通过使用机器学习来预测与工作相关的肩膀肌肉骨疾病
Saemi Jung1, Bogeum Kim2, Yoon-Ji Kim3
1Department of Occupational and Environmental Medicine, Pusan National University Yangsan Hospital, Republic of Korea.
Safety and health at work
|April 3, 2025
概括
机器学习模型可以准确预测与工作相关的肩部疾病. 随机森林和XGBoost算法表现出高性能,帮助职业医生进行一致的评估.
科学领域:
- 职业医学 职业医学是专业的.
- 机器学习 机器学习
- 肌肉骨系统疾病 肌肉骨系统疾病
背景情况:
- 肩部肌肉骨疾病是一个重要的职业健康问题.
- 准确评估工作相关性对于补偿和预防至关重要.
- 现有的诊断方法可能具有医生间的变化.
研究的目的:
- 开发和评估机器学习模型来预测与工作相关的肩部疾病.
- 确定导致肩部状况与工作相关的关键因素.
- 提高职业病评估的客观性和一致性.
主要方法:
- 利用了7270个已批准的与肩部疾病相关的职业病例数据集.
- 应用机器学习算法:逻辑回归,支持矢量机,决策树,随机森林和XGBoost.
- 进行人口统计分析并使用准确度和曲线下的面积 (AUC) 评估模型性能.
主要成果:
- 随机森林实现了84.46%的准确率和0.73 AUC;XGBoost实现了81.64%的准确率和0.73 AUC.
- 与工作相关性的关键预测因素包括就业时间,体力负担得分,性别和年龄.
- 机器学习模型展示了高预测性能.
结论:
- 机器学习算法提供了一个强大的方法来评估与工作相关的肩部疾病.
- 这些模型有可能减少职业环境医学医生之间的诊断变异性.
- 该研究强调了数据驱动方法在职业健康方面的有用性.
