利用纵向 BMI 模式对慢性病患者进行亚型划分
机器学习
2024-12-03 v2
摘要
肥胖是一个主要的健康问题，会增加多种主要慢性病（如糖尿病、癌症和中风）的风险。虽然通过横断面 BMI 记录所确定的肥胖作用已被大量研究，但 BMI 轨迹的作用却少得多被探索。在本研究中，我们使用机器学习方法，利用从一个大型且地理多样的 EHR 数据集中提取的 BMI 轨迹，对个体罹患 18 种主要慢性病的风险进行亚型划分；该数据集记录了约两百万个体六年间的健康状况。我们基于 BMI 轨迹定义了九个新的可解释且基于证据的变量，并使用 k-means 聚类方法将患者聚类为亚组。我们详尽审视了每个聚类的 demographic、社会经济和生理测量变量方面的特征，以明确聚类中患者的独特属性。在我们的实验中，肥胖与糖尿病、高血压、阿尔茨海默病和痴呆的直接关系被再次确立，并且为若干慢性病发现了具有特定特征的独特聚类，这些聚类与现有知识体系相符或互补。
引用
@article{arxiv.2111.05385,
title = {Subtyping patients with chronic disease using longitudinal BMI patterns},
author = {Md Mozaharul Mottalib and Jessica C Jones-Smith and Bethany Sheridan and Rahmatollah Beheshti},
journal= {arXiv preprint arXiv:2111.05385},
year = {2024}
}
备注
https://ieeexplore.ieee.org/document/10018864