外媒 | 机器学习模型可以准确预测高血压风险-普瑞纯证

一项发表在《科学报告》上的研究比较了机器学习模型和传统方法在预测高血压发病率方面的性能。该研究使用了来自Alberta‘s Tomorrow Project（ATP）数据集的18,322名参与者的24个候选特征，开发了不同的预测模型，包括传统的Cox比例风险回归模型和五种机器学习模型：惩罚回归Ridge、Lasso、Elastic Net（EN）、随机生存森林（RSF）和梯度提升（GB）。使用五种特征选择方法选择了最佳特征。每个模型的预测性能都使用协调指数（C-index）进行评估，C-index是生存分析中常用的统计指标，描述了预测风险得分描述观察到的事件序列的程度。一些主要的预测特征包括研究参与者的年龄、身体质量指数、腰臀比、舒张压、收缩压、总体育活动时间和总坐姿时间，以及人口统计数据，如性别、种族、婚姻状况和教育水平。总体而言，这些模型的表现都相似，每个模型都取得了显著的预测准确性。Ridge、Lasso、EN、RSF、GB和Cox PH模型的平均C-index分别为0.78、0.78、0.78、0.76、0.76和0.77。研究人员还发现，在中位数为5.8年的随访期间，3.41%的参与者新发生了高血压，大多数相关特征在发生高血压和未发生高血压的人之间有显著差异，包括年龄、性别、身体质量指数、腰臀比、舒张压和收缩压等。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。