职业和体力活动因素作为糖尿病前期的预测因素:一项基于SHAP的机器学习研究.

科学领域:

• 公共卫生 公共卫生
• 流行病学 流行病学
• 生物统计学 生物统计学

背景情况:

• 糖尿病前期是一个重大的公共卫生挑战,增加了2型糖尿病的风险.
• 职业和体力活动等非临床因素在糖尿病风险评估中越来越被认为是关键因素.
• 早期识别有风险的个体对于有效的预防战略至关重要.

研究的目的:

• 开发和解释使用职业和体育活动数据预测糖尿病前期的预测模型.
• 确定早期干预和糖尿病前期的有针对性的预防的关键非临床预测因素.
• 评估机器学习算法的实用性,以了解与生活方式相关的糖尿病风险.

主要方法:

• 对33265名韩国国家健康和营养检查调查参与者的数据进行分析.
• 应用物流回归,决策树,XGBoost和随机森林算法用于模型开发.
• 使用夏普利添加式解释 (SHAP) 进行模型预测者的透明解释.

主要成果:

• 随机森林模型实现了最高的预测准确度 (0.8037) 和AUC (0.8597).
• 专业职业,减少工作时间和更多的步行日与降低糖尿病前期风险有关.
• 相反,长时间工作和高体力要求的工作与糖尿病前期风险增加有关.

结论:

• 职业和体力活动因素是糖尿病前期的重要非临床预测因素.
• 这些发现支持开发可访问的,以生活方式为重点的预防策略,特别是在临床资源有限的地方.
• 强调生活方式的改变对于有效的糖尿病风险管理至关重要.