【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及一种基于机器学习的重症糖尿病的临床预测模型构建方法。
技术介绍
1、随着城市化和商业化的快速发展，人们生活方式的改变，导致糖尿病和非传染性疾病增加，糖尿病从少见疾病变成了流行病，甚至从单一疾病发展为重症糖尿病而进入重症监护病房。糖尿病是一种以高血糖为特征的慢性疾病，其病因较为复杂，通常不是由单一的某一种疾病所引起的，因此，若能够在早期阶段对患者进行病情预测，并及时采取干预措施，对于提高患者生存率和治疗效果具有重要意义。
2、然而，传统的糖尿病患者预测方式往往需要医生基于生理指标的异常数据，对糖尿病的风险进行现场评估，不仅需要医生本身具有较高的专业知识能力和丰富的治疗经验，存在一定的局限性，而且存在患者医疗负担重、医疗压力大等问题。采用预测模型可以起到对高危患者进行早期干预的作用，从而减轻社会的经济及医疗负担。同时可以打破传统的基于医生个人专业知识和临床经验诊疗的局限，为从医人员提供疾病诊疗辅助支持，但现有技术中的预测模型预测的准确性不高，不能有效辅助医护人员做出合理的决策，造成患者疾病诊疗的效
【技术保护点】
1.一种基于机器学习的重症糖尿病的临床预测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的重症糖尿病的临床预测模型构建方法，其特征在于，对所述初始生理生化数据进行预处理，包括：
3.根据权利要求1所述的基于机器学习的重症糖尿病的临床预测模型构建方法，其特征在于，所述多种机器学习模型，包括：岭回归RR、支持向量机SVM、决策树Decision Tree、多层感知机Multilayer Perceptron、自适应增强Ada Boost、梯度提升决策树GBDT和投票分类器Vot。
4.根据权利要求3所述的基于机器...
【技术特征摘要】
1.一种基于机器学习的重症糖尿病的临床预测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的重症糖尿病的临床预测模型构建方法，其特征在于，对所述初始生理生化数据进行预处理，包括：
3.根据权利要求1所述的基于机器学习的重症糖尿病的临床预测模型构建方法，其特征在于，所述多种机器学习模型，包括：岭回归rr、支持向量机svm、决策树decision tree、多层感知机multilayer perceptron、自适应增强ada boost、梯度提升决策树gbdt和投票分类器vot。
4.根据权利要求3所述的基于机器学习的重症糖尿病的临床预测模型构建方法，其特征在于，将所述训练集输入至多种机器学习模型中进行训练，包括：分别构建rr、svm、decision tree、multilayer perc...
【专利技术属性】
技术研发人员：刘庆家，李玉筱，石越，周丹丹，郭迎新，
申请(专利权)人：齐鲁理工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。