典型文献
基于常规临床检验指标构建子痫前期风险预测模型
文献摘要：
目的 利用常规临床检验指标构建基于人工智能的子痫前期风险预测模型.方法 收集2019年1月至2021年12月就诊于内蒙古自治区人民医院342例子痫前期患者和346例健康孕妇的4项常规临床检验指标(血常规、尿常规、生化全项和凝血四项).应用LASSO和Tuning Relief F(TURF)以指标数据为特征进行打分选择,评估常规临床检验指标.用支持向量机、随机森林、K-nearest neighbor(KNN)和XGBoost构建人工智能预测模型.通过SHAP解释特征如何影响模型并做出决策.结果 基于TURF特征选择策略,KNN在仅使用7个特征指标的情况下预测性能最优,分别是尿蛋白、尿电导率、碱性磷酸酶、血尿酸、乳酸脱氢酶、平均红细胞血红蛋白浓度和淀粉酶.在训练集和测试集上的预测准确度分别为82.55％和82.56％;聚类分析表明,使用7个最优特征指标相较于87个全部特征指标具有更好的效果.SHAP解释结果表明,尿蛋白和乳酸脱氢酶对模型做出正确决策有显著影响.结论 常规临床检验指标可以用于预测子痫前期,且通过特征选择策略可以在降低特征维度基础上进一步提高预测性能.
文献关键词：
子痫前期;风险预测;特征选择策略;机器学习
中图分类号：
作者姓名：
王浩;乌永嘎;郭玉婷;梁雨朝;李海成;周健;夏书琴;左永春
作者机构：
内蒙古大学生命科学学院,呼和浩特010070;内蒙古智汇大数据研究院,呼和浩特010000;内蒙古医科大学&内蒙古临床医学院,呼和浩特010110;内蒙古自治区人民医院妇产科,呼和浩特010017
文献出处：
引用格式：
[1]王浩;乌永嘎;郭玉婷;梁雨朝;李海成;周健;夏书琴;左永春-.基于常规临床检验指标构建子痫前期风险预测模型)[J].临床检验杂志,2022(10):731-736
A类：
TURF
B类：
临床检验,检验指标,指标构建,风险预测模型,内蒙古自治区,例子,子痫前期患者,孕妇,血常规,尿常规,全项,凝血四项,LASSO,Tuning,Relief,打分,分选,nearest,neighbor,KNN,XGBoost,智能预测,SHAP,影响模型,特征选择策略,特征指标,预测性能,尿蛋白,电导率,碱性磷酸酶,血尿酸,乳酸脱氢酶,平均红细胞血红蛋白浓度,淀粉酶,训练集,测试集,预测准确度,优特
AB值：
0.30854
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。
