您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览39 | 下载1

目的 应用机器学习和logistic回归分析模型分析2型糖尿病(type 2 diabetes mellitus,T2DM)轻度认知功能障碍的影响因素,为相关干预措施提供依据.方法 收集南京鼓楼医院内分泌科1 284例T2DM患者的资料,将数据分为训练集(70%)和测试集(30%),分别采用logistic回归分析、随机森林、XGBoost模型对数据建模并进行可解释性分析.结果 随机森林模型的预测性能最高,训练集的AUC值为1.0,测试集的AUC值为0.783(95%CI:0.660~0.894),模型筛选出T2DM患者发生轻度认知功能障碍的19个重要变量,如受教育时间、年龄、胰岛素敏感指数、周围神经病变、糖化血红蛋白、骨代谢异常等.结论 随机森林模型的预测性能最佳,可以协助医务人员准确识别T2DM患者发生轻度认知功能障碍的危险因素,有助于医务人员对患者进行早期预防.

作者:张红梅;张宁;孙玉娇;张洲

来源:中华疾病控制杂志 2024 年 28卷 3期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:39 | 下载:1
作者:
张红梅;张宁;孙玉娇;张洲
来源:
中华疾病控制杂志 2024 年 28卷 3期
标签:
轻度认知功能障碍 影响因素 2型糖尿病 机器学习 Mild cognitive impairment Influencing factors Type 2 diabetes mellitus Machine learning
目的 应用机器学习和logistic回归分析模型分析2型糖尿病(type 2 diabetes mellitus,T2DM)轻度认知功能障碍的影响因素,为相关干预措施提供依据.方法 收集南京鼓楼医院内分泌科1 284例T2DM患者的资料,将数据分为训练集(70%)和测试集(30%),分别采用logistic回归分析、随机森林、XGBoost模型对数据建模并进行可解释性分析.结果 随机森林模型的预测性能最高,训练集的AUC值为1.0,测试集的AUC值为0.783(95%CI:0.660~0.894),模型筛选出T2DM患者发生轻度认知功能障碍的19个重要变量,如受教育时间、年龄、胰岛素敏感指数、周围神经病变、糖化血红蛋白、骨代谢异常等.结论 随机森林模型的预测性能最佳,可以协助医务人员准确识别T2DM患者发生轻度认知功能障碍的危险因素,有助于医务人员对患者进行早期预防.

Baidu
map