Zeitschrift für Diabetesforschung und Endokrinologie Offener Zugang

Abstrakt

Diabetes – Endokrinologie 2018: Verwendung mathematisch-physikalischer Medizin zur Untersuchung der Wahrscheinlichkeit eines Herzinfarkts oder Schlaganfalls auf der Grundlage des Stoffwechselindex (MI) – Gerald C Hsu – eclaireMD Foundation

Gerald C Hsu

Der Autor hat seine 8-jährige T2D-Studie mit ~1,5 Millionen gesammelten Daten erweitert, um die Beziehung zwischen Stoffwechseldaten (MI), allgemeiner Gesundheitszustandseinheit (GHSU: ein gleitender 90-Tage-Durchschnitt von MI) und der Wahrscheinlichkeit eines Herzinfarkts oder Schlaganfälle zu analysieren. Material und Methode: 2014 erforschte und konstruierte er Modelle für MI und GHSU, um die zahlreichen Wechselwirkungen zwischen vier Stoffwechselkrankheitsergebnissen und sechs Lebensstilfaktoren zu verstehen und zu quantifizieren. Er schloss genetische Einflüsse, individuelle Neigungen und frühere Gesundheitszustände aus, um sich auf die dynamischen Veränderungen dieser 10 Informations- und Ergebniskategorien mit insgesamt ~500 Faktoren zu konzentrieren. Er verwendet >1 Million Daten innerhalb der letzten 2.274 Tage, um die Wahrscheinlichkeit eines Herzinfarkts oder Schlaganfalls zu berechnen. Er führte auch Forschungsarbeiten auf der Grundlage von Krankheitsergebnissen und Lebensstilfaktoren unabhängig voneinander durch. In dieser Studie führte er jedoch eine integrierte Daten-/Ergebnisstudie durch. Es wurden 80 % der kombinierten Ergebnisse zum Vergleich und die anderen beiden Ergebnisse objektiv verwendet. Ergebnisse: Beim Vergleich der Ergebnisse aus einem Zeitraum zwischen 2012 und 2018 betragen die Wahrscheinlichkeitswerte: Von 74 % (2012) mit einer Reduktion auf 33 % (2018), mit einem Durchschnitt von 52 % (Normalisierungsbereich: 0 % – 100 %). Schlussfolgerung: Die Ergebnisse der numerischen Simulation werden durch frühere Gesundheitsbewertungsberichte bestätigt. Diese dynamische Big-Data-Reproduktionsmethode unter Verwendung mathematisch-physikalischer Medizin wird Patienten mit chronischer Krankheit plötzlich warnen, in Zukunft einen Herzinfarkt oder Schlaganfall zu erleiden.

Introduction: The creator went through eight years gathering and preparing ~1.5 million information and exploring ailments and way of life the board subtleties on a patient (himself), who has three interminable maladies, for example, hyperlipidemia, type 2 diabetes (T2D), and hypertension. A similar individual experienced five cardiovascular scenes 1994 through 2006. This paper centers around his hazard likelihood of having a coronary episode or stroke because of his general metabolic and wellbeing conditions dependent on three arrangements of info information: his clinical assessment records since the year 2000; his way of life the board subtleties gathered since the year 2012; in view of another term the creator characterized, Metabolism Index (MI), which consolidates the patient's ailments and his way of life the board subtleties together to consider information themselves as well as their joined between connections. The creator is an examination researcher in the field of endocrinology, diabetes, and metabolic issue. His significant evaluation in this paper underlines on the quantitative connection between metabolic condition and hazard likelihood of having a respiratory failure or stroke.

Method: Initially, the creator built up a "static hereditary condition" in view old enough, sex, race, family ancestry, undesirable propensities, and waistline.

He at that point applied the hemodynamics idea to build up a "dynamic and full scale recreated" scientific model of blood blockage and course break. He utilized liquid elements idea to show the blood stream blockage which has ~70% - 80% likelihood. He additionally utilized strong mechanics idea to display the supply route break which has ~20% - 30% likelihood. He used 368,513 information to direct his initial two examinations which has 72,893 metabolic conditions (heftiness, diabetes, hypertension, hyperlipidemia) and 295,620 way of life subtleties (food, work out, water, rest, stress, day by day schedule) inside 2,274 days (1/1/2012 - 3/25/2018). Thirdly, he utilized ~1.5M information of digestion list model created in 2014 to direct his third investigation. At long last, he incorporated them into one generally hazard likelihood. He likewise directed hazard run affectability investigations utilizing diverse weighting factors.

Results: Despite the fact that his three hazard probabilities are somewhat unique numerically, yet their patterns of hazard decrease with time is indistinguishable, for example all dangers are decreasing a seemingly endless amount of time after year. The dangers dependent on ailments are:

(1) 75% in 2000 (followed by three cardiac episodes during 2001-2006);

(2) 64% in 2012 decreased to 26.4% in 2017 which is compatible with 26.7% by Framingham Studies;

(3) Empfindlichkeitsbereich der Datenvarianz aufgrund unterschiedlicher Gewichtungsfaktoren: +/- 10 % bis +/- 18 %.

Schlussfolgerung: Die ermittelten Ergebnisse zur Risikowahrscheinlichkeit wurden durch Gesundheitsbewertungsberichte von Krankenhäusern über einen langen Zeitraum von 2000 bis 2017 bestätigt. Diese Untersuchung des Big-Data-Ansatzes zur dynamischen Reproduktion unter Verwendung mathematisch-physikalischer Medizin kann Patienten potenziell vor einem weiteren Herzinfarkt oder Schlaganfall in der Zukunft warnen.