基于机器学习的糖尿病肾病发病风险预测模型研究
刘奎1
韩政元2
李林怿1
马亦飞1
杨紫薇2
赵陆洋2
陈长生3
万毅1
1.空军军医大学卫勤训练基地卫生勤务教研室,陕西西安 7100322.空军军医大学基础医学院学员三大队,陕西西安 7100323.空军军医大学军事预防医学系卫生统计学教研室,陕西西安 710032
摘要：目的 分析比较基于机器学习的LightGBM和随机森林模型在糖尿病患者糖尿病肾病(DN)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,应用LightGBM和随机森林两种算法建立DN疾病风险预测模型并进行分析比较研究.结果 LightGBM预测模型的准确率、曲线下面积(AUC)、召回率、精确度和F1得分分别为0.775 0、0.807 1、0.596 3、0.878 0、0.710 2分,均高于随机森林模型.结论 基于机器学习的LightGBM和随机森林模型对DN具有较好的预测效果.LightGBM的准确率、AUC、精确度、召回率、F1得分均更高.临床实践中,可以运用机器学习为相关研究提供参考.
关键词：糖尿病肾病机器学习预测分析比较研究
分类号：R587.2(内分泌腺疾病及代谢病)R692.9(泌尿科学（泌尿生殖系疾病）)TP181(自动化基础理论)
资助基金：国家自然科学基金(82073663)
论文发表日期：2025-02-27
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：6( 226-231 )
英文信息