2025年12月23日
## 要約：
本研究では、米国における郡レベルの肺癌死亡率を予測するために、ランダムフォレスト、勾配ブースティング回帰、線形回帰の3つのモデルを比較しました。ランダムフォレストモデルが最も高い予測精度を示し、喫煙率、住宅価格の中央値、ヒスパニック人口の割合が重要な要因として特定されました。本研究の結果は、地域に特化した介入策の設計やスクリーニングの推進、そして不健康格差の解消に役立つ可能性があります。
---
## 翻訳：
肺癌（LC）は米国で癌関連死亡の主要な原因です。正確なLC死亡率の予測は、標的介入を指導し、健康格差に対処するために非常に重要です。伝統的な回帰モデルが一般的に使用されてきましたが、説明可能な機械学習モデルは、予測精度を向上させ、LC死亡に影響を与える要因に関するより深い洞察を提供する可能性があります。本研究では、米国全域の郡レベルのLC死亡率を予測するために、ランダムフォレスト（RF）、勾配ブースティング回帰（GBR）、線形回帰（LR）の3つのモデルを適用しました。R二乗値とRMSEを使用してモデルの性能を評価しました。 Shapley Additive Explanations（SHAP）値を使用して、変数重要性と方向への影響を決定しました。Getis-Ord（Gi*）ホットスポット分析により、地理的なLC死亡格差を分析しました。RFモデルは、R2値が41.9％、RMSEが12.8を達成し、GBRとLRを上回りました。SHAP分析では、喫煙率が最も重要な予測因子として特定され、次いで住宅価格の中央値とヒスパニック民族人口の割合が重要であることがわかりました。空間分析により、米国のミッドイースト地域にLC死亡率の高いホットスポットのクラスターが明らかになりました。RFモデルは、LC死亡率に対して優れた予測性能を示し、喫煙率、住宅価格、ヒスパニック民族人口の割合の重要な役割を強調しました。これらの調査結果は、米国でLCの影響を受ける地域における標的介入を設計するための貴重な実行可能な洞察を提供します。
[📰 原文はこちら](https://arxiv.org/abs/2512.17934)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
