支持向量机和Logistic回归在MSM人群艾滋病患病风险预测中的应用

发布时间：2021-06-29 15:03

　　目的探讨两种不同机器学习算法在海口市男男性行为（MSM）人群HIV患病情况风险预测中的应用。方法收集经过数据清洗和筛选后共计3184个样本数据作为抽样集,生成随机序列抽取编号,保证数据均衡的情况下,随机抽样200个,分别运用支持向量机和Logistic回归两种机器算法进行预测分类,依据4个评价指标,比较两种算法预测结果的准确度。并在抽样集上,采用Logistic回归模型对HIV患病情况进行影响因素分析。结果支持向量机灵敏度为0.955,特异度为0.938,准确度为0.950,相对提升度为158.333%;Logistic回归的灵敏度为0.545,特异度为0.750,准确度为0.600,相对提升度为63.158%;哨点监测数据中,Logistic回归模型采用逐步回归法,筛选出3个HIV患病影响因素,采取安全措施和接受预防服务为保护因素,OR值为0.410和0.820;患有伴随性病为危险因素,OR值为3.626。结论在分类与预测方面,支持向量机的结果比Logistic回归模型更加精确。MSM人群应当注意采用安全措施、接受干预服务,提高预防性病的风险意识,减少患HIV的可能性。 

【文章来源】：中国健康教育. 2020,36(04)北大核心

【文章页数】：4 页

【参考文献】：
期刊论文
[1]基于超声弹性成像的支持向量机对颈动脉易损斑块的自动识别[J]. 徐游民,刘志,何琼,罗建文.  中国医疗设备. 2019(05)
[2]机器学习算法在预测男男性行为人群中HIV感染的应用[J]. 郭长满,郭敏,刘媛媛,李长平,崔壮,马骏,.  中国卫生统计. 2019(01)
[3]基于降维和支持向量机的医学诊断[J]. 张蕾,何萍,荣静.  计算机时代. 2018(11)
[4]基于支持向量机的呼吸器肺炎检测算法[J]. 王忠闯,张富贵,谢建兴,廖育萱,张周.  贵州大学学报(自然科学版). 2018(03)
[5]数据缺失情况下基于支持向量机的心脏病诊断[J]. 陈将宏,万华舰,张清河.  数学的实践与认识. 2017(02)
[6]苏州市2013—2014年度男性同性恋性传播性疾病检测结果分析[J]. 季顺锋.  中国卫生产业. 2016(20)
[7]基于支持向量机的土石坝安全监测预报模型研究[J]. 司春棣,练继建,郑杨.  水利水电技术. 2007(09)
[8]Logistic回归的近况与评述[J]. 孙尚拱.  中国卫生统计. 1986(03)

硕士论文
[1]支持向量机在糖尿病遗传风险预测中的应用[D]. 孙选将.华东师范大学 2018



本文编号：3256657