基于社区居民健康大数据预测高血压的患病风险

• 作者: 周阳 李盛俊 王妮 陈卉 陈晨 黄艳群
• 来源期刊: 医学信息
• 学科: 医学
• 关键词: 高血压 机器学习 社区居民健康档案 基尼系数下降法
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 医学信息学
• 页码范围: 1-4,12
• 页数: 5页
• 分类号: R544.1
• 字数: 2320字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1959.2020.06.001

摘要

目的 利用居民健康大数据预测高血压的患病风险,并分析高血压相关的重要因素.方法 基于社区公共卫生系统数据集,利用机器学习中的Logistic回归、随机森林和支持向量机算法建立高血压患病风险预测模型,并比较三者的预测性能,另通过随机森林中的基尼系数下降法分析高血压患病的影响因素.结果 支持向量机模型的准确率(87.00％)、精确率(85.00％)、召回率(88.00％)、F1值(0.88)和ROC曲线下面积(0.932)优于随机森林模型(85.00％、84.00％、87.00％、0.87和0.929)和Logistic回归模型(83.00％、85.00％、81.00％、0.81和0.920).Gini系数分析显示,冠心病、年龄、糖尿病和教育水平在预测高血压患病风险中具有重要作用;现教育水平、职业类型、其他慢病、婚姻情况、体重指数、父亲患有高血压、母亲患有高血压、饮酒、饮食偏咸、吸烟、锻炼在预测高血压患病风险中具有一般作用;性别、饮食偏素、饮食偏甜、饮食偏油、饮食偏辣在预测高血压患病风险中作用不大.结论 支持向量机预测模型的预测高血压患病风险最优.文化程度低、合并患有冠心病、糖尿病和其他慢病、有家族史和老年人为高血压易患人群,针对此类人群应重点关注体重指数、饮酒和饮食习惯(偏咸)方面.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈卉	首都医科大学生物医学工程学院	59	663	12.0	25.0
2	陈晨	首都医科大学生物医学工程学院	56	294	10.0	15.0
3	黄艳群	首都医科大学生物医学工程学院	8	3	1.0	1.0
7	王妮	首都医科大学生物医学工程学院	12	13	2.0	3.0
11	周阳		2	0	0.0	0.0
12	李盛俊	首都医科大学生物医学工程学院	2	0	0.0	0.0