🩺 endocrinology
Predicting county-level diagnosed diabetes prevalence in the United States using explainable gradient boosting and geographic interpretation
Este estudio utiliza un marco de LightGBM explicable integrado con diversas fuentes de datos públicos para predecir e interpretar geográficamente con precisión la prevalencia de la diabetes diagnosticada a nivel de condado en los Estados Unidos, identificando la pobreza y la inseguridad alimentaria como los principales impulsores estructurales, al tiempo que enfatiza que los conocimientos resultantes sirven como explicaciones basadas en el modelo en lugar de efectos causales.