典型文献
融合空气数据的深度网络慢阻肺评估测试评分预测模型的构建及意义
文献摘要：
目的:构建融合空气数据的深度网络慢性阻塞性肺疾病（慢阻肺）评估测试（CAT）评分预测模型，并探讨其意义。方法:采用定组研究的方法，自2015年2月至2017年12月从北京大学第三医院、北京大学人民医院和北京积水潭医院呼吸科门诊入选稳定期的慢阻肺患者，采集患者住宅区附近的室外环境监测空气数据，计算患者每日空气污染物暴露量和天气数据，并连续记录患者每日的CAT评分。通过融合时序算法和神经网络建立模型对患者未来一周的CAT评分进行预测，并比较该模型与长短期记忆模型（LSTM）、添加全局注意力机制的LSTM模型（LSTM-attention）和自回归移动模型（ARIMA）的预测准确程度，并探讨预测模型的意义。结果:共纳入47例慢阻肺患者，平均随访时间为381.60 d，利用采集的空气数据和CAT评分构建长短期记忆模型-卷积神经网络-自回归（LSTM-CNN-AR）模型，其模型的均方根误差为0.85，平均绝对误差为0.71，较LSTM、LSTM-attention和ARIMA三者中最优模型平均预测准确度提升21.69%。结论:基于慢阻肺患者所处环境的空气数据，融合深度网络模型可更精准地预测慢阻肺患者的CAT评分。
文献关键词：
肺疾病，慢性阻塞性;空气污染;深度网络模型;计算机分析
中图分类号：
作者姓名：
孙婉璐;张迎春;杜富瑞;周号益;张荣葆;王卓;李建欣;陈亚红
作者机构：
北京大学第三医院呼吸与危重症医学科，北京 100191;首都医科大学附属北京朝阳医院 北京市呼吸疾病研究所呼吸与危重症医学科，北京 100020;北京航空航天大学计算机学院，北京100191;北京矿冶研究总院 矿冶过程自动控制技术国家重点实验室，北京 100044;北京大学人民医院呼吸与危重症医学科，北京 100044
文献出处：
引用格式：
[1]孙婉璐;张迎春;杜富瑞;周号益;张荣葆;王卓;李建欣;陈亚红-.融合空气数据的深度网络慢阻肺评估测试评分预测模型的构建及意义)[J].中华健康管理学杂志,2022(10):721-727
A类：
室外环境监测,污染物暴露量
B类：
气数,评估测试,评分预测,慢性阻塞性肺疾病,CAT,定组研究,北京大学第三医院,北京大学人民医院,北京积水潭医院,呼吸科,稳定期,慢阻肺患者,住宅区,空气污染物,建立模型,一周,长短期记忆模型,全局注意力机制,attention,自回归,移动模型,ARIMA,随访时间,平均绝对误差,最优模型,模型平均,预测准确度,深度网络模型,计算机分析
AB值：
0.235236
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。
