ЗАЛЕЖНІСТЬ РІВНЯ ВІТАМІНУ D ВІД ЛАБОРАТОРНИХ ТА АНТРОПОМЕТРИЧНИХ ПОКАЗНИКІВ: ЗАСТОСУВАННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ З МЕТОЮ СКРИНІНГУ У ДОРОСЛИХ
DOI:
https://doi.org/10.32782/2226-2008-2024-5-12Ключові слова:
вітамін D, профілактика, ліпідний обмін, антропометрія, штучний інтелект, машинне навчанняАнотація
Метою дослідження було визначення переліку антропометричних та лабораторних показників, що впливають на розвиток дефіциту вітаміну D, та розробка надійної прогностичної моделі, яка допоможе в ранньому виявленні та варіантах корекції дефіциту та недостатності вітаміну D у групах ризику. Машинне навчання було використано на наборі даних лабораторного аналізу 944 осіб, які впливають на розвиток дефіциту вітаміну D. З’ясовано важливість ознак у виявленні потенційного дефіциту вітаміну D. Вік та ІМТ вважалися найбільш впливовими антропометричними параметрами, рівень ЛПВЩ був найважливішим лабораторним параметром. Розраховані показники, що створені на основі матриці невідповідностей, для визначення ризику дефіциту 25(OH)D. Побудовано ROC-криву оптимальної моделі, яка доводить її ефективність.
Посилання
Grygorieva NV, Tronko MD, Kovalenko VM, et al. Diagnosis, prevention and treatment of vitamin D deficiency in adults: Ukrainian experts consensus statement. PAIN, JOINTS, SPINE. 2023; 13(2): 60–76. doi: https://doi.org/10.22141/pjs.13.2.2023.368 (in Ukrainian).
Abboud M, Liu X, Fayet-Moore F, et al. Effects of Vitamin D Status and Supplements on Anthropometric and Biochemical Indices in a Clinical Setting: A Retrospective Study. Nutrients. 2019;11(12):3032. doi: https://doi.org/10.3390/nu11123032.
Arredondo A, Azar A, Recamán AL. Diabetes, a global public health challenge with a high epidemiological and economic burden on health systems in Latin America. Glob. Public Health. 2018; 13(7): 780–787. doi: https://doi.org/10.1080/17441692.2017.1316414.
Shanygin AV. The significance of diet and insolation levels in vitamin D supply. Modern aspects of prevention. Health of Society. 2022;11(1):16–22. doi: https://doi.org/10.22141/2306-2436.11.1.2022.288 (in Ukrainian).
Shanyhin A, Babienko V, Strakhov Ye, Korkhova A. Mathematical modeling of the dependence of the risk of vitamin D deficiency on anthropometric and laboratory parameters. Journal of Education, Health and Sport. Online. 2023; 13 (4): 356–366. [Accessed 28 February 2024]. doi: https://doi.org/10.12775/JEHS.2023.13.04.042.
Netrebin L, Pankiv V, Kyryliuk M. Mathematical model for assessing the prognostic significance of 25(OH)D deficiency in the progression of diabetic retinopathy in type 2 diabetes patients. Mìžnarodnij endokrinologìčnij žurnal [Internet]. 2023 [cited 2024 May 30]; 19(4): 269–73. Available from: https://iej.zaslavsky.com.ua/index.php/journal/article/view/1284 (in Ukrainian).
Calame W, Street L, Hulshof T. Vitamin D Serum Levels in the UK Population, including a Mathematical Approach to Evaluate the Impact of Vitamin D Fortified Ready-to-Eat Breakfast Cereals: Application of the NDNS Database. Nutrients. 2020; 12(6): 1868. doi: https://doi.org/10.3390/nu12061868.
Setayesh L, Amini A, Bagheri R, et al. Elevated Plasma Concentrations of Vitamin D-Binding Protein Are Associated with Lower High-Density Lipoprotein and Higher Fat Mass Index in Overweight and Obese Women. Nutrients. 2021; 13(9): 3223. doi: https://doi.org/10.3390/nu13093223.
Sizar O, Khare S, Goyal A, et al. Vitamin D Deficiency. [Updated 2023 Jul 17]. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2024 Jan. Available from: https://www.ncbi.nlm.nih.gov/books/NBK532266/.
Ting KM. Confusion Matrix. In: Sammut, C., Webb, G.I. (eds) Encyclopedia of Machine Learning. Springer, Boston, MA. 2011. Available from: https://doi.org/10.1007/978-0-387-30164-8_652.
