Maschinelle Lernmodelle können die Blutzuckerwerte von Diabetespatienten mit begrenzten und unregelmäßigen Messdaten mit mäßiger Genauigkeit vorhersagen. Durch Berücksichtigung der Vorhersageunsicherheit kann die Leistung des Gesamtsystems verbessert werden.
Missforest-Imputation ist die beste Methode zur Behandlung fehlender Werte in Gesundheitsdatensätzen, gefolgt von MICE-Imputation. Es ist besser, die Imputation vor der Merkmalsauswahl durchzuführen.