深圳市居民高血压流行现状及风险评估模型研究

发布时间：2022-07-07 11:51

　　目的通过对2015年深圳市慢性病及其危险因素监测调查,分析深圳市18～69岁居民高血压的流行现状及其影响因素,基于哈佛癌症指数方法建立高血压风险评估模型,通过机器学习算法构建高血压风险预测模型,为我国高血压防控工作提供科学依据和评价工具,也为慢性病的风险评估研究提供新思路。方法采用多阶段随机整群抽样方法,在深圳市各个行政区中随机抽取10个社区,在抽取的社区中随机抽取130户居民家庭,对目标家庭选取1名18～69岁居民为调查对象。调查内容包括人口学特征、行为生活方式、身体测量、实验室检测等,最终纳入10058人。计量资料采用均数±标准差表示,两组间比较采用t检验、秩和检验;计数资料采用频数、构成比,描述高血压的分布特征,运用χ2检验和Fiser’s确切概率比较组间的分布差异,趋势分析采用趋势卡方检验。基于Logistic回归分析筛选高血压主要影响因素,利用哈佛癌症指数方法建立高血压风险评估模型。使用Logistic回归、随机森林和支持向量机三种机器学习算法建立高血压风险预测模型。本研究主要采用SPSS25.0和Python3.6统计软件进行数据分析,具体包括描述性分析,多因素分析。使用P... 

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 前言
    1.1 研究背景及意义
    1.2 研究目的与技术路线
        1.2.1 研究目的
        1.2.2 技术路线
第二章 对象与方法
    2.1 研究对象
    2.2 研究方法
        2.2.1 样本量估计
        2.2.2 抽样方法与步骤
        2.2.3 调查内容
        2.2.4 研究变量定义及诊断标准
    2.3 质量控制
        2.3.1 调查人员
        2.3.2 调查现场
        2.3.3 实验室检测
        2.3.4 资料整理
    2.4 统计分析方法
        2.4.1 资料录入与统计分析
        2.4.2 哈佛癌症指数方法
        2.4.3 机器学习建模方法
第三章 结果
    3.1 基本情况
        3.1.1 调查对象人口学特征
    3.2 调查对象高血压流行现状
        3.2.1 高血压患病的人口学分布特征
        3.2.2 高血压患病的行为生活方式分布特征
        3.2.3 高血压患病的BMI和血糖血脂水平分布特征
    3.3 基于哈佛癌症指数建立高血压风险评估模型
        3.3.1 高血压风险评估模型建立
        3.3.2 高血压风险评估模型的验证
        3.3.3 高血压风险评估模型ROC曲线分析
    3.4 基于机器学习建立高血压预测模型
        3.4.1 机器学习高血压预测模型的特征选择
        3.4.2 机器学习高血压预测模型构建
        3.4.3 机器学习高血压预测模型评估验证
        3.4.4 机器学习高血压预测模型的ROC曲线分析
第四章 讨论
    4.1 深圳市高血压流现状及影响因素
        4.1.1 高血压流行现状
        4.1.2 高血压影响因素
    4.2 哈佛癌症指数建立高血压风险评估模型
        4.2.1 哈佛癌症指数模型评估验证结果
        4.2.2 哈佛癌症指数风险评估模型优势及局限性
    4.3 基于机器学习构建高血压风险预测模型
    4.4 创新点与局限性
        4.4.1 创新点
        4.4.2 局限性
第五章 结论与展望
    5.1 结论
    5.2 展望
参考文献
综述
    参考文献
致谢
攻读硕士学位期间发表的论文


【参考文献】：
期刊论文
[1]甘肃省成年人高血压患病状况及影响因素研究[J]. 张琦,王冬冬,刘艺丹,李杨,李潇,王百灵,余静,蔺文燕,刘静.  中国全科医学. 2019(10)
[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]我国高血压流行新特征——中国高血压调查的亮点和启示[J]. 王增武,杨瑛,王文,高润霖.  中国循环杂志. 2018(10)
[4]北京市2013-2014年15岁及以上居民高血压患病率、知晓率、治疗率和控制率调查[J]. 王淳秀,吴晓光,刘宏军,关绍晨,侯城北,李慧慧,顾乡,张仲迎,方向华.  中华流行病学杂志. 2018 (02)
[5]基于支持向量机的潜在高血压预测研究[J]. 周飞,邹宁,赵银歌,黄倩雅,刘可盈.  无线互联科技. 2018(01)
[6]成都市苏坡社区老年人高血压患病现状及影响因素分析[J]. 王青青,万绍平,韩亮,武文博,雍正平,李晋,温敏,吕昉丽,裴姣,周维佳,王新.  实用医院临床杂志. 2018(01)
[7]重庆市居民膳食营养素摄入与高血压关系的研究[J]. 沈鹏宇,范明月,冷冰,崔亚登,张锐,李革.  重庆医学. 2017(34)
[8]肥胖型高血压机制及中西医治疗进展[J]. 王丹,刘龙民,于洋.  医学综述. 2017(23)
[9]山东省成人高血压患病现状及危险因素分析[J]. 马晨,吴炳义,董惠玲,王在翔,杨瑞贞.  现代预防医学. 2017(21)
[10]辽宁省阜新农村地区人群高血压危险因素分析[J]. 张艳妮,曾繁慧,包研科,程奇峰,郭嗣琮,张利民,冯亮,景凯,张大义.  中华高血压杂志. 2017(10)

博士论文
[1]深圳市社区居民脑卒中影响因素分析及风险评估模型研究[D]. 甘勇.华中科技大学 2017
[2]我国高血压患病、知晓、治疗和控制的多水平空间分析[D]. 李镒冲.中国疾病预防控制中心 2016
[3]我国成人超重肥胖流行现状、变化趋势及健康危害研究[D]. 姜勇.中国疾病预防控制中心 2013

硕士论文
[1]基于机器学习的乳腺癌风险分析与预测研究[D]. 刁继尧.南京邮电大学 2019
[2]基于机器学习算法的产后抑郁预测模型的构建[D]. 方晓敏.广东药科大学 2019
[3]常见慢性病危险因素分析及风险评估模型的建立[D]. 曹茜.山西医科大学 2018
[4]江苏省如皋市高血压的控制情况及影响因素分析[D]. 李蓓蓓.苏州大学 2017
[5]福建省高血压患病情况及影响因素分析[D]. 林黛茜.福建医科大学 2017
[6]重庆地区高血压患病率、知晓率、治疗率、控制率以及危险因素的相关性分析[D]. 宋小燕.重庆医科大学 2017
[7]重庆市居民高血压患者控制现状及影响因素研究[D]. 范明月.重庆医科大学 2017
[8]天津市城乡居民心脑血管病患病率调查及高血压发病风险评估[D]. 李庆奎.天津医科大学 2017
[9]基于机器学习的“三高”风险评估的研究与实现[D]. 李玲.北京邮电大学 2017
[10]基于河南省某农村人群的2型糖尿病风险评分模型研究[D]. 张红艳.郑州大学 2016



本文编号：3656370