基于机器学习算法的超重/肥胖患者减重效果预测模型构建及影响因素分析

摘要：

目的 基于6种机器学习算法构建超重/肥胖患者的减重效果预测模型,并分析患者减重效果的影响因素.方法 回顾性分析680例超重/肥胖患者的临床资料,将其随机分为训练集(475例)和验证集(205例).采用基于随机森林算法的10折交叉验证递归特征消除算法筛选出38个特征变量.利用训练集数据,采用Logistic回归、K近邻、决策树、随机森林、支持向量机和朴素贝叶斯6种机器学习算法构建超重/肥胖患者减重效果的预测模型.利用验证集的数据对6种预测模型进行验证,并采用R语言caret包的varlmp函数计算特征变量的重要性.结果 6种预测模型的曲线下面积(AUC)和准确率均＞0.8,其中随机森林预测模型的AUC最大,预测性能最好.减重时长、颈围、躯干脂肪含量百分比、右臂脂肪含量百分比、全身脂肪含量、左上臂围、右上臂围是较为重要的特征变量.结论 基于6种机器学习算法构建的预测模型对超重/肥胖患者减重效果均具有一定的预测效能,其中随机森林预测模型的预测效能相对更优.减重时长、身体脂肪含量(躯干脂肪含量百分比、右臂脂肪含量百分比、全身脂肪含量)、颈围和双侧上臂围等指标与超重/肥胖者的减重效果密切相关,临床上可针对上述因素制订相应措施以提高减重效果.

关键词：超重、肥胖、减重、机器学习算法、预测模型、影响因素、医学营养管理

所属期刊栏目：45

分类号：R459.3(治疗学)

资助基金：广西壮族自治区卫生健康委员会自筹经费科研课题;广西壮族自治区卫生健康委员会自筹经费科研课题;广西壮族自治区卫生健康委员会自筹经费科研课题

在线出版日期：2023-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1969-1976