目的:我國糖尿病患者人數(shù)多、危害大、經(jīng)濟(jì)負(fù)擔(dān)重,且以2型糖尿�。═ype2 Diabetes Mellitus,T2DM）為主。然而,目前胰島素初始方案的制定未能充分考慮個體化治療。本研究通過收集真實(shí)世界中需要長期使用胰島素類藥物的T2DM患者醫(yī)療數(shù)據(jù),采用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法,建立T2DM患者胰島素治療方案個體化的預(yù)測模型,以輔助基層醫(yī)療機(jī)構(gòu)進(jìn)行T2DM患者的胰島素治療。方法:本研究收集了四川省人民醫(yī)院內(nèi)分泌科、老年內(nèi)分泌科和草堂內(nèi)分泌科2016年1月至2019年6月的T2DM住院患者醫(yī)療數(shù)據(jù)。通過數(shù)據(jù)預(yù)處理后,獲得可用于建模的數(shù)據(jù)集。隨后,應(yīng)用隨機(jī)森林算法進(jìn)行了特征選擇,并應(yīng)用支持向量機(jī)、隨機(jī)森林、梯度提升決策樹和XGBoost四種機(jī)器學(xué)習(xí)算法分別建立了胰島素用藥方案的種類預(yù)測模型、劑量預(yù)測模型和比例預(yù)測模型,分別對胰島素用藥方案的種類選擇、每日總劑量以及胰島素類藥物之間的劑量比例進(jìn)行預(yù)測,并通過模型評價和比較篩選出性能最佳的模型。結(jié)果:通過納入排除標(biāo)準(zhǔn)進(jìn)行篩選后,獲得1048例目標(biāo)病例數(shù)據(jù)以及111個變量,包括定性變量31個,定量變量80個。種類預(yù)測模型中XGBoost表現(xiàn)最好... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【部分圖文】：

文獻(xiàn)篩選流程及結(jié)果

第三章胰島素種類預(yù)測模型的建立21都是有放回的抽樣；5．一個新的數(shù)據(jù)輸入后，根據(jù)所有決策樹的預(yù)測結(jié)果投票表決來確定最終的分類或取值。有兩個參數(shù)在構(gòu)建RF的過程中是至關(guān)重要的：第一個是在整個RF中決策樹的棵數(shù)；第二個是樹節(jié)點(diǎn)可選擇的個數(shù)，即m值。RF的主要優(yōu)點(diǎn)在于：①大多數(shù)數(shù)據(jù)集都可以拿來直接運(yùn)行的通用模型；②可處理離散值、連續(xù)值以及大量的缺失值；③能夠選擇重要特征，能夠檢測到特征間的互相影響；④適用于樣本或特征數(shù)量極大的情況。主要缺點(diǎn)在于：①相比于決策樹，RF結(jié)果不易于解釋；②計(jì)算量相對較大。3.1.3梯度提升決策樹梯度提升決策樹[80]（GradientBoostingDecisionTree，GBDT）和RF類似，GBDT也是會訓(xùn)練多棵決策樹的分類器，只是訓(xùn)練的策略不同。GBDT的核心思想在于每一棵新建決策樹學(xué)習(xí)的是之前所有決策樹的整體預(yù)測值和實(shí)際值之間的誤差，稱之為殘差。GDBT是通過不斷減小訓(xùn)練過程產(chǎn)生的殘差來達(dá)到將數(shù)據(jù)分類或者回歸的算法。GBDT的訓(xùn)練過程如圖3-1所示：圖3-1GBDT的訓(xùn)練過程通過多輪迭代，每輪迭代都會產(chǎn)生一個弱分類器，GBDT的弱分類器一般為CART回歸樹，每個弱分類器都是在上一輪分類器的殘差基礎(chǔ)上進(jìn)行訓(xùn)練。最終的分類器是將每輪訓(xùn)練所得到的弱分類器通過加權(quán)求和得到。模型最終可以描述為：m1()(;)MmmFxTx（3-6）若模型一共訓(xùn)練M輪，每輪產(chǎn)生一個弱分類器T（x；θm）。則弱分類器的損失函數(shù)為：

第三章胰島素種類預(yù)測模型的建立25觀平均ROC曲線下面積為0.72，準(zhǔn)確度、精確度、召回率和F1值分別為：0.5476、0.7202、0.5762和0.6402。3-2未進(jìn)行特征選擇時種類預(yù)測模型中各算法的評估指標(biāo)模型微觀平均ROCAUC宏觀平均ROCAUC準(zhǔn)確度精確度召回率F1值SVM0.650.620.37140.67800.38100.4878RF0.610.600.25240.81540.25240.3855GBDT0.720.710.52380.71780.55710.6273XGBoost0.730.720.54760.72020.57620.6402圖3-2未進(jìn)行特征選擇時SVM用于種類預(yù)測模型的ROC曲線

【參考文獻(xiàn)】：
期刊論文
[1]建立真實(shí)世界數(shù)據(jù)與研究技術(shù)規(guī)范,促進(jìn)中國真實(shí)世界證據(jù)的生產(chǎn)與使用[J]. 孫鑫,譚婧,王雯,高培,彭曉霞,溫澤淮,王麗,吳晶,舒嘯塵,王楊,羅劍鋒,李玲,李幼平,姚晨,趙琨,陳英耀,翟所迪,詹思延,吳久鴻,郭劍非,呂志強(qiáng),謝鋒,Gordon Guyatt.  中國循證醫(yī)學(xué)雜志. 2019(07)
[2]基于數(shù)據(jù)挖掘技術(shù)構(gòu)建適宜基層應(yīng)用的2型糖尿病視網(wǎng)膜病變風(fēng)險預(yù)測模型研究[J]. 陳韋冰,張巧玲,徐小紅,郭艷芳,廖美艷,劉崢,徐國平.  中國實(shí)用醫(yī)藥. 2019(02)
[3]中國2型糖尿病防治指南（2017年版）[J]. Chinese Diabetes Society;.  中國實(shí)用內(nèi)科雜志. 2018(04)
[4]2010-2015年上海地區(qū)119家醫(yī)院胰島素及其類似物的應(yīng)用現(xiàn)狀分析[J]. 石衛(wèi)峰,歸成,范國榮,劉瑋.  中南藥學(xué). 2017(11)
[5]2型糖尿病患者糖尿病視網(wǎng)膜病變風(fēng)險預(yù)測模型的建立和初步驗(yàn)證[J]. 呂喆,陳亦棋,沈麗君,林麗,陳立鋒,李亮,吳韓飛,黎楚嵐,毛劍波.  中華眼底病雜志. 2017 (03)
[6]基于社區(qū)2型糖尿病患者的心腦血管事件5年風(fēng)險預(yù)測模型[J]. 張振堂,楊洋,韓�？�,陳向華,季曉康,王永超,王淑康,孫苑瀠,李敏,陳亞飛,王麗,薛付忠,劉言訓(xùn).  山東大學(xué)學(xué)報(醫(yī)學(xué)版). 2017(06)
[7]基層醫(yī)療機(jī)構(gòu)胰島素治療中存在的問題及其對策[J]. 許樟榮.  中華糖尿病雜志. 2017 (01)
[8]中國糖尿病醫(yī)學(xué)營養(yǎng)治療指南（2013）[J].   糖尿病天地(臨床). 2016(07)
[9]2型糖尿病患者下肢動脈狹窄預(yù)測模型的建立[J]. 魯郡,張際晨,尤文,于雪梅,顧明君.  上海交通大學(xué)學(xué)報(醫(yī)學(xué)版). 2016(07)
[10]中國2型糖尿病患者胰島素劑量的薈萃分析[J]. 蔡曉凌,楊文嘉,高學(xué)營,周靈麗,韓學(xué)堯,紀(jì)立農(nóng).  中國糖尿病雜志. 2016(06)

博士論文
[1]Logistic回歸、決策樹和神經(jīng)網(wǎng)絡(luò)在預(yù)測2型糖尿病并發(fā)末梢神經(jīng)病變中的性能比較[D]. 李長平.中國人民解放軍軍事醫(yī)學(xué)科學(xué)院 2009

碩士論文
[1]社區(qū)2型糖尿病患者心腦血管事件風(fēng)險預(yù)測模型的研究[D]. 楊洋.山東大學(xué) 2017
[2]基于數(shù)據(jù)挖掘的輔助預(yù)防和治療2型糖尿病的研究[D]. 葉廣健.蘭州理工大學(xué) 2016
[3]2型糖尿病患者心腦血管疾病風(fēng)險評分模型的構(gòu)建及意義[D]. 孟祥英.第二軍醫(yī)大學(xué) 2016
[4]基于數(shù)據(jù)挖掘技術(shù)預(yù)測2型糖尿病慢性并發(fā)癥[D]. 李戈.天津醫(yī)科大學(xué) 2004



本文編號：3589882