研究目的
利用人体测量指标和机器学习算法,识别韩国成年人血清高密度脂蛋白(HDL)和低密度脂蛋白(LDL)胆固醇水平的最佳预测因子。
研究成果
该研究利用人体测量数据和机器学习算法,确定了预测高密度脂蛋白(HDL)和低密度脂蛋白(LDL)胆固醇水平的最佳指标。综合多项人体测量数据后,对HDL和LDL胆固醇水平的预测效果均有小幅提升。这些发现为开发更优的HDL和LDL胆固醇水平初筛工具提供了依据。
研究不足
由于采用横断面设计,该研究未能确立因果关系。结果受国家和种族群体的限制。在几项预测实验中,由于缺乏低HDL和高LDL的受试者,方法的敏感性较低。
1:实验设计与方法选择:
本研究采用二元逻辑回归(LR)和朴素贝叶斯算法(NB)评估单项及组合人体测量指标的预测效能。
2:样本选择与数据来源:
共纳入13,014名20-90岁受试者(女性7,662人,男性5,352人),数据来自韩国健康与基因组流行病学研究数据库。
3:实验设备与材料清单:
使用非弹性卷尺测量身体围度,LG-150型仪器(G Tech国际有限公司,韩国议政府市)测量体重身高。
4:实验流程与操作规范:
受试者着轻便衣物且赤足状态下测量体重身高,在八个部位测量身体围度。BMI计算公式为体重(千克)除以身高(米)的平方。
5:数据分析方法:
统计分析与预测实验通过SPSS 19(Windows版)和Weka软件完成,采用十折交叉验证评估各指标的预测效能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容