Assessment of the risk of osteoporotic bone fracture in postmenopausal women using machine learning methods
7.5
来源：
Nature
关键字：
computational biology
发布时间：
2025-12-08 23:54
摘要：
该研究利用机器学习方法开发了两种模型，以预测绝经后女性的骨折风险，结果显示出高预测能力（AUC=0.92和0.88）。研究强调了先前骨折、PTH和维生素D水平在风险评估中的重要性，并在两个独立的西班牙队列中进行了验证，展示了模型的有效性和临床应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+核心领域符合度
business_impact
0.5分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
timeliness_innovation
1.5分+时效性与创新性
investment_perspective
2.5分+BOCG投资视角
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.5分+团队与机构背景
technical_barrier_competition
0.5分+技术壁垒与竞争格局
关键证据
研究开发了基于机器学习的模型来预测绝经后女性的骨折风险，AUC达到了0.92。
强调了先前骨折、PTH和维生素D水平在预测未来骨折中的重要性。
模型在两个独立队列中进行了验证，显示出良好的预测能力和适用性。
真实性检查
否
AI评分总结
该研究利用机器学习方法开发了两种模型，以预测绝经后女性的骨折风险，结果显示出高预测能力（AUC=0.92和0.88）。研究强调了先前骨折、PTH和维生素D水平在风险评估中的重要性，并在两个独立的西班牙队列中进行了验证，展示了模型的有效性和临床应用潜力。