PulseAugur
中
实时 10:03:33
English(EN) Population Health-Based Machine Learning Reveals Associations Between Psychosocial Factors and Chronic Kidney Disease

机器学习模型识别慢性肾脏病的关键风险因素

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个机器学习框架，用于识别慢性肾脏病（CKD）的风险个体。通过分析行为风险因素监测系统（BRFSS）和全国健康访谈调查（NHIS）等大规模远程医疗调查数据，他们的模型达到了高达76.12%的平衡准确率和82.29%的AUROC得分。进一步使用SHapley Additive exPlanations（SHAP）进行的分析，确定了关键风险因素，包括定期体检、年龄、血压和心理健康压力指标，为改善CKD风险分层提供了途径。 AI

影响 为慢性肾脏病的早期检测和风险分层提供了一个框架，有可能改善患者的治疗效果。

排序理由 该集群包含一篇详细介绍新型机器学习模型及其在健康数据应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器学习模型识别慢性肾脏病的关键风险因素

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Md. Atik Shams, David Eisenberg, Sumaiya Fatema, Asma Sultana, D. M Hasibul Islam, Junnatul Mawa, Anindita Datta, Nafiya Ahmed, Danastan Tasaouf Mridula, SK. Sazid Mahmud, Simon Bin Akter, Tanjila Helaly, Jorge Fresneda Fernandez, Humayera Islam, Tanmoy … ·

    基于人群健康的大规模机器学习揭示心理社会因素与慢性肾脏病之间的关联

    arXiv:2608.17174v1 Announce Type: new Abstract: Chronic kidney disease (CKD) progresses silently and severely undermines quality of life, making early detection critical for improving patient outcomes. We present a two-part study that combines large-scale telehealth data with adv…

相关实体

相关话题