首页|结合环论的粒子群优化算法进行冠心病合并慢性心衰预后分析

结合环论的粒子群优化算法进行冠心病合并慢性心衰预后分析

扫码查看
原文链接
  • 万方数据
  • 维普
目的 采用结合环论的粒子群优化算法(hybridization of ring theory-based evolutionary algorithm and particle swarm optimization,RTPSO)对数据进行均衡化处理,以构建高性能冠心病合并慢性心衰预后模型.方法 分别用SMOTE算法、RTPSO算法对数据进行均衡化处理,在均衡化数据集上构建 logistic回归、随机森林、支持向量机模型.结果 本研究共纳入 2229 例冠心病合并慢性心衰患者,依据筛选出的BMI、射血分数、N端前脑钠肽等 22 个变量构建模型.用灵敏度、特异度、准确率、F-measure 和 AUC 值评价模型性能,其中 RF、SVM、logistic 回归、RF-RTPSO、SVM-RTPSO、Logistic-RTPSO灵敏度的中位数分别为0.0172、0.0773、0.0776、0.7568、0.7640、0.7838;F-measure的中位数分别为0.0338、0.1143、0.1283、0.3412、0.3505、0.4545;AUC 的中位数分别为 0.5086、0.5264、0.5313、0.8016、0.7785、0.7985.结论 RTPSO算法可以从多数类样本中选择有代表性的少数样本,从而达到数据均衡化,使分类模型具备更高的预测性能,指导临床医生发现高危患者,尽早预防不良事件的发生.

张瑜、田晶、杨弘、韩港飞、韩清华、张岩波

展开 >

山西医科大学公共卫生学院流行病与卫生统计学教研室(030001)

山西医科大学附属第一医院心内科

重大疾病风险评估山西省重点实验室

慢性心衰 类不平衡 粒子群优化 随机森林 支持向量机

国家自然科学基金国家自然科学基金

8187271482173631

2024

10.11783/j.issn.1002-3674.2024.01.011

中国卫生统计
中国卫生信息学会 中国医科大学

中国卫生统计

CSTPCD北大核心
影响因子：1.172
ISSN：1002-3674
年,卷(期)：2024.41(1)
  • 27