डायबिटीज जोखिम मूल्यांकन एपीआई उन्नत एआई और मशीन लर्निंग एल्गोरिदम का उपयोग व्यक्तिगत स्वास्थ्य मैट्रिक्स का मूल्यांकन करने और डायबिटीज जोखिम का वर्गीकरण 'सकारात्मक' या 'नकारात्मक' के रूप में प्रदान करने के लिए करता है
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'
साइन अप करने के बाद, प्रत्येक डेवलपर को एक पर्सनल API एक्सेस की असाइन की जाती है, जो अक्षरों और अंकों का एक यूनिक संयोजन होता है, जिसका उपयोग हमारे API एंडपॉइंट तक पहुंचने के लिए किया जाता है। प्रमाणीकरण के लिए एआई और एमएल का उपयोग करके मधुमेह जोखिम मूल्यांकन एपीआई API के साथ बस अपने बेयरर टोकन को Authorization हेडर में शामिल करें।
| हेडर | विवरण |
|---|---|
Authorization
|
आवश्यक
होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें।
|
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
(वार्षिक बिलिंग के साथ 2 महीने बचाएँ 🎉)
यह एपीआई अनुरोध प्रति मान व्यक्तिगत पूर्वानुमानित मधुमेह निदान जोखिम के लिए एक वर्ग परिणाम ('सकारात्मक' या 'नकारात्मक') प्रदान करता है AI एल्गोरिदम वर्गीकरण कार्य के लिए एमएल (मशीन लर्निंग) तकनीकों में शामिल है कृपया मॉडल के बारे में अधिक जानकारी के लिए हमसे संपर्क करें हम यहां पिछले काम का उल्लेख करते हैं और इस डेटासेट प्रदान करने वाले शामिल शोधकर्ताओं को स्वीकार करते हैं उद्धरण: 'प्रारंभिक चरण मधुमेह जोखिम पूर्वानुमान [डेटासेट] (2020) यूसीआई मशीन लर्निंग रिपॉजिटरी'
`GET diabetes` एंडपॉइंट दिए गए स्वास्थ्य मेट्रिक्स के आधार पर मधुमेह जोखिम का वर्गीकरण 'सकारात्मक' या 'नकारात्मक' के रूप में लौटाता है `GET listallvars` एंडपॉइंट एक सूची लौटाता है जिसमें वेरिएबल और उनके संभावित मान शामिल होते हैं जबकि `GET info` एंडपॉइंट API और इसकी कार्यशीलता के बारे में सामान्य जानकारी प्रदान करता है
`GET diabetes` उत्तर में महत्वपूर्ण क्षेत्र "value" है जो मधुमेह जोखिम वर्गीकरण को दर्शाता है `GET listallvars` उत्तर में प्रत्येक भिन्नता (जैसे उम्र लिंग) एक कुंजी है जिसमें इसकी संभावित मानों को विवरण के रूप में सूचीबद्ध किया गया है
`GET diabetes` एंडपॉइंट ऐसे पैरामीटर स्वीकार करता है जैसे उम्र लिंग पॉलियूरिया पॉलिडिप्सिया SWL कमजोरी पॉलीफेजिया GT VB खुजली चिड़चिड़ापन DH PP MS एलोपीसिया और मोटापा जिससे उपयोगकर्ता व्यक्तिगत स्वास्थ्य मैट्रिक्स के आधार पर अपने जोखिम का मूल्यांकन कस्टमाइज़ कर सकते हैं
`GET diabetes` एजेंट से मिलने वाला उत्तर डेटा एक JSON ऑब्जेक्ट के रूप में व्यवस्थित है जिसमें एकल कुंजी "value" है जो जोखिम वर्गीकरण को धारण करती है `GET listallvars` उत्तर एक JSON ऑब्जेक्ट के रूप में संरचित है जिसमें चर नाम कुंजियाँ हैं और उनके विवरण मान हैं
डायबिटीज रिस्क असेसमेंट एपीआई में उपयोग किया गया डेटा "अर्ली स्टेज डायबिटीज रिस्क प्रेडिक्शन" डेटासेट से लिया गया है जो UCI मशीन लर्निंग रिपॉजिटरी में उपलब्ध है एपीआई उन शोधकर्ताओं के योगदान को स्वीकार करता है जिन्होंने इस डेटासेट को प्रदान किया
इस एपीआई के लिए सामान्य उपयोग के मामले में स्वास्थ्य सेवा एप्लिकेशन शामिल हैं जो मरीजों के लिए मधुमेह के जोखिम का आकलन करते हैं शोध अध्ययन जो मधुमेह की प्रचलन का विश्लेषण करते हैं और कल्याण कार्यक्रम जो व्यक्तिगत जोखिम कारकों के आधार पर व्यक्तिगत स्वास्थ्य सिफारिशें प्रदान करने का लक्ष्य रखते हैं
उपयोगकर्ता स्वास्थ्य देखभाल निर्णयों को सूचित करने के लिए `GET diabetes` एंडपॉइंट से प्राप्त डेटा का उपयोग कर सकते हैं जो जोखिम वर्गीकरण की व्याख्या करता है `GET listallvars` से वैरिएबल वर्णन उपयोगकर्ताओं को सटीक आकलनों के लिए आवश्यक इनपुट पैरामीटर समझने में मदद कर सकते हैं
डेटा की सटीकता को स्वास्थ्य मेट्रिक्स का विश्लेषण करने वाले उन्नत एआई और मशीन लर्निंग एल्गोरिदम के उपयोग के माध्यम से बनाए रखा जाता है आधारभूत मॉडल एक अच्छी तरह से स्थापित डेटासेट पर आधारित है और उपयोगकर्ता मॉडल के सत्यापन और प्रदर्शन मीट्रिक्स के बारे में अधिक जानकारी के लिए एपीआई प्रदाता से संपर्क कर सकते हैं