基于集成学习算法的慢性肾病早期筛查方法

摘要：

慢性肾病是严重危害人类健康的常见疾病,其发病率高,知晓率低.基于集成学习算法的慢性肾病早期筛查方法能够提高肾病知晓率,有利于做到早发现早治疗.搜集2016年到2019年多家医院的体检资料,选取3年内进展为慢性肾病的体检人员作为研究对象,并选取3年内没有进展为慢性肾病的体检人员作为对照组.通过5折交叉验证,采用python 3.7进行随机森林与XGBoost算法模型的训练及测试,通过进展为慢性肾病结局的F1值、真阳性和真阴性指标比较各模型对体检人员3年内是否进展为慢性肾病的预测效果.随机森林算法模型预测效果为,真阳性率0.950,真阴性率0.969,F1值0.957;XGBoost算法模型预测效果为,真阳性率0.966,真阴性率0.955,F1值0.958.

关键词：慢性肾病、早期筛查、集成学习、随机森林、XGBoost、交叉验证

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省重点研发社会发展项目;南京市栖霞区发展和改革委员会第二批人工智能企业项目

在线出版日期：2020-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：17-24