结合环论的粒子群优化算法进行冠心病合并慢性心衰预后分析

作     者：张瑜 田晶 杨弘 韩港飞 韩清华 张岩波 

作者机构：山西医科大学公共卫生学院流行病与卫生统计学教研室030001 山西医科大学附属第一医院心内科 重大疾病风险评估山西省重点实验室 

出 版 物：《中国卫生统计》 (Chinese Journal of Health Statistics)

年 卷 期：2024年第41卷第1期

页      面：53-57页

核心收录：

学科分类：1004[医学-公共卫生与预防医学(可授医学、理学学位)] 100401[医学-流行病与卫生统计学] 10[医学] 

基　　金：国家自然科学基金(81872714 82173631) 

主　　题：慢性心衰 类不平衡 粒子群优化 随机森林 支持向量机 

摘      要：目的 采用结合环论的粒子群优化算法(hybridization of ring theory-based evolutionary algorithm and particle swarm optimization, RTPSO)对数据进行均衡化处理,以构建高性能冠心病合并慢性心衰预后模型。方法 分别用SMOTE算法、RTPSO算法对数据进行均衡化处理,在均衡化数据集上构建logistic回归、随机森林、支持向量机模型。结果 本研究共纳入2229例冠心病合并慢性心衰患者,依据筛选出的BMI、射血分数、N端前脑钠肽等22个变量构建模型。用灵敏度、特异度、准确率、F-measure和AUC值评价模型性能,其中RF、SVM、logistic回归、RF-RTPSO、SVM-RTPSO、Logistic-RTPSO灵敏度的中位数分别为0.0172、0.0773、0.0776、0.7568、0.7640、0.7838;F-measure的中位数分别为0.0338、0.1143、0.1283、0.3412、0.3505、0.4545;AUC的中位数分别为0.5086、0.5264、0.5313、0.8016、0.7785、0.7985。结论 RTPSO算法可以从多数类样本中选择有代表性的少数样本,从而达到数据均衡化,使分类模型具备更高的预测性能,指导临床医生发现高危患者,尽早预防不良事件的发生。