您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览0 | 下载0

目的:筛查山西省农村地区蛋白尿的发生率,构建基于机器学习算法的蛋白尿风险预测模型。方法:该研究为横断面调查研究。采用多阶段分层抽样方法,筛查2019年4—11月山西省8个地级市(太原、阳泉、临汾、运城、吕梁、晋中、晋城、忻州)农村地区≥30岁的居民,收集居民的问卷调查、体格检查和实验室检查资料。蛋白尿定义为尿白蛋白/肌酐比值≥30 mg/g,统计蛋白尿的发生率。将参与者分为蛋白尿组和无蛋白尿组,分别采用基于堆叠法构建的Logistic回归集成算法(SE-LR)、Logistic回归、支持向量机、决策树、随机森林和极端梯度提升构建蛋白尿和无蛋白尿的机器学习二分类模型。采用受试者工作特征曲线下面积、精准率、召回率和F1加权值评估各模型的预测效能,最后对综合性能最优模型预测特征的重要性排序。结果:该研究纳入8 869名农村地区居民,年龄为(58.59±9.49)岁,男性3 872例(43.66

作者:芦园月;李子良;李旺鑫;刘艳琴;李荣山;周晓霜

来源:中华肾脏病杂志 2023 年 39卷 7期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:0 | 下载:0
作者:
芦园月;李子良;李旺鑫;刘艳琴;李荣山;周晓霜
来源:
中华肾脏病杂志 2023 年 39卷 7期
标签:
蛋白尿 机器学习 肾疾病 危险因素 山西省 Proteinuria Machine learning Kidney diseases Risk factors Shanxi province
目的:筛查山西省农村地区蛋白尿的发生率,构建基于机器学习算法的蛋白尿风险预测模型。方法:该研究为横断面调查研究。采用多阶段分层抽样方法,筛查2019年4—11月山西省8个地级市(太原、阳泉、临汾、运城、吕梁、晋中、晋城、忻州)农村地区≥30岁的居民,收集居民的问卷调查、体格检查和实验室检查资料。蛋白尿定义为尿白蛋白/肌酐比值≥30 mg/g,统计蛋白尿的发生率。将参与者分为蛋白尿组和无蛋白尿组,分别采用基于堆叠法构建的Logistic回归集成算法(SE-LR)、Logistic回归、支持向量机、决策树、随机森林和极端梯度提升构建蛋白尿和无蛋白尿的机器学习二分类模型。采用受试者工作特征曲线下面积、精准率、召回率和F1加权值评估各模型的预测效能,最后对综合性能最优模型预测特征的重要性排序。结果:该研究纳入8 869名农村地区居民,年龄为(58.59±9.49)岁,男性3 872例(43.66

Baidu
map