使用机器学习技术预测和分类中风患者的风险:一项回顾性横截面研究
Ghasem Alizadeh-Dizaj1, Shiva Khoshsirat1
1School of Management and Medical Informatics Tabriz University of Medical Sciences Tabriz Iran.
Health science reports
|October 30, 2025
概括
机器学习使用患者数据准确预测中风风险. 身体不活动和高血压等关键因素对于早期检测和改善中风管理至关重要.
科学领域:
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
- 生物统计学 生物统计学
背景情况:
- 在全球范围内,中风是导致死亡和残疾的主要原因.
- 机器学习 (ML) 模型有助于识别患中风高风险的人.
- 预测建模可以帮助缓解中风并发症.
研究的目的:
- 评估ML算法,以预测可疑病例中风风险.
- 用决策树方法识别影响中风严重性的关键风险因素.
主要方法:
- 分析了来自急诊室的1184名疑似中风患者的病历.
- 应用ML算法,包括天真贝叶斯,神经网络,kNN,SVM和分类树.
- 数据预处理和70-30训练测试分割与K折交叉验证.
主要成果:
- 在预测中风严重程度方面,kNN算法获得了最高的准确性 (97.30%).
- 身体不活动,高胆固醇,心血管疾病,过渡性缺血性发作史和高血压被确定为显著的危险因素.
- 决策树分析阐明了风险因素与中风严重程度之间的关系.
结论:
- ML技术对于识别中风风险因素和预测严重程度是有效的.
- 身体不活动和其他已识别的因素对于中风预测至关重要.
- 通过准确的风险评估,研究结果支持加强中风管理策略.
