Avoiding Data Leakage in Machine Learning Models for Diabetes and Hypertension Classification Using Routine Occupational Health Screening Data
Diese Studie zeigt, dass die Einbeziehung von ergebnisdefinierenden Prädiktoren wie Nüchternblutzucker und Blutdruck in maschinelle Lernmodelle zur Klassifizierung von Diabetes und Hypertonie zu schwerwiegendem Data Leakage und künstlich aufgeblähter Leistung führt, während Modelle, die diese Variablen unter Verwendung routinemäßiger beruflicher Screening-Daten ausschließen, eine moderate, aber klinisch realistische Genauigkeit erreichen und gleichzeitig den prädiktiven Wert von Faktoren wie Alter, BMI und psychischer Belastung hervorheben.