2025年12月24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、線形回帰モデルを比較評価しました。ランダムフォレストモデルが最も優れた予測性能を示し、喫煙率、住宅中央値、ヒスパニック人口の割合が重要な予測因子として特定されました。これらの知見は、効果的な介入策の設計やスクリーニングの促進、健康格差の是正に役立つ可能性があります。
---
## 翻訳：
米国における肺癌（LC）は、癌関連死亡の主要な原因です。郡レベルのLC死亡率の正確な予測は、ターゲットを絞った介入を導き、健康格差に対処するために重要です。従来の回帰ベースの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、予測精度とLC死亡率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、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）モデルを適用し、米国における郡レベルのLC死亡率を予測しました。R二乗値と二乗平均平方根誤差（RMSE）を使用してモデル性能を評価しました。シャープリー加算説明（SHAP）値を適用して、変数重要度と方向への影響を判断しました。Getis-Ord（Gi*）ホットスポット分析を通じてLC死亡率の地理的格差を分析しました。RFモデルはGBRおよびLRよりも優れており、R2値は41.9%、RMSEは12.8を達成しました。SHAP分析により、喫煙率が最も重要な予測因子であることが特定され、次に住宅中央値とヒスパニック民族人口の割合が続きました。空間分析により、米国のほぼ中央東部地域でLC死亡率の増加が見られるホットスポットが明らかになりました。RFモデルは、LC死亡率の予測性能に優れており、喫煙率、住宅価格、ヒスパニック民族人口の割合の重要性を強調しました。これらの知見は、米国でLCの影響を最も受けている地域におけるターゲットを絞った介入を設計し、スクリーニングを促進し、健康格差に対処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。
