First Experiences with the Identification of People at Risk for Diabetes in Argentina using Machine Learning Techniques

检测2型糖尿病（T2D）和糖尿病前期（PD）对医学界来说是一个真正的挑战，因为缺乏病原症状和已知的相关风险因素。虽然有一些机器学习模型的提议可以识别患病风险，但该病的性质使得适用于一种人群的模型未必适用于另一种人群。本文讨论了开发和评估特别针对阿根廷人群识别T2D和PD风险人群的预测模型。首先，对数据库进行了彻底的预处理，并生成了三个特定的数据集，考虑到记录数量和可用变量的折衷。在应用了5种不同的分类模型后，所得到的结果表明，其中两个数据集在一些模型中表现出非常好的性能。特别是，RF、DT和ANN表现出极强的分类能力，指标的值也很好。考虑到阿根廷缺乏这种工具，这项工作代表了发展更复杂模型的第一步。

开发和评估预测模型，特别是在阿根廷，以识别患有T2D和PD风险的人群

使用机器学习模型在阿根廷特定人群中预测T2D和PD的风险

通过预处理数据库生成三个特定数据集，应用5种不同的分类模型，其中RF，DT和ANN表现出很好的分类能力，为阿根廷开发更复杂的模型奠定了基础

最近的相关研究主要集中在机器学习模型在其他国家的T2D和PD风险预测上，如《Machine learning for the prediction of gestational diabetes mellitus: A systematic review and meta-analysis》和《Prediction of type 2 diabetes using machine learning: A systematic review and meta-analysis》