基于机器学习的糖尿病肾病发病风险预测模型研究

摘要

目的 分析比较基于机器学习的LightGBM和随机森林模型在糖尿病患者糖尿病肾病(DN)疾病风险预测模型中的应用。方法 利用国家人口健康科学数据中心公共数据集，应用LightGBM和随机森林两种算法建立DN疾病风险预测模型并进行分析比较研究。结果 LightGBM预测模型的准确率、曲线下面积(AUC)、召回率、精确度和F1得分分别为0.775 0、0.807 1、0.596 3、0.878 0、0.710 2分，均高于随机森林模型。结论 基于机器学习的LightGBM和随机森林模型对DN具有较好的预测效果。LightGBM的准确率、AUC、精确度、召回率、F1得分均更高。临床实践中，可以运用机器学习为相关研究提供参考。

关键词

糖尿病肾病 / 机器学习 / 预测分析 / 比较研究