目的針對(duì)銅陵市天橋社區(qū)居民體檢數(shù)據(jù)中多因素、有效樣本有限的情況,挖掘與分析高血壓影響因素與因素間的交互效應(yīng),為高血壓干預(yù)提供參考。方法選取2017年該社區(qū)801例體檢數(shù)據(jù)為研究對(duì)象,采用隨機(jī)森林方法,篩選出重要性評(píng)分較大的特征,代入logistic完全二次回歸模型,逐步回歸分析影響因素及因素間的交互效應(yīng)。結(jié)果隨機(jī)森林模型準(zhǔn)確率83.67%,特征重要性前10項(xiàng)為年齡、糖尿病、鍛煉頻率、體質(zhì)指數(shù)、總膽固醇、吸煙情況、飲酒情況、中心性肥胖、甘油三酯、血尿素氨。Logistic完全二次回歸模型準(zhǔn)確率84.17%,輸出2條主效應(yīng)、8條二次交互效應(yīng)。主效應(yīng)中有統(tǒng)計(jì)學(xué)意義(P<0.05)的特征有年齡、鍛煉頻率,二次交互效應(yīng)中有統(tǒng)計(jì)學(xué)意義(P<0.05)的特征有年齡、糖尿病、體質(zhì)指數(shù)、總膽固醇、吸煙情況、飲酒情況、甘油三酯、血尿素氨。結(jié)論隨機(jī)森林與logistic完全二次回歸模型相結(jié)合,解決了經(jīng)典方法難以從多因素、樣本有限的數(shù)據(jù)中挖掘交互效應(yīng)的問題,獲得高血壓影響因素與因素間的交互效應(yīng),為高血壓干預(yù)提供有益的指導(dǎo)。

【文章頁數(shù)】：4 頁

【文章目錄】：
1 材料與方法
    1.1 數(shù)據(jù)來源
    1.2 方法
        1.2.1 隨機(jī)森林模型
        1.2.2 Logistic完全二次回歸模型
2 結(jié) 果
    2.1 模型對(duì)比
    2.2 基于隨機(jī)森林的特征篩選
    2.3 基于logistic回歸完全二次模型分析
3 討 論



本文編號(hào)：3817136