在印度尼西亚使用机器学习预测高血压患者的缩和腹缩血压的变化
Desy Nuryunarsih1, Lucky Herawati2, Atik Badi'ah3
1School of Health and Life Sciences, Glasgow Caledonian University, Cowcaddens Rd, Glasgow, G4 0BA, UK. desy.nuryunarsih@gcu.ac.uk.
机器学习模型准确地预测高血压患者的血压降低. 这项研究确定了影响静缩和静缩血压降低治疗后的关键因素.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
背景情况:
- 血压升高 (高血压) 带来重大健康风险,包括心力衰竭,功能衰竭和心血管疾病.
- 虽然许多研究探索高血压的原因,但很少有人利用机器学习来预测血压变化的分析.
- 了解影响降低血压的因素对于有效的高血压管理至关重要.
研究的目的:
- 调查与降低缩和腹缩血压相关的社会人口结构,生活方式和临床因素.
- 采用机器学习算法来预测高血压患者的血压降低.
- 为了确定心压缩和心压缩血压下降后抗高血压药物治疗的预测因素.
主要方法:
- 对患者数据的回顾性分析.
- 机器学习算法的应用:天真贝叶斯,人工神经网络,物流回归和决策树.
- 评估包括高血压持续时间,物质消耗,运动和糖尿病等并发症在内的因素.
主要成果:
- 机器学习模型在预测血压下降方面表现强.
- 确定了影响缩和放缩血压降低的关键因素.
- 这些模型可以帮助预测高血压患者的治疗反应.
结论:
- 机器学习为预测高血压管理中的血压变化提供了一个强大的工具.
- 预测模型可以帮助临床医生预测个体患者的治疗结果.
- 进一步的研究可以完善这些模型,用于个性化高血压治疗.
更多相关视频
05:57Author Spotlight: Exploring Huotan Jiedu Tongluo Decoction as an Antihypertensive Drug
Published on: May 17, 2024
06:51Development of an Algorithm to Perform a Comprehensive Study of Autonomic Dysreflexia in Animals with High Spinal Cord Injury Using a Telemetry Device
Published on: July 29, 2016
相关概念视频
Measurement of Blood Pressure
Errors occurring during blood pressure monitoring
Several factors...
Hypertension III: Clinical Manifestations and Diagnostic Studies
Special considerations while measuring blood pressure
Monitoring Both Arms:
Monitoring BP in both arms during the initial assessment is advisable, as the systolic value may differ by five to ten mm Hg between arms. For subsequent BP assessments, use the arm with the higher reading.
Hypertension and Regulation of Blood Pressure
Hypertension I: Introduction
