机构名称：
¥ 1.0
目的：开发一个可以预测新发育糖尿病（NOD）患者胰腺导管腺癌（PDAC）的风险的机器学习模型。方法：从50岁> 50岁的个体的基于人群的样本中，包括胰腺癌相关糖尿病（PCRD）的患者（定义为点头），然后在3年内进行了PDAC诊断（n = 716）。这些PCRD患者以1：1的比率随机匹配，其点点头。来自丹麦国家健康注册表的数据用于开发一个随机的森林模型，以将PCRD与2型糖尿病区分开。该模型基于从常规生化变量的轨迹上得出的特征工程的年龄，性别和参数。使用接收器操作特征曲线（ROC）和相对风险评分评估模型性能。结果：最歧视的模型包括20个功能，并达到了ROC-AUC为0.78（CI：0.75 - 0.83）。与一般性点头人群相比，该模型预测的1％的PCRD的相对风险增加了20倍（癌症风险最高（3年的癌症风险为12％，敏感性为20％）。年龄是最歧视性的单一特征，其次是血红蛋白A1C和最新的血浆甘油三酸酯水平的变化率。当预测模型仅限于糖尿病诊断六个月后诊断为PDAC患者时，ROC-AUC为0.74（CI：0.69 - 0.79）。结论：在基于人群的环境中，使用有关年龄，性别和常规生化变量的性别的信息的机器学习模型表现出PCRD和2型糖尿病之间的良好歧视能力。
预测新的...
主要关键词
相关文件推荐
