Personalized prediction of diabetic foot ulcer recurrence in elderly individuals using machine learning paradigms
Personalisierte Vorhersage des Rezidivrisikos diabetischer Fußulzera bei älteren Menschen mithilfe von Machine-Learning-Paradigmen
Technology and Health Care · 31.05.2024 · 32 · 265-276
DOI: 10.3233/thc-248023 ↗Auf einen Blick
Bei 138 älteren Diabetiker:innen wurde ein Machine-Learning-Modell zur Vorhersage des Rezidivrisikos diabetischer Fußulzera entwickelt. Das SVM-Modell erreichte eine Genauigkeit von 93%.
Fragestellung
Lassen sich Rezidive diabetischer Fußulzera bei älteren Diabetiker:innen mithilfe von Machine Learning vorhersagen?
Methode
Daten von 138 älteren Diabetiker:innen wurden bereinigt, Ausreißer wurden geprüft und Merkmale integriert; anschließend wurden Machine-Learning-Modelle konstruiert.
Ergebnisse
Ein Support-Vector-Machine-Modell erreichte eine Genauigkeit von 93% bei der Vorhersage des Rezidivrisikos diabetischer Fußulzera.
Schlussfolgerung der Autor:innen
Die Studie hebt die Bedeutung von Machine Learning für das Management von Fußulzera bei älteren Diabetiker:innen hervor, insbesondere für die Vorhersage des Rezidivrisikos.
Kernaussagen
- 138 ältere Diabetiker:innen wurden analysiert
- SVM erreichte eine Genauigkeit von 93%
- Modell zur Vorhersage des Rezidivrisikos diabetischer Fußulzera
Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.
Kurz gefasst
Fachartikel in der Zeitschrift Technology and Health Care, erschienen am 31.05.2024. Verfasst von Shichai Hong und 6 weiteren Autor:innen. Beteiligte Einrichtung: Department of Vascular Surgery, Zhongshan Hospital (Xiamen), Fudan University, Huli District, Xiamen, Fujian, China. Hauptthemen laut MEDLINE: Diabetic Foot, Machine Learning, Recurrence. Die Arbeit wurde bisher 16-mal zitiert (Crossref) und nennt 15 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).
Themen: Diabetisches Fußsyndrom, Künstliche Intelligenz in der Pflege
Abstract (Originalsprache)
BACKGROUND: This study utilizes machine learning to analyze the recurrence risk of diabetic foot ulcers (DFUs) in elderly diabetic patients, aiming to enhance prevention and intervention efforts. OBJECTIVE: The goal is to construct accurate predictive models for assessing the recurrence risk of DFUs based on high-risk factors, such as age, blood sugar control, alcohol consumption, and smoking, in elderly diabetic patients. METHODS: Data from 138 elderly diabetic patients were collected, and after data cleaning, outlier screening, and feature integration, machine learning models were constructed. Support Vector Machine (SVM) was employed, achieving an accuracy rate of 93%. RESULTS: Experimental results demonstrate the effectiveness of SVM in predicting the recurrence risk of DFUs in elderly diabetic patients, providing clinicians with a more accurate tool for assessment. CONCLUSIONS: The study highlights the significance of machine learning in managing foot ulcers in elderly diabetic patients, particularly in predicting recurrence risk. This approach facilitates timely intervention, reducing the likelihood of patient recurrence, and introduces computer-assisted medical strategies in elderly diabetes management.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Stichwörter der Autor:innen
Substanzen
Autor:innen und Institutionen
- Department of Vascular Surgery, Zhongshan Hospital (Xiamen), Fudan University, Huli District, Xiamen, Fujian, China.
- Xiamen University School of Information Science and Technology, Xiamen University Xiang'an Campus, Xiamen, Fujian, China.
Zitieren
APA
Hong, S., Chen, Y., Lin, Y., Xie, X., Chen, G., Xie, H., & Lu, W. (2024). Personalized prediction of diabetic foot ulcer recurrence in elderly individuals using machine learning paradigms. Technology and Health Care, 32, 265-276. https://doi.org/10.3233/thc-248023
Vancouver
Hong S, Chen Y, Lin Y, Xie X, Chen G, Xie H, et al. Personalized prediction of diabetic foot ulcer recurrence in elderly individuals using machine learning paradigms. Technology and Health Care. 2024;32:265-276. doi:10.3233/thc-248023
BibTeX
@article{Hong2024,
author = {Hong, Shichai and Chen, Yihui and Lin, Yue and Xie, Xinsheng and Chen, Gang and Xie, Hefu and Lu, Weifeng},
title = {Personalized prediction of diabetic foot ulcer recurrence in elderly individuals using machine learning paradigms},
journal = {Technology and Health Care},
year = {2024},
volume = {32},
pages = {265--276},
doi = {10.3233/thc-248023}
}
EUVIMED