机器学习分析心血管风险因素及其与听力损失的关联

科学领域:

• 听力学和公共卫生
• 心血管健康 心血管健康
• 机器学习应用 机器学习应用

背景情况:

• 听力损失是一个重要的全球健康问题,早期发现对干预至关重要.
• 细微的听力变化往往被忽视,使早期诊断复杂化.
• 现有的研究尚未充分利用心血管风险因素来预测听力损失.

研究的目的:

• 开发和评估用于预测听力结果的机器学习模型.
• 确定心血管风险因素与听力损伤之间的关联.
• 创建一个工具,用于早期识别高风险听力损失的个体.

主要方法:

• 利用了2012-2018年国家健康和营养检查调查 (NHANES) 的数据.
• 训练有素的机器学习算法来分类听力障碍值 (例如,>25 dB HL) 并预测纯音调平均值.
• 采用了算法,包括渐变增强机器,CatBoost和多层神经网络.

主要成果:

• 梯度增强机器在分类轻度或更严重的听力损失 (>25 dB HL) 中获得了80.1%的准确性.
• 模型准确地分类了其他值 (>16 dB HL,>40 dB HL),准确度超过77%和86%.
• 多层神经网络最好预测纯音调平均值 (平均绝对误差为3.05dB),年龄,血压和腰围是关键因素.

结论:

• 机器学习模型有效地使用心血管风险因素预测听力损失.
• 这些发现表明,早期检测和个性化预防的临床适用工具有潜力.
• 建议进行进一步的前性验证,以确认临床效用.