摘要
构建一个高性能的寻常型银屑病银屑病面积与严重性指数(PASI评分)预测模型,并找出影响PASI评分的主要因素。方法:构建不同特征选择方法和不同机器学习模型的组合模型,利用天津市某医院632个寻常型银屑病病例数据进行学习,通过比较各组合模型的表现,寻找最优组合模型,并分析其特征子集。结果:十五种组合模型中,最优组合模型预测时的拟合优度达到0.9338,皮肤镜四肢皮疹、皮肤镜躯干皮疹、专科-鳞屑厚薄、专科-浸润程度、舌苔、生活习惯-污染天气防护措施、实验室检查-尿常规等特征是影响PASI评分的主要因素。结论:最优组合模型得到的特征子集选出了对于寻常型银屑病影响较大的指标,这些主要因素既可以简化银屑病严重程度的诊断要素,又可以为银屑病的预防和治疗提供一定的参考价值。
