基于机器学习算法探讨慢性疲劳综合征中疲劳分值与左室舒张功能的相关性

目的基于机器学习xgboost算法探讨慢性疲劳综合征(chronic fatigue syndrome,CFS)中疲劳分值与左室舒张功能的相关性,为今后应用疲劳量表和心脏超声辅助诊断CFS提供有效的依据。方法提取我院部分职工健康体检数据,并通过双盲法进行CFS疲劳量表问卷采集、收集心脏超声数据,根据机器学习算法xgboost中的决策树分析疲劳分值与左室舒张功能的相关性,评估疲劳量表及心脏超声指标在CFS中的诊断价值。结果根据xgboost模型可以看出,疲劳分值高的人群,大多出现左室舒张功能降低,而同等条件下,随着年龄增大,左室舒张功能降低情况更可能出现。根据受试者工作特征曲线ROC(receiver operating characteristic curve)为0.759,说明本模型应用价值较高。结论通过本研究建立基于疲劳量表及年龄等客观指标的左室舒张功能是否降低的诊断模型,有利于在临床诊疗中快速区分CFS人群并进行后续医疗干预。