Том 4 № 2 (2026): Промышленная кибернетика
DOI https://doi.org/10.18799/29495407/2026/2/125
Экспресс-оценка сердечно-сосудистых рисков по данным метаболического профиля пациентов
Целью статьи является исследование влияния входных клинических параметров на вероятность риска сердечно-сосудистых заболеваний. На основе проведённого модельного исследования получено влияние входных клинических параметров на целевую функцию (вероятность риска заболевания), а также была построена удобная форма визуализации экспресс-анализа в виде таблицы, которая заполняется по результатам клинических исследований.
Ключевые слова:
сердечно-сосудистые риски, метаболический профиль, прогнозный анализ, избыточная масса тела
Библиографические ссылки:
1. Petersen M.C., Smith G.I., Palacios H.H., Farabi S.S., Yoshino M., Yoshino J., Cho K., Davila-Roman V.G., Shankaran M., Barve R.A., Yu J., Stern J.H., Patterson B.W., Hellerstein M.K., Shulman G.I., Patti G.J., Klein S. Cardiometabolic characteristics of people with metabolically healthy and unhealthy obesity. Cell metabolism, 2024, Vol. 36, Iss. 4, P. 745–761. DOI: https://doi.org/10.1016/j.cmet.2024.03.002 EDN: OGWFKJ
2. Lee H.H., Kim J.S., Shin H. Predicting the transition to metabolically unhealthy obesity among young adults with metabolically healthy obesity in South Korea: nationwide population-based study. JMIR Public Health Surveill, 2024, Vol. 10, art. e52103. DOI: 10.2196/52103
3. Liu J., Fang Z., Lu Q., Wang Y., Zhang L. Projecting global trends and inequalities in adult overweight and obesity, 2023–2040: findings from the NCD-RisC database. Obesity, 2025, Vol. 33, № 10, P. 1955–1967. DOI: https://doi.org/10.1002/oby.24358 EDN: WKAAKJ
4. Ахметов А.С. Метаболическое здоровье при ожирении: перспективы и вызовы. Доктор. Ру, 2024, T. 23, № 8, С. 9–14. DOI: 10.31550/1727-2378-2024-23-8-9-14 EDN: RVHEHJ
5. Губин Е.И., Виничук С.В. Влияние размера исходных данных на прогнозный анализ. Перспективы науки, 2023, № 10 (169), C. 10–12. EDN: UFVSIM
6. Губин Е.И. Методика подготовки больших данных для прогнозного анализа. Наука и бизнес: пути развития, 2020, № 3 (105), C. 33–35. EDN: OZIOOW
7. Губин Е.И. Методология подготовки больших данных для прогнозного анализа. Современные технологии, экономика и образование: Сборник трудов Всероссийской научно-методической конференции. Томск, Национальный исследовательский Томский политехнический университет, 2019. C. 27–29. EDN: CUONBS
REFERENCES
1. Petersen M.C., Smith G.I., Palacios H.H., Farabi S.S., Yoshino M., Yoshino J., Cho K., Davila-Roman V.G., Shankaran M., Barve R.A., Yu J., Stern J.H., Patterson B.W., Hellerstein M.K., Shulman G.I., Patti G.J., Klein S. Cardiometabolic characteristics of people with metabolically healthy and unhealthy obesity. Cell metabolism, 2024, vol. 36, Iss. 4, pp. 745–761. DOI: https://doi.org/10.1016/j.cmet.2024.03.002 EDN: OGWFKJ
2. Lee H.H., Kim J.S., Shin H. Predicting the transition to metabolically unhealthy obesity among young adults with metabolically healthy obesity in South Korea: nationwide population-based study. JMIR Public Health Surveill, 2024, vol. 10, art. e52103. DOI: 10.2196/52103
3. Liu J., Fang Z., Lu Q., Wang Y., Zhang L. Projecting global trends and inequalities in adult overweight and obesity, 2023–2040: findings from the NCD-RisC database. Obesity, 2025, vol. 33, no. 10, pp. 1955–1967. DOI: https://doi.org/10.1002/oby.24358 EDN: WKAAKJ
4. Ametov A.S. Metabolic health and obesity: prospects and challenges. Doctor.Ru., 2024, vol, 23, no. 8, pp. 9–14. (In Russ.) DOI: 10.31550/1727-2378-2024-23-8-9-14 EDN: RVHEHJ
5. Gubin E.I., Vinichuk S.V. Impact of input data size on predictive analysis. Perspektivy nauki, 2023, no. 10 (169), pp. 10–12. (In Russ.) EDN: UFVSIM
6. Gubin E.I. Big data preparation technique for predictive analysis. Nauka i biznes: puti razvitiya, 2020, no. 3 (105), pp. 33–35. (In Russ.) EDN: OZIOOW
7. Gubin E.I. Methodology of big data preparation for predictive analysis. Modern Technologies, Economics, and Education. Proc. of the All-Russian Scientific and Methodological Conference. Tomsk, National Research Tomsk Polytechnic University Publ., 2019. pp. 27–29. (In Russ.) EDN: CUONBS
