机器学习在糖尿病和心脏病临床支持中的不均衡模型表现和稳定性

本研究解决了机器学习模型在临床决策中存在的性别和年龄不平等问题，揭示了训练数据集中历史性边缘化人群的不足。论文提出了一种新颖的分析框架，通过结合传统指标与系统性任意性，对超过25,000名慢性病患者的数据进行分析，发现尽管男性的预测准确性稍好，但老年患者的模型预测准确性却不一致，强调了仅有代表性的训练数据无法确保公平结果的重要性。