基于体检数据的糖尿病风险预测方法研究

糖尿病是一种疑难慢性病,对其实施风险预测可有效降低发病率。文章基于体检数据提出了一种糖尿病风险预测方法。该方法利用了数据挖掘思想,首先对体检电子病历数据进行预处理,其次采用递归特征消除算法进行特征选择,最后使用逻辑回归、支持向量机、XGBoost模型3种机器学习算法进行建模预测以探究适合糖尿病预测的方法。结果显示,XGBoost模型的预测精度优于逻辑回归和支持向量机,更适合用于糖尿病预测。相关研究结果验证了基于电子病历数据的糖尿病预测的有效性和可行性,具有较高的应用价值。

不同肥胖指标对糖尿病风险预测的效果观察

目的:探讨不同肥胖指标对糖尿病风险预测的效果观察。方法:回顾性分析2016年5月-2017年11月在我院治疗的300例糖尿病患者的临床资料,分析血脂指标,研究其体质指数(BMI)、腰臀比(WHR)、腰围(WC)和腰围与身高的比值(WHt R)。结果:男性TC、TG、HDL-C、LDL-C与女性相比无明显差异(P>0.05);男性BMI、WHR、WC、WHt R水平均明显高于女性,差异有统计学意义(P<0.05);Logistics回归分析显示,男性中,BMI无预测价值,WC、WHR、WHt R为预测指标;女性中,纳入WC后,BMI无预测价值,而分别纳入WHR和WHt R后,BMI仍有预测价值。结论:BMI、WHR、WC、WHt R四个指标预测糖尿病风险率较高,男性以WHR最佳,女性以WC、WHt R最佳,临床可根据风险评估增强对糖尿病的防治。

基于孕前危险因素的妊娠期糖尿病风险预测模型的构建及效能验证

目的构建基于孕前危险因素的妊娠期糖尿病(GDM)风险预测模型并验证其预测效能。方法收集1762例孕妇的临床资料,根据口服葡萄糖耐量试验结果,将孕妇分为GDM组792例和糖耐量正常组970例。比较两组孕妇年龄、孕次、孕前空腹血糖、孕前血压、孕前1年体质量增加量、孕前体质量指数(BMI)、孕前饮食及生活方式等。采用Logistic回归法分析影响GDM发生的孕前危险因素,构建基于孕前危险因素的GDM风险预测模型。采用受试者工作特征(ROC)曲线检验模型的预测效能。结果孕前年龄≥35岁(X_(1))、孕前舒张压≥80 mmHg(X_(2))、孕前空腹血糖≥5.1 mmol/L(X_(3))、孕前BMI≥24 kg/m^(2)(X_(5))、孕前1年体质量增加≥10 kg(X_(6))、家庭年收入≥30万元(X_(8))、孕次≥3次(X_(9))、孕前每日主食摄入量≥300 g(X_(10))、孕前喜食甜食(X_(11))、糖尿病家族史(X_(15))是影响GDM发生的孕前危险因素,孕前BMI<18.5 kg/m^(2)(X_(4))、文化程度高(X_(7))、孕前每日运动持续时间≥1 h(X_(12))、孕前高运动强度(X_(13))、孕前睡眠质量良好(X_(14))是保护性因素。根据变量回归系数,获得孕前预测GDM发生风险的模型方程:P_(GDM)=1/{1+exP[-(-0.083+1.060X_(1)+0.771X_(2)+1.022X_(3)-0.574X_(4)+0.567X_(5)+0.898X_(6)-0.720X_(7)+0.773X_(8)+0.869X_(9)+0.868X_(10)+1.827X_(11)-0.452X_(12)-0.942X_(13)-1.206X_(14)+0.662X_(15))]}。应用ROC曲线检验模型预测效能,ROC曲线下面积为0.854(95%CI 0.836~0.872)、灵敏度为0.708、特异度为0.856,Hosmer-Lemeshow拟合优度检验P=0.683。结论基于孕前危险因素的GDM风险预测模型具有较好的预测效能,有助于孕前筛查GDM高危人群。

基于体检数据机器学习分析的糖尿病风险预测模型

针对糖尿病风险预测中数据单一导致预测误差较大的问题,本研究基于体检电子病历数据分析搭建空腹血糖预测模型,探究适合进行空腹血糖预测建模的方法,预测血糖指标及糖尿病的患病风险。基于数据挖掘基本流程,进行数据预处理,采用序列后向算法进行特征选择,使用决策树、随机森林、SVM、逻辑回归及朴素贝叶斯分类5种机器学习算法进行建模预测,并验证所构建模型的效果。研究结果表明,五种算法的准确率均高于88%,其中SVM准确率最高,达96.7%;敏感度均高于66%,随机森林敏感度最高,为95.1%;特异度均高于88%,逻辑回归特异度最高,为97.0%;AUC的值均高于0.8,随机森林最高为0.942。综合比较序列后向选择算法,随机森林算法更适合搭建糖尿病风险预测模型。该研究对通过电子病历数据进行空腹血糖预测的准确度更高,具有很高的应用价值。

45～59岁中老年企业员工与公务员血糖及糖尿病风险预测值的比较研究

目的:比较企业员工与公务员等不同阶层45~59岁中老年人群血糖及糖尿病风险预测值,分析其工作性质、生活习惯及社会学影响,为采取应对措施提供理论依据.方法:以305名以体力劳动为主的企业员工和长时间伏案工作为主的行政公务员为研究对象,抽取晨空腹静脉血5ML对血糖(Glu)进行测试并使用法国eZscan糖尿病风险评估仪对其未来5~10年患糖尿病的风险值进行测试及分析.结果:1.男女公务员血糖(Glu)值显著高于男女企业员工,均有非常显著性差异(P<0.01);2.男女公务员的糖尿病风险预测值均高于男女企业员工,男子之间有非常显著性差异(P<0.01),女子之间有显著性差异(P<0.05).结论:男女公务员Glu值及糖尿病风险预测值均高于男女企业员工,说明公务员患糖尿病的风险可能较企业员工高.

机器学习中集成模型的应用问题研究

文章综合运用了机器学习的各种理论对糖尿病的风险预测等问题进行了深度研究与分析,主要包括:(1)采用Logistic回归算法和决策树算法构建集成模型,最终发现集成模型能够在一定程度上解决单分类模型预测结果不稳定的问题,同时也能提升预测准确率。(2)风险预测模型由集成模型构建而来,综合比较预测准确率、精确度、召回率,发现集成模型的综合效果最好。