基于可解释性机器学习及隐结构模型的2113例糖尿病合并骨质疏松症证候规律研究

摘要

目的 分析糖尿病合并骨质疏松症患者的中医证型及各证型主要症状及证候群，探讨以“抓主症”为核心的辨证规律。方法 回顾性收集糖尿病合并骨质疏松症住院患者病例，筛选高频症状。采用Phi相关系数分析症状与证型的关联强度。基于高频症状构建14种机器学习证型分类模型并筛选最优模型，使用SHAP构建可解释性分析框架解析模型决策过程，同时结合关联规则与隐结构分析挖掘症状群及潜在证候结构。结果 糖尿病合并骨质疏松症患者主要分为脾胃气虚证、湿热内蕴证、肝肾阴虚证及脾肾两虚证四种证型。各证型具有相对稳定的核心症状特征，脾胃气虚证以自汗、乏力、气短为主；湿热内蕴证以烧心、小便黄赤、苔黄为主；肝肾阴虚证以耳鸣、五心烦热、盗汗为主；脾肾两虚证以健忘、大便溏稀、小便泡沫为主。结论 多维度可解释性机器学习结合多种数据挖掘方法，可从症状层面系统揭示糖尿病合并骨质疏松症不同证型的主症及证候群特征，为中医“抓主症”辨证提供依据。

关键词

糖尿病合并骨质疏松症 / 可解释性机器学习 / 隐结构模型

基金资助

国家科技重大专项项目（2024D0523500）; 双首健康行动项目（01060030）