التفاصيل البيبلوغرافية
| العنوان: |
Predictive model for early detection of type 2 diabetes using patients' clinical symptoms, demographic features, and knowledge of diabetes ... : نموذج تنبؤي للكشف المبكر عن مرض السكري من النوع 2 باستخدام الأعراض السريرية للمرضى والسمات الديموغرافية والمعرفة بمرض السكري ... |
| المؤلفون: |
Taiwo Adetola Ojurongbe, Habeeb Abiodun Afolabi, Adesola Oyekale, Kehinde Adekunle Bashiru, Olubunmi Ayelagbe, Olusola Ojurongbe, Saddam Akber Abbasi, Nurudeen A. Adegoke |
| بيانات النشر: |
OpenAlex |
| سنة النشر: |
2024 |
| المجموعة: |
DataCite Metadata Store (German National Library of Science and Technology) |
| مصطلحات موضوعية: |
Metabolic Syndrome and Cardiovascular Disease, Endocrinology, Diabetes and Metabolism, Medicine, Health Sciences, Machine Learning in Healthcare and Medicine, Health Information Management, Health Professions, Management of Diabetes Mellitus and Hypoglycemia, Diabetes, Continuous Glucose Monitoring, Heart Disease Prediction, Type 1 Diabetes, Diabetes mellitus, Logistic regression, Type 2 diabetes, Odds ratio, Internal medicine, Confidence interval, Waist, Disease, Endocrinology, Body mass index |
| الوصف: |
With the global rise in type 2 diabetes, predictive modeling has become crucial for early detection, particularly in populations with low routine medical checkup profiles. This study aimed to develop a predictive model for type 2 diabetes using health check-up data focusing on clinical details, demographic features, biochemical markers, and diabetes knowledge.Data from 444 Nigerian patients were collected and analysed. We used 80% of this data set for training, and the remaining 20% for testing. Multivariable penalized logistic regression was employed to predict the disease onset, incorporating waist-hip ratio (WHR), triglycerides (TG), catalase, and atherogenic indices of plasma (AIP).The predictive model demonstrated high accuracy, with an area under the curve of 99% (95% CI = 97%-100%) for the training set and 94% (95% CI = 89%-99%) for the test set. Notably, an increase in WHR (adjusted odds ratio [AOR] = 70.35; 95% CI = 10.04-493.1, p-value < 0.001) and elevated AIP (AOR = 4.55; 95% CI = 1.48-13.95, ... : مع الارتفاع العالمي في مرض السكري من النوع 2، أصبحت النمذجة التنبؤية حاسمة للكشف المبكر، لا سيما في السكان الذين يعانون من انخفاض ملفات الفحص الطبي الروتيني. هدفت هذه الدراسة إلى تطوير نموذج تنبؤي لمرض السكري من النوع 2 باستخدام بيانات الفحص الصحي التي تركز على التفاصيل السريرية والسمات الديموغرافية والعلامات الكيميائية الحيوية والمعرفة بمرض السكري. تم جمع وتحليل بيانات من 444 مريضًا نيجيريًا. استخدمنا 80 ٪ من مجموعة البيانات هذه للتدريب، و 20 ٪ المتبقية للاختبار. تم استخدام الانحدار اللوجستي المعاقب متعدد المتغيرات للتنبؤ بظهور المرض، ودمج نسبة الخصر إلى الورك (WHR)، والدهون الثلاثية (TG)، والكاتالاز، والمؤشرات العصيدية للبلازما (AIP). أظهر النموذج التنبؤي دقة عالية، مع مساحة تحت منحنى 99 ٪ (95 ٪ CI = 97٪ -100 ٪) لمجموعة التدريب و 94 ٪ (95 ٪ CI = 89٪ -99 ٪) لمجموعة الاختبار. والجدير بالذكر أن الزيادة في معدل ضربات القلب (نسبة الاحتمالات المعدلة [AOR] = 70.35 ؛ 95 ٪ CI = 10.04-493.1، قيمة p < 0.001) ومستويات AIP المرتفعة (AOR = 4.55 ؛ 95 ٪ CI = 1.48-13.95، قيمة p = 0.008) ارتبطت بشكل كبير بزيادة خطر ... |
| نوع الوثيقة: |
text |
| اللغة: |
English |
| العلاقة: |
https://dx.doi.org/10.60692/md9b7-hbp97Test |
| DOI: |
10.60692/xrd0m-64k73 |
| الإتاحة: |
https://doi.org/10.60692/xrd0m-64k7310.60692/md9b7-hbp97Test |
| حقوق: |
cc-by |
| رقم الانضمام: |
edsbas.8651918D |
| قاعدة البيانات: |
BASE |
