文献

J-GLOBAL ID：202202215207214594   整理番号：22A1181129

3つの南アジア諸国からの人口レベルデータを用いた高血圧とその関連因子の予測のための機械学習アプローチ【JST・京大機械翻訳】

Machine Learning Approaches for Predicting Hypertension and Its Associated Factors Using Population-Level Data From Three South Asian Countries

著者 (12件)： Islam Sheikh Mohammed Shariful (Institute for Physical Activity and Nutrition, Faculty of Health, Deakin University, Melbourne, VIC, Australia) ,  Talukder Ashis (Statistics Discipline, Khulna University, Khulna, Bangladesh) ,  Awal Md. Abdul (Electronics and Communication Engineering Discipline, Khulna University, Khulna, Bangladesh) ,  Siddiqui Md. Muhammad Umer (Department of Hospital Medicine, Thomas Jefferson University, Philadelphia, PA, United States) ,  Ahamad Md. Martuza (Department of Computer Science and Engineering, Bangabandhu Sheikh Mujibur Rahman Science and Technology University, Gopalganj, Bangladesh) ,  Ahammed Benojir (Statistics Discipline, Khulna University, Khulna, Bangladesh) ,  Rawal Lal B. (School of Health Medical and Applied Sciences, Central Queensland University, Sydney, NSW, Australia) ,  Alizadehsani Roohallah (Institute for Intelligent Systems Research and Innovation, Deakin University, Geelong, VIC, Australia) ,  Abawajy Jemal (School of Information Technology, Deakin University, Geelong, VIC, Australia) ,  Laranjo Liliana (Faculty of Medicine and Health, Westmead Applied Research Centre, The University of Sydney, Sydney, NSW, Australia) ,  Chow Clara K. (Faculty of Medicine and Health, Westmead Applied Research Centre, The University of Sydney, Sydney, NSW, Australia) ,  Maddison Ralph (Institute for Physical Activity and Nutrition, Faculty of Health, Deakin University, Melbourne, VIC, Australia)
資料名： Frontiers in Cardiovascular Medicine (Web)  (Frontiers in Cardiovascular Medicine (Web))
巻： 9  ページ： 839379  発行年： 2022年 
JST資料番号： U7061A  ISSN： 2297-055X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 背景:高血圧は,南アジアにおける心血管疾患の最も一般的な修正可能な危険因子である。機械学習(ML)モデルは統計的方法と比較して臨床リスク予測より優れていることが示されているが,集団レベルで高血圧を予測するMLを用いた研究は不足している。本研究は,3つの南アジア諸国のデータセットにおけるMLアプローチを用いて,高血圧とその関連因子を予測し,モデルの性能を比較した。方法:著者らは,集団ベースの調査を用いて高血圧を検出するためにML分析を用いて遡及的研究を行った。バングラデシュ,ネパール,およびインドにおける最も最近の国家的代表人口統計学的および健康調査から個々のレベルデータを調和させることによって単一データセットを作成した。変数は血圧(BP),社会人口学的および経済的因子,身長,体重,ヘモグロビンおよびランダム血糖を含んだ。高血圧はJNC-7基準に基づいて定義した。6つの一般的なMLベースの分類器:決定木(DT),ランダムフォレスト(RF),勾配ブースティングマシン(GBM),極端な勾配ブースティング(XGBoost),ロジスティック回帰(LR),および線形判別分析(LDA)を適用して,高血圧とその危険因子を予測した。結果:8,18,603人の参加者のうち,82,748人(10.11%)は高血圧であった。MLモデルは,高血圧に対する有意な因子が年齢とBMIであることを示した。測定したBP,教育,低いBPに対する医学を服用し,高いBPの医師の認識も有意であったが,年齢およびBMIより比較的低かった。XGBoost,GBM,LRおよびLDAは,高血圧を予測するために,それぞれ90%,RFおよびDTの最高精度スコアが89および83%であった。DTは91%の精度値を達成し,残りは90%であった。XGBoost,GBM,LR,およびLDAは100%の想起値を達成し,RFは99%,DTは90%であった。F1スコアにおいて,XGBoost,GBM,LR,およびLDAは95%をスコア化し,一方,RFは94%を記録し,DTは90%を記録した。すべてのアルゴリズムは,良いおよび小さいログ損失値<6%で実行された。結論:MLモデルは,南アジア人における高血圧とその関連因子を予測するのに良好に機能した。オープンソースプラットフォームに採用された場合,これらのモデルは数百万の人々にスケーラブルであり,初期段階で高血圧に対する個人の自己スクリーニングを助ける可能性がある。生化学的マーカーを組み込んだ将来の研究は,MLアルゴリズムを改善し,それらを実生活で評価するために必要である。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *血圧 ,  ヘモグロビン ,  *高血圧症 ,  統計学 ,  モデル ,  スクリーニング ,  身長 ,  危険因子 ,  *機械学習
準シソーラス用語： 後向き研究 ,  人口統計学 ,  ロジスティック回帰分析 ,  ブースティング ,  スコア化 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (7件)： 人口統計および健康調査 ,  血圧 ,  アルゴリズム ,  危険因子 ,  南アジア ,  人工知能 ,  心血管疾患

分類 (2件)： 循環系の臨床医学一般  (GJ01030V) ,  疫学  (GB03000E)

引用文献 (53件)：

• Zhou B, Perel P, Mensah GA, Ezzati M. Global epidemiology, health burden and effective interventions for elevated blood pressure and hypertension. Nat Rev Cardiol. 2021:1-18. doi: 10.1038/s41569-021-00559-8
• Zhou B, Carrillo-Larco RM, Danaei G, Riley LM, Paciorek CJ, Stevens GA, et al. Worldwide trends in hypertension prevalence and progress in treatment and control from 1990 to 2019: a pooled analysis of 1201 population-representative studies with 104 million participants. Lancet. (2021) 398:957-80. doi: 10.1016/S0140-6736(21)01330-1
• World Health Organization. Global status report on noncommunicable diseases 2010. [Google Scholar]. Geneva: World Health Organization, 2011. doi: 10.1016/S0140-6736(21)01330-1
• Islam SMS, Purnat TD, Phuong NTA, Mwingira U, Schacht K, Fröschl G. Non-communicable diseases (NCDs) in developing countries: a symposium report. Global Health. (2014) 10:1-8. doi: 10.1186/s12992-014-0081-9
• Mills KT, Stefanescu A, He J. The global epidemiology of hypertension. Nat Rev Nephrol. (2020) 16:223-37. doi: 10.1038/s41581-019-0244-2

タイトルに関連する用語 (6件)： 南アジア ,  人口 ,  高血圧 ,  因子 ,  予測 ,  機械学習