换一批基于机器学习构建高血压肾病预测模型研究
Construction of prediction models for hypertensive nephropathy based on machine learning
摘要目的 探讨基于机器学习构建高血压肾病(hypertensive nephropathy,HN)预测模型研究.方法 纳入 2023 年 4月至 2024年 3月于台州市第一人民医院就诊的 318例高血压患者,按 7:3比例将患者分为训练集和验证集,使用最小绝对收缩和选择算子算法(least absolute shrinkage and selection operator,LASSO)对训练集进行临床特征选择,从 18项临床变量中得到 12项有临床意义的变量.基于Python3.10编程语言,采用训练集对模型进行训练,以 12项有临床意义指标为输入变量,以是否发生HN为结果变量,运用逻辑回归、支持向量机和人工神经网络 3种机器学习算法构建预测模型,利用验证集对 3 种模型进行内部验证,通过准确率、受试者操作特征曲线下面积、召回率、精确率和 F1 对模型性能进行比较.结果 在LASSO筛选的 12 项有临床意义的变量中,得出胱抑素C与尿蛋白定性最具有预测意义.机器学习构建的逻辑回归、支持向量机和人工神经网络预测模型的准确度、受试者工作特征曲线下面积、召回率、精确率和F1 值分别为 0.94、0.96、0.95、0.87、0.91,0.94、0.97、0.96、0.86、0.91及 0.91、0.94、0.93、0.80、0.86.结论 基于机器学习构建的逻辑回归、支持向量机和人工神经网络对高血压患者进展为HN均具有较好的预测效果.三者之间比较,逻辑回归、支持向量机预测效果相似,优于人工神经网络预测模型.
更多相关知识
关键词
机器学习高血压高血压肾病预测模型逻辑回归支持向量机人工神经网络Machine learningHypertensionHypertensive nephropathyPrediction modelLogistic regressionSupport vector machineArtificial neural network
栏目名称
DOI
10.3969/j.issn.1673-9701.2025.15.002
发布时间
2025-06-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
浙江省基础公益研究计划项目（LQ21H050001）
浙江省中医药科技计划项目（2023ZF057）
- 浏览15
- 被引0
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
