换一批
换一批Logistic回归模型和随机森林模型诊断糖尿病周围神经病变效能的比较
Diagnostic efficacy of Logistic regression model versus random forest model for diabetic peripheral neuropathy:a comparative study
摘要目的 比较Logistic回归模型和随机森林模型诊断糖尿病周围神经病变(DPN)的效能.方法 纳入2199例DPN患者作为病例组,2610例健康体检者作为对照组.收集19个实验室指标,包括超敏C反应蛋白、糖化血红蛋白、LDL、HDL、三酰甘油、总胆固醇、总胆红素、总蛋白、白蛋白、ALT、AST、碱性磷酸酶、γ-谷氨酰转肽酶、尿素、尿酸、血红蛋白、钙、钾、钠.使用SPSS 22.0软件构建诊断DPN的多因素Logistic回归模型,使用R 3.6.0软件构建诊断DPN的随机森林模型,采用受试者工作特征(ROC)曲线评价两种模型的诊断性能.结果 Logistic回归模型和随机森林模型诊断DPN的正确率分别为81.4％、96.7％,灵敏度分别为72.5％、98.3％,特异度分别为89.2％、95.2％,ROC曲线下面积分别为0.882、0.963.结论 随机森林模型对DPN的诊断效能优于Logistic回归模型,同时随机森林模型分析结果给出了各个变量指标的重要性评分,可为DPN的早期诊断提供重要的依据.
更多相关知识
- 浏览158
- 被引5
- 下载27
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
