通过机器学习模型识别B型肝炎病毒血清分布的相关风险因素
Ning Yao1,2, Yang Liu2, Jiawei Xu2
1Department of Health Statistics, College of Preventive Medicine, Army Medical University, NO.30 Gaotanyan Street, Shapingba District, Chongqing, 400038, China.
BMC infectious diseases
|January 9, 2024
概括
重庆的乙型肝炎病毒 (HBV) 感染率为3.83%,成人感染率更高. 机器学习模型有效地识别了HBV感染风险因素,有助于对慢性乙型肝炎 (CHB) 的查.
科学领域:
- 流行病学 流行病学
- 传染性疾病 传染性疾病
- 公共卫生 公共卫生
背景情况:
- 一项省级血清调查评估了重庆普通人口 (1-69岁) 中的乙型肝炎病毒 (HBV) 感染血清流行率.
- 该研究旨在确定HBV感染风险因素,以有效查慢性乙型肝炎 (CHB).
研究的目的:
- 确定重庆市一般人口中HBV感染的当前血清流行率.
- 评估后勤回归和机器学习 (ML) 算法的有效性,以识别HBV感染风险因素.
主要方法:
- 在1828名 (1-69岁) 个体的血清调查中,检测到B型肝炎表面抗原 (HBsAg),HBsAb和HBcAb.
- 后勤回归和三个ML算法 (随机森林,SVM,SGB) 用于数据分析.
主要成果:
- 总的HBsAg患病率为3.83% (0.24%在1-14岁,4.89%在15-69岁).
- 95.18%的成年人没有意识到他们隐藏的HBV感染.
- 年龄,地区和免疫史是HBcAb患病率的显著风险因素;ML模型实现了0.717和0.727.7之间的预测准确度.
结论:
- 综合后勤回归和ML模型可以有效地选HBV感染风险因素.
- 这些模型可以帮助识别患慢性乙型肝炎 (CHB) 的高风险人群.


