基于机器学习的糖尿病视网膜病变合并症风险预测模型
[目的]本研究旨在建立多类型糖尿病视网膜病变合并症的风险预测模型并分析其发生的风险因素.
[方法]本文以国家人口健康科学数据中心提供的《糖尿病并发症预警数据集》为研究对象,利用多种数据预处理方式清洗数据后,采用统计学与机器学习方法联合筛选出风险变量,通过Logistic回归和LightGBM算法分别建立糖尿病视网膜病变合并冠心病、肾病、下肢动脉病变的风险预测模型.以准确率、精确率、召回率、F1分数和AUC值作为指标评价模型的预测效果.
[结果]LightGBM模型较Logistic模型展现出对糖尿病视网膜病变合并肾病、冠心病和下肢动脉病变更佳的预测性能,五折交叉验证下的平均AUC分别达到了0.92、0.91和0.81.
[结论]基于常见的糖尿病视网膜病变临床生化检验参数,构建的预测模型可以为患者在冠心病、肾病以及下肢动脉病变三类常见并发症上提供良好的预测效果,为预防性临床治疗提供重要参考.
糖尿病视网膜病变、logistic回归、LightGBM模型、机器学习、临床预测模型
21
R587.1(内分泌腺疾病及代谢病)
北京市自然科学基金;国家自然科学基金
2023-12-04（万方平台首次上网日期，不代表论文的发表时间）
共8页
56-63
