nhanes

该论文提出一个临床可解释的机器学习框架，使用CatBoost和自动化的SHAP依赖图定量分析，从NHANES的44个异构临床特征中估计生物年龄。研究发现模型估计的生物年龄与实际年龄高度相关，并识别出血尿素氮、血糖和剧烈运动等关键预测因子。

CardioMeta是一个校准的多任务框架，用于在NHANES和MIMIC-IV数据上联合预测糖尿病、高血压和心血管疾病，强调泄漏控制、校准和透明可靠性。

本文介绍了NHANES加速度测量心血管代谢基准，这是一个用于从加速度测量数据预测心血管代谢风险的人群代表性表格数据集，并评估了岭回归、XGBoost和TabPFN v2，结合使用保形预测进行不确定性量化。