Using Explainable Machine Learning to Examine Community, Food-Access, and Built-Environment Factors Associated with Census-Tract Diabetes Prevalence in Collin and Denton Counties, Texas
Questo studio dimostra che i dati relativi alla comunità pubblica, all'accesso al cibo e all'ambiente costruito può spiegare approssimativamente la metà della variazione della prevalenza del diabete nelle contee del Texas, sebbene l'accuratezza predittiva del modello sia significativamente inferiore nelle aree a basso reddito, evidenziando un divario critico di equità per le applicazioni di salute pubblica.