Key points are not available for this paper at this time.
قد يساعد تطبيق تقنيات تعدين البيانات والتعلم الآلي (ML) على البيانات السريرية في تحديد العلامات الحيوية التنبؤية لاعتلال الكلى السكري (DN)، وهو مضاعف شائع لمرض السكري من النوع 2 (T2DM). كان الغرض من تحليل استعادي لتجربة العمل للسيطرة على مخاطر القلب والأوعية الدموية في مرض السكري (ACCORD) هو تحديد مثل هذه العوامل باستخدام ML. تم تصنيف البيانات الطولية حسب الوقت بعد تسجيل المرضى لتمييز المؤشرات المبكرة والمتأخرة. أظهرت نتائجنا أن طرق الغابات العشوائية والانحدار اللوجستي البسيط أظهرت أفضل أداء بين الخوارزميات التي تم تقييمها. تم تحديد القيم الأساسية لمعدل تصفية الكبيبات (GFR) والكرياتينين البولي وألبومين البول والبوتاسيوم والكوليسترول ومرتبة الكوليسترول منخفض الكثافة ونسبة ألبومين البول إلى الكرياتينين كعوامل تنبؤية لـ DN. كانت المؤشرات المبكرة هي القيم الأساسية لـ GFR وضغط الدم الانقباضي، بالإضافة إلى مستوى الجلوكوز في البلازما الصائم (FPG) والبوتاسيوم في الشهر الرابع. تم التعرف على التغيرات السنوية في GFR وFPG وثلاثي الجليسريد كمؤشرات للتطور المتأخر. في الختام، نجحت الطرق المستندة إلى ML في تحديد العوامل التنبؤية لـ DN بين المرضى الذين يعانون من T2DM.
درس رودريغيز-روميرو وآخرون هذا السؤال.