Comparison of Sex- and Algorithm-Dependent Differences in Variable Selection and Predictive Performance for Diabetes Prediction Model Development

본 연구는 성별 및 알고리즘에 따른 미진단 당뇨 예측모델의 변수 선택 차이와 영향을 비교하였다. 남성 36,558명과 여성 70,308명의 데이터에서 19개의 비침습적 변수를 사용하였고 통계적인 방법과 머신러닝 모델(Random Forest, Logistic Regression, AdaBoost, XGBoost, LightGBM)을 적용하여 구축한 미진단 당뇨 예측모델을 비교하였다. 분석 결과 남성은 맥박수와 체지방률, 여성은 체성분 지표가 주요 변수로 도출되었으며, 동일 성별 내에서도 알고리즘에 따라 최종 변수 구성과 순위가 상이함을 확인하였다. 예측 성능(AUC)은 여성(0.77–0.80)이 남성(0.70–0.72)보다 높아 성별 특성의 영향력을 입증하였다. 본 연구는 성별 분리 모델링과 알고리즘 선택이 당뇨 예측모델의 해석력과 성능 향상에 중요한 고려 요소임을 제시한다.