10.3969/j.issn.1006-9348.2021.04.090
基于行为数据的急性心肌梗塞患病风险预测
我国心血管病负担日渐加重,其中急性心肌梗塞(AMI)患病率近年来有上升趋势,防治心血管病刻不容缓.对AMI的患病机理进行了研究,并对AMI患病可能性进行预测.基于涵盖行为数据、人口学指标等的10万名患者2016年全年数据,利用机器学习算法,构建了对2017年第1季度患者是否会患AMI的预测模型.并对比了利用不同算法,包括决策树、逻辑回归、随机森林以及GBDT算法,进行预测的准确性及泛化能力.研究结果表明,结合患者行为数据进行AMI患病风险预测是可行的,且决策树及随机森林算法可达到较高的预测准确性.研究成果对于提高对AMI患病风险的预测能力,更好的服务于AMI的防病管理有一定的借鉴意义,并可应用于保险行业.
急性心肌梗塞、医疗大数据、机器学习、风险预测、行为
38
TP391.9(计算技术、计算机技术)
国家自然科学基金91646205
2021-05-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
442-446