换一批基于Bagging结合LASSO回归的规则集成方法对骨质疏松症患者肾阳虚证的辨识研究
Identification of Kidney-Yang Deficiency Syndrome in Osteoporosis Patients Based on Rule Ensemble Method of Bagging Combining LASSO Regression
摘要目的:研究骨质疏松症(OP)患者的肾阳虚证辨识,形成中医临床辨证规则.方法:纳入982例OP患者的基本信息、病因病机、临床症状等特征信息,通过统计检验筛选数据中与肾阳虚证相关的变量.以决策树为基础模型,应用引导聚集算法(Bagging算法)建立OP肾阳虚证分类模型,生成大量规则并去除冗余;结合最小绝对值收敛和选择算子(LASSO)回归筛选关键规则并集成规则建立辨识模型,实现对OP患者肾阳虚证的辨识.结果:筛选出了18条关键辨识规则,其中11条规则的回归系数＞0,对辨识为肾阳虚证具有正向影响,系数最高的规则为畏寒("有")&手足心热("无");7条规则的回归系数＜0,对辨识为肾阳虚证具有负向影响,系数最低的规则为舌红("有")&大便溏("无")&禀赋不足("无").根据各关键规则的回归系数计算得到重要性＞0.2的变量依次为畏寒、舌红、手足心热、肢冷、小便清、大便溏、禀赋不足、久病.辨识模型的偏依赖性分析结果显示,畏寒取值为"有"相较取值为"无"的OP患者,被辨识为肾阳虚证的概率高0.266 8,该变量对辨识为肾阳虚证具有最高影响.舌红取值为"有"相较取值为"无"的OP患者,被辨识为肾阳虚证的概率低0.1419,该变量对辨识为非肾阳虚证具有最高影响.所建立的OP肾阳虚证辨识模型在测试集的正确率、灵敏度、特异度、受试者工作特征曲线(ROC曲线)下面积(AUC)分别为0.865 9、0.853 7、0.872 0、0.931 5.结论:基于Bagging结合LASSO回归的规则集成方法,构建了更加精确的OP肾阳虚证辨识模型,筛选出的关键规则能较好解释肾阳虚证辨识过程,可辅助OP肾阳虚证的中医临床辨证.
更多相关知识
关键词
骨质疏松症肾阳虚证规则集成预测方法辨识模型变量重要性偏依赖性osteoporosiskidney Yang deficiency syndromerule ensembleprediction methodidentification modelvariable importancepartial dependence
栏目名称
DOI
10.13422/j.cnki.syfjx.20230449
发布时间
2023-12-12（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2018YFC1704306）
国家重点研发计划（2018YFC1704300）
中国中医科学院科技创新工程项目（CI2021A04706）
中国中医科学院科技创新工程项目（CI2021B003）
- 浏览7
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
