文献

J-GLOBAL ID：201702285376725069   整理番号：17A1167726

体重減少試験における成功を予測するためのデータマイニングの利用【Powered by NICT】

Using data mining to predict success in a weight loss trial

著者 (5件)： Batterham M. (Statistical Consulting Centre, National Institute for Applied Statistical Research Australia, University of Wollongong, Wollongong, NSW, Australia) ,  Tapsell L. (Nutrition and Dietetics, School of Medicine, Faculty of Science Medicine and Health, University of Wollongong, Wollongong, NSW, Australia) ,  Charlton K. (School of Medicine, Faculty of Science, Medicine and Health, University of Wollongong, Wollongong, NSW, Australia) ,  O’Shea J. (School of Medicine, Faculty of Science, Medicine and Health, University of Wollongong, Wollongong, NSW, Australia) ,  Thorne R. (School of Medicine, Faculty of Science, Medicine and Health, University of Wollongong, Wollongong, NSW, Australia)
資料名： Journal of Human Nutrition & Dietetics  (Journal of Human Nutrition & Dietetics)
巻： 30  号： 4  ページ： 471-478  発行年： 2017年 
JST資料番号： W2645A  ISSN： 0952-3871  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 背景:体重減少成功を予測するための従来の方法は回帰法,独立および依存(または依存のロジット)変数の間の関係は線形であるという仮定を用いた。本研究の目的は,この仮定をせずに12カ月で体重減少成功を予測するための一般的人口統計学と初期重量損失変数の間の関係を調べることであった。ロジスティック回帰に加えて,【方法】データマイニング法(決定木,一般化加法モデルと多変量適応回帰スプライン)を用いて予測した(i)12か月間の食事介入終了時の体重減少成功(≧5%と定義される)は,人口統計学的変数[ボディマスインデックス(BMI),性と年齢]を用いて1か月後のパーセント重量損失および(iii)エネルギー収支モデルを用いた実際と予測した重量損失の差。法は曲線(AUC)下でモデル倹約と面積を評価することにより比較した。【結果】決定木が最も臨床的に有用なモデルを提供し,良好な精度を持っていた(AUC0.72095%信頼区間=0.600 0.840)。1か月(≧0.75%)でパーセント重量損失は減量成功のための最も強い予測因子であった。≧0.75%を失う個人内では,BMI(≧27 kg m~ 2)のヒトは,BMIが25と27kg m~ 2より成功する可能性が高い。従来の仮定が満たされない場合【結論】データマイニング法は,関係評価のより正確な方法を提供することができる。本研究では,ディシジョンツリーは,最も簡便なモデルを提供した。初期重量損失はランダム化前に予測できないことを考えると,ポストランダム化試験設計にこの情報を取り込む事より良い重量損失結果を与えるかもしれない。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 線形性 ,  曲線 ,  ディシジョンツリー ,  *体重減少 ,  ランダム化比較試験 ,  信頼区間 ,  *データマイニング ,  ボディマスインデックス ,  重量損失 ,  ロジットモデル ,  エネルギー収支 ,  ヒト
準シソーラス用語： 予測因子 ,  ロジスティック回帰分析 ,  人口統計学 , 【Automatic Indexing@JST】

著者キーワード (4件)： データマイニング ,  体重減少 ,  臨床試験 ,  食事介入

分類 (1件)： 自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (5件)： 体重減少 ,  試験 ,  成功 ,  予測 ,  データマイニング