基于CatBoost算法和模糊分类系统的青年人血压预测方法

发布时间：2021-10-29 06:19

　　目的探究CatBoost算法在青年人血压预测中的应用价值,为青年人高血压及高血压前期预警提供一种可行的技术手段。方法以2015—2017年期间在北京某医院体检中心进行健康体检的3872位青年人为研究对象,基于人口统计学和生活方式等指标,分别利用CatBoost算法构建收缩压预测模型和舒张压预测模型,然后利用模糊分类系统预测血压分级。使用线性回归、人工神经网络和SVM 3种机器学习算法分别构建血压预测模型,并与CatBoost模型进行比较分析。以均方根误差（root mean square error,RMSE）和平均绝对百分比误差（mean absolute percentage error, MAPE）作为模型的评价指标,并进一步分析模糊分类系统的预测效果。结果对于收缩压预测,基于CatBoost的模型在测试集上表现最优,RMSE和MAPE分别为11.17和7.18%。对于舒张压预测,基于CatBoost的模型在测试集上表现最优,RMSE和MAPE分别为9.04和9.29%。进一步的模糊分类也取得了较好的血压分类准确性。变量重要性分析表明,影响青年人血压值最重要的4个因素依次是年龄、... 

【文章来源】：北京生物医学工程. 2020,39(06)

【文章页数】：8 页

【部分图文】：

基于CatBoost和模糊分类系统的血压预测方法

对于收缩压和舒张压的影响,变量重要性排名基本一致。排名在前的依次是年龄、BMI、家族史和WHtR,BMI和WHtR都是反映肥胖的指标,BMI是反映全身肥胖情况的指标,WHtR是反映腹部肥胖情况的指标,二者都对血压有重要的影响,其中BMI对血压的影响更大。对于收缩压的影响,性别、精神压力、体力活动情况分别排在第5位至第7位。排在后五位的依次是吸烟、高脂血症、偏咸饮食、饮酒和糖尿病。对于舒张压的影响,性别、精神压力、高脂血症分别排在第5位至第7位,排在后五位的依次是体力活动情况、吸烟、偏咸饮食、饮酒和糖尿病。3.4 血压分类结果

【参考文献】：
期刊论文
[1]肥胖相关高血压的研究进展[J]. 李婧雯,张晓卉,尹新华.  临床与病理杂志. 2020(04)
[2]老年人高血压风险预测肥胖指标筛选[J]. 汪宏莉,韩延柏,陈涛,韩一鸣,王东,耿璐璐.  中国公共卫生. 2020(01)
[3]基于CatBoost算法的糖尿病预测方法[J]. 苗丰顺,李岩,高岑,王美吉,李冬梅.  计算机系统应用. 2019(09)
[4]中国高血压防治指南2018年修订版[J].   心脑血管病防治. 2019(01)
[5]基于机器学习的Cat Boost模型在预测重症手足口病中的应用[J]. 王斌,冯慧芬,王芳,秦新华,黄平,党德建,赵敬,易佳音.  中国感染控制杂志. 2019(01)
[6]集成学习方法:研究综述[J]. 徐继伟,杨云.  云南大学学报(自然科学版). 2018(06)
[7]我国成年人群年龄对体质指数与高血压发病风险的修饰效应[J]. 张冬冬,刘雪娇,王炳源,任永成,赵阳,刘飞燕,刘德臣,程诚,陈序,刘磊磊,周琼桂,徐琦焕,熊一涵,刘佳立,游子扬,张明,胡东生.  中华流行病学杂志. 2018 (06)
[8]北京市顺义区人群中心型肥胖与心血管疾病危险因素分析[J]. 张艳艳,何朝,赵莹颖,杨帅帅,李征,白如冰,孙昕霙.  中国健康教育. 2016(05)
[9]江苏省成人中心型肥胖与心血管疾病危险因素及其聚集性的关系[J]. 苏健,向全永,吕淑荣,潘晓群,覃玉,杨婕,周金意,张永青,武鸣,陶然.  中华心血管病杂志. 2015 (06)



本文编号：3464130