数据挖掘方法在女性尿失禁预测中应用的研究进展

作     者：尹嘉惠 朱兰 庞海玉 

作者机构：中国医学科学院北京协和医学院群医学及公共卫生学院北京100730 中国医学科学院北京协和医学院北京协和医院妇产科、国家妇产疾病临床医学研究中心北京100730 中国医学科学院北京协和医学院北京协和医院医学科学研究中心、疑难重症及罕见病国家重点实验室北京100730 

出 版 物：《中华妇产科杂志》 (Chinese Journal of Obstetrics and Gynecology)

年 卷 期：2023年第58卷第5期

页      面：392-396页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 100211[医学-妇产科学] 10[医学] 

基　　金：国家重点研发计划(2018YFC2002201) 国家自然科学基金(72104247) 中央高水平医院临床科研业务费(2022-PUMCH-A-023) 

主　　题：决策树算法 logistic回归 随机森林算法 人工神经网络 支持向量机 数据挖掘 多层感知器神经网络 应用的研究 

摘      要：中国女性尿失禁的发病率为21.2/1 000人年, 严重困扰患者的身心健康和社会交往, 降低了生命质量。近年来, 数据挖掘已广泛应用于医学实践中, 使用数据挖掘方法有望增加对疾病预测的准确性, 以达到良好的诊治效果。应用数据挖掘方法构建预测模型可以预测女性尿失禁的发生风险, 有助于识别高危人群进行早期预防。不同数据挖掘方法预测女性尿失禁的性能优劣尚需进一步研究。本文梳理了近年数据挖掘方法(包括logistic回归、多层感知器神经网络和人工神经网络、决策树算法、随机森林算法等)在预测女性尿失禁中应用的研究进展;对比了多种数据挖掘方法建立的预测模型的预测效能, 发现logistic回归、多层感知器神经网络、决策树算法、支持向量机建立的尿失禁预测模型的预测效果良好;本文也对当前研究存在的不足进行了总结(如:样本量小、黑箱问题等), 可为进一步的相关研究及应用提供借鉴。