不同机器学习算法对老年原发性高血压发病风险的预测价值

目的了解老年原发性高血压发病的危险因素,并利用机器学习算法构建老年原发性高血压发病风险预测模型。方法选取2021年1月至12月解放军第三〇五医院体检中心体检、血压正常且无高血压病史的人群为研究对象,并于2023年1月至12月观察其血压情况,根据血压结果将其分为血压正常组(1553名)和新发高血压组(428例)。分析老年原发性高血压发病的危险因素,使用不同机器学习算法(随机森林、决策树、支持向量机、K临近分类、多层感知机、逻辑回归)构建老年原发性高血压发病风险预测模型,受试者操作特征曲线评估模型的预测效能。结果两组年龄、白细胞计数、低密度脂蛋白胆固醇、总胆固醇、淋巴细胞百分比、球蛋白、收缩压、舒张压、糖化血红蛋白、体重指数、血红蛋白、血糖、直接胆红素、中性粒细胞百分比比较,差异有统计学意义(P<0.05)。年龄、收缩压、体重指数、血红蛋白是老年原发性高血压发病的危险因素(OR=1.209、1.204、1.243、1.218,P<0.05)。随机森林预测模型的准确度、灵敏度、特异度及约登指数、曲线下面积高于决策树、支持向量机、K临近分类、多层感知机、逻辑回归预测模型。结论年龄、收缩压、体重指数、血红蛋白是老年原发性高血压发病的危险因素;基于上述因素构建的老年原发性高血压发病风险预测模型中随机森林预测模型有更好的分类效果和判别能力。