基于机器学习算法的2型糖尿病患者3个月血糖预测

论文摘要

目的评价Logistic回归算法和随机森林算法对2型糖尿病患者3个月后血糖控制情况的预测效果,并探究血糖控制的影响因素。方法收集顺义、通州区2型糖尿病患者的基线调查和随访信息,以患者3个月后糖化血红蛋白是否大于6.5%作为结局分类变量,使用随机森林算法和Logistic算法建立预测模型,通过受试者工作特征曲线下面积(area under the curve,AUC)、灵敏度等指标比较预测效果。结果患者血糖控制效果的影响因素有基线空腹血糖(P<0.001)、病程(P<0.001)、吸烟(P=0.026)、静态活动时间(P=0.006)、体重指数(超重P=0.002,肥胖P=0.011)、手环使用(P=0.028)和糖尿病饮食(P=0.002)7个因素;Logistic回归预测模型的AUC为0.738,灵敏度为72.9%,特异度68.1%,准确率71.2%,随机森林模型的AUC为0.756,灵敏度74.5%,特异度69.5%,准确率72.8%。结论随机森林算法预测效果优于Logistic回归预测模型,可应用于血糖控制效果预测,辅助糖尿病患者的管理。

论文目录

• 1 对象与方法
•   1.1 研究对象
•   1.2 候选指标构成
•   1.3 数据预处理
•   1.4 统计学方法
•   1.5 预测模型
•     1.5.1 Logistic回归分析及预测模型
•     1.5.2 随机森林模型
• 2 结果
•   2.1 基本信息及单因素分析
•   2.2 Logistic回归分析模型
•     2.2.1 多因素分析
•     2.2.2 预测模型
•   2.3 随机森林算法
• 3 讨论

文章来源

类型: 期刊论文

作者: 覃伟,高敏,沈莹,史宇晖,吴涛,赵艾,孙昕霙

关键词: 型糖尿病,分类预测,随机森林算法,回归算法

来源: 中华疾病控制杂志 2019年11期

年度: 2019

分类: 医药卫生科技,信息科技

专业: 内分泌腺及全身性疾病,自动化技术

单位: 北京大学公共卫生学院社会医学与健康教育学系,北京大学公共卫生学院流行病与卫生统计学系

基金: 国家自然科学基金(71673009)~~

分类号: R587.1;TP181

DOI: 10.16462/j.cnki.zhjbkz.2019.11.003

页码: 1313-1317

总页数: 5

文件大小: 138K

下载量: 373