Статистичний аналіз факторів, що впливають на захворюваність цукровим діабетом
DOI:
https://doi.org/10.17721/1812-5409.2026/1.31Ключові слова:
часовий ряд, цукровий діабет, прогнозування та моделювання, k-NN, Random forest, логістична регресія, точність алгоритмівАнотація
Серйозність проблеми діабету фахівці пояснюють рівнем поширення хвороби. У 2021 р. приблизно 537 млн людей на всій Землі хворіли на цукровий діабет, що становить приблизно 6 % населення. З огляду на це дослідження та аналіз даних за динамікою захворювання цукрового діабету є актуальними як з позиції побудови прогнозу захворюваності, так і з позиції можливості державного регулювання та запобігання поширенню хвороби. Метою проєкту є статистичний аналіз захворюваності на цукровий діабет, побудова моделей динаміки захворюваності для міста Києва, а також аналіз впливу таких показників у жінок: кількість вагітностей, рівень глюкози в крові, кров’яний тиск, індекс маси тіла (ІМТ) тощо, на цукровий діабет. До цих змінних застосовано методи класифікації для побудови прогнозних значень за допомогою мови програмування R. Відповідно до поставленої мети в роботі розв’язано такі основні завдання: відшукання у відкритому доступі даних щодо цукрового діабету; опрацювання відомих підходів до аналізу таких даних; обчислення базових основних статистичних показників захворюваності та візуалізація даних за допомогою мови програмування R; знаходження тренду захворюваності; побудова моделі та прогнозних значень на основі процесів ARIMA та регресійного аналізу. За допомогою критерію Стьюдента здійснено перевірку на відмінності в середньому таких показників для здорових і хворих на цукровий діабет, як кількість вагітностей, рівень глюкози в крові, кров’яний тиск, ІМТ тощо. Прогнозування захворювання на діабет реалізовано за допомогою трьох алгоритмів машинного навчання, а саме: k-NN; Random forest; логістичної регресії. Виконано обчислення мір якості алгоритмів і порівняння точностей класифікації.
Посилання
Aguilera-Venegas, G., López-Molina, A., Rojo-Martínez, G., & Galán-García, J. L. (2023). Comparing and tuning machine learning algorithms to predict type 2 diabetes mellitus. Journal of Computational and Applied Mathematics, 427, 115115. https://doi.org/10.1016/j.cam.2023.115115
IDF. (2024). The the diabetes atlas. https://diabetesatlas.com.ua/ua/kyiv.
Iftikhar, K., Javaid, N., Ahmed, I., & Alrajeh, N. (2025). A novel explainable deep learning framework for accurate diabetes mellitus prediction. Applied Sciences, 15(16), 9162. https://doi.org/10.3390/app15169162
Kangra, K., & Singh, J. (2023). Comparative analysis of predictive machine learning algorithms for diabetes mellitus. Bulletin of Electrical Engineering and Informatics, 12(3), 1728–1737. https://doi.org/10.11591/eei.v12i3.4412
Livinska, H., Skrypnyk, D., & Galán-García, J. L. (2024). Comparative study of machine learning algorithms for diabetes detection using binary data. Bulletin of Taras Shevchenko National University of Kyiv. Physics and Mathematics, 78(1), 119–127. https://doi.org/10.17721/1812-5409.2024/1.23
Olisah, C. C., Smith, L., & Smith, M. (2022). Diabetes mellitus prediction and diagnosis from a data preprocessing and machine learning perspective. Computer Methods and Programs in Biomedicine, 220, 106773. https://doi.org/10.1016/j.cmpb.2022.106773
Orlova, N., Tkachenko, O., Herasymiuk, K., Palamar, I., & Sereda, N. (2026). Epidemiological situation of type 2 diabetes mellitus in ukraine: challenges and priorities for public health management. Ukraine. Nation’s Health, 1, 28–37. https://doi.org/10.32782/2077-6594/2026.1/03
Smith, J., Everhart, J., Dickson, W., Knowler, W., & Johannes, R. (1988). Using the adap learning algorithm to forecast the onset of diabetes mellitus. In Proceedings of the symposium on computer applications and medical care (pp. 261–265). IEEE Computer Society Press. https://www.kaggle.com/datasets/uciml/pima-indians-diabetes-database
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Mykola Pychtar, Myroslava Lytvyn
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
Автори, роботи яких публікуються у цьому журналі, погоджуються з такими умовами:
- Автори зберігають авторські права та надають журналу право на першу публікацію роботи, яка одночасно ліцензується згідно із Creative Commons Attribution License, тобто надається дозвіл іншим ділитися роботою з визнанням авторства роботи та першої публікації в цьому журналі.
- Автори можуть укладати окремі додаткові угоди щодо невиключного розповсюдження опублікованої журналом версії роботи (наприклад, розмістити її у репозитарії наукової установи чи опублікувати у книзі) з підтвердженням її початкової публікації у цьому журналі.
- Дозволяється та заохочується розміщення своїх робіт в мережі Інтернет авторами (наприклад, у репозитаріях наукових установ або на особистих веб-сторінках) до та під час процесу подання, оскільки це може призвести до продуктивного обміну, а також до більш ранніх цитувань опублікованої роботи та їх більшої кількості (див. The Effect of Open Access).
