基于机器学习的Cat Boost模型在预测重症手足口病中的应用

作者：王斌; 冯慧芬^*; 王芳; 秦新华; 黄平; 党德建; 赵敬; 易佳音

来源：中国感染控制杂志, 2019, 18(01): 12-16.

• 手足口病
• 重症手足口病
• 机器学习
• CatBoost
• 预测

目的通过机器学习算法,探究CatBoost模型在预测重症手足口病(HFMD)中的应用价值。方法收集郑州市某医院2014年1月—2017年6月住院部诊治的2983例HFMD患儿,使用R3.4.3软件进行数据分析,构建CatBoost模型和其他普通模型,评估CatBoost模型的预测性能。结果最终构建的CatBoost模型,预测正确率可达87.6%,人工神经网络模型位居第二(83.8%),其他(决策树、支持向量机、logistic回归、贝叶斯网络)模型预测正确率<80%。CatBoost算法模型ROC曲线下面积、灵敏度、特异度均高(分别为0.866、80.80%、92.33%),其中居前3位的预测变量依次为呕吐、肢体抖动和病原学结果。结论CatBoost模型可以用于预测重症HFMD,相比于其他传统算法,具有较高的预测正确率和诊断价值。

• 单位
  郑州大学第五附属医院; 郑州大学