基于ADE-Stacking的心力衰竭非计划性再入院风险预测模型

摘要：

随着人口老龄化加剧,心力衰竭发病率升高,心衰患者的非计划性再入院问题导致患者生存质量降低、医疗成本升高的情况日益严重,因此成为了一个亟待解决的问题.本文针对再入院风险预测问题,提出一种基于ADE-Stacking的心衰患者非计划性再入院风险预测模型,这一模型主要由集成学习算法模型构建与参数优化2部分构成,集成学习算法可以结合多个弱分类器的优势,使模型具有更好的泛化性和准确率,参数优化部分采用自适应收缩因子F改进的差分进化算法寻优,以提高参数寻优性能.使用心力衰竭再入院病人数据集对模型进行训练与测试,结果显示本文所提出的模型优于风险预测模型常用的随机森林、XGBoost、支持向量机等其他机器学习算法.

关键词：心力衰竭;再入院;差分优化算法;集成学习;参数优化

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;山东省重点研发计划项目;山东省重点研发计划项目

在线出版日期：2022-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：23-27