Page 40 - Rivista SIMG 2 - 2023
P. 40
Lapi F et al.
RICERCA INTERNAZIONALE
t
a
a
G
u
e
t
t
o
n
c
M
o
A
d
t
t
n
M
a
s
o
A
d
z
l
è
i
i
a
z
2 2
LO STUDIO G GAM e GA M è stata condotta utilizzando alla luce delle molteplici sfaccettature
m
o
c
d
i
e
t
d
i
n
a
t
i
s
o
i
t
a
t
t
a
t
s
n
o
i
,
t
p
l
e
s
u
l
i
i
r
Predirre il rischio di Malattia Renale Cronica mediante I Il seguente studio, si è posto l’obiettivo s set di dati incompleti, i risultati sono stati i i della MRC, per la quale l'indagine iterativa
u
d
t
s
s
,
i
o
e
g
s
l
t
e
n
u
e
i
e
b
’
o
v
o
i
t
t
l
p
è
i
o
t
o
s
t
n
g
u
delle interazioni è complessa e la sua
t
o
l
a
c
a
i
e
n
r
e
o
o
l
i
i
q
m
n
i in larga misura coerenti con quelli ottenuti
e
u
n
t
e
a
r
s
c
u
t
l
r
a
n
a
e
e
e
d
2 2
M
l
i
G
s
e
r
t
n
t
u
o
e
r
m
e
d di treinare e testare un modello GA M
A
o
i
l
r
t
i
p
m
i
p
o
z
a
n
u
e
o
o
t
Modelli Additivi Generalizzati (GA M) p per la predizione del rischio di MRC d dopo imputazione. . implementazione in un sistema di supporto
2
2
M
C
i
d
r
z
i
o
e
e
c
i
n
l
s
e
l
e
r
a
d
p
R
r
o
i
h
d
i
risulterebbe
Attraverso la valutazione iterativa di 20
scarsamente
decisionale
n
r
o
i
a
l
t
o
l
n
t
l
c
f
o
i
d
a
d
o
a
e
a
r
v
m
c confrontandolo con altri algoritmi derivati
i
g
o
i
n
o
t
i
r
t
n
r
a
r
d da approcci tradizionali e di MI. . determinanti candidati e delle relative applicabile. q u e s t o s t r u m e n t o i M M G
a
i
i
c
M
I
e
i
p
o
z
o
t
a
a
d
r
d
c
l
p
i
n
i
a
G
s
a
e
i
d
n
M
z
e
e
A
h
n
M Mediante questo strumento i MMG
3
e
2 2
i
l
t
combinazioni, GA M ha selezionato 30
0
o
o
a
t
Utilizzando i dati contenuti nel database t termini principali in grado di spiegare il l p potrebbero quindi generare un elenco
c
n
n
r
i
i
u
q
s
i
d
p
c
i
o
d
a
i
l
o
u
e
m
n
g
d
a
p
r
i
n
e
i
r
p
e
r
g
n
i
g
o
a
b
l
i
e
r
n
r
e
o
t
b
i
i
e
r
n
r
e
e
e
e
a
Health Search (HSD), è stata selezionata 7 75% dell'importanza del modello nella d di pazienti "a rischio elevato" con cui i
a
i
n
e
d
a
i
c
e
o
d
e
'
l
a
l
o
o
"
d
l
a
l
t
z
n
o
o
e
p
%
m
h
u
e
i
c
a
t
5
v
i
c
l
i
o
a
n
s
t
n
z
i
m
"
e
r
r
e
p
l
l
l
una coorte di pazienti di età pari o p previsione della MRC. In particolare, l'età, , p pianificare le strategie di screening; ;
l
i
,
r
l
t
e
r
n
d
n
e
e
t
e
i
'
n
r
t
t
a
e
n
à
.
d
g
a
I
e
s
o
p
C
e
o
c
e
r
s
c
l
i
s
e
a
i
i
e
a
i
v
i
n
f
a
r
g
M
i
c
a
r
i
l
e
R
l
A cura di Francesco Lapi , Lorenzo Nuti , Ettore Marconi , Gerardo Medea , Iacopo Cricelli , Matteo Papi , superiore ai 15 anni attivi in HSD tra il i il valore della creatinina e il termine di i a approccio c che s sarebbe c chiaramente
4
1
2
2
3
1
i
h
p
i
i
t
a
d
e
e
a
n
i
r
c
o
a
i
l
r
e
e
l
r
r
r
a
o
a
a
v
m
n
n
b
e
i
r
h
e
o
l
t
p
e
t
n
d
l
c
e
e
b
l
m
c
a
e
e
Marco Gorini , Matteo Fiorani , Gaetano Piccinocchi , Claudio Cricelli 3 1 gennaio 2018 e il 31 dicembre 2020 e i interazione tra età e creatinina mostravano a arricchito da un sistema di supporto
3
4
5
v
o
t
m
t
c
e
s
t
n
t
e
à
s
n
s
m
n
a
c
h
z
p
a
r
i
i
n
n
o
t
s
e
a
u
o
i
a
r
o
d
a
r
n
i
t
p
t
i
r
c
e
r
r
o
e
t
a
i
a
u
o
e
r
d
i
a
senza diagnosi di CKD. La data del primo u un’importanza r relativa p più a alta. . A d decisionale specifico per il singolo paziente
z
i
r
o
c
e
n
n
a
p
r
o
o
e
t
e
e
p
l
a
i
’
t
v
s
i
l
a
i
p
e
n
c
p
o
g
l
m
a
t
l
i
n
z
f
i
e
e
l
n
ù
s
o
i
i
c
i
t
a
s
a
i
a
1 Health Search, Società Italiana di Medicina Generale e delle Cure Primarie, Firenze, Italia contatto (per qualsiasi motivo) con il MMG differenza di altri modelli, il GA M consente e e integrato con l’algoritmo sviluppato con il l
c
c
s
o
l
o
o
e
n
n
o
n
a
i
t
t
g
’
m
u
a
a
2 2
v
l
p
l
r
i
o
t
o
t
p
g
i
i
r
2 Genomedics SRL, Florence, Italy è stata considerata la data di ingresso nello difatti un'interpretazione diretta sia delle G GA M. .
M
A
2 2
e
a
a
a
r
u
g
'
,
o
r
b
e
b
r
l
t
n
o
s
a
g
t
n
d
n
e
i
l
m
m
i
e
n
l
o
3 Società Italiana di Medicina Generale e delle Cure Primarie, Firenze, Italia. studio. Da questa data, i pazienti sono stati singole caratteristiche che dei termini A Annualmente, l'algoritmo sarebbe in grado
f
r
o
n
n
o
o
i
o
r
a
p
r
u
i
e
p
m
e
v
f
r
i
e
r
i
a
e
r
m
r
4 AstraZeneca Italia, MIND, Milano, Italia seguiti fino alla data della diagnosi di CKD di interazione. Nel complesso, il rischio d di fornire un promemoria per favorire
(ovvero data dell'evento), morte, fine della
e
e
u
s
z
a
d
i
a
n
’
e
i
l
t
e
n
l
o
g
n
i
v
n
o
a
e
f
i
n
r
z
e
l
5 Data Life SRL, Florence, Italy registrazione dei dati, fine del periodo predetto di MRC accumulato nel periodo l l’investigazione della funzione renale
u
t
a
a
t
i
v
r
a
e
c
r
v
v
e
n
( (ovvero valutare o rivalutare la creatinina/
r
e
e
l
t
a
i
a
o
l
n
a
a
r
o
o
di follow-up è stato pari al 3,2%. con una
i
u
/
l
v
r
di studio (cioè il 31 dicembre 2020). sensibilità dell'80%. G GFR) dei pazienti che presentano almeno
n
p
F
e
i
a
c
h
t
e
a
n
e
n
n
e
t
d
m
R
o
a
e
e
p
)
i
s
r
i
l
o
z
Successivamente, la coorte è stata suddivisa G Gli autori hanno pertanto testato la u un fattore di rischio di MRC. .
t
h
r
l
i
t
a
p
M
a
t
e
i
n
o
i
R
f
r
i
t
d
o
e
a
o
o
n
n
r
h
i
e
n
t
d
a
l
o
i
t
t
a
s
a
t
r
C
c
u
o
s
Tratto da: JAMIA casualmente in due campioni in rapporto p predizione di MRC per due pazienti i I In c conclusione, i il s seguente s studio
M
o
u
z
e
i
g
e
i
e
n
r
t
e
d
l
u
t
n
i
u
s
o
R
n
p
d
n
u
e
C
z
l
n
o
c
i
e
d
i
i
,
e
e
n
o
d
t
p
e
a
r
Sito web: https://academic.oup.com/jamia/advance-article-abstract/doi/10.1093/jamia/ 4:1; queste sotto-coorti sono di seguito i ipotetici con alto e basso rischio in base c conferma l’importanza del database HS
t
s
i
p
e
e
t
o
z
l
n
i
a
n
s
i
a
r
o
i
a
m
f
s
r
a
d
b
n
a
i
o
a
e
p
e
i
a
c
s
S
l
a
o
o
h
t
c
o
’
c
e
H
d
a
b
t
t
m
n
r
b
e
s
o
l
denominate rispettivamente "training" e
o
a
e
s
l
a
m
o
i
m
i
t
o
'
a
z
l
u
t
n
e
a
e
l
l
r
o
t
a
e
i
l
g
d
e
m
o
d
l
l
z
i
g
r
l
o
z
a
a
i
t
n
u
s
e
.
l
l
r
ocad097/7200061?redirectedFrom=fulltext&login=false "testing" dataset. a alla soglia dell'algoritmo. In particolare, nel c come strumento utile alla realizzazione di i
l
p
r
a
d
e
d
a algoritmi predittivi innovativi ed in grado
n
m
i
r
v
o
i
g
i
v
t
i
i
n
n
i
t
i
e
i
i
v
g
o
paziente con rischio di MRC alto stimato
t
r
a
t
o
d
I possibili determinanti di MRC sono stati tramite GA M,, l’età maggiore o uguale a 75 d di migliorare l’attività di presa in carico dei i
g
u
m
o
i
i
à
e
m
l
o
’
o
a
i
c
r
u
l
t
r
r
o
i
a
a
e
l
r
l
t
g
d
s
a
i
t
n
d
e
e
5
à
a
e
’
7
i
t
a
g
v
a
i
e
c
g
p
r
i
i
2 2
selezionati in base ai precedenti studi a anni, un valore di creatinina pari a 1 mg/ / p pazienti da parte del MMG. Naturalmente,
a
t
a
e
.
i
a
d
n
r
i
a
n
d
i
i
i
o
e
g
a
l
l
t
p
n
i
n
M
n
e
a
e
e
v
G
r
t
m
,
z
1
n
a
p
r
a
M
i
d
r
u
c
condotti con HSD, alla letteratura medico- d dL, la presenza di diabete e ipertensione, , solo mediante fonti dati di buona qualità,
p
,
e
e
s
b
i
o
t
d
e
i
n
r
r
e
s
e
t
a
n
p
l
L
n
i
a
e
i
z
a
e
d
e
scientifica attuale ed alla esperienza clinica. r risultavano i fattori che contribuivano rappresentatività e di notevoli dimensioni
t
o
n
i
i
r
o
h
b
o
c
t
a
i
t
r
a
u
o
n
s
f
a
c
u
n
e
i
v
i
l
a
t
v
In particolare, oltre all'età e al sesso, m maggiormente alla quantificazione del l è possibile sviluppare modelli performanti
e
t
e
i
m
t
l
d
a
i
z
c
n
g
i
a
e
g
n
a
f
a
q
l
e
r
o
u
a
i
n
o
sono state incluse numerose patologie r rischio. Diversamente, selezionando un di questo tipo.
i
o
.
i
c
h
s
croniche, come l’ipertensione, diabete, paziente a rischio basso (0,7%), , il valore di i
l
e
a
r
l
v
i
d
o
m
i
z
n
a
s
e
e
l
p
e
r
s
e
a
e
o
r
o
t
n
a
s
f
a
d
i
n
u
n
e
a
n
c
o
r
c
a
l
i
a
l
e
m
i
o
/
l
a
a
n
e
n
,
l
t
r
g
p
i
a
z
è
n
i
M
R
l
C
e
o
n
i
t
i
m
1
s
z
1
i
L
o
a
t
,
n
t
l
n
i
a
i
d
i
a
e
'
IL CONTESTO a asintomatica nella fase iniziale. . I Inoltre, la MRC è una condizione ccomplessa malattie cardio/cerebrovascolari ed altre. c creatinina pari a 1,1 mg/dL e l'interazione
n
u
s
o
n
n
o
i
v
t
a
t
i
à
o
t
a
r
n
t
a
o
c
s
e
l
e
i
t
u
r
a
f
s
e
o
s
r
t
e
t
o
e
a
a
m
n
n
t
È È pertanto emerso un consenso univoco d da analizzare in termini di predizione. . È stata considerata anche la presenza di t tra creatinina ed età sono risultati i fattori i
a
d
i
n
e
s
i
n
p
u
o
n
e
o
c
z
r
r
c
n
a
i
r
i
m
o
a
z
d
d
o
z
p
r
n
e
i
i
e
r
i
n
i
a
i
l
r
t
i
e
e
a
)
C
i
L La Malattia Renale Cronica (MRC) è c circa l’identificazione e il trattamento D Difatti, sviluppare un modello predittivo del l albuminuria/proteinuria, uso di farmaci c che maggiormente contribuivano alla
e
r
C
l
è
n
o
R
a
M
M
a
a
R
(
a
a
t
n
l
c
i
t
e
i
c
z
n
n
b
a
r
m
e
i
e
i
n
i
o
a
e
t
f
o
l
g
v
i
’
o
i
n
e
a
m
t
t
t
l
a
c
a
a
h
l
o
r
g
e
n
i
r
r
l
n
t
o
e
a
i
t
c
u
d
m
e
a
i
t
i
l
o
l
e
t
d
m
t
o
e
r
f
a
v
s
a
r
i
e
u
i
l
p
p
v
o
u
d
i
n
p
i
t
,
d
e
t
d
l
i
r
u un problema di salute pubblica globale. . p precoce della condizione, per la quale è r rischio di MRC non è semplice per diverse con noti effetti avversi sui reni (come FANS q quantificazione del rischio. .
m
e
b
a
o
l
b
p
u
b
a
g
l
i
c
e
l
u
s
a
e
b
l
a
t
n
o
p
o
n
z
u
f
o
i
r
c
t
i
a
i
i
h
l
n
d
c
s
e
e
i
a
e
i
o
e
s
e
,
n
n
e
è
q
l
a
l
p
M
u
a
p
e
v
C
i
r
e
R
i
r
o
e
d
i
m
s
s
l
e
i
l
e
o
p
l
c
r
r
c
e
a
h
c
d
n
n
o
i
e
i
z
o
c
c
d
è
d
e
u
i
i
m
d
N Negli ultimi decenni, la prevalenza della s stato sottolineato il bisogno di attuare r ragioni. Innanzitutto, diversi determinanti i e altri farmaci antireumatici), fumo e abuso
t
n
e
a
z
v
e
l
a
l
l
a
d
l
e
e
i
g
,
e
c
n
n
l
r
p
i
a
l
o
n
i
d
i
b
s
g
o
e
r
a
i
g
t
a
t
a
u
o
s
t
o
t
a
t
t
o
l
o
i
l
n
i
e
t
a
o
s
r
i
d
d
i
e
v
n
i
a
t
n
t
e
e
m
r
n
n
n
a
I
i
n
.
z
t
u
t
,
o
i
t
t
r
a
t
u
n
o
s
h
n
e
m
o
a
a
o
i
a
i
c condizione ha mostrato una crescita u uno screening efficace associato sia ad n non m mostrano n necessariamente u una di alcol. I livelli di creatinina (mg/dL), i IL CONTRIBUTO DI HEALTH SEARCH
o
z
d
n
r
e
c
i
t
s
c
c
t
a
i
f
f
e
n
a
i
m
c
e
e
e
c
r
e
s
n
o
e
n
g
n
n
a
i
a
o
a
n
s
i
a
d
n
s
o
t
a
r
o
s
o
s
s
r
s
a
c
t
e
o
a
e
i
c
e
e
s
o
l
v
l
l
d
o
a
p
d
n
3
o
t
s
l
n notevole, passando dal 3 al 18% a livello u una stratificazione del rischio che ad un r relazione lineare con l'insorgenza della valori dell'Indice di Massa Corporea (BMI) ALLA RICERCA MEDICO-SCIENTIFICA
l
a
a
e
l
a
a
i
o
1
8
%
v
,
n
l
c
o
i
c
l
i
c
e
e
a
e
f
n
a
h
o
i
o
d
o
i
i
n
c
s
e
n
s
i
a
l
o
r
'
z
h
e
n
i
n
l
l
l
n
t
e
e
e
a
u
s
d
r
a
t
a
z
r
a
a
e
r
d
g
n
z
i
.
2 2
e
l
l
b
o
a
g globale. Nel 2030, ci si aspetta che tale t trattamento adeguato, soprattutto nei i m malattia. Inoltre, è importante che (kg/m ), e la pressione arteriosa sistolica e
t
t
r
,
o
p
o
a
o
e
I
n
l
r
n
t
t
a
t
i
.
l
a
a
a
r
è
p
o
s
i
m
t
t
o
e
,
t
t
u
e
t
a
u
r
e
t
d
e
g
n
a
t
t
n
o
h
m
e
c
a
a
b
l
o
z
s
s
e
s
t
e
n
c
o
a
r
n
a
q
l
e
n
o
n
t
,
u
o
s
e
c
e
e
condizione diventi la quinta causa di morte c contesti di cure primarie. . o ogni associazione tra i determinanti e diastolica (mmHg) sono stati inclusi anche I In base alle nostre conoscenze, questo
t
c
n
r
s
i
e
d
z
i
t
e
i
o
a
n
a
t
i
e
e
r
d
a
i
e
n
a
r
r
a
m
m
s
i
i
s
o
i
e
n
i
r
u
g
i
o
p
t
n
c
e
t
i
f
m
s
c
d
i
v
r
i
u
e
n
s
o
h
z
i
i
r
c
l
e
p
e
o
n
d
e
t
e
o
s
e
r
N
s
P
v
t
a
l
a
o
p
,
r
a
e
n
e
z
o
n
l
e
e
l
a
nel mondo. Nel nostro Paese, la prevalenza Sono stati sviluppati numerosi modelli per l l'esito sia interpretabile e non "nascosta" " come covariate continue. è è il primo studio che fornisce evidenze
e
o
'
t
s
i
e
e
r
a
e
"
t
i
e
i
b
t
n
n
p
l
n
s
n
i
o
c
a
s
a
s
a
o
r
t
c
v
c
n
m
i
r
t
l
i
p
f
e
i
e
o
c
e
s
r
u
e
a
a
r
e
e
d
p
n
o
r
t
e
r
c
t
l
u
e
n
r
a
i
n
e
n
r
t
R
e
n
r
o
d
t
,
t
r
i
i
a
d della MRC è stimata intorno al 7%, con un affrontare questo problema e pedirre il c come spesso accade con i metodi di MI. . E Entrando nel merito dei risultati, a partire c concrete circa le performance predittive sul l
n
i
i
a
s
t
M
l
è
a
C
i
u
m
t
t
s
t
e
p
,
%
r
7
n
a
o
c
m
d
n
r
o
e
a
t
l
i
a
o
o
a
l
l
d
t
s
m
I
M
e
c
e
s
o
o
i
n
c
c
a
a
o
e
o
m
d
d
p
i
s
e
i
d
o
r
u
n
d
q
i
i
o
u
R
e
m
h
n
s
i
a
c
C
s
M
t
d
i
n
e
i
i
t
,
a
o
i
t
i
n
u
n
i
a
o
d
m
9
8
0
l
’
o
1
z
,
l
r
a
a
p
a
i
7
r
e
e
g
l
9
i
0
0
%
p
v valore pari all’8,1% per gli uomini ed al l rischio di MRC. Questi modelli utilizzano I Infine, è fondamentale quantificare in d da una coorte di 997.000 pazienti, più r rischio di MRC, quando i suoi determinanti i
.
r
i
o
n
r
a
d
o
u
p
t
e
e
i
,
ù
p
l
c
a
i
a
e
f
i
m
u
n
o
n
a
f
o
e
Q
r
e
i
,
u
a
f
c
e
i
t
i
n
t
n
s
è
i
n
l
l
a
i
l
e
a
z
e
i
t
n
u
e
m
l
i
t
d
q
a
d
o
z
n
m
l
l
o
i
o
n
M
a
o
t
t
o
r
l
t
e
r
d
v
;
A
s
d
G
m
2 2
e
a
e
l
a
o
,
7 7,8% per le donne. . a algoritmi ottenuti attraverso diverse m modo semplice il contributo di ciascun d di 30.000 pazienti hanno ricevuto una s sono modellati attraverso GA M; modelli i
n
n
c
8
i
e
n
i
o
n
z
i
u
e
n
n
v
t
i
e
a
a
u
e
h
0
l
o
e
r
0
0
.
p
p
t
a
o
3
0
%
d
r
s
d
m
n
e
o
s
l
c
u
t
i
u
l
o
b
n
c
o
i
i
r
t
c
p
i
e
o
c
i
d
a
e
d
i
v
o
e
t
m
e
s
r
r
i
s
i
i
t
o
e
t
a
t
l
a
g
r
t
t
r
v
n
u
o
q
,
n
r
i
"
i
b
i
n
c
k
p
n
e
o
r
a
i
t
b
l
t
x
b
u
o
d
e
a
l
e
"
e
i
-
l
o
d
i
e
r
o
i
p
d
i
M
R
i
d
u
C
d
g
n
i
a
i
o
s
n
a
t
e
r
La patologia è ancora ampiamente t tecniche, tra cui approcci tradizionali, , d determinante al fine di poterlo utilizzare in d diagnosi di MRC durante il periodo di n non "black-box", e quindi interpretabili e
p
a
t
i
i
a
z
a
r
i
l
z
p
e
i
d
t
l
n
r
e
p
t
u
o
u
o
a
r
d
e
e
r
t
t
n
a
o
i
l
i
z
i
c
e
i
o
n
e
r
i
i
m
n
a
n
c
c
c
e
e
r
t
l
a
,
c
f
i
i
n
h
a
,
i
i
n
p
a
I
l
l
ù
i
c
e
e
r
c
t
n
r
e
e
a
a
z
m
t
i
o
l
b
g
i
l
.
i
f
p
u
d
o
sottostimata nei paesi occidentali, n nonché approcci di machine learning (MI). . u un sistema di supporto decisionale specifico s studio. . p più facilmente applicabili. Inoltre, grazie
t
i
c
c
i
f
n
i
i
s
i
h
i
e
l
a
g
r
(
n
d
e
o
p
r
d
e
e
l
t
a
p
o
e
n
h
c
s
p
p
d
p
r
i
o
m
o
o
c
)
o
é
e
s
i
i
m
n
i
t
c
I
s
M
c
s
u
c
n
a
a
a
n
i
t
a
e
u
a
m
s
e
e
l
s
c
a
D
l
S
r
a
o
e
n
o
,
a
r
d
a
l
o
H
t
d
b
soprattutto nell'ambito delle cure primarie. Tuttavia, molti di questi sono stati creati p per il paziente. In questo contesto, i Modelli i Come previsto, i casi di MRC presentavano a al database HSD, ed alla coorte numerosa
d
e
z
i
e
p
i
l
e
.
M
l
l
o
n
t
a
i
r
e
i
s
t
R
t
s
C
t
c
a
a
t
i
n
t
u
o
g
l
e
g
o
o
M
o
r
,
g
i
n
i
s
o
A questo proposito, in diversi paesi, tra cui utilizzando set di dati di dimensioni ridotte A Additivi Generalizzati (GA M), potrebbero un carico di comorbilità da 2 a 5 volte d di soggetti con MRC, gli autori sono stati i
z
M
v
z
o
r
d
i
t
o
b
t
i
(
l
i
a
t
r
G
i
e
e
a
d
b
p
G
,
r
)
n
e
A
i
e
2 2
2 2
i
d
r
v
i
s
a
n
g
r
r
d
i
i
e
m
i
d
s
o
a
n
n
d
e
i
e
i
t
e
m
a
r
l'Italia, è ben nota la scarsa consapevolezza e/o locali, caratterizzati in certi casi da una r rappresentare una soluzione adeguata superiore rispetto ai non casi. Altre i in grado di esaminare i diversi termini di i
e
r
s
p
r
n
e
e
a
a
d
o
e
n
s
l
i
o
u
z
g
a
a
t
a
u
e
n
p
a
u
t
r
n
o
a
n
n
e
o
l
n
d
i
t
t
d
i
i
s
r
à
n
e
o
t
e
a
a
,
e
n
m
o
r
z
i
tra i medici di medicina generale (MMG) scarsa qualità e un alto rischio di distorsione. a alla predizione della MRC. Grazie alla loro covariate, seppur con una differenza i interazione e non linearità, dimostrando
i
l
e
l
o
a
r
o
e
a
G
e
n
l
a
z
z
o
R
l
d
M
p
l
e
l
a
.
r
l
d
C
i
r
i
a
a
n
a
r
e
i
e
a
c
p
c
i
o
g
d
i
g
v
s
p
à
u
t
a
i
t
e
ì
d
m
r
o
a
t
per quanto riguarda il riconoscimento Difatti, gli algoritmi di MI pubblicati per la c capacità di apprendere le associazioni i minore, riportavano comunque proporzioni c così una maggiore capacità predittiva dei i
d
z
n
e
n
c
r
p
i
e
a
i
d
s
a
t
l
a
e
c
e
p
o
p
à
o
i
a
a
s
i
r
s
s
A
i
i
a
g
M
l
m
o
i
r
e
a
r
d
t
,
c
e
p
o
n
l
u
t
a
i
l
l
i
l
t
2 2
della MRC. In questa direzione è emerso predizione della MRC, non mostrano un c complesse tra i fattori determinanti i più elevate nei casi rispetto ai non casi. G GA M rispetto agli altri modelli, inclusa
n
i
o
l
s
a
i
e
o
i
e
r
t
e
t
s
t
m
r
n
a
e
r
t
f
m
d
t
a
p
i
a
g
u
r
D
i
l
a
s
a
o
e
d
g
.
o
t
r
e
n
s
c
s
n
t
l
e
o
p
i
n
recentemente come il 77% dei pazienti con miglioramento dell'accuratezza predittiva m mediante funzioni interpretabili, i modelli i D Dal confronto delle performance dei 7 l la regressione logistica. Dal punto di i
i
t
l
r
f
e
c
o
d
n
7
o
o
e
l
e
e
o
l
a
m
r
d
e
f
n
p
c
a
r
m
r
z
d
d
b
i
n
r
o
e
o
l
a
p
e
n
t
f
l
i
,
n
e
e
i
n
e
i
t
i
u
i
l
t
i
a
e
d
i
e
n
c
r
r
i
o
a
i
t
i
o
c
e
g
,
e
a
i
o
t
a
l
p
i
s
s
i
m
l
c
u
o
i
l
e
i
a
g
r
o
t
B
s
l
M
r
d
a
o
v
h
t
l
i
i
,
a
m
o
MRC di stadio G3 accertato non avevano rispetto ai modelli tradizionali, come la G GA M potrebbero rivelare in modo m modelli, il light GBM mostrava il valore v vista epidemiologico e analitico, riuscire
v
G
l
l
i
e
l
A
o
r
d
m
o
e
b
2 2
o
M
o
p
b
l
e
r
a
i
r
v
e
e
i
n
t
r
m
r
a
n
u
p
p
e
l
i
m
p
e
e
d
e
m
o
u
n
l
o
l
d
e
t
s
v
l
i
e
r
a
g
M
a
e
G
A
i
i
l
a
e
u
d
t
M
l
o
,
G
A
ù
l
a
s
.
t
o
ricevuto una diagnosi dai propri MMG. regressione logistica, nei casi in cui siano s sistematico interazioni tra le covariate p più alto, seguito dal GA M. GAM e la a a sviluppare ed implementare un modello
2 2
i
r
i
t
o
v
o
a
n
a
e
z
t
i
i
m
s
a
t
c
n
o
t
e
a
i
a
l
e
i
r
c
t
r
e
s
A
e
a
m
e
d
t
t
n
i
G
e
a
n
d
c
i
r
,
i
e
o
n
t
o
t
M
v
n
u
e
2 2
t
i
a
c
s
o
i
r
-
t
t
i
o
r
c
l
v
s
a
t
l
a
a
f
I Il fatto che la MRC sia sotto-diagnosticata stati utilizzati campioni di dimensioni a anche non lineari, al fine di migliorare le r regressione logistica riportavano valori p predittivo mediante GA M, consente una
a
i
t
t
t
i
a
a
r
d
p
o
o
o
o
t
n
g
v
n
a
i
i
C
s
l
e
o
n
R
c
M
e
a
e
s
r
g
e
l
g
i
o
h
a
o
s
s
d
o
a
i
h
c
i
l
r
e
m
a
a
i
n
l
e
l
n
f
i
,
i
g
e
i
n
n
e
r
l
e
o
n
r
e
à
r
i
o
t
a
i
g
g
l
n
u
t
t
b
s
e
r
r
e
a
i
i
t
a
e
d
r
i
l
t
i
p
i
d
i
a
r
s
e
e
,
i
n
i
g
a
o
r
i
u
c
i
i
t
v
d
a
r
l
R
e
i
d
o
m
e
a
n
r
i
l
i
i
m
e
n
t
,
m
a
v
a
t
p
o
r
e
d dipende da diverse ragioni, tra cui il l moderate con un numero limitato di eventi p performance predittive. . s simili, mentre il Random Forest riportava il m maggiore interpretabilità dei risultati. .
p
n
i
l
r
e
s
d
F
o
r
i
t
r
e
e
p
v
d
i
t
i
t
o
r
f
e
r
c
e
n
m
a
n
e
e
t
m
i
l
a
t
a
p
ù
i
e
o
l
h
r
o
o
c
d
n
e
a
l
i
è
s
e
i
z
n
o
c
n
o
i
l
a
s
i
t
t
f fatto che la condizione è solitamente e predittori. v valore più basso. Quando l'analisi con GBM, , Questo aspetto è particolarmente utile
a
o
G
M
B
n
c
.
Q
o
a
b
s
s
u
l
a
'
o
a
n
d
Rivista Società Italiana di Medicina Generale n. 2 • 2023
2 HS-Newsletter n.2 Vol.30 2023 HS-Newsletter n.2 Vol.30 2023 39 3
