相关实验视频
Updated: Jan 12, 2026
07:20
Inducement and Evaluation of a Murine Model of Experimental Myopia
Published on: January 22, 2019
10.4K
发现青少年近视的预测因素:使用机器学习方法进行二次数据分析
Jiajia Liao1, Zhijie Chen2, Wanqing Jin1
1National Clinical Research Center for Ocular Diseases, Eye Hospital, Wenzhou Medical University, Wenzhou, China.
Frontiers in medicine
|November 6, 2025
概括
整合历史和现代数据揭示了关键的近视风险因素. 父母近视和户外时间至关重要,而屏幕时间和姿势也可以预测近视的发展.
科学领域:
- 眼科医生 眼科 眼科
- 遗传学 是一个遗传学.
- 数据科学数据科学数据科学
背景情况:
- 近视是一种复杂的眼睛疾病,受遗传学和环境的影响.
- 现有研究通常集中在历史临床数据或当代行为数据上.
- 需要采用统一的方法来准确预测近视风险.
研究的目的:
- 整合和分析来自不同近视数据集的风险预测因素.
- 为近视风险预测开发一个全面的框架.
- 弥合历史临床见解与现代生活方式因素之间的差距.
主要方法:
- 分析了两个数据集:奥林达近视长度研究 (OLSM) 和中国横截面研究.
- 使用的机器学习模型 (逻辑回归,EBM,GBDT,DNN,XGBoost).
- 利用转移学习来整合结构上不同的数据集的见解.
主要成果:
- 父母近视和户外时间分别是一致的风险和保护因素.
- OLSM数据显示了高预测准确度 (AUC高达0.92),球形等效折射和父母近视是顶级预测因素.
- 中国的数据集确定了屏幕时间,姿势和父母的病史是主要的风险因素.
- 转移学习有效地整合了户外活动和姿势等特征.
结论:
- 近视风险是多因素的,结合了遗传和行为驱动因素.
- 多种数据集的自适应集成为全球近视风险预测提供了一个可扩展的策略.
- 这项工作为未来的多式联运风险预测框架提供了基础.
