建立基于常规血液检查的过敏性鼻炎智能查模型

科学领域:

• 医学诊断 医学诊断 医学诊断
• 计算生物学是一种计算生物学.
• 医疗信息学 医疗信息学

背景情况:

• 过敏性鼻炎 (AR) 发病率正在上升,导致生活质量显著下降和社会经济影响.
• 目前的AR诊断方法存在局限性,需要紧急开发高效,低成本的早期查工具.

研究的目的:

• 利用常规血液检测数据开发一种针对过敏性鼻炎 (AR) 的智能早期查模型.
• 评估基于机器学习的组合投票策略对AR选的性能.

主要方法:

• 采用集体硬投票,过,嵌入和包装策略,从常规血液测试中选择16个关键特征.
• 使用K-最近邻居,后勤回归,随机森林,决策树和支持向量机算法作为基础分类器.
• 为AR早期选构建了一个整体软投票模型.

主要成果:

• 开发的AR早期查模型实现了0.862的曲线下的面积 (AUC),超过了个别算法.
• 外部验证显示该模型的准确性为73.91%.
• 该模型有效地利用常规血液检测参数,而不会给患者带来额外的负担.

结论:

• 组合投票策略与机器学习相结合,提供了使用常规血液检查进行早期AR查的有效方法.
• 这种方法为初级保健机构提供了一种新的,低成本的诊断策略,有可能改善AR管理.
• 该研究强调了利用现有数据开发可访问和高效的健康查工具的潜力.