换一批气象因素驱动的布地奈德高用药日预测集成学习模型的构建与比较
Meteorological factor-driven prediction of high-use days of budesonide:construction and comparison of ensemble learning models
摘要目的 通过气象因素构建预测布地奈德高用药日的集成学习模型,为医院药房管理提供参考.方法 基于三明市中西医结合医院主管区域2024年气象数据及同期该院的布地奈德门诊使用数据,将布地奈德门诊使用数据的第75百分位数定义为高用药日,并相应形成高用药日数据集,将预测问题转化为分类问题,构建随机森林模型、极端梯度提升模型、直方图梯度提升分类模型3种集成学习模型.以准确率、精确率、召回率、F1分数、对数损失函数为指标评估模型的性能,通过沙普利可加性特征解释(SHAP)方法分析模型的可解释性.结果 直方图梯度提升分类模型的性能最佳(准确率=0.75,F1分数=0.48),其次为极端梯度提升模型(准确率=0.74,F1分数=0.43)和随机森林模型(准确率=0.72,F1分数=0.22);SHAP结果提示后2个模型的预测结果相关性最高.结论 集成学习模型可有效预测布地奈德的高用药日,其中直方图梯度提升分类模型的预测能力最优;低温、高湿和低气压对布地奈德日用药量预测存在显著正向影响.
更多相关知识
关键词
布地奈德气象因素集成学习可解释性人工智能budesonidemeteorological factorsensemble learningexplainable artificial intelligence
分类号
R952（药事组织）
栏目名称
DOI
10.6039/j.issn.1001-0408.2025.21.18
发布时间
2025-11-19（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览2
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
