Некоторые математические подходы в построении моделей прогнозирования стадий компенсации и декомпенсации сахарного диабета у детей и подростков
Аннотация
В статье рассматривается задача прогнозирования стадий компенсации и декомпенсации сахарного диабета у детей и подростков методами машинного обучения. Для проведения исследования разработано несколько математических моделей: логистическая регрессия, деревья решений и градиентный бустинг.
Информационное обеспечение моделей представлено «обезличенными» данными медицинского обследования детей и подростков Алтайского края, страдающих сахарным диабетом.
Выходным параметром моделей является стадия компенсации сахарного диабета, который может принимать значения: 0 — компенсация сахарного диабета, 1 — декомпенсация сахарного диабета. Задача прогнозирования стадии компенсации сахарного диабета у детей и подростков есть задача бинарной классификации.
В результате проведенного исследования сделано следующее: построены модели прогнозирования стадий компенсации и декомпенсации сахарного диабета у детей и подростков на высокоуровневом языке программирования Python, подобраны оптимальные значения параметров для каждой модели, проведена оценка качества построенных моделей с помощью следующих метрик: точность, полнота, F-мера, чувствительность и специфичность.
Результаты данного исследования могут быть использованы специалистами для дополнительной диагностики детей и подростков Алтайского края, страдающих сахарным диабетом.
DOI 10.14258/izvasu(2018)4-15
Скачивания
Metrics
Литература
Дедов И.И.‚ Кураева Т.Л.‚ Петеркова В.А.‚ Щербачёва А.Н. Сахарный диабет у детей и подростков. — М., 2002.
Дедов И.И., Кураева Т.Л., Петеркова В.А. Инсулинотерапия сахарного диабета 1 типа у детей и подростков. — М., 2003.
Медик В.А.‚ Токмачев В.С., Фишман Б.Б. Теоретическая статистика // Статистика в медицине и биологии. — М.‚ 2002.
Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. — М., 2015.
Вьюгин В.В. Математические основы машинного обучения и прогнозирования. — М., 2013.
Бринк Х., Ричардс Д., Феверолф М. Машинное обучение. — СПб., 2017.
Пиянзин А.И., Сидун Д.Ю., Назаркина О.М., Хворова Л.А., Малахова Т.И., Шарлаева Е.А., Левич К.А., Сапкина М.Р., Назаровская О.В. Информационные технологии в оценке липидного обмена у детей и подростков с сахарным диабетом 1 типа // Медицинский алфавит. — 2017.
Рашка С. Python и машинное обучение. — М., 2017.
Коэльо Л., Ричарт В. Построение систем машинного обучения на языке Python. — М., 2016.
Виндер П. Python для сложных задач: наука о данных и машинное обучение. — СПб., 2018.
Кротова О.С., Хворова Л.А. Применение нейронных сетей для диагностики заболевания сахарным диабетом детей и подростков на территории Алтайского края // МАК: Математики — Алтайскому краю : сборник трудов
всерос. конф. по математике. — Барнаул, 2017.
Кротова О.С., Сидун Д.Ю. Современные компьютерные технологии в изучении сахарного диабета у детей и подростков // Молодежь — Барнаулу : материалы XVIII—XIX городской научно-практической конференции молодых ученых. — Ч. XIX. — Барнаул, 2018.
Концепция создания единой государственной информационной системы в сфере здравоохранения : приказ Минздравсоцразвития России от 28.04.2011 № 364 [Электронный ресурс]. — URL: http://www.consultant.ru/.
Copyright (c) 2018 О.С. Кротова, А.И. Пиянзин, Л.А. Хворова, А.В. Жариков
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.