Artificial Neural Network to Predict the Effect of Obesity on the Risk of Tuberculosis Infection
Notice bibliographique
Résumé
BACKGROUND: Body weight has been implicated as a risk factor for latent tuberculosis infection (LTBI) and the active disease. DESIGN AND METHODS: This study aimed to develop artificial neural network (ANN) models for predicting LTBI from body weight and other host-related disease risk factors. We used datasets from participants of the US-National Health and Nutrition Examination Survey (NHANES; 2012; n=5,156; 514 with LTBI and 4,642 controls) to develop three ANNs employing body mass index (BMI, Network I), BMI and HbA1C (as a proxy for diabetes; Network II) and BMI, HbA1C and education (as a proxy for socioeconomic status; Network III). The models were trained on n=1018 age- and sex-matched subjects equally distributed between the control and LTBI groups. The endpoint was the prediction of LTBI. RESULTS: When data was adjusted for age, sex, diabetes and level of education, odds ratio (OR) and 95% confidence intervals (CI) for risk of LTBI with increased BMI was 0.85 (95%CI: 0.77 - 0.96, p=0.01). The three ANNs had a predictive accuracy varied from 75 to 80% with sensitivities ranged from 85% to 94% and specificities of approximately 70%. Areas under the receiver operating characteristic curve (AUC) were between 0.82 and 0.87. Optimal ANN performance was noted using BMI as a risk indicator. CONCLUSION: Body weight can be employed in developing artificial intelligence-based tool to predict LTBI. This can be useful in precise decision making in clinical and public health practices aiming to curb the burden of tuberculosis, e.g., in the management and monitoring of the tuberculosis prevention programs and to evaluate the impact of healthy weight on tuberculosis risk and burden.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».