![ОДОБРЕНО
Этот пример иллюстрирует разработку прогностической модели для серьезных неблагоприятных сердечно-сосудистых событий (MACE) в течение одного года. Компания, занимающаяся медицинскими технологиями, стремится создать эту модель, используя более 200 переменных-кандидатов, извлеченных из электронных медицинских карт. Эти переменные охватывают ряд факторов, включая:
Клинические показатели: Систолическое и диастолическое артериальное давление, частота сердечных сокращений, индекс массы тела (ИМТ), уровень глюкозы в крови и уровень холестерина (общий, липопротеины высокой плотности [ЛПВП], липопротеины низкой плотности [ЛПНП]).
Факторы образа жизни: История курения (измеряется в пачко-годах), частота употребления алкоголя, уровень физической активности и оценка диеты.
История болезни и медикаменты: История диабета и гипертонии, а также использование статинов и аспирина.
Демография и генетика: Возраст, пол, семейный анамнез сердечно-сосудистых событий и данные из 50 кандидатных генетических локусов.
Новые биомаркеры: Десять новых маркеров воспаления в крови и оценка кальцификации коронарных артерий.
Первоначальная сложная модель:
Сложная модель машинного обучения, такая как случайный лес или градиентный бустинг, включающая все 200+ переменных, потенциально может достичь высокой прогностической производительности, например, площадь под кривой (AUC) 0,92.](/_next/image?url=https%3A%2F%2Fpub-8c0ddfa5c0454d40822bc9944fe6f303.r2.dev%2Fai-drawings%2F3wliN0sx0YrkBD33BdGG6t6OvJAWGKDc%2F4ed5623b-3aff-4d2b-b22f-a3a2f916f2b9%2F32321d33-6b62-4897-8388-cd2a37ffcadc.png&w=3840&q=75)
Описание промпта
ОДОБРЕНО Этот пример иллюстрирует разработку прогностической модели для серьезных неблагоприятных сердечно-сосудистых событий (MACE) в течение одного года. Компания, занимающаяся медицинскими технологиями, стремится создать эту модель, используя более 200 переменных-кандидатов, извлеченных из электронных медицинских карт. Эти переменные охватывают ряд факторов, включая: Клинические показатели: Систолическое и диастолическое артериальное давление, частота сердечных сокращений, индекс массы тела (ИМТ), уровень глюкозы в крови и уровень холестерина (общий, липопротеины высокой плотности [ЛПВП], липопротеины низкой плотности [ЛПНП]). Факторы образа жизни: История курения (измеряется в пачко-годах), частота употребления алкоголя, уровень физической активности и оценка диеты. История болезни и медикаменты: История диабета и гипертонии, а также использование статинов и аспирина. Демография и генетика: Возраст, пол, семейный анамнез сердечно-сосудистых событий и данные из 50 кандидатных генетических локусов. Новые биомаркеры: Десять новых маркеров воспаления в крови и оценка кальцификации коронарных артерий. Первоначальная сложная модель: Сложная модель машинного обучения, такая как случайный лес или градиентный бустинг, включающая все 200+ переменных, потенциально может достичь высокой прогностической производительности, например, площадь под кривой (AUC) 0,92.
