期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于机器学习算法的原发性高血压并发冠心病的患病风险研究 被引量：14
1
作者 龚军 杜超 +2 位作者 钟小钢 向天雨 王惠来 《解放军医学杂志》 CAS CSCD 北大核心 2020年第7期735-741,共7页
目的筛选原发性高血压并发冠心病发病的危险因素并建立个体风险分类模型,为疾病诊断提供计算机辅助方法。方法收集重庆医科大学医疗大数据平台中2014年1月1日-2019年5月31日确诊的2791例原发性高血压并发冠心病患者及2135例单纯原发性... 目的筛选原发性高血压并发冠心病发病的危险因素并建立个体风险分类模型,为疾病诊断提供计算机辅助方法。方法收集重庆医科大学医疗大数据平台中2014年1月1日-2019年5月31日确诊的2791例原发性高血压并发冠心病患者及2135例单纯原发性高血压患者的70项临床信息资料,筛选出单因素分析有统计学意义的指标,采用R3.6.1分别构建logistic回归分类模型及BP神经网络、随机森林、极限梯度上升(XGBoost)3种机器学习模型,比较各种模型的相关参数,选择最优的分类模型。结果单因素分析筛选出有统计学意义的指标44项,将其纳入logistic回归分类模型及机器学习模型。Logistic回归分类模型、BP神经网络模型、随机森林模型、XGBoost模型的测试集中分类精度分别为0.852、0.968、0.966、0.976,受试者工作特征曲线下面积(AUC)分别为0.853、0.970、0.967、0.977。将性能最优的XGBoost模型应用于重庆医科大学附属大学城医院心内科临床实践,灵敏度为1.000,特异度为0.912,诊断精度为0.926,AUC为0.956。结论建立的XGBoost模型对原发性高血压并发冠心病有很好的辅助诊断功能,在临床实践中取得了良好的效果。 展开更多
关键词 XGBoost 随机森林 BP神经网络 LOGISTIC回归分析 高血压 冠心病
下载PDF
简易贮血配血双用出诊箱的制作与应用
2
作者 程荣先 胡国荣 《中国基层医药》 CAS 2003年第6期551-551,共1页
关键词 简易贮血配血双用出诊箱 制作 临床应用 输血
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部