La API de Evaluación del Riesgo de Diabetes utiliza algoritmos avanzados de inteligencia artificial y aprendizaje automático para evaluar métricas de salud individuales y ofrecer una clasificación del riesgo de diabetes como 'Positivo' o 'Negativo'.
EXAMPLE CALL:
/diabetes?Age=45&Gender=Male&Polyuria=No&Polydipsia=No&SWL=Yes&weakness=Yes&Polyphagia=Yes>=Yes&VB=No&Itching=Yes&Irritability=No&DH=Yes&PP=No&MS=No&Alopecia=No&Obesity=No
RES:
{
"value": "['Positive']"
}
curl --location --request GET 'https://zylalabs.com/api/6825/diabetes+risk+assessment+api+using+ai+and+ml/10314/diabetes?Obesity=Required&weakness=Required&VB=Required&SWL=Required&Polyuria=Required&Polyphagia=Required&Polydipsia=Required&PP=Required&Age=Required&MS=Required&Itching=Required&Irritability=Required&Gender=Required>=Required&DH=Required&Alopecia=Required' --header 'Authorization: Bearer YOUR_API_KEY'
{
"Age": "20-...",
"Alopecia": "1.Yes, 2.No.",
"DH": "delayed healing (1.Yes, 2.No.)",
"GT": "Genital thrush (1.Yes, 2.No.)",
"Gender": "1. Male, 2.Female",
"Irritability": "1.Yes, 2.No.",
"Itching": "1.Yes, 2.No.",
"MS": "muscle stiffness (1.Yes, 2.No.)",
"Obesity": "1.Yes, 2.No.",
"PP": "partial paresis (1.Yes, 2.No.)",
"Polydipsia": "1.Yes, 2.No.",
"Polyphagia": "1.Yes, 2.No.",
"Polyuria": "1.Yes, 2.No.",
"SWL": "sudden weight loss (1.Yes, 2.No.)",
"VB": "visual blurring (1.Yes, 2.No.)",
"weakness": "1.Yes, 2.No."
}
curl --location --request GET 'https://zylalabs.com/api/6825/diabetes+risk+assessment+api+using+ai+and+ml/10315/listallvars' --header 'Authorization: Bearer YOUR_API_KEY'
{
"API Info:": "This API requests per values provides a class result ('Positive' or 'Negative') for the individual predicted Diabetes Diagnose Risk. The AI algorithm consists of ML (Machine Learning) techniques for the Classification task. Please contact us for more information about the model. We here cite previous work and acknowledge the involved researchers for providing this Dataset. Citation: 'Early Stage Diabetes Risk Prediction [Dataset]. (2020). UCI Machine Learning Repository.'"
}
curl --location --request GET 'https://zylalabs.com/api/6825/diabetes+risk+assessment+api+using+ai+and+ml/10316/info' --header 'Authorization: Bearer YOUR_API_KEY'
Después de registrarte, a cada desarrollador se le asigna una clave de acceso a la API personal, una combinación única de letras y dígitos proporcionada para acceder a nuestro endpoint de la API. Para autenticarte con el API de Evaluación del Riesgo de Diabetes Usando IA y ML API simplemente incluye tu token de portador en el encabezado de Autorización.
| Encabezado | Descripción |
|---|---|
Autorización
|
Requerido
Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito.
|
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
(Ahorra 2 meses pagando anualmente 🎉)
Esta API solicita por valor y proporciona un resultado de clase ('Positivo' o 'Negativo') para el riesgo de diagnóstico de diabetes individual predicho. El algoritmo de IA consiste en técnicas de ML (aprendizaje automático) para la tarea de clasificación. Por favor, contáctenos para más información sobre el modelo. Aquí citamos trabajos anteriores y reconocemos a los investigadores involucrados por proporcionar este conjunto de datos. Citación: 'Predicción de riesgo de diabetes en etapa temprana [Conjunto de datos]. (2020). Repositorio de aprendizaje automático UCI.'
El endpoint `GET diabetes` devuelve una clasificación del riesgo de diabetes como 'Positivo' o 'Negativo' según los métricos de salud proporcionados. El endpoint `GET listallvars` devuelve una lista de variables y sus posibles valores, mientras que el endpoint `GET info` proporciona información general sobre la API y su funcionalidad.
El campo clave en la respuesta de `GET diabetes` es "value", que indica la clasificación de riesgo de diabetes. En la respuesta de `GET listallvars`, cada variable (por ejemplo, Edad, Género) es una clave, con sus posibles valores listados como descripciones.
El punto final `GET diabetes` acepta parámetros como Edad, Género, Poliuria, Polidipsia, SWL, debilidad, Polifagia, GT, VB, Picazón, Irritabilidad, DH, PP, MS, Alopecia y Obesidad, lo que permite a los usuarios personalizar su evaluación de riesgo según métricas de salud individuales.
Los datos de respuesta del endpoint `GET diabetes` están organizados como un objeto JSON que contiene una única clave, "value", que almacena la clasificación de riesgo. La respuesta de `GET listallvars` está estructurada como un objeto JSON con nombres de variables como claves y sus descripciones como valores.
Los datos utilizados en la API de Evaluación de Riesgo de Diabetes provienen del conjunto de datos "Predicción del Riesgo de Diabetes en Etapa Temprana", disponible en el Repositorio de Aprendizaje Automático de UCI. La API reconoce las contribuciones de los investigadores que proporcionaron este conjunto de datos.
Los casos de uso típicos para esta API incluyen aplicaciones de salud que evalúan el riesgo de diabetes para los pacientes, estudios de investigación que analizan la prevalencia de la diabetes y programas de bienestar que tienen como objetivo proporcionar recomendaciones de salud personalizadas basadas en factores de riesgo individuales.
Los usuarios pueden utilizar los datos devueltos interpretando la clasificación de riesgo desde el endpoint `GET diabetes` para informar decisiones de atención médica. Las descripciones de las variables desde `GET listallvars` pueden ayudar a los usuarios a comprender los parámetros de entrada necesarios para evaluaciones precisas.
La precisión de los datos se mantiene a través del uso de algoritmos avanzados de inteligencia artificial y aprendizaje automático que analizan métricas de salud. El modelo subyacente se basa en un conjunto de datos bien establecido, y los usuarios pueden contactar al proveedor de la API para obtener más detalles sobre la validación del modelo y las métricas de rendimiento.