目的利用隨機(jī)森林算法與Logistic回歸模型,建立脊柱結(jié)核的預(yù)測(cè)模型。方法選取250例脊柱結(jié)核患者和250例非脊柱結(jié)核患者,收集17項(xiàng)臨床指標(biāo)。利用隨機(jī)森林算法對(duì)納入指標(biāo)的重要程度排序,根據(jù)滑動(dòng)窗口序貫向前選擇法找出合適的變量個(gè)數(shù);將變量納入二元Logistic回歸模型,分析與脊柱結(jié)核發(fā)病相關(guān)的指標(biāo);采用混淆矩陣評(píng)價(jià)所建立模型的預(yù)測(cè)效能。結(jié)果重要性位列前10的指標(biāo)為低白蛋白、脊柱后凸、血沉、椎旁或腰大肌膿腫、貧血、骨質(zhì)破壞、C反應(yīng)蛋白、盜汗、活動(dòng)受限、體重下降。Logistic回歸分析顯示,白蛋白降低、脊柱后凸、血沉升高、椎旁或腰大肌膿腫、貧血、骨質(zhì)破壞、C反應(yīng)蛋白升高、體重下降均與脊柱結(jié)核有關(guān)(均P<0.05)。所建立的模型對(duì)脊柱結(jié)核患者預(yù)測(cè)的正確率為94.0%,模型預(yù)測(cè)的總準(zhǔn)確度達(dá)93.4%。結(jié)論基于隨機(jī)森林算法的Logistic回歸模型預(yù)測(cè)脊柱結(jié)核具有較高的準(zhǔn)確度。如患者存在血沉、C反應(yīng)蛋白、白蛋白異常,以及脊柱后凸、脊柱破壞、椎旁或腰大肌膿腫,應(yīng)高度警惕脊柱結(jié)核的可能。

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
1 資料與方法
    1.1 臨床資料
    1.2 資料收集
    1.3 統(tǒng)計(jì)學(xué)分析
        1.3.1 變量重要程度的排序情況:
        1.3.2 去躁降維:
        1.3.3 Logistic回歸:
        1.3.4 模型的評(píng)價(jià):
2 結(jié) 果
    2.1 隨機(jī)森林變量的重要性排序情況
    2.2 去躁降維結(jié)果
    2.3 多因素Logistic回歸分析
    2.4 基于隨機(jī)森林模型的Logistic回歸的模型評(píng)價(jià)
3 討 論



本文編號(hào)：4008430