基于异质性模型的低体重出生儿判别分析研究

• 作者: 李兴平 殷雨晨 王源昌 谢名阳
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 异质性 异质性模型 婴儿出生体重 机器学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 信息化论坛
• 页码范围: 93-98
• 页数: 6页
• 分类号: R319
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2020.11.025

摘要

在低体重出生儿预测判别分析中,母亲行为习惯和身体特征是关键性因素,但相似的受试者母亲特征所生婴儿表现型差异较大,给低体重出生儿预测判别造成较大困惑.为提高低体重出生儿预测判别精准度,引入广义线性混合模型拟合个体异质性,构建异质性机器学习模型,通过异质性模型的分类数值模拟,其中异质性随机森林模型判别准确率达100％.数值模拟结果显示异质性模型在判别分析上有极大的优势,可以辅助医生有针对性地对受试者母亲进行诊断,实现低体重出生儿的预测精准智能化.