机构名称：
¥ 2.0
目标：开发机器学习（ML）风险分层模型，以预测全因死亡率和心血管死亡率，同时估算生活方式行为因素对模型功效的影响。方法：使用40岁或40岁以上的成年人的全国代表性样本进行了前瞻性队列研究，该样本是从2007年至2010年的美国国家卫生和营养检查调查中得出的。参与者进行了全面的面试和医疗实验室检查，随后，他们的记录与国家死亡指数有关，以进行进一步分析。结果：在包括7921名参与者的队列中，记录了9。75年的平均随访持续时间，共有1911年死亡，包括585例心血管相关死亡。该模型预测了接收器操作特性曲线（AUC）下的区域的死亡率为0.848和0.829。根据ML分数将参与者分为不同的风险群体被证明有效。所有的生活方式行为与全因和心血管死亡率均表现出反相关性。随着年龄的增长，饮食评分和久坐时间的明显影响变得越来越明显，而体育活动的观察到相反的趋势。结论：我们开发了一种基于生活方式行为的ML模型，以预测全因和心血管死亡率。开发的模型为评估与生活方式相关风险的评估提供了宝贵的见解。它适用于个人，医疗保健专业人员和政策制定者，以做出明智的决定。关键词：心血管死亡率，全因死亡率，生活方式行为，风险分层，死亡率预测，机器学习。
生活方式与心血管和全...
主要关键词
相关文件推荐
