基于机器学习的青春期多囊卵巢综合征抑郁风险预警模型构建方法技术

本发明专利技术提出了一种基于机器学习的青春期多囊卵巢综合征抑郁风险预测模型构建方法

【技术实现步骤摘要】
Operator
，
LASSO)
模型构建青春期
PCOS
抑郁风险预警模型；
[0011]将待测试样本输入青春期
PCOS
抑郁风险预警模型，通过模型对青春期
PCOS
抑郁风险进行识别；
[0012]所述基于
LASSO
模型构建青春期多囊卵巢综合征抑郁风险预警模型构建青春期
PCOS
抑郁风险预警模型包括：
[0013]将待测试样本输入青春期多囊卵巢综合征抑郁风险预警模型，通过模型对青春期多囊卵巢综合征抑郁高风险人群进行有效识别和预警
。
[0014]优选地，所诉生物学信息
、
社会心理环境信息
、
症状相关信息
、
疾病认知信息使用评估量表包括作为训练特征的情绪调节量表
、
网络成瘾测试量表
、
阿森斯失眠量表
、
领悟社会支持量表
、
修订版青少年自评生活量表
、
青少年负面身体自我感知量表
、...

【技术保护点】

【技术特征摘要】
1.
基于机器学习的青春期多囊卵巢综合征抑郁风险预警方法，其特征在于，包括以下步骤：选择多源异构数据构建数据集，所述数据集中包含人口学信息
、
生物学信息
、
社会心理环境信息
、
诊断及治疗信息
、
症状相关信息
、
疾病认知信息和病理信息；对数据集内的样本进行预处理，使其符合后续模型分析需求；基于
LASSO
模型构建青春期多囊卵巢综合征抑郁风险预警模型；将待测试样本输入青春期多囊卵巢综合征抑郁风险预警模型，通过模型对青春期多囊卵巢综合征抑郁高风险人群进行有效识别和预警
。2.
根据权利要求1所述的基于机器学习的青春期多囊卵巢综合征抑郁风险预警方法，其特征在于，所述生物学信息
、
社会心理环境信息
、
症状相关信息
、
疾病认知信息使用评估量表包括作为训练特征的情绪调节量表
、
网络成瘾测试量表
、
阿森斯失眠量表
、
领悟社会支持量表
、
修订版青少年自评生活量表
、
青少年负面身体自我感知量表
、
简短疾病认知问卷；所述诊断及治疗信息包括作为训练特征的患病时长
、
服用药物类型
、
服药时长；所述病理信息包括作为训练特征的胰岛素
、
睾酮
、
促黄体激素
/
促卵泡激素
、
催乳素实验室测量值
。3.
根据权利要求2所述的基于机器学习的青春期多囊卵巢综合征抑郁风险预警方法，其特征在于，对数据集内样本进行预处理具体包括：第一步，将问卷结果
、
临床体格检查结果及实验室检验指标数据合并进行分析，完成数据集成；第二步，对数据缺失及数据异常的数据进行处理，针对缺失值，重要数据缺失的样本数据选择删除，非重要数据缺失不多的数据利用均值替换的方法来进行补齐；第三步，进行数据转换，对于连续变量，优先保持为连续变量，有序多分类变量根据具体情况按照等级...

【专利技术属性】
技术研发人员：王连红，陈凌云，徐磊，薛彩秀，杨可，丁锐，
申请(专利权)人：遵义医科大学附属医院，
类型：发明
国别省市：