Machine Learning Prediction of Metabolic Syndrome Using Multi-Cycle NHANES Data: Quantifying the Impact of a Diagnostic Component on Model Performance
Questo studio dimostra che i modelli di apprendimento automatico che predicono la sindrome metabolica utilizzando solo dati demografici e dietetici raggiungono un'accuratezza modesta, con prestazioni che migliorano significativamente solo quando viene inclusa la circonferenza della vita — una componente diretta della definizione clinica della sindrome — evidenziando la necessità critica di distinguere tra classificazione diagnostica e genuina predizione del rischio in esiti clinici compositi.