Benchmarking machine learning for cardiovascular disease classification across 46 countries with geographic and temporal transportability assessment
Diese Studie vergleicht Machine-Learning-Modelle zur Klassifizierung kardiovaskulärer Erkrankungen über 46 Länder hinweg unter Verwendung von WHO STEPS-Daten, wobei sie aufzeigt, dass komplexe Algorithmen nur geringfügige Leistungssteigerungen gegenüber der logistischen Regression bieten, während sie gleichzeitig eine erhebliche geografische und zeitliche Heterogenität hervorhebt, die es notwendig macht, die Priorisierung von Transportierbarkeit, Kalibrierung und der Leistung bei Minderheitenklassen gegenüber dem gepoolten ROC-AUC in der Public-Health-KI zu forcieren.