作者：Kang Lin Hsieh，MS（2019）
主要顾问：Susan H. Fenton博士，Rhia，Fahima
委员会成员：医学博士Robert E. Murphy；柯克·罗伯茨（Kirk Roberts）博士，MS；Cui Tao，博士
德克萨斯大学健康信息科学学院的博士学位论文。
抽象的
2型糖尿病（T2DM）是一种全国性的慢性病，其中包括直接和间接的医疗费用。但是，根据先前的临床研究，T2DM是可预防的慢性疾病。beplay苹果手机能用吗许多预测模型基于临床试验确定的危险因素。T2DM预测模型的主要任务之一是估计HBA1C或禁食等离子体葡萄糖进一步测试的风险，以确定患者是否具有T2DM，因为全国范围内的筛查不具有成本效益。
这些模型对数据质量（例如缺失值）有很大的限制。在本文中，我测试了基于最广泛使用的风险因素，以预测开发T2DM的可能性。AUC平均为0.5，这意味着传统模型不能用于筛选T2DM风险。基于此结果，我进一步实施了三种类型的时间表示，包括非时空表示，间隔时间代表和构建T2DM预测模型的连续时间表示。根据结果，连续时空表示的性能最佳。连续的周期性表示基于深度学习方法。结果表明，深度学习方法可以克服数据质量问题，并可以实现更好的性能。
该论文还基于SEQ2SEQ模型有助于连续的风险输出模型。该模型可以为给定患者产生单调的增加功能，以预测开发T2DM的未来概率。该模型是可行的，但仍有许多局限性要克服。
最后，该论文证明了一些被低估的风险因素，值得进一步研究来修改当前的T2DM筛查指南。beplay苹果手机能用吗结果仍然是初步的。我需要与流行病学家和其他领域合作以验证这些发现。将来，构建T2DM预测模型的方法也可以用于其他慢性条件的预测模型。