一种数字化评估出入境人员亚健康风险的方法

摘要：

目的 建立一种数字化评估出入境人员亚健康风险的方法.方法 收集2008-2014年出入境人员的鹰演电子扫描系统的检查数据与临床体检数据,经数据预处理后,采用极限学习机(ELM)和支持向量机(SVM)同时进行数据挖掘,建立数学模型,并对两种方法的评估效果进行比较.结果 ELM对出入境人员呼吸系统、泌尿生殖系统、免疫系统、内分泌系统、神经系统、消化系统、循环系统和运动系统的训练准确率分别为99.6％、99.4％、99.9％、99.8％、99.7％、97.8％、98.5％和99.0％,SVM的训练准确率均为100.0％.ELM对8个系统的预测准确率分别为87.2％、91.7％、92.8％、93.6％、81.7％、84.7％、87.0％和84.4％,而SVM的预测准确率依次为69.4％、95.7％、81.5％、87.8％、71.1％、82.3％、85.9％和66.0％.结论 采用ELM能够准确地对出入境人员亚健康情况进行数字化评估,对实现出入境人员的亚健康早期干预和健康管理有重要意义.

关键词：亚健康、出入境、极限学习机、支持向量机

所属期刊栏目：39

分类号：R181.3(流行病学与防疫)

资助基金：质检公益性行业科研专项201310083

在线出版日期：2017-03-21（万方平台首次上网日期，不代表论文的发表时间）

页码：404-406