基于决策树和进化算法的人工智能模型的实用性,用于在初级保健环境中评估肥胖性肝病

科学领域:

• 肝病学和代谢障碍 肝病和代谢障碍
• 临床决策支持系统 临床决策支持系统
• 初级医疗保健医学 一级医疗保健医学

背景情况:

• 肥胖性肝病 (SLD) 的分类正在演变,提出了代谢功能障碍相关的肥胖性肝病 (MASLD) 的标准.
• 了解不同成年人群中的SLD相关变量对于准确的诊断和管理至关重要.
• 现有的分类系统可能无法完全捕捉到SLD在年轻和中年成人中的复杂性.

研究的目的:

• 使用决策树方法验证与SLD相关的变量.
• 评估建议的MASLD成分是否存在于年轻和中年成年人中.
• 确定SLD的性别特定的临床和实验室预测因素.

主要方法:

• 这是一项对来自初级保健机构的6839名成年人进行的横截面研究.
• 制定决策树,以确定与SLD相关的临床和实验室变量.
• 计算SLD预测因子的几率比率 (OR) 和95%置信区间 (95%CI),按性别分层.

主要成果:

• 总体而言,SLD的发生率为26.6%,男性为23%.
• 女性表现出更多与SLD相关的变量,具有更高的ORs,包括BMI,年龄,hs-CRP,代谢综合征和子周长.
• 男人显示SLD与腰围,ALT和HbA1c水平的关联.

结论:

• 决策树分析发现了与SLD相关的不同类型的变量,特别是女性.
• 诸如50岁以上的年龄,hs-CRP升高和子周长增加等因素是女性的重要预测因素.
• 这些发现表明,在SLD和MASLD的分类和风险评估中需要考虑性别特异性.