Nhanes与机器学习的梦幻联动！

文章题目：Machine learning models including insulin resistance indexes for predicting liver stiffness in United States population: Data from NHANES

DOI：10.3389/fpubh.2022.1008794

中文标题：包括胰岛素抵抗指数在内的机器学习模型用于预测美国人口的肝脏硬度：来自 NHANES 的数据

发表杂志：Frontiers in Public Health

影响因子：1区，IF=5.2

发表时间：2022年9月

今天给大家分享一篇在 2022 年 9 月发表在《Frontiers in Public Health》（1区，IF=5.2)的文章。本文这项研究利用了美国国家健康和营养检查调查（NHANES）的数据，构建了一个 XGBoost 机器学习模型，用于预测参与者的肝硬度测量（LSM）。研究包括了一般特征信息、血液检测指标和与胰岛素抵抗相关的指数，如胰岛素抵抗的家庭评估模型（HOMA-IR）和胰岛素抵抗的代谢评分（METS-IR）。

主要结果：

Fig1 参与者流程图

Table1 所有参与者的特征

Fig2

Fig3

Fig4

Table2-5

结论：这篇文章的结果表明，基于一般特征信息和临床可获取的血液检测指标构建的 XGBoost 机器学习模型对于预测参与者的肝硬度是可行的，而且包含 METS-IR 作为预测变量的数据集能够提高模型的准确性和稳定性。这项研究提供了一种新的方法，通过简单的临床信息来预测肝硬度，对于早期识别和管理肝病患者具有潜在的临床价值。

Nhanes数据库+机器学习，大家可以玩起来！本篇文章只用了1种~大家可以多用几种，进行对比哦~

课题思路这不就来了么？万层高楼平底起，一起加油呀！