Análisis de rendimiento y evaluación de puntuaciones de detección de diabetes tipo 2 en pacientes con enfermedad hepática grasa no alcohólica
Autores: Fitriyani, Norma Latif; Syafrudin, Muhammad; Ulyah, Siti Maghfirotul; Alfian, Ganjar; Qolbiyani, Syifa Latif; Yang, Chuan-Kai; Rhee, Jongtae; Anshari, Muhammad
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Análisis de rendimiento y evaluación de puntuaciones de detección de diabetes tipo 2 en pacientes con enfermedad hepática grasa no alcohólica
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Diabetes
Enfermedad del hígado graso no alcohólico
Puntuaciones de detección
Modelo de predicción
Pruebas clínicas
Modelos de aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
La diabetes tipo 2 (T2D) y la enfermedad del hígado graso no alcohólico (NAFLD) son enfermedades crónicas mundiales que tienen fuertes relaciones entre sí y comúnmente coexisten juntas. La diabetes tipo 2 se considera uno de los factores de riesgo para la NAFLD, por lo que su ocurrencia en personas con NAFLD es muy probable. Dado el alto y creciente número de T2D y NAFLD, que potencialmente se sigue de un número de coexistencia, es necesario realizar un análisis y evaluación de los puntajes de detección de T2D en personas con NAFLD. Para prevenir este caso potencial, también es necesario desarrollar un modelo de predicción temprana efectivo, que podría ayudar a los pacientes a evitar los peligros de ambas enfermedades existentes. Por lo tanto, en este estudio, se propone un análisis y evaluación de los puntajes de detección de T2D en personas con NAFLD y el modelo de predicción temprana que utiliza un método de selección de características basado en regresión logística hacia adelante y perceptrones de múltiples capas. Nuestros resultados de análisis y evaluación mostraron que la prevalencia de T2D entre pacientes con NAFLD fue del 8.13% (para prediabetes) y del 37.19% (para diabetes) en dos conjuntos de datos de NAFLD basados en la población. Se encontró que las variables relacionadas con pruebas clínicas, como la alanina aminotransferasa (ALT), la aspartato aminotransferasa (AST), la fosfatasa alcalina (ALP), la gamma-glutamil transferasa (GGT) y la presión arterial sistólica (PAS), eran predictores estadísticamente significativos (valores < 0.001) que indican una fuerte asociación con T2D entre pacientes con NAFLD en ambos conjuntos de datos de NAFLD para prediabetes y diabetes. Finalmente, nuestro modelo propuesto mostró el mejor rendimiento en términos de todas las métricas de evaluación de rendimiento en comparación con varios modelos de aprendizaje automático existentes y también los modelos que utilizan variables recomendadas por la OMS/CDC/ADA, con una precisión alcanzada de hasta un 92.11% y 83.05% y sus puntajes de mejora después de la selección de características de 1.35% y 5.35%, respectivamente.
Descripción
La diabetes tipo 2 (T2D) y la enfermedad del hígado graso no alcohólico (NAFLD) son enfermedades crónicas mundiales que tienen fuertes relaciones entre sí y comúnmente coexisten juntas. La diabetes tipo 2 se considera uno de los factores de riesgo para la NAFLD, por lo que su ocurrencia en personas con NAFLD es muy probable. Dado el alto y creciente número de T2D y NAFLD, que potencialmente se sigue de un número de coexistencia, es necesario realizar un análisis y evaluación de los puntajes de detección de T2D en personas con NAFLD. Para prevenir este caso potencial, también es necesario desarrollar un modelo de predicción temprana efectivo, que podría ayudar a los pacientes a evitar los peligros de ambas enfermedades existentes. Por lo tanto, en este estudio, se propone un análisis y evaluación de los puntajes de detección de T2D en personas con NAFLD y el modelo de predicción temprana que utiliza un método de selección de características basado en regresión logística hacia adelante y perceptrones de múltiples capas. Nuestros resultados de análisis y evaluación mostraron que la prevalencia de T2D entre pacientes con NAFLD fue del 8.13% (para prediabetes) y del 37.19% (para diabetes) en dos conjuntos de datos de NAFLD basados en la población. Se encontró que las variables relacionadas con pruebas clínicas, como la alanina aminotransferasa (ALT), la aspartato aminotransferasa (AST), la fosfatasa alcalina (ALP), la gamma-glutamil transferasa (GGT) y la presión arterial sistólica (PAS), eran predictores estadísticamente significativos (valores < 0.001) que indican una fuerte asociación con T2D entre pacientes con NAFLD en ambos conjuntos de datos de NAFLD para prediabetes y diabetes. Finalmente, nuestro modelo propuesto mostró el mejor rendimiento en términos de todas las métricas de evaluación de rendimiento en comparación con varios modelos de aprendizaje automático existentes y también los modelos que utilizan variables recomendadas por la OMS/CDC/ADA, con una precisión alcanzada de hasta un 92.11% y 83.05% y sus puntajes de mejora después de la selección de características de 1.35% y 5.35%, respectivamente.