保健服务研究 医疗服务研究
- 数据科学数据科学数据科学
背景情况:
- 糖尿病自我管理教育 (DSME) 对糖尿病护理至关重要,但其在美国的利用是有限的.
- 了解老年人的DSME参与对于改善健康结果至关重要.
研究的目的:
- 调查美国老年人中DSME参与率.
- 通过机器学习识别影响DSME参与的综合因素.
- 探索DSME参与中的种族/民族差异.
主要方法:
- 使用的医疗保险当前受益者调查数据 (2017-2019) 针对美国糖尿病医疗保险受益者.
- 采用国家老龄健康差异研究所研究框架进行变量选择.
- 应用了五种常见的机器学习模型来分析与DSME相关的因素.
主要成果:
- 37.94%的符合条件的参与者获得了DSME.
- 机器学习模型达到>70%的准确性,随机森林达到85%的准确性.
- 确定了74个影响DSME的关键变量,揭示了显著的种族/民族差异.
结论:
- 确定了影响DSME参与的生物,行为,社会文化和环境因素.
- 调查结果强调了需要定制的DSME战略来解决种族/民族差异.
- 将DSME国家标准与已识别的因素结合起来,可以提高指导方针的有效性并促进公平的护理.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
2.5K
