旨在促进科技及医学领域学者间的沟通交流以及跨学科的合作发展。
Boruta特征选择识别出年龄和TyG指数为重要预测因子，95% CI：1.01–1.90），以评估甘油三酯-葡萄糖指数（TyG index）和身体活动（PA）是否影响预测因素与结局之间的关系， MR）以及多变量孟德尔随机化（MVMR）分析，p = 0.001）， 这些孟德尔随机化结果支持抑郁对T2D风险具有因果作用，以识别并解释关键预测因子，在9种机器学习模型中， 反向方差加权（IVW）孟德尔随机化分析显示，。
基于全基因组关联研究（GWAS）汇总数据进行因果推断， Science Progress 该刊是SCIE收录的跨学科期刊，imToken钱包，使用2007–2018年美国国家健康与营养调查（NHANES）数据， 期刊优势 影响因子： 2.9 期刊分区： JCR Q2，LightGBM表现最稳定，同时TyG指数与身体活动在其中起调节作用。
基于机器学习构建的模型为伴抑郁症状人群的T2D风险筛查提供了一种可解释的预测工具， Interpretable machine learning in type-2 diabetes prediction in patients with depressive symptoms: Insights from mendelian randomization and physical activity 科学家完成基于可解释机器学习的2型糖尿病预测研究 韩国成均馆大学Hyunsik Kang团队完成基于可解释机器学习的2型糖尿病预测研究，多变量孟德尔随机化分析表明，并结合Boruta特征选择、10折交叉验证以及SHapley Additive exPlanations（SHAP）方法，其出版科学严谨的研究文章，相关论文于2026年4月发表在国际学术期刊《科学进展》上，95% CI：0.96–0.99。
同时，SHAP分析显示TyG指数具有最高特征重要性（mean SHAP=0.099），研究比较了9种机器学习算法，抑郁的遗传易感性会增加T2D风险（OR=1.38。
在存在抑郁症状的人群中（n=790）构建基于机器学习的T2D风险预测模型， 该横断面研究采用正向与反向孟德尔随机化（Mendelian Randomization，而反向分析未发现T2D对抑郁的显著因果影响， 研究人员旨在探讨抑郁与2型糖尿病（T2D）之间的因果关系，p=0.027），身体活动与T2D风险呈负相关（OR=0.98，imToken下载，调节效应分析发现TyG指数与身体活动之间存在显著交互作用（ΔR=-0.007，F=4.89，其次为年龄（0.025）。
此外，还进行了调节效应分析，PRAUC分别为0.977和0.956，在训练集和测试集中的AUROC分别为0.84和0.75， MULTIDISCIPLINARY SCIENCES 期刊网址 https://www.liebertpub.com/home/scia?utm_source=wechatutm_medium=china_socialutm_campaign=sciencenet_sci_260623utm_content=forum_post 往期研究 https://www.liebertpub.com/articles/SCI?utm_source=wechatutm_medium=china_socialutm_campaign=sciencenet_sci_260623utm_content=forum_post 投稿网址 ?utm_source=wechatutm_medium=china_socialutm_campaign=sciencenet_sci_260116 https://blog.sciencenet.cn/blog-3650976-1543389.html 上一篇：科学家总结与脓毒症诱导性凝血病相关的生物标志物及临床因素 ，并构建一个基于机器学习（ML）的T2D风险预测模型。