{"title":"Classification of Diabetes and Impaired Fasting Glucose using Noninvasive Factors based on Machine Learning Approaches in Korean Middle Aged Women","authors":"Mi-Hong Yim, Young-Ju Jeon, Honggie Kim","doi":"10.14801/jkiit.2023.21.8.175","DOIUrl":null,"url":null,"abstract":"본 연구는 기계학습 기반으로 비침습적 생체지표들을 이용하여 적극적인 혈당 관리를 필요로 하는 당뇨 및 공복혈당 장애 분류 모델을 생성하고 성능을 비교하는 것을 목적으로 한다. 총 215명의 40세 이상 69세 미만의 여성을 대상으로 6개의 기계학습 알고리즘을 이용하여 모델을 생성하고 중첩 교차검증(Nested cross-validation)을 사용하여 성능을 비교하였다. 그 결과 엘라스틱 넷 로지스틱 회귀분석의 성능이 다소 높게 나타났고 맥박수 표준편차(STD_PR)와 이완기의 면적(Dias_area)이 상대적으로 중요도가 높은 변수로 나타났다. 연구 결과는 당뇨 및 공복혈당 장애 분류를 위한 비침습적 변수의 가능성을 보여주었다. 또한 기계학습 알고리즘을 사용한 분류는 임상의가 의사 결정을 하고 의료 서비스를 제공하는데 도움이 될 것으로 예상된다.","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"10 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Korean Institute of Information Technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14801/jkiit.2023.21.8.175","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
본 연구는 기계학습 기반으로 비침습적 생체지표들을 이용하여 적극적인 혈당 관리를 필요로 하는 당뇨 및 공복혈당 장애 분류 모델을 생성하고 성능을 비교하는 것을 목적으로 한다. 총 215명의 40세 이상 69세 미만의 여성을 대상으로 6개의 기계학습 알고리즘을 이용하여 모델을 생성하고 중첩 교차검증(Nested cross-validation)을 사용하여 성능을 비교하였다. 그 결과 엘라스틱 넷 로지스틱 회귀분석의 성능이 다소 높게 나타났고 맥박수 표준편차(STD_PR)와 이완기의 면적(Dias_area)이 상대적으로 중요도가 높은 변수로 나타났다. 연구 결과는 당뇨 및 공복혈당 장애 분류를 위한 비침습적 변수의 가능성을 보여주었다. 또한 기계학습 알고리즘을 사용한 분류는 임상의가 의사 결정을 하고 의료 서비스를 제공하는데 도움이 될 것으로 예상된다.
本研究的目的是在机器学习的基础上,利用非侵入性生物指标,生成需要积极管理血糖的糖尿病及空腹血糖障碍分类模型,并比较其性能。以215名40岁至69岁的女性为对象,利用6个机器学习算法生成模型,并使用重叠交叉验证(Nested cross-validation)比较其性能。结果显示,elastic net logistic回归分析的性能略高,脉搏数标准偏差(std_pr)和松弛器面积(dias_area)是相对重要的变数。研究结果显示了分类糖尿病及空腹血糖障碍的非侵袭性变数的可能性。此外,使用机器学习算法的分类也将有助于临床医生的决策和医疗服务。