基于机器学习算法构建高血压并发视网膜病变的风险预测模型

目的运用机器学习算法构建原发性高血压并发视网膜病变风险的预测模型。方法选取2020年3月至2022年3月在中国人民解放军联勤保障部队第908医院体检中心确诊的原发性高血压患者402例,其中原发性高血压并发视网膜病变患者201例(观察组),单纯原发性高血压患者201例(对照组)。收集2组患者34个相关研究指标作为原发性高血压并发视网膜病变的可能影响因素,并采用单因素分析、Spearman相关系数及最小绝对收缩和选择算子方法(Lasso回归)筛选变量后,将所有研究对象按7:3随机分为训练集和测试集,在训练集中运用机器学习算法构建支持向量机(SVM)、K邻近(KNN)、分类决策树(DecisionTree)、随机森林(RF)、极端随机树(ExtraTrees)、XGBoost及LightGBM预测模型,在测试集中进行验证。运用准确率、AUC值、敏感性及特异性对模型进行评价。结果经单因素分析、Spearman相关系数及Lasso回归筛选出19个变量,构建了SVM、KNN、DecisionTree、RF、ExtraTrees、XGBoost、LightGBM预测模型。其中综合性能最高的为ExtraTrees模型,其准确率高达0.96,AUC值高达0.997。结论基于机器学习算法构建的原发性高血压并发视网膜病变的SVM、KNN、DecisionTree、RF、ExtraTrees、XGBoost及LightGBM预测模型中,ExtraTrees模型预测效果最好,可作为辅助诊断工具应用到高血压视网膜病变的筛查中,可能为今后早期高血压视网膜病变的筛查提供便利。

小儿内科急性腹痛的临床诊断及处理分析

目的:分析小儿内科急性腹痛的临床诊断及处理措施。方法:选取某院儿科收治的78例小儿内科急性腹痛为研究对象,分析其临床诊断,给予相应的处理方法,总结疾病原因。结果:78例患儿均进行了有效诊断与治疗,全部治愈且未出现误诊、漏诊等情况。结论:小儿内科急性腹痛引起原因与成人相比更复杂,要详细分析患儿疼痛特征,并结合相关检查进行临床诊断,确诊后给予有效的处理方案。

两种动脉粥样硬化性心血管疾病评估模型的比较性研究

比较China-PAR模型和《中国成人血脂异常防治指南修订版2016年》提出预测ASCVD10年患病风险等级的一致性;方法 收集南昌市青山湖社区2019年2月-6月国家脑卒中人群筛查2000名40岁-85岁居民体检资料,进行排除筛选后共选入1570名无ASCVD的居民,分别采用China-PAR模型和《中国成人血脂异常防治指南修订版2016年》,预测该人群中未来10年患ASCVD风险等级,分别比较两种模型评估低危、中危、高危人群结果的一致性;结果 ①根据China-PAR模型评估出低危人群1023人,中危人群376人,高危人群171人,根据《中国成人血脂异常防治指南修订版2016年》评估结果示低危人群1026人,中危人群293人,高危人群251人;②两种方法预测结果一致性检验 Kappa值为0.428(P0.05),《中国成人血脂异常防治指南2016年修订版》评估出的高危人群高于China-PAR模型。