机构名称：
¥ 1.0
由于生活方式的变化和衰老，代谢综合征（MetS）的患病率及其成本正在增加。这项研究旨在开发一个深层神经网络模型，以根据营养摄入和其他与Mets相关的因素对MetS进行预测和分类。这项研究包括韩国国家健康和营养检查调查（2013- 2018年）40-69岁的17,848个人。，我们将MetS（存在3-5个风险因素）设置为因变量，而52个与MetS相关的因素和营养摄入变量为回归分析中的自变量。分析通过常规逻辑回归，基于机器学习的逻辑回归和深度学习进行了比较和分析模型的准确性，精度和回忆。火车数据的准确性为81.2089，在本研究中开发的MetS分类和预测模型中，测试数据的准确性为81.1485。这些精度高于传统的逻辑回归或基于机器学习的逻辑回归获得的精度。精度，回忆和F1得分也显示了深度学习模型的高精度。血液丙氨酸氨基转移酶（β= 12.2035）水平显示出最高的回归系数，其次是血天然天冬氨酸氨基转移酶（β= 11.771）水平，腰围（β= 10.8555），体重指数，体重指数，体重指数（β= 10.3842），和血甘糖级= 10.1.1800.1800.180。脂肪（胆固醇[β= -2.0545]和饱和脂肪酸[β= -2.0483]）在营养摄入量中显示出较高的回归系数。与传统的逻辑回归或基于机器学习的逻辑回归相比，用于分类和预测的深度学习模型的准确性更高。
发展代谢综合征
主要关键词
相关文件推荐
