Некоторые математические подходы в построении моделей прогнозирования стадий компенсации и декомпенсации сахарного диабета у детей и подростков

О.С. Кротова, А.И. Пиянзин, Л.А. Хворова, А.В. Жариков

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


Ключевые слова


сахарный диабет; стадии компенсации и декомпенсации; методы классификации данных; моделирование

Полный текст:

PDF

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/.




DOI: http://dx.doi.org/10.14258/izvasu(2018)4-15

Метрики статей

Загрузка метрик ...

Metrics powered by PLOS ALM

Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2018 О.С. Кротова, А.И. Пиянзин, Л.А. Хворова, А.В. Жариков

Архив журнала с 1996 по 2016 гг. расположен на старой версии сайта по адресу: http://izvestia.asu.ru/ru/

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

ISSN 1561-9443; ISSN (Online) 1561-9451