应用TreeNet算法建立原发性高血压早期预测模型

摘要：

目的 应用TreeNet算法建立原发性高血压(EH)早期预测模型,为早期监测EH提供预测方法.方法 收集2014-2016年均在杭州海勤体检中心或上海亿保健康管理公司进行健康体检者的体检资料,采用TreeNet算法建立EH预测模型;采用均方根误差(RMSE)、平均绝对偏差(MAD)和决定系数(R2)评价模型特异度,绘制受试者操作特征(ROC)曲线,评价模型预测效果.结果 共收集4 265人的体检资料,其中EH 224例,占5.25％.共纳入12个关联指标,按重要性由大到小依次为2015年体质指数(BMI)、BMI 2014与2015年差值(差值)、三酰甘油(TG)差值、2015年总胆固醇(TC)、2014年高密度脂蛋白胆固醇(HDL-C)、2014年TG、2014年低密度脂蛋白胆固醇、2015年体重、2014年空腹血糖、2015年TG、尿素氮差值和2015年血小板,预测精度最高为100.00％,最低为56.89％.当2015年 BMI＞25 kg/m2、BMI 差值＞0.5 kg/m2、TG 差值为 1.3～3.3 mmol/L、2015 年 TC 为 2.0～2.4 mmol/L、2014 年 HDL-C＜0.52 mmol/L时,2016年EH发病概率显著升高.预测RMSE为0.082,MAD为0.064,R2为0.811,ROC曲线下面积为0.788(95％CI:0.741～0.815),灵敏度为69.05％,特异度为66.21％.结论 应用TreeNet算法建立的EH预测模型有助于早期评价高风险个体.

关键词：原发性高血压、TreeNet算法、数据挖掘、预测模型

所属期刊栏目：34

分类号：R544.1(心脏、血管（循环系）疾病)

在线出版日期：2022-11-15（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：923-927