Investigating feature-engineered predictors for systolic blood pressure changes in an mHealth-based disease management program.

요약· AI 생성

1) 고혈압, 이상지질혈증, 당뇨병 환자 2,318명을 대상으로 24주간 모바일 헬스 기반 질병관리 프로그램의 수축기 혈압 변화 예측 모델을 분석했습니다. 2) 전화 상담, 원격 모니터링, 앱 기반 혈압 및 행동 데이터 기록을 결합한 Mystar 프로그램을 사용했습니다. 3) 4주차에서 특성 공학 기법으로 개발된 예측 인자가 기존 예측 인자보다 높은 상관관계(r=0.561 vs 0.455)를 보였으나, 전체 모델 성능은 유사했습니다. 4) 22주차에는 두 모델 모두 약 0.85의 높은 상관관계를 달성하여 시간이 지날수록 예측 정확도가 향상되었습니다. 5) 특성 공학 기법은 초기 단계에서 개별 예측 인자의 성능을 향상시켰으나, ElasticNet 모델의 전체 예측 성능에는 큰 차이를 보이지 않았습니다.