Prediction of Diabetes Using Data Mining and Machine Learning Algorithms: A Cross-Sectional Study

Hassan Shojaee-Mend; Farnia Velayati; Batool Tayefi; Ebrahim Babaee

추천

검색

자료유형: 학술저널

저자정보: Hassan Shojaee-Mend (Gonabad University of Medical Sciences) Farnia Velayati (Shahid Beheshti University of Medical Sciences) Batool Tayefi (Iran University of Medical Sciences) Ebrahim Babaee (Iran University of Medical Sciences)

저널정보: 대한의료정보학회 Healthcare Informatics Research Healthcare Informatics Research Vol.30 No.1

발행연도: 2024.1

수록면: 73 - 82 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Objectives: This study aimed to develop a model to predict fasting blood glucose status using machine learning and datamining, since the early diagnosis and treatment of diabetes can improve outcomes and quality of life. Methods: This crosssectionalstudy analyzed data from 3376 adults over 30 years old at 16 comprehensive health service centers in Tehran, Iranwho participated in a diabetes screening program. The dataset was balanced using random sampling and the synthetic minorityover-sampling technique (SMOTE). The dataset was split into training set (80%) and test set (20%). Shapley valueswere calculated to select the most important features. Noise analysis was performed by adding Gaussian noise to the numericalfeatures to evaluate the robustness of feature importance. Five different machine learning algorithms, including CatBoost,random forest, XGBoost, logistic regression, and an artificial neural network, were used to model the dataset. Accuracy,sensitivity, specificity, accuracy, the F1-score, and the area under the curve were used to evaluate the model. Results: Age,waist-to-hip ratio, body mass index, and systolic blood pressure were the most important factors for predicting fasting bloodglucose status. Though the models achieved similar predictive ability, the CatBoost model performed slightly better overallwith 0.737 area under the curve (AUC). Conclusions: A gradient boosted decision tree model accurately identified the mostimportant risk factors related to diabetes. Age, waist-to-hip ratio, body mass index, and systolic blood pressure were the mostimportant risk factors for diabetes, respectively. This model can support planning for diabetes management and prevention.

#Diabetes Mellitus #Machine Learning #Data Mining #Decision Trees #Risk Factors

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)