Kernel machine learning methods to handle missing responses with complex predictors. Application in modelling five-year glucose changes using distributional representations.

Matabuena, Marcos; Félix, Paulo; García-Meixide, Carlos; Gude, Francisco

Matabuena, Marcos; Félix, Paulo; García-Meixide, Carlos; Gude, Francisco.

Afiliação

Matabuena M; CiTIUS (Centro Singular de Investigación en Tecnoloxías Intelixentes), Universidade de Santiago de Compostela, Santiago de Compostela 15782, Spain. Electronic address: marcos.matabuena@usc.es.
Félix P; CiTIUS (Centro Singular de Investigación en Tecnoloxías Intelixentes), Universidade de Santiago de Compostela, Santiago de Compostela 15782, Spain.
García-Meixide C; ETH Zürich.
Gude F; Unidade de Epidemioloxía Clínica, Complexo Hospitalario Universidade de Santiago (CHUS), Travesía da Choupana, Santiago de Compostela 15706, Spain.

Comput Methods Programs Biomed ; 221: 106905, 2022 Jun.

Article em En | MEDLINE | ID: mdl-35649295

Assuntos

Diabetes Mellitus Tipo 1; Diabetes Mellitus; Biomarcadores; Glicemia/metabolismo; Automonitorização da Glicemia/métodos; Glucose; Hemoglobinas Glicadas/metabolismo; Humanos; Estudos Longitudinais; Aprendizado de Máquina

Palavras-chave

Continuous glucose monitoring; Diabetes mellitus; Kernel methods; Missing data; Regression modelling; Statistical independence; Variable selection

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Base de dados: MEDLINE Assunto principal: Diabetes Mellitus / Diabetes Mellitus Tipo 1 Idioma: En Ano de publicação: 2022 Tipo de documento: Article

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Base de dados: MEDLINE Assunto principal: Diabetes Mellitus / Diabetes Mellitus Tipo 1 Idioma: En Ano de publicação: 2022 Tipo de documento: Article