基于机器学习的2型糖尿病并发症预测模型研究

• 作者: 陈思含 张云秋
• 来源期刊: 中华医学图书情报杂志
• 关键词: 2型糖尿病 并发症 机器学习 XGBoost算法
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 情报研究与方法
• 页码范围: 31-38
• 页数: 8页
• 分类号: TP391|R-058
• 语种: 中文
• DOI: 10.3969/j.issn.1671-3982.2020.11.005

摘要

目的:利用统计学和机器学习方法,探究2型糖尿病并发症的影响因素,构建2型糖尿病并发症预测模型,对并发症的发生进行预测,为2型糖尿病并发症的预防和早期筛查提供理论参考.方法:以国家人口健康科学数据中心2009年的2型糖尿病患者数据为研究对象,对性别、年龄、尿常规检查和生化检查等信息进行单因素和多因素logistic回归分析,并构建XG-Boost模型,进行2型糖尿病并发症的预测.结果:单因素和多因素Logistic回归模型与XGBoost模型显示,2型糖尿病并发症的发生与14项影响因素具有相关关系,模型预测准确率为82.85％.结论:模型预测的效果良好,具有一定的参考价值.