基于无创血糖的糖尿病评估

为了提高糖尿病前期的检出率，在糖耐量受损（IGT）常规诊断方法的基础上，增加糖化血红蛋白作为糖尿病筛查的因素，构建一个IGT检测模型。采集受试者的身高、体质量、腹围、血压、皮脂厚度、空腹血糖和糖化血红蛋白作为模型的特征输入，用K-近邻算法和神经网络对其分类，模型输出包括血糖值正常、IGT和糖尿病。结果显示增加糖化血红蛋白作为分类特征后，神经网络和K-近邻算法的分类准确率分别为88.89%和93.09%，明显高于传统方法的分类准确率（83.33%和78.38%）。本研究提出的IGT检测模型对糖尿病的临床诊断有重要意义。