动态 2 型糖尿病风险预测工具的开发：一项英国生物样本库研究
机器学习
2021-04-21 v1
摘要
糖尿病影响超过 4 亿人，是全球发病的主要原因之一。识别高危个体可通过生活方式改变支持早期诊断和疾病预防。然而，现有大多数风险评分需要基于血液的因素信息，而这些信息在临床之外无法获得。在此，我们旨在开发一种可数字化、规模化部署的易获取解决方案。我们利用英国生物样本库数据集中 472,830 名参与者衍生的 301 个特征开发了预测性 10 年 2 型糖尿病风险评分，同时排除了任何无法被智能手机轻易获取的特征。通过数据驱动的特征选择过程，最终简化模型纳入了 19 个特征。Cox 比例风险模型相较使用相同特征训练的 DeepSurv 模型略有优势，其一致性指数为 0.818（95% CI：0.812-0.823），而后者为 0.811（95% CI：0.806-0.815）。最终模型显示出良好的校准度。该工具可用于临床筛查有患 2 型糖尿病风险的个体，并通过拓宽其对个人风险影响因素的认知来促进患者赋能。
引用
@article{arxiv.2104.10108,
title = {Development of a dynamic type 2 diabetes risk prediction tool: a UK Biobank study},
author = {Nikola Dolezalova and Massimo Cairo and Alex Despotovic and Adam T. C. Booth and Angus B. Reed and Davide Morelli and David Plans},
journal= {arXiv preprint arXiv:2104.10108},
year = {2021}
}
备注
12 pages