在使用机器学习模型的成年患者的潜伏性自身免疫糖尿病中预测动脉样硬化:一个回顾性研究

科学领域:

• 内分泌学和糖尿病研究研究
• 心血管疾病流行病学
• 医疗保健中的机器学习

背景情况:

• 成年人的潜伏性自身免疫糖尿病 (LADA) 是一种缓慢进展的自身免疫糖尿病.
• 拉达患者面临心血管疾病 (CVD) 的风险增加,特别是动脉动脉样硬化.
• 关于使用机器学习 (ML) 预测LADA中的心血管疾病风险的研究有限.

研究的目的:

• 在LADA患者中识别动脉动脉样硬化风险因素.
• 在LADA中开发和评估ML模型来预测动脉样硬化.
• 改善LADA中早期发现和管理心血管疾病风险.

主要方法:

• 对142名LADA患者进行了回顾性分析.
• 单变量,多变量逻辑回归和 LASSO 回归用于特征选择.
• 八个ML算法 (LR,DT,RF,KNN,SVM,NNET,XGBoost,LightGBM) 被用来进行预测.

主要成果:

• 确定了主要的危险因素:年龄,吸烟,BMI,ALB,HDL-C,ALT.
• 后勤回归 (LR) 模型实现了最高的AUC (0.936) 和精度 (86%).
• 神经网络 (NNET) 和支持矢量机器 (SVM) 也显示出强大的预测性能 (AUC 0.919 和 0.918).

结论:

• 识别风险因素对于在LADA中管理动脉样硬化至关重要.
• 机器学习模型为LADA群体的风险分层提供了一种新的方法.
• 临床整合ML可以提高LADA患者的患者管理和结果.