换一批
换一批摘要中国女性尿失禁的发病率为21.2/1 000人年，严重困扰患者的身心健康和社会交往，降低了生命质量。近年来，数据挖掘已广泛应用于医学实践中，使用数据挖掘方法有望增加对疾病预测的准确性，以达到良好的诊治效果。应用数据挖掘方法构建预测模型可以预测女性尿失禁的发生风险，有助于识别高危人群进行早期预防。不同数据挖掘方法预测女性尿失禁的性能优劣尚需进一步研究。本文梳理了近年数据挖掘方法（包括logistic回归、多层感知器神经网络和人工神经网络、决策树算法、随机森林算法等）在预测女性尿失禁中应用的研究进展；对比了多种数据挖掘方法建立的预测模型的预测效能，发现logistic回归、多层感知器神经网络、决策树算法、支持向量机建立的尿失禁预测模型的预测效果良好；本文也对当前研究存在的不足进行了总结（如：样本量小、“黑箱”问题等），可为进一步的相关研究及应用提供借鉴。
更多相关知识
栏目名称
DOI
10.3760/cma.j.cn112141-20221010-00622
发布时间
2025-05-06
基金项目
- 浏览39
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
