相关实验视频
Updated: Jul 26, 2025
07:20
Inducement and Evaluation of a Murine Model of Experimental Myopia
Published on: January 22, 2019
9.9K
机器学习分析不同学期学生近视的影响因素
Hao-Jie Tong1, Ze-Min Huang1, Yu-Lan Li1
1School of Public Health, Jiamusi University, Jiamusi, Heilongjiang, China.
Frontiers in public health
|June 19, 2023
概括
机器学习模型显示,近视风险因素因学期而异. 遗传在早期是关键的,而户外时间等行为因素在学生近视的后期学年变得更为关键.
科学领域:
- 眼科医生 眼科 眼科
- 机器学习 机器学习
- 公共卫生 公共卫生
背景情况:
- 近视的患病率在全球范围内不断增加,特别是在学生中.
- 了解在不同发育阶段影响近视的不断变化的因素对于有效的干预至关重要.
- 以前的研究往往提供了一个总体概述,缺乏对近视发展的特定时期的见解.
研究的目的:
- 开发和比较机器学习模型,在不同学龄段 (小学,初中,高中) 进行近视分类.
- 在每个教育阶段中,识别和分析影响近视发展的具体因素.
- 了解学生生命周期中近视病因的相似之处和差异.
主要方法:
- 这是一项回顾性横截面研究,涉及21所学校的7,472名学生 (1-12年级).
- 数据收集包括视觉敏度,行为,环境和遗传信息,通过查和问卷.
- 使用机器学习算法 (Random Forest,SVM,XGBoost) 来构建分类模型并对每个时期的特征重要性进行排名.
主要成果:
- 影响近视的因素在学龄段之间有很大差异.
- 对于整个学期,随机森林模型 (AUC=0.752) 确定了年龄,母亲近视度和眼镜需要作为关键因素.
- 小学:随机森林 (AUC=0.710) 突出了母亲近视等级,年龄和每周课外辅导课程. 初中:SVM (AUC=0.672) 表示性别,每周教学科目和阅读姿势. 高三:XGBoost (AUC=0.722) 强调需要眼镜,户外时间,以及母亲近视等级.
结论:
- 遗传和行为因素在学生近视方面都很重要,在学校期间的重点不同.
- 早期的学年表现出遗传因素 (例如,母亲近视) 的更强的影响,而晚年更受行为和环境因素 (例如,户外时间,学习习惯) 的影响.
- 建议采用量身定制的近视预防策略,考虑到特定时期的风险因素.
