首页|血常规数据判别骨髓增生异常综合征和急性髓样白血病的应用价值

血常规数据判别骨髓增生异常综合征和急性髓样白血病的应用价值

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 基于血常规数据构建骨髓增生异常综合征和急性髓样白血病的判别模型.方法 数据来源于山东多中心健康医疗大数据平台,共计1681例.随机抽取70％患者为训练集,其他30％为测试集,应用随机森林模型对骨髓增生异常综合征与急性髓样白血病判别,采用受试者工作特征曲线下面积(AUC)衡量模型的辨别能力并使用十折交叉验证法检验模型的稳定性.结果 随机森林模型与支持向量机模型均具有鉴别MDS与AML的能力,但随机森林模型表现效果更好,男性判别模型的AUC为0.874(95％CI:0.815～0.932),灵敏度和特异度分别为81.1％、81.9％;女性判别模型的AUC为0.831(95％CI:0.752～0.911),灵敏度和特异度分别为77.8％、74.3％.十折交叉验证的结果显示,男性AUC为0.884(95％CI:0.854～0.913),女性AUC为0.842(95％CI:0.802～0.883).
Value of blood routine data in distinguishing myelodysplastic syndrome and acute myeloid leukemia

代晓宇、路媛、王志恒、李明卓、司书成、李吉庆、井明、薛付忠

展开 >

山东大学公共卫生学院生物统计学系,山东 济南250012

山东大学健康医疗大数据研究院,山东 济南250002

血常规 随机森林 骨髓增生异常综合征 急性髓样白血病 ROC曲线

国家自然科学基金

81170352

2020

山东大学学报(医学版)
山东大学

山东大学学报(医学版)

CSTPCD北大核心
影响因子：0.841
ISSN：1671-7554
年,卷(期)：2020.58(1)
  • 1
  • 7