發(fā)布時(shí)間：2021-08-11 08:04

　　目的:本研究應(yīng)用XGBoost提升樹(shù)模型和隨機(jī)森林模型對(duì)中國(guó)健康與養(yǎng)老追蹤調(diào)查數(shù)據(jù)庫(kù)（高維）中與抑郁癥狀有關(guān)的變量進(jìn)行初步篩選,再使用logistic回歸模型對(duì)篩選后的數(shù)據(jù)進(jìn)行分析,探索抑郁癥狀相關(guān)因素,了解中國(guó)45歲以上人群抑郁癥狀情況并為其預(yù)防和治療提供可靠依據(jù)。方法:1.本研究使用2011年中國(guó)健康與養(yǎng)老追蹤調(diào)查數(shù)據(jù),調(diào)查對(duì)象為中國(guó)45歲及以上人群。抑郁癥狀應(yīng)用抑郁量表簡(jiǎn)表（CES-D10）進(jìn)行評(píng)估,根據(jù)文獻(xiàn)將得分在10分及以上的定為有抑郁癥狀。2.根據(jù)最優(yōu)參數(shù)構(gòu)建XGBoost提升樹(shù)模型和隨機(jī)森林模型,按照變量重要性評(píng)分選出兩個(gè)模型排名前100的變量,將兩個(gè)模型的共同變量作為重要變量。使用選出的重要變量建立logistic模型,計(jì)算貝葉斯信息準(zhǔn)則（Bayesian Information Criterions,BIC）評(píng)分,通過(guò)5-折交叉驗(yàn)證計(jì)算模型準(zhǔn)確率,與使用全部變量建立的模型進(jìn)行對(duì)比,評(píng)價(jià)變量篩選效果。3.本研究使用python3.7軟件中XGBoost和Random Forest Classifier軟件包以及R3.6軟件中g(shù)lm軟件包進(jìn)行分析。結(jié)果:1.數(shù)據(jù)庫(kù)中共17... 

【文章來(lái)源】：河北醫(yī)科大學(xué)河北省

【文章頁(yè)數(shù)】：49 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

統(tǒng)計(jì)分析流程圖（A:數(shù)據(jù)整理；B：建模分析）

13人，抑郁癥狀患病率43.35%。農(nóng)村5422人，抑郁癥狀患病率40.65%；城市2897人，抑郁癥狀患病率30.17%。研究對(duì)象基線(xiàn)資料見(jiàn)表1-2與圖2。表1研究對(duì)象基線(xiàn)資料Table1Samplecharacteristics抑郁男性女性癥狀身高(cm)體重(kg)年齡(歲)身高(cm)體重(kg)年齡(歲)否164.1±10.063.4±11.459.1±8.6153.2±9.357.8±11.157.2±8.5是162.7±8.259.8±11.660.6±8.6152.2±8.755.2±10.658.8±8.6表2研究對(duì)象基線(xiàn)資料Table2Samplecharacteristics男性例數(shù)(%)女性例數(shù)(%)抑郁癥狀農(nóng)村城鎮(zhèn)合計(jì)農(nóng)村城鎮(zhèn)合計(jì)否1759(66.91)1015(76.03)2764(69.98)1459(52.24)1008(64.53)2467(56.65)是870(33.09)320(23.97)1190(30.02)1334(47.76)554(35.47)1888(43.35)合計(jì)262913353964279315624355圖2抑郁癥狀患病率：按照年齡性別和居住地分組Fig.2Prevalenceofdepressivesymptoms:groupedbyage,sexandplaceofresidence

【參考文獻(xiàn)】：
期刊論文
[1]采用XGBoost和隨機(jī)森林探索中國(guó)西部女性乳腺癌危險(xiǎn)因素[J]. 彭佳麗,劉春容,李旭,易芳,李佳圓.  現(xiàn)代預(yù)防醫(yī)學(xué). 2020(01)
[2]基于XGBoost對(duì)肺鱗癌和肺腺癌的分類(lèi)預(yù)測(cè)[J]. 冷菲,李巍.  首都醫(yī)科大學(xué)學(xué)報(bào). 2019(06)
[3]惡性甲狀腺腫瘤預(yù)測(cè)模型選擇與實(shí)證研究[J]. 劉超,戈曉晨,邵潔,崔驍.  統(tǒng)計(jì)與管理. 2019(11)
[4]基于機(jī)器學(xué)習(xí)算法的2型糖尿病患者3個(gè)月血糖預(yù)測(cè)[J]. 覃偉,高敏,沈瑩,史宇暉,吳濤,趙艾,孫昕霙.  中華疾病控制雜志. 2019(11)
[5]基于多組學(xué)數(shù)據(jù)融合構(gòu)建乳腺癌生存預(yù)測(cè)模型[J]. 齊惠穎,江雨荷.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2019(08)
[6]基于機(jī)器學(xué)習(xí)的放射組學(xué)預(yù)測(cè)非小細(xì)胞肺癌EGFR基因突變[J]. 胡麗霞,江長(zhǎng)思,羅燕,梅東東,龔靜山,馬捷.  醫(yī)學(xué)影像學(xué)雜志. 2019(07)
[7]機(jī)器學(xué)習(xí)模型在預(yù)測(cè)腎結(jié)石輸尿管軟鏡碎石術(shù)后早期結(jié)石清除率中的應(yīng)用[J]. 朱學(xué)華,楊明鈺,夏海綴,何為,張智熒,劉余慶,肖春雷,馬潞林,盧劍.  北京大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2019(04)
[8]基于機(jī)器學(xué)習(xí)方法的原發(fā)性肝癌患者預(yù)后預(yù)測(cè)研究[J]. 李琳,楊日東,王哲,張學(xué)良,周毅.  中國(guó)數(shù)字醫(yī)學(xué). 2019(03)
[9]基于改進(jìn)集成學(xué)習(xí)算法的在線(xiàn)空氣質(zhì)量預(yù)測(cè)[J]. 夏潤(rùn),張曉龍.  武漢科技大學(xué)學(xué)報(bào). 2019(01)
[10]基于隨機(jī)森林變量選擇的飛灰含碳量預(yù)測(cè)模型[J]. 王芳,馬素霞,王河.  熱力發(fā)電. 2018(11)

碩士論文
[1]隨機(jī)森林和支持向量機(jī)在乳腺癌高維轉(zhuǎn)錄組數(shù)據(jù)中的應(yīng)用[D]. 郭志旺.河北醫(yī)科大學(xué) 2019



本文編號(hào)：3335803