您当前的位置：
首页 > 文献资料
所属专业：
SMOTE过抽样文献资料
-
基于SMOTE算法和决策树的绝经后骨质疏松性骨折分类模型建构
目的 构建符合北京、上海两地40～65岁女性人口学特征的危险因素和中医症状相结合的骨质疏松性骨折早期风险预测工具.方法 本研究采用注册登记式研究的方法,于2009年3-8月在北京市东城区及上海市徐汇区收集的1823例40～65岁女性骨质疏松症高危人群的危险因素及中医症状信息,进行连续3年的登记观察.采用SMOTE过抽样算法平衡数据,基于决策树模型筛选与骨质疏松症骨折有关的危险因素及中医症状,并建立骨质疏松性骨折风险评估工具.结果 本研究选择C4.5算法作为预测模型建立工具.首先筛选出对绝经后骨质疏松性骨折高危患者发生脆性骨折的危险因素,然后建立预测模型.由于样本量较小,在节点的设置中采用交叉验证,Mode选用Expert,修剪纯度设为75,采用全局修剪.根据此生长和修剪规则,所建立分类树模型共包括5层,共19个结点,共筛选出6个解释变量.各指标按重要程度从大到小依次为骨密度、目眩、肉类、生产次数、视物模糊和乏力.经过逐层各影响因素的分类,终骨折人群比例占13％.对该预测模型预测概率绘制受试者工作特征曲线,结果显示曲线下面积为0.871(95％CI=0.8226-0.9211).结论 初步建立了基于北京、上海人口学特征40～65岁女性骨质疏松性骨折分类模型.
