Roma, 4 maggio 2023 (Agenbio) – Un modello di apprendimento automatico può prevedere efficacemente il rischio di un paziente di sviluppare un disturbo del sonno utilizzando dati demografici e sullo stile di vita, risultati degli esami fisici e valori di laboratorio: è quanto emerge da un nuovo studio della Virginia Commonwealth University School of Medicine e della Northwestern Feinberg University School of Medicine pubblicato su PLOS ONE. Nel lavoro, i ricercatori hanno utilizzato il modello di apprendimento automatico XGBoost per analizzare i dati pubblicamente disponibili su 7.929 pazienti statunitensi che hanno completato il National Health and Nutrition Examination Survey: i dati contenevano 684 variabili per ciascun paziente, comprese le risposte al questionario demografico, dietetico, sull’esercizio fisico e sulla salute mentale, nonché informazioni sugli esami di laboratorio e fisici. Complessivamente, 2.302 pazienti nello studio avevano avuto una diagnosi medica di disturbo del sonno. Il modello di apprendimento XGBoost potrebbe così prevedere il rischio di diagnosi di disturbi del sonno con una forte accuratezza, utilizzando 64 delle variabili totali incluse nel set di dati completo. I maggiori predittori di un disturbo del sonno, emersi dallo studio, sono la depressione, il peso, l’età e la circonferenza della vita. (Agenbio) Cdm 11:00
