基于随机森林和XGBoost算法的2型糖尿病合并高血压分类预测模型应用与比较
马勇1
孔丹莉1
叶向阳2
丁元林1
1.广东医科大学公共卫生学院,广东 东莞 5230002.广东省东莞市人大常委会,广东 东莞 523000
摘要：目的 通过对 2 型糖尿病合并高血压的相关因素分析,构建预测模型.方法 选取 475 例 2 型糖尿病合并高血压患者为病例组,以同期体检中心 505 例健康人群为对照组.将最小绝对值收缩和选择算子(LASSO)回归筛选出的特征变量作为随机森林(RF)、极端梯度提升(XGBoost)和逻辑回归(logistic regression)的输入,利用贝叶斯优化方法和交叉验证迭代训练获得最佳的预测模型,最后利用特征重要性排序和Shapley加性解释(SHAP)进行解释分析.结果 特征选择结果显示尿糖(GLU)(OR=1.189,95%CI=1.170～1.208,P<0.05)、糖尿病遗传史(OR=1.341,95%CI=1.273～1.411,P<0.05)、年龄(OR=1.006,95%CI=1.004～1.009,P<0.05)、身体质量指数(BMI)(OR=1.017,95%CI=1.010～1.023,P<0.05)、心率(HR)(OR=1.004,95%CI=1.003～1.006,P<0.05)、文化程度(OR=0.954,95%CI=0.934～0.975,P<0.05)、居住地(OR=0.958,95%CI=0.931～0.985,P<0.05)为主要的特征变量.算法实验结果表明,经过参数调优后RF和XGBoost模型性能均优于逻辑回归模型,XGBoost准确率 92.85%略高于RF准确率 92.34%.特征重要性结果显示,2 型糖尿病合并高血压的影响因素重要性排序依次为GLU、糖尿病遗传史、文化程度、居住地、年龄、BMI、HR,其中,GLU、糖尿病遗传史、年龄、BMI、HR为危险因素,文化程度、居住地为保护因素.结论 基于XGBoost的 2 型糖尿病合并高血压预测模型具有更好的性能,通过利用SHAP模型增强模型的可解释性,能够识别出患病的危险因素,为2型糖尿病合并高血压的预防提供参考.
关键词：糖尿病合并高血压随机森林极端梯度提升分类预测SHAP模型
分类号：R195(卫生事业管理（保健组织与事业）)
资助基金：广东省基础与应用基础研究基金区域联合基金项目(2020B1515120021)广东医科大学学科建设项目(4SG21276P)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 523-534 )
英文信息