×
韩宇梅;杨辉;黄、秦磊;孙子杰;李明亮;张京波;邓克军;陈硕;林浩

基于体检数据的糖尿病和糖尿病前期风险预测。 （英语） Zbl 1490.92018年

数学。Biosci公司。工程师。 第4期第19页，第3597-3608页（2022）.
摘要：糖尿病是一种由胰岛素分泌不足和胰岛素分泌障碍引起的代谢紊乱。从健康到糖尿病，通常有三个阶段：健康、糖尿病前期和2型糖尿病。早期诊断糖尿病是预防和控制糖尿病及其并发症的最有效方法。在本研究中，我们收集了2006年1月至2017年12月北京体检中心的体检数据，并根据WHO（1999）糖尿病诊断标准将人群分为三组：正常空腹血糖（NFG）（FPG<6.1 mmol/L）、轻度空腹血糖受损（IFG）（6.1 mmol/L）和2型糖尿病（T2DM）（FPG>7.0 mmol/L.）。最后，我们获得了1221598份NFG样本、285965份IFG样本和387076份T2DM样本，共有15项体检指标。此外，以极端梯度增强（XGBoost）、随机森林（RF）、逻辑回归（LR）和全连接神经网络（FCN）为分类器，构建了四个模型来区分NFG、IFG和T2DM。比较结果表明，XGBoost的性能最好，AUC（宏）为0.7874，AUC为0.8633。此外，基于XGBoost分类器，还建立了三个二元分类模型来区分NFG和IFG、NFG和T2DM、IFG和T2DM。在独立数据集上，AUC分别为0.7808、0.8687、0.7067。最后，我们分析了这些特征的重要性，并确定了与糖尿病相关的风险因素。

MSC公司：

92立方 病理学、病理生理学

关键词：

糖尿病;空腹血糖;体格检查;XGBoost公司
PDF格式BibTeX公司 XML格式引用
\textit{Y.-M.Han}等人，数学。Biosci公司。工程19，编号4，3597--3608（2022；Zbl 1490.92018）
全文： 内政部

参考文献：

[1] J.M.Lachin，D.M.Nathan，D.E.R.Group，《了解代谢记忆：糖尿病控制和并发症试验（DCCT）期间血糖对糖尿病干预和并发症流行病学（EDIC）研究期间未来并发症风险的长期影响》，《糖尿病护理》，（2021年），提前在线出版，<a href=“https://doi.org/10.2337/dc20-3097“target=”_blank“>https://doi.org/10.2337/dc20-3097</a>
[2] G、 并发糖尿病和镰状细胞病，糖尿病护理，2327-328（1979）·doi:10.2337/diacare.2.327a
[3] C、 糖尿病：瘦素如何降低T1DM和T2DM患者的高血糖？，《国家内分泌评论》。，10, 511 (2014) ·doi:10.1038/nrendo.2014.104
[4] D、 糖尿病：预测2型糖尿病风险的新标志物，Nat.Rev.Endocrinol。，13, 625 (2017) ·doi:10.1038/nrendo.2017.128
[5] M、 高脂肪饮食诱导阴性缺陷小鼠的糖尿病前期和明显的性别特异性代谢改变，生物医学，91148（2021）·doi:10.3390/生物医学9091148
[6] 更正：糖尿病、糖尿病前期及相关危险因素的患病率：2016-2017年巴基斯坦第二次全国糖尿病调查（NDSP），BMJ Open，2019年，e020961corr1<a href=“https://doi.org/10.1136/bmjopen-2017-020961corr1“target=”_blank“>https://doi.org/10.1136/bmjopen-2017-020961corr1</a>
[7] C、 生物序列修改预测及其与疾病的关系，简介。热那亚。，2021年1月20日至18日·doi:10.1093/bfgp/elaa023
[8] M、 以生活方式为基础的T2DM预防的益处受糖尿病前期表型、Nat.Rev.Endocrinol.、。，16, 395-400 (2020) ·doi:10.1038/s41574-019-0316-1
[9] A、 健康委员会对2型糖尿病高危青少年的家庭、医疗保健专业人员和同龄人体育活动行为建议进行了检查。，32, 857-863 (2017) ·doi:10.1080/10410236.2016年11月17日907日
[10] J、 通过数据挖掘筛选与槲皮素降血糖作用相关的差异性中枢基因，Curr。生物信息。，16, 1152-1160 (2021) ·doi:10.2174/1574893616666210617110314
[11] Q、 使用机器学习技术预测糖尿病，Front。遗传学。，9, 515 (2018) ·doi:10.3389/fgene.2018.00515
[12] Z.Li，C.Zhao，Q.Fu，J.Ye，L.Su，X.Ge，et al.，钕（3+）-具有可回收NIR/X射线光电开关效应的黑磷量子点，抗胶质母细胞瘤，（2021），在线印刷前https://doi.org/10.1002/smll.202105160“target=”_blank“>https://doi.org/10.1002/smll.202105160</a>
[13] A、 盐酸西维兰在2型糖尿病患者中的应用：联合降糖和降脂作用，Postgrad。医学，121，13-18（2009）·doi:10.3810/pgm.2009.05.suppl53.288
[14] Q、 融合多个生物网络以有效预测miRNA-disease关联，Curr。生物信息。，16, 371-384 (2021) ·doi:10.2174/1574893615999200715165335
[15] 五十、 利用叠加框架对多种真核生物细胞特异性复制起始位点进行计算预测和解释，Brief。生物信息。，22，bbaa275（2021）·doi:10.1093/bib/bbaa275
[16] M、 NeuroPred-FRL：使用特征表示学习识别神经肽的可解释预测模型，简介。生物信息。，22，bbab167（2021）·doi:10.1093/bib/bbab167
[17] M、 HLPpred-Fuse：通过融合多特征表示改进和稳健预测溶血肽及其活性，生物信息学，36，3350-3356（2020）·doi:10.1093/bioinformatics/btaa160
[18] H.Jun，J.Lee，H.A.Lee，S.E.Kim，K.N.Shim，H.K.Jung等，空腹血糖变异性和不良轨迹模式与结直肠癌风险相关，《肠道》。Liver</i>，（2021），在线印刷。<a href=“https://doi.org/10.5009/gnl210048“target=”_blank“>https://doi.org/10.5009/gnl210048</a>
[19] 糖尿病诊断、分类专家委员会，糖尿病诊断和分类专家委员会的报告，糖尿病护理，（2003），S5-S20<a href=“https://doi.org/10.2337/diacare.26.2007.s5“target=”_blank“>https://doi.org/10.2337/diacare.26.2007.s5</a>
[20] A、 慢性肾脏疾病诊断模型，IEEE/ACM Trans。计算。生物信息学。，17, 2131-2140 (2020) ·doi:10.1109/TCBB.2019.2911071
[21] P、 优化XGBoost生存分析以预测乳腺癌疾病进展，IEEE Trans。生物识别。工程师，68，148-160（2021）·doi:10.1109/TBME.2020.2993278
[22] F、 基于特征融合和数据增强的病原体分类深度学习模型。生物信息。，16, 466-483 (2021) ·doi:10.2174/1574893615999200707143535
[23] S、 iTTCA-RF：肿瘤T细胞抗原的随机森林预测因子，J.Transl。医学，19449（2021）·doi:10.1186/s12967-021-03084-x
[24] Y、 ESDA：一种改进的准确识别人类snoRNAs用于精确癌症治疗的方法，Curr。生物信息。，15, 34-40 (2020) ·doi:10.2174/1574893614666190424162230
[25] 十、 机器学习和逻辑回归模型在预测急性肾损伤中的比较：一项系统综述和荟萃分析，国际医学杂志。，151, 104484 (2021) ·doi:10.1016/j.ijmedinf.2021.104484
[26] 五十、 癌症多子型分类的弹性网正则化softmax回归方法，Curr。生物信息。，15, 212-224 (2020) ·doi:10.2174/157489361366618112141724
[27] Y、 基于全连接神经网络预测模型Evid的中医证候与2型糖尿病合并症的相关性。基于补体交替。医学，2021年，6095476（2021年）·doi:10.1155/2021/6095476
[28] M、 iTSP-PseAAC：利用全连接神经网络和PseAAA，Curr识别肿瘤抑制蛋白。生物信息。，16, 700-709 (2021) ·doi:10.2174/1574893615666210108094431
[29] J、 健康准备的概念性测量模型：基于团队的视角，AMIA Annul。交响乐团。程序。，2017, 1382-1391 (2017)
[30] M、 诊断病例对照研究中ROC曲线下面积（AUC）的修正Wald间期，BMC Med.Res.Methodol。，14, 26 (2014) ·doi:10.1186/1471-2288-14-26
[31] M、 基于交叉验证的遗传算法流行病模型及其在阿尔及利亚新冠肺炎早期传播中的应用，Sci。非洲。，14，e01050（2021）·doi:10.1016/j.sciaf.2021.e01050
[32] L、 基于化学结构和KATZ测量的微生物-药物关联预测，Curr。生物信息。，16, 807-819 (2021) ·doi:10.2174/1574893616666210204144721
[33] J、 中国大规模患者代谢组与空腹血糖受损和2型糖尿病相关的综合生物标记物分析，临床。Transl.公司。医学，11，e432（2021）·doi:10.1002/ctm2.432
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。