糖尿病患者动脉粥样硬化发病风险预测模型比较研究
韩政元1
杨紫薇2
赵陆洋1
李林怿3
刘奎3
万毅3
1.空军军医大学:基础医学院学员三大队,陕西西安 7100322.空军军医大学:基础医学院学员二大队,陕西西安 7100323.空军军医大学:卫勤训练基地卫生勤务教研室,陕西西安 710032
摘要：目的 分析比较LightGBM和随机森林机器学习模型在糖尿病患者动脉粥样硬化疾病风险预测模型中的应用.方法 利用国家人口健康科学数据中心公共数据集,使用LightGBM和随机森林两种算法建立动脉粥样硬化疾病风险预测模型并进行比较研究.结果 利用LightGBM和随机森林的机器学习模型,对动脉粥样硬化进行分析发现,随机森林的准确率为0.624 2、曲线下面积(AUC)为0.671 8、精确度为0.629 7,均高于LightGBM,而LightGBM的召回率为0.756 7、F1得分为0.665 2,数值高于随机森林,但二者对于动脉粥样硬化预测效果均较好.结论 在动脉粥样硬化的预测模型中,随机森林的准确率、AUC、精确度更高,LightGBM的召回率、F1得分更高.总体而言,二者均可对动脉粥样硬化进行准确的预测,可以运用到临床实践中,为临床辅助诊断糖尿病并发症的相关研究提供有益借鉴.
关键词：糖尿病动脉粥样硬化机器学习预测分析
分类号：R587.2(内分泌腺疾病及代谢病)R543.5(心脏、血管（循环系）疾病)
资助基金：国家自然科学基金(82073663)
论文发表日期：2024-08-28
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：5( 930-934 )
英文信息