Comparative Analysis of Clustering Algorithms for Health Risk Profiling Based on Dietary and Physical Activity Patterns
Notice bibliographique
Résumé
Non-Communicable Diseases (NCDs) continue to rise in line with changes in people's consumption patterns and lifestyles, so a data-driven approach is needed to understand health risk segmentation.This study aims to classify food consumption behaviors and healthy lifestyles among the productive age group.Data were collected from 321 respondents through a structured survey that included eating habits, physical activity, as well as demographic and health factors.Three clustering algorithms were tested, namely K-Means, Hierarchical Clustering, and Density-Based Spatial Clustering of Applications with Noise (DBSCAN), with evaluation using Silhouette Score, Davies-Bouldin Index, and Dunn Index.The results showed that DBSCAN achieved the best performance (Silhouette Score = 0.416; Davies-Bouldin Index = 0.448; Dunn Index = 1.430), which indicates a separate cluster with a good degree of cohesiveness.In contrast, K-Means showed the lowest performance (Silhouette Score = 0.045; Davies-Bouldin Index = 2.936; Dunn Index = 0.251), while Hierarchical Clustering showed limited performance (Silhouette Score = 0.046; Davies-Bouldin Index = 2.956; Dunn Index = 0.239).For the K-Means analysis, the optimal number of clusters was determined to be k = 8 using the elbow method, which was subsequently consolidated.The cluster profiles identified three main groups: (1) individuals with healthy lifestyles, (2) moderate-risk individuals with high calorie consumption and low activity, and (3) high-risk individuals with poor diets and sedentary habits.These findings confirm that DBSCAN is effective in identifying patterns of health risks and can serve as the basis for designing more targeted promotive and preventive interventions to reduce the risk of NCDs.
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 | 0,009 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».