文献

J-GLOBAL ID：202102227096188556   整理番号：21A0064310

妊娠糖尿病における食後血糖予測のための機械学習アプローチ【JST・京大機械翻訳】

Machine Learning Approach for Postprandial Blood Glucose Prediction in Gestational Diabetes Mellitus

著者 (9件)： Pustozerov Evgenii A. (Department of Biomedical Engineering, Saint Petersburg State Electrotechnical University, Saint Petersburg, Russia) ,  Tkachuk Aleksandra S. (Institute of Endocrinology, Almazov National Medical Research Center, Saint Petersburg, Russia) ,  Vasukova Elena A. (Institute of Endocrinology, Almazov National Medical Research Center, Saint Petersburg, Russia) ,  Anopova Anna D. (Institute of Endocrinology, Almazov National Medical Research Center, Saint Petersburg, Russia) ,  Kokina Maria A. (Institute of Endocrinology, Almazov National Medical Research Center, Saint Petersburg, Russia) ,  Gorelova Inga V. (Almazov National Medical Research Center, Institute of Perinatology and Pediatrics, Saint Petersburg, Russia) ,  Pervunina Tatiana M. (Almazov National Medical Research Center, Institute of Perinatology and Pediatrics, Saint Petersburg, Russia) ,  Grineva Elena N. (Institute of Endocrinology, Almazov National Medical Research Center, Saint Petersburg, Russia) ,  Popova Polina V. (Institute of Endocrinology, Almazov National Medical Research Center, Saint Petersburg, Russia)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 219308-219321  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 食後血糖予測は糖尿病管理の重要な部分である。最近,このトピックは,多くの研究プロジェクトと出版された論文をもたらす大きな興味を持たれている。血糖予測モデルに有益な異なる入力パラメータは,包括的に議論されたが,特定のデータ前処理,特徴工学およびモデル調整ステップは,これらの論文の多くで詳細に説明されなかった。本研究では,食後血糖応答の異なる特性を予測するために,ディシジョンツリー勾配ブースティングアルゴリズムに基づくデータ駆動血糖モデルを開発し,包括的に記述した。モデルは,モバイルアプリダリー(血糖指数に関する情報を含む),食品状況(以前の食事に関する情報を含む),個々の患者の特性,および患者の行動アンケートから得られた食事関連データを利用した。一組の規則を定義して,不正確な食事記録を検出して,故障データをフィルターにかけるために実行して,全体の食物日記データに関して解析して,特に,食後の血糖応答を計算した現在の食事に関するデータを分析した。異なる勾配ブースティングモデルを訓練し,ランダム探索交差検証により選択したパラメータで評価した。食物摂取の2時間後の血糖曲線下面積の増分面積の予測に対する最良のモデルは,現在の血糖に関するデータを使用しないモデルに対して,以下の特性であった:R=0.631,MAE=0.373mmol/L×h;R=0.644,MAE=0.371mmol/L×hは,現在の血糖レベルに関するデータを用いたモデルに対して;食事前の連続血糖傾向に関するデータを利用するモデルに対するR=0.704,MAE=0.341mmol/L×h。特徴の影響をShapley値を用いて評価した。食事の血糖負荷,食事中の炭水化物の量,食事のタイプ(例えば朝食),澱粉量,および現在の食事の6時間前に消費される食品の量は,このモデルにおける最も重要な寄与因子であった。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  故障 ,  食品 ,  *血糖 ,  澱粉 ,  ディシジョンツリー ,  アンケート ,  血中濃度-時間曲線下面積 ,  *機械学習 ,  予測モデル
準シソーラス用語： 血糖指数 ,  血糖値 ,  *食後血糖 ,  朝食 ,  日記 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 妊娠糖尿病 ,  食後血糖 ,  予測 ,  機械学習