使用一种新的规则发现方法识别显著体重增加的主导因素
机器学习
2021-11-09 v1 人工智能
摘要
超重与肥胖仍是全球重大公共卫生问题，识别增加未来体重增加风险的个体化模式在预防肥胖及众多相关后续疾病中具有关键作用。本工作中，我们使用一种规则发现方法研究该问题，提出一种同时提供真正可解释性并协同优化所识别模式准确率（经常正确）与支持度（适用于多数样本）的方法。具体而言，我们扩展一种成熟的子群发现方法以生成所需的 X -> Y 型规则，并展示如何从 X 侧提取顶级特征，作为 Y 的最佳预测因子。在我们的肥胖问题中，X 指从非常大且多站点的电子健康记录（EHR）数据中提取的特征，Y 表示显著体重增加。使用我们的方法，我们还广泛比较了由个体性别、年龄、种族、保险类型、社区类型和收入水平确定的 22 个层间模式的差异与不平等。通过大量系列实验，我们展示了关于未来危险体重增加预测因子的新的且互补的发现。
引用
@article{arxiv.2111.04475,
title = {Identifying the Leading Factors of Significant Weight Gains Using a New Rule Discovery Method},
author = {Mina Samizadeh and Jessica C Jones-Smith and Bethany Sheridan and Rahmatollah Beheshti},
journal= {arXiv preprint arXiv:2111.04475},
year = {2021}
}
备注
The code for this project is available on: https://github.com/minasmz/identifying_obesity_factors