基于机器学习与生存模型建立脂肪肝Joint联合预测模型

• 作者: 雷丽 郭望 李运明
• 来源期刊: 现代预防医学
• 关键词: 脂肪肝 机器学习 时依Cox模型 Joint联合模型
• 年，卷（期）: 2021,（17）
• 所属期刊栏目: 临床与预防|Clinical Medicine and Prevention
• 页码范围: 3259-3264
• 页数: 6页
• 分类号: R575.5
• 语种: 中文

摘要

目的 利用机器学习算法与生存模型建立脂肪肝Joint联合预测模型,为有关单位进行脂肪肝健康管理提供理论依据.方法 选取2006-2016年某人群体检数据为研究对象,据模拟实验结果选择机器学习方法建立纵向亚模型,利用时依Cox模型建立生存亚模型,再联合建模.结果 XGBoost算法F-measure值最大,均方误差最小,建立纵向亚模型.XGBoost-Joint联合模型稳定性和拟合效果优于其他组合的Joint模型.结论 Joint联合模型将纵向亚模型与生存亚模型相联系,关联变量在模型中对脂肪肝患病风险的影响明显上升,说明纵向过程对生存结果的影响很大.