論文の概要: Predicting Diabetes with Machine Learning Analysis of Income and Health Factors
- arxiv url: http://arxiv.org/abs/2404.13260v1
- Date: Sat, 20 Apr 2024 04:09:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 19:49:10.305610
- Title: Predicting Diabetes with Machine Learning Analysis of Income and Health Factors
- Title（参考訳）: インカムと健康因子の機械学習分析による糖尿病予測
- Authors: Fariba Jafari Horestani, M. Mehdi Owrang O,
- Abstract要約: 我々は,社会経済的地位と糖尿病の複雑な相互作用を明らかにするために,統計的および機械学習技術を用いている。
我々の研究は、低所得のブラケットが糖尿病の発生率に結びついている、明らかな傾向を明らかにした。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In this study, we delve into the intricate relationships between diabetes and a range of health indicators, with a particular focus on the newly added variable of income. Utilizing data from the 2015 Behavioral Risk Factor Surveillance System (BRFSS), we analyze the impact of various factors such as blood pressure, cholesterol, BMI, smoking habits, and more on the prevalence of diabetes. Our comprehensive analysis not only investigates each factor in isolation but also explores their interdependencies and collective influence on diabetes. A novel aspect of our research is the examination of income as a determinant of diabetes risk, which to the best of our knowledge has been relatively underexplored in previous studies. We employ statistical and machine learning techniques to unravel the complex interplay between socio-economic status and diabetes, providing new insights into how financial well-being influences health outcomes. Our research reveals a discernible trend where lower income brackets are associated with a higher incidence of diabetes. In analyzing a blend of 33 variables, including health factors and lifestyle choices, we identified that features such as high blood pressure, high cholesterol, cholesterol checks, income, and Body Mass Index (BMI) are of considerable significance. These elements stand out among the myriad of factors examined, suggesting that they play a pivotal role in the prevalence and management of diabetes.
- Abstract（参考訳）: 本研究では,糖尿病と健康指標の複雑な関係について検討し,新たな収入の変動に着目した。
2015年行動危険因子監視システム(BRFSS)のデータを利用して、血圧、コレステロール、BMI、喫煙習慣など様々な要因が糖尿病の流行に与える影響を分析する。
包括的分析は,それぞれの要因を分離するだけでなく,その相互依存性や糖尿病に対する集団的影響も調べる。
我々の研究の新たな側面は、糖尿病リスクの決定要因としての収入の検証である。
我々は、社会経済的地位と糖尿病の間の複雑な相互作用を解明するために、統計的および機械学習技術を使用し、経済的幸福が健康にどのように影響するかの新しい洞察を提供する。
我々の研究は、低所得のブラケットが糖尿病の発生率に結びついている、明らかな傾向を明らかにした。
健康因子とライフスタイルの選択を含む33変数の混合分析において,高血圧,高コレステロール,コレステロールチェック,所得,BMIなどの特徴が重要であることを確認した。
これらの要素は、糖尿病の流行と管理において重要な役割を担っていることが示唆されている。
関連論文リスト
- From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [50.80532910808962]
GluFormerは、トランスフォーマーアーキテクチャに基づく生体医学的時間的データの生成基盤モデルである。
GluFormerは5つの地理的領域にまたがる4936人を含む15の異なる外部データセットに一般化されている。
今後4年間の健康状態も予測できる。
論文 参考訳（メタデータ） (2024-08-20T13:19:06Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Investigating the validity of structure learning algorithms in identifying risk factors for intervention in patients with diabetes [7.7322136620857345]
本研究は、糖尿病の進行に影響を及ぼす潜在的な危険因子のうち因果経路を識別するための構造学習アルゴリズムを網羅的に探究する。
この手法は、これらのアルゴリズムを関連する糖尿病データに適用し、続いて出力グラフをCausal Bayesian Networks (CBNs)に変換する。
CBNは、文脈特異的ケーススタディにおける仮説的介入の効果について、予測分析と不一致の評価を可能にする。
論文 参考訳（メタデータ） (2024-03-21T11:51:42Z) - Knowledge-Infused LLM-Powered Conversational Health Agent: A Case Study
for Diabetes Patients [5.681077687942451]
糖尿病患者に対する知識注入型LLMを用いた会話型健康エージェント(CHA)を提案する。
オープンソースのopenCHAフレームワークをカスタマイズして活用し、外部知識と分析能力でCHAを強化します。
本評価では,毎日の食事選択に関する糖尿病関連質問100件と,提案した食事に関する潜在的なリスクについて検討した。
論文 参考訳（メタデータ） (2024-02-15T18:00:02Z) - Interpretable Causal Inference for Analyzing Wearable, Sensor, and Distributional Data [62.56890808004615]
本研究では,信頼性とロバストな意思決定を確実にする,分散データ解析の解釈可能な手法を開発した。
ADD MALTSの有用性について,糖尿病リスク軽減のための連続グルコースモニターの有効性について検討した。
論文 参考訳（メタデータ） (2023-12-17T00:42:42Z) - Gender-Based Comparative Study of Type 2 Diabetes Risk Factors in
Kolkata, India: A Machine Learning Approach [3.645867000434462]
本研究は,インド・西ベンガル州コルカタの男性と女性における2型糖尿病のリスクに,年齢,ライフスタイル,BMI,ウェイストの差があるかどうかを学習することを目的とした。
糖尿病のリスクを予測するために、ロジスティック回帰、ランダムフォレスト、サポートベクターといったさまざまな機械学習モデルが使用された。
以上の結果より, 男女ともに糖尿病の発症リスクが有意に上昇していることが示唆された。
論文 参考訳（メタデータ） (2023-10-15T03:44:51Z) - Predicting blood pressure under circumstances of missing data: An
analysis of missing data patterns and imputation methods using NHANES [0.0]
CVDは、血圧の上昇、血糖の上昇、血液脂質の上昇、肥満によって影響を受ける。
貧困、ストレス、人種差別といった社会的・環境的な要因も重要な役割を担っている。
論文 参考訳（メタデータ） (2023-05-01T18:15:44Z) - Why Interpretable Causal Inference is Important for High-Stakes Decision
Making for Critically Ill Patients and How To Do It [80.24494623756839]
重症心身障害患者に対する因果関係評価のための枠組みを提案する。
この枠組みは、脳の発作やその他の潜在的に有害な電気的事象が結果に与える影響に適用する。
論文 参考訳（メタデータ） (2022-03-09T18:03:35Z) - Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。
深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
論文 参考訳（メタデータ） (2021-08-06T05:46:01Z) - Hybrid stacked ensemble combined with genetic algorithms for Prediction
of Diabetes [0.0]
糖尿病は、世界で最も一般的で危険で高価な病気の1つです。
本研究では、カリフォルニア大学のウェブサイトで、インドの糖尿病に関する実際のデータである実験データを用いています。
結果は、98.8%に達した疾患の診断における提案手法の高性能と99%の精度を示した。
論文 参考訳（メタデータ） (2021-03-15T07:47:23Z) - Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。
具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。
次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
論文 参考訳（メタデータ） (2020-07-13T20:05:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。