基于机器学习和人群归因分数分析系统性炎症指数预测糖尿病及糖尿病前期人群死亡风险的数据集
该数据集包含来自美国国家健康与营养调查（NHANES）的11,304名糖尿病及糖尿病前期成年参与者的临床表格数据，核心数据为多种系统性炎症指数（如NLR、MLR、SIRI等）、人口学信息及死亡结局，主要用于通过机器学习模型评估这些炎症指标对全因死亡和心血管死亡风险的预测价值，并量化其人群归因风险，以支持心血管代谢疾病的精准风险分层和公共卫生策略制定。
https://figshare.com/articles/dataset/Integrated_machine_learning_and_population_attributable_fraction_analysis_of_systemic_inflammatory_indices_for_mortality_risk_prediction_in_diabetes_and_prediabetes/29648741
如需原始数据获取支持或标注服务，请联系我们。
资源简介
该数据集是一项回顾性队列研究的数据集合，旨在探究系统性炎症指数与糖尿病（DM）及糖尿病前期（PreDM）患者死亡风险之间的关系。数据来源于美国国家健康与营养调查（NHANES，2005-2018年），共包含11,304名成年DM或PreDM参与者的临床数据。主要数据内容包括人口学信息、临床指标（如中性粒细胞-淋巴细胞比值NLR、单核细胞-淋巴细胞比值MLR、系统性炎症反应指数SIRI、系统性免疫炎症指数SII、血小板-血红蛋白比值PHR、综合炎症系统指数AISI等）以及随访结局（全因死亡和心血管死亡）。研究采用Cox比例风险模型评估关联性，利用极限梯度提升（XGBoost）机器学习模型进行风险预测，并计算人群归因分数（PAF）以量化炎症相关死亡负担。该数据集主要用于心血管代谢风险分层、死亡风险预测模型构建以及评估抗炎干预的潜在公共卫生效益等研究方向。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 糖尿病前期 的高质量、多模态真实临床数据定制解决方案。