基于数据挖掘的2型糖尿病风险预测模型的建立和应用

作者：陈淑良; 常红; 王冬平; 张策^*

来源：糖尿病新世界, 2019, 22(04): 1-3.

DOI：10.16658/j.cnki.1672-4062.2019.04.001

• 2型糖尿病
• 风险预测分析
• Logistic回归模型
• 多层感知器神经网络模型
• 决策树分析模型

目的采用数据挖掘方法,考察2型糖尿病的危险因素,确定最优风险预测模型,为建立手机APP软件提供算法,为糖尿病I级预防提供风险预测支持。方法收集某医院2016年1月—2017年7月的糖尿病患者全数据集,共5 571例,通过与同期体检健康对照组5 571例进行对比研究,分别建立Logistic回归模型和多层感知器神经网络模型,比较优劣,确定最终预测模型。结果结果显示Logistic回归和多层感知器神经网络模型对训练样本的预测准确率分别为89.7%、80.4%,对测试样本的预测准确率分别为89.8%、79.8%。结论 Logistic回归模型对2型糖尿病风险预测效能较高,预测结果也更容易结合临床实际,用于风险控制手机APP软件后台编程。

• 单位
  大连医科大学中山学院; 大连医科大学附属第二医院