使用机器学习技术在年轻工人中预测代谢综合征发病的预测和预测因子的阐明:日本的一项全国性研究
Miyuki Suda1, Tadao Ooka1, Zentaro Yamagata1
1Department of Health Science, University of Yamanashi, Chuo, Yamanashi, Japan.
Environmental and occupational health practice
|March 10, 2025
概括
机器学习模型准确地预测40岁时代代谢综合征 (MS) 发作,使用30多岁的个体的健康数据. 关键预测因素包括男性的血压和女性的体重指数,使早期干预成为可能.
科学领域:
- 代谢健康 代谢健康
- 预测建模的预测建模.
- 公共卫生 公共卫生
背景情况:
- 对30多岁的个人来说,代谢综合征 (MS) 发病预测模型是有限的.
- 早期识别MS风险对于及时干预至关重要.
- 健康检查数据为预测分析提供了宝贵的资源.
研究的目的:
- 开发精确的机器学习模型,预测到40岁时的MS发作.
- 确定30-35岁的日本员工中MS发病的关键预测因素.
- 探索MS发展的性别特异性预测因子.
主要方法:
- 利用了10年来6,048名日本员工的健康检查数据.
- 开发了使用随机森林和物流回归技术的预测模型.
- 使用随机森林模型计算变量重要性,以确定关键预测因素.
主要成果:
- 随机森林模型显示出高预测能力 (例如,30岁男性的AU-ROC为0.867).
- 腹筋血压是男性的主要预测因素;女性的体重指数.
- 在MS发作的预测因素中观察到显著的性别差异.
结论:
- 精确的机器学习模型可以使用早期健康数据预测到40岁时的MS发作.
- 变量重要性分析揭示了男性和女性的不同预测因素.
- 在常规医疗保健中实施可以促进早期干预,以预防MS.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.4K
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
1.1K
