探讨基于机器学习模型对青年高血压并发焦虑情绪的预测价值

打开文本图片集

【摘要】目的 利用机器学习模型预测青年高血压患者并发焦虑情绪的风险，评价机器学习模型对其的预测价值。方法 回顾性分析常德市第一中医医院2021年12月至2023年6月期间收治的679名青年高血压患者的临床资料，根据患者是否存在焦虑状态，分为无焦虑状态组（464例）、有焦虑状态组（215例），统计两组患者基线资料与实验室指标，进行单因素和多因素Logistic回归分析筛选出青年高血压患者并发焦虑状态的影响因素；另将所有患者依据7∶3比例随机分为训练集（475例）和测试集（204例），在训练集中运用机器学习算法构建支持向量机（SVM）、K邻近（KNN）、分类决策树（Decision Tree）、随机森林（RF）、极端随机树（Extra Trees）、极限梯度提升（XGBoost）、机器学习算法（LightGBM）预测模型，使用测试集对预测模型进行内部验证；绘制受试者工作特征（ROC）曲线评估各模型对青年高血压患者并发焦虑状态的预测效能。（剩余8409字）