Browsing by Subject "Machine learning"

Mål: Diabetes är en sjukdom som uppstår då bukspottkörteln inte kan producera tillräckliga mängder av insulin för att upprätthålla en fysiologisk nivå på blodsockret. Olika patofyisologiska mekanismer ligger bakom detta tillstånd och är beroende på typen av diabetes. För optimal vård av diabetes, är det viktigt att vid ett tidigt skede kunna utgöra vilken typ av diabetes en patient har insjuknat i. Metod: I denna studie undersökte vi vilka kliniska variabler är mest betydande för att skilja mellan typ 1 och typ 2 diabetes, vid tidpunkten av diagnos. Vi använder dessa variabler för att träna och validerar en CART maskininlärnigsmodell för att kunna skilja på typ 1 och typ 2 diabetes, speciellt i fall där det är oklart vilken subtyp patenten hör till. Resultat: Blodsockernivå, C-peptidnivå samt deras förhållande och BMI samt ålder vid insjunkning i diabetes visade sig vara de mest signifikanta kliniska variablerna. Vår modell klarade av att skilja på typ 1 och typ 2 diabetes med 91,8 % noggrannhet av testdatat som bestod av 1175 patienter. CART modellen är således en användbar modell för att differentiera diabetes typer vid tidpunkten av diagnos hos patienter över 16 år. (190 ord)