典型文献
基于两种机器学习算法的双相情感障碍患者自杀行为影响因素模型比较研究
文献摘要：
目的 探索两种算法构建住院双相情感障碍患者自杀行为影响因素模型的特点,比较其分类能力,为住院双相情感障碍患者自杀行为的预防控制提供依据.方法 利用2010年1月至2017年12月某精神专科医院住院双相情感障碍患者的数据,通过x2检验初步筛选自杀行为影响因素,采用Adaboost、二分类Logistic回归两种算法构建自杀行为影响因素模型,再用查全率、查准率和F1值比较不同模型特点.结果 研究共纳入住院双相情感障碍患者7782例,有自杀行为的患者1661例,自杀行为率为21％.与Logistic回归模型相比,Adaboost模型分类能力较强且稳定.自杀行为影响因素中,诊断分型和既往自杀史在两模型中均占据重要地位.结论 两种算法构建的双相情感障碍患者自杀行为影响因素模型,总体分类能力差别较小,需进*步挖掘潜在变量以提升模型分类能力.诊断分型为当前抑郁发作或混合发作、有既往自杀史的双相情感障碍患者是自杀行为的高危人群,应针对该特征加强自杀行为的预防工作.
文献关键词：
机器学习;自杀行为;影响模型;双相情感障碍;Adaboost;Logistic回归
中图分类号：
作者姓名：
姜震;孙静;邹雯;王唱唱;高琦
作者机构：
首都医科大学公共卫生学院流行病与卫生统计学教研室,北京100069
文献出处：
引用格式：
[1]姜震;孙静;邹雯;王唱唱;高琦-.基于两种机器学习算法的双相情感障碍患者自杀行为影响因素模型比较研究)[J].山东大学学报（医学版）,2022(01):101-108
A类：
B类：
机器学习算法,双相情感障碍,患者自杀,自杀行为,行为影响,影响因素模型,模型比较,预防控制,精神专科医院,医院住院,x2,初步筛选,选自,Adaboost,二分类,查全率,查准率,模型特点,入住,模型分类,潜在变量,抑郁发作,高危人群,特征加强,预防工作,影响模型
AB值：
0.227684
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
