Geographically weighted machine learning model for untangling spatial heterogeneity of type 2 diabetes mellitus (T2D) prevalence in the USA.

Quiñones, Sarah; Goyal, Aditya; Ahmed, Zia U

Quiñones, Sarah; Goyal, Aditya; Ahmed, Zia U.

Afiliação

Quiñones S; University at Buffalo, State University at New York, Buffalo, USA.
Goyal A; Research and Education in Energy, Environment, and Water (RENEW) Institute, University at Buffalo, State University at New York, 108 Cooke Hall, Buffalo, NY, 14260, USA.
Ahmed ZU; Research and Education in Energy, Environment, and Water (RENEW) Institute, University at Buffalo, State University at New York, 108 Cooke Hall, Buffalo, NY, 14260, USA. zahmed2@buffalo.edu.

Sci Rep ; 11(1): 6955, 2021 03 26.

Article em En | MEDLINE | ID: mdl-33772039

Assuntos

Diabetes Mellitus Tipo 2/epidemiologia; Estilo de Vida; Aprendizado de Máquina; Fatores Socioeconômicos; Análise Espacial; Dieta; Exercício Físico; Geografia; Humanos; Obesidade; Prevalência; Qualidade de Vida; Fatores de Risco; Comportamento Sedentário; Estados Unidos/epidemiologia

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Base de dados: MEDLINE Assunto principal: Fatores Socioeconômicos / Diabetes Mellitus Tipo 2 / Análise Espacial / Aprendizado de Máquina / Estilo de Vida Tipo de estudo: Etiology_studies / Prevalence_studies / Prognostic_studies / Risk_factors_studies Limite: Humans País/Região como assunto: America do norte Idioma: En Revista: Sci Rep Ano de publicação: 2021 Tipo de documento: Article País de afiliação: Estados Unidos

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google