Predicting county-level diagnosed diabetes prevalence in the United States using explainable gradient boosting and geographic interpretation
本研究は、多様な公開データソースを統合した説明可能なLightGBMフレームワークを活用することで、米国の郡レベルにおける糖尿病診断有病率を正確に予測し地理的に解釈し、貧困と食料不安を主要な構造的要因として特定するが、得られた知見は因果効果ではなくモデルに基づく説明であることを強調するものである。