-
题名疑似冠心病患者脉图分析及其高危人群筛查模型研究
被引量:3
- 1
-
-
作者
刘璐
张春柯
颜建军
郭睿
王忆勤
燕海霞
-
机构
上海中医药大学基础医学院
甘州区人民医院
华东理工大学机械与动力工程学院
-
出处
《中华中医药杂志》
CAS
CSCD
北大核心
2022年第11期6678-6681,共4页
-
基金
国家自然科学基金面上项目(No.82074332,No.81673880)
上海科学技术委员会生物医药领域项目(No.19441901100)
上海市健康辨识与评估重点实验室(No.21DZ2271000)。
-
文摘
目的:通过分析疑似冠心病患者中冠心病组与非冠心病组的脉图特征,并基于脉图特征建立冠心病高危人群筛查模型,挖掘脉诊的临床诊断价值。方法:将疑似冠心病患者分为冠心病组与非冠心病组,采用SmartTCM-I型脉象仪采集脉象样本,运用非参数检验统计方法比较两组脉图特征差异;采用随机森林模式识别算法,建立冠心病高危人群筛查模型。结果:与非冠心病组比较,冠心病组时域特征h2/h1、h3/h1显著增大(P<0.01);多尺度熵MSE1、MSE2、MSE3、MSE4、MSE5显著减小(P<0.05),当脉图时域特征和多尺度熵特征都参入建模时,模型性能最高,模型的准确度最高(95.67%)、特异度最高(93.99%)、误判率最低(6.01%)。结论:脉图特征一定程度上可以反映疑似冠心病患者病理状态及血管功能,基于脉图特征等信息建立的冠心病高危人群筛查模型具有一定的参考意义。
-
关键词
冠心病
脉图
时域参数
多尺度熵
随机森模式识别算法
冠心病高危人群筛查模型
脉诊
-
Keywords
Coronary heart disease(CHD)
Pulse patterns
Time domain parameters
Multiscale entropy
Random forest pattern recognition algorithm
Screening model for high-risk population of CHD
Pulse diagnosis
-
分类号
R541.4
[医药卫生—心血管疾病]
-