基于机器学习的2型糖尿病并发症预测模型研究

摘要：

目的:利用统计学和机器学习方法,探究2型糖尿病并发症的影响因素,构建2型糖尿病并发症预测模型,对并发症的发生进行预测,为2型糖尿病并发症的预防和早期筛查提供理论参考.方法:以国家人口健康科学数据中心2009年的2型糖尿病患者数据为研究对象,对性别、年龄、尿常规检查和生化检查等信息进行单因素和多因素logistic回归分析,并构建XG-Boost模型,进行2型糖尿病并发症的预测.结果:单因素和多因素Logistic回归模型与XGBoost模型显示,2型糖尿病并发症的发生与14项影响因素具有相关关系,模型预测准确率为82.85％.结论:模型预测的效果良好,具有一定的参考价值.

关键词：2型糖尿病、并发症、机器学习、XGBoost算法

所属期刊栏目：29

分类号：TP391;R-058(计算技术、计算机技术)

资助基金：吉林省社会科学基金项目"基于细粒度分析的吉林省突发事件网民情感态势及演变规律研究";教育部人文社会科学规划项目"社交媒体环境下主体因素与信息行为关系的双向视角研究"

在线出版日期：2021-03-29（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：31-38