检索结果-内蒙古大学图书馆

武警医学 2023年第3期34卷 185-189,193页

作者：谢小莲杜涛乔静武警宁夏总队医院消毒供应科银川750001 武警宁夏总队医院护理部银川750001 武警宁夏总队医院体检中心银川750001

目的探讨lasso-logistic回归模型在高尿酸血症(HUA)影响因素分析中的应用。方法回顾性收集2021年在武警宁夏总队医院参加健康体检的男性军队人员健康档案,用logistic回归和lasso-logistic回归两种模型筛选影响HUA的因素,并用赤池信息准... 详细信息

目的探讨lasso-logistic回归模型在高尿酸血症(HUA)影响因素分析中的应用。方法回顾性收集2021年在武警宁夏总队医院参加健康体检的男性军队人员健康档案,用logistic回归和lasso-logistic回归两种模型筛选影响HUA的因素,并用赤池信息准则(AIC)和贝叶斯信息准则(BIC)评价模型拟合效果。结果男性军队人员HUA检出率为27.3%,传统logistic回归和lasso-logistic回归两个模型的结果均显示,HUA的关键影响因素主要有年龄、丙氨酸氨基转移酶、天门冬氨酸氨基转移酶、γ-谷氨酰转肽酶、肌酐水平和脂肪肝,其中γ-谷氨酰转肽酶[传统logistic回归模型和lasso-logistic模型OR(95%CI)分别为1.03(1.03,1.04)、1.03(1.02,1.04)]与肌酐[两个模型OR(95%CI)均为1.05(1.05,1.06))]是影响HUA最重要的两个指标;lasso-logistic回归模型的AIC(4221.373)和BIC(4308.966)均小于传统logistic回归模型(AIC为4223.373,BIC为4317.222)。结论基于lasso法筛选出的变量组成的lasso-logistic回归模型拟合效果较好,是研究HUA影响因素的可靠选择。

关键词： lasso-logistic回归模型高尿酸血症影响因素

来源：评论

学校读者我要写书评

暂无评论

基于Adaptive lasso-logistic回归模型的财务报告舞弊识别研究

引用

新疆财经大学学报 2019年第3期 42-51页

作者：王威桂林旅游学院

财务报告舞弊行为会对广大投资者的切身利益造成巨大损害,因而如何高效识别财务报告中的舞弊行为已成为目前学界研究的热点。本文在对已有财务报告舞弊识别模型进行分析的基础上,针对logistic回归模型在财务报告舞弊识别中存在的变量多... 详细信息

财务报告舞弊行为会对广大投资者的切身利益造成巨大损害,因而如何高效识别财务报告中的舞弊行为已成为目前学界研究的热点。本文在对已有财务报告舞弊识别模型进行分析的基础上,针对logistic回归模型在财务报告舞弊识别中存在的变量多重共线性和计算复杂等问题,提出Adaptive lasso-logistic回归识别模型,并以2010年—2017年间我国320家上市公司的年度财务报表数据为样本,从盈利能力、营运能力、偿债能力等方面设计了18个财务比率指标进行实证研究。结果表明,与传统的logistic回归模型和lasso-logistic回归模型相比,Adaptive lasso-logistic回归模型不但具备良好的变量筛选能力,而且可以获得更好的识别效果,具有较高的应用价值。

关键词：财务报告舞弊识别 Adaptive lasso-logistic回归模型

来源：评论

学校读者我要写书评

暂无评论

糖尿病黄斑水肿抗VEGF治疗后视力获益早期预测模型构建与验证

引用

眼科新进展 2025年第4期45卷 298-304页

作者：颜宇钟琴陈妍鹏杨蕾李港逸李爽乐自贡市第一人民医院眼科四川省自贡市643000 河北北方学院附属第一医院眼科河北省张家口市075000

目的基于临床资料、OCTA、血清脑组织水通道蛋白4(AQP4)mRNA、总胆红素(TBIL)构建糖尿病黄斑水肿(DME)抗血管内皮生长因子(VEGF)治疗后视力获益的早期预测模型,并进行验证。方法选取2021年10月至2024年3月自贡市第一人民医院收治的480例... 详细信息

目的基于临床资料、OCTA、血清脑组织水通道蛋白4(AQP4)mRNA、总胆红素(TBIL)构建糖尿病黄斑水肿(DME)抗血管内皮生长因子(VEGF)治疗后视力获益的早期预测模型,并进行验证。方法选取2021年10月至2024年3月自贡市第一人民医院收治的480例(480眼)DME患者,按照21分为建模集(320例)、验证集(160例)。将建模集根据抗VEGF治疗后视力获益情况分为获益组(80例)、未获益组(240例)。收集两组患者基线资料,分析DME患者抗VEGF治疗后视力获益的影响因素,构建早期预测模型,并对该模型进行内部、外部验证。结果组间比较结果显示,未获益组患者糖尿病病程长于获益组,吸烟患者占比、最佳矫正视力(BCVA)最小分辨角对数(logMAR)视力、糖化血红蛋白(HbAlc)、AQP4 mRNA均高于获益组,中心凹视网膜深层毛细血管血流密度(DCP-VD)、黄斑中央厚度(CMT)、TBIL均低于获益组(均为P<0.05)。lasso-logistic回归分析显示,DME抗VEGF治疗后视力获益的影响因素为CMT、BCVA(logMAR)、HbAlc、AQP4 mRNA、中心凹DCP-VD、TBIL。基于上述影响因素构建的抗VEGF治疗后视力获益的列线图模型的预测风险一致性指数为0.844。受试者工作特征曲线(ROC)显示,该模型在建模集中预测的曲线下面积(AUC)为0.844(95%CI:0.797~0.891),验证集中预测的AUC为0.898(95%CI:0.847~0.949)。决策分析曲线显示,建模集高风险阈值在0~82%,验证集高风险阈值在0~100%时,该模型可带来临床净收益。结论CMT、BCVA(logMAR)、HbAlc、AQP4 mRNA、中心凹DCP-VD、TBIL是DME抗VEGF治疗后视力获益的影响因素,基于此构建的视力获益预测模型准确性、稳定性较高,可作为临床预测治疗后视力获益的有效工具。

关键词：糖尿病黄斑水肿 lasso-logistic回归模型列线图模型危险因素影响因素

来源：评论

学校读者我要写书评

暂无评论

俯卧位通气相关面部压力性损伤危险因素分析及最佳建模方法选择

引用

中国全科医学 2024年第8期27卷 948-954页

作者：袁媛张亚荣李振刚张莉新疆医科大学第一附属医院重症医学中心新疆维吾尔自治区乌鲁木齐市830092 新疆医科大学第一附属医院护理部新疆维吾尔自治区乌鲁木齐市830092

背景面部压力性损伤是俯卧位通气患者常见并发症,创面局部暴露可增加全身感染风险,影响俯卧位通气治疗效果,甚至造成局部组织永久性功能损害。探讨其危险因素并构建预测模型对于预防俯卧位通气相关面部压力性损伤具有重要临床意义。目... 详细信息

背景面部压力性损伤是俯卧位通气患者常见并发症,创面局部暴露可增加全身感染风险,影响俯卧位通气治疗效果,甚至造成局部组织永久性功能损害。探讨其危险因素并构建预测模型对于预防俯卧位通气相关面部压力性损伤具有重要临床意义。目的探讨俯卧位通气相关面部压力性损伤的危险因素及其最佳建模方法。方法选择2020年6月—2023年3月入住新疆医科大学第一附属医院重症医学科的159例接受俯卧位通气的患者为研究对象,根据是否发生面部压力性损伤分为压力性损伤组(n=22)和非压力性损伤组(n=137),收集患者的一般信息、疾病诊断、治疗措施、实验室检查。分别使用逐步logistic回归模型、全变量logistic回归模型及lasso-logistic回归模型筛选面部压力性损伤危险因素并建立预测模型,应用受试者工作特征曲线下面积(AUC)评价模型区分度;应用赤池信息准则(AIC)、贝叶斯信息准则(BIC)及校准曲线评价模型校准度;应用决策曲线评价模型临床应用价值。通过比较三种logistic回归模型预测效能和临床应用差异选择最佳建模方法。结果逐步logistic回归模型结果显示,面部压力性损伤的影响因素为年龄(OR=39.041)、糖尿病(OR=7.256)和单次俯卧位通气时间(OR=6.705);全变量logistic回归模型结果显示,面部压力性损伤的影响因素为年龄(OR=26.882)、糖尿病(OR=1.770)、ICU住院时间(OR=2.610)和单次俯卧位通气时间(OR=5.340);lasso-logistic回归结果显示,面部压力性损伤的影响因素为年龄(OR=38.256)、糖尿病(OR=1.094)、单次俯卧位通气时间(OR=5.738)和Richmond躁动镇静评分(OR=1.179)。lasso-logistic回归模型预测俯卧位通气相关面部压力性损伤的AUC、灵敏度和特异度分别为0.855、0.959和0.750,优于逐步和全变量logistic回归模型;AIC和BIC分别为44.634和55.745,低于逐步和全变量logistic回归模型;校准曲线显示lasso-logistic回归模型预测概率与实际概率拟合效果最佳。决策曲线显示lasso-logistic回归模型获得临床收益对应风险阈值为0.01~0.98,优于逐步和全变量logistic回归模型。结论年龄、糖尿病、单次俯卧位通气时长和Richmond躁动镇静评分是俯卧位通气相关面部压力性损伤的危险因素,lasso-logistic回归模型预测效能和临床应用价值优于逐步logistic回归模型和全变量logistic回归模型,是最佳建模方法。

关键词：俯卧位通气压力性溃疡面部损伤危险因素 lasso-logistic回归模型 logistic模型

来源：评论

学校读者我要写书评

暂无评论

神经减压术治疗偏头痛患者的疗效影响因素及预测模型构建

引用

新乡医学院学报 2023年第10期40卷 965-969页

作者：杨涛李红伟王东黄河中心医院神经外科河南郑州450000 郑州大学第一附属医院神经外科河南郑州450000 航空总医院神经外科北京100012

目的探讨神经减压术治疗偏头痛患者的疗效影响因素并构建预测模型。方法选择2021年1月至2023年4月于黄河中心医院行神经减压术治疗的124例偏头痛患者为研究对象。患者均给予神经减压术,术后6个月对患者进行疗效评估,并根据治疗效果将... 详细信息

目的探讨神经减压术治疗偏头痛患者的疗效影响因素并构建预测模型。方法选择2021年1月至2023年4月于黄河中心医院行神经减压术治疗的124例偏头痛患者为研究对象。患者均给予神经减压术,术后6个月对患者进行疗效评估,并根据治疗效果将患者分为有效组(n=104)和无效组(n=20)。收集患者的临床资料,采用单因素和lasso-logistic回归分析偏头痛患者神经减压术后疗效的影响因素,并与全变量logistic回归、逐步logistic回归的结果进行比较。根据lasso-logistic回归分析的结果构建列线图预测模型,并采用校准曲线、决策曲线评价预测模型的区分度、准确度及临床实用性。结果术后6个月,124例患者中显效24例,有效80例,无效20例,总有效率为83.87%(104/124)。单因素分析结果显示,有效组与无效组患者偏头痛病程、偏头痛程度、偏头痛发作持续时间、偏头痛发作频率、术后血清5-羟色胺(5-HT)、血管活性肠肽(VIP)、β-内啡肽(β-EP)和肿瘤坏死因子-α(TNF-α)水平比较差异有统计学意义(P<0.05);lasso-logistic回归分析结果显示,偏头痛发作频率高、术后血清5-HT、VIP、β-EP低水平及TNF-α高水平是影响偏头痛患者神经减压术后临床疗效的独立危险因素(P<0.05);与全变量logistic回归和逐步logistic回归相比,lasso-logistic回归模型的赤池信息量准则、贝叶斯信息准则最小;构建的列线图预测模型具有较好的区分度、准确度及临床实用性。结论偏头痛发作频率高及术后血清5-HT、VIP、β-EP低水平和TNF-α高水平是偏头痛患者神经减压术后临床疗效的独立影响因素,基于上述影响因素建立的预测模型对临床疗效具有一定预测价值。

关键词：偏头痛神经减压术 lasso-logistic回归模型列线图模型

来源：评论

学校读者我要写书评

暂无评论

胆总管结石患者ERCP术后并发胰腺炎影响因素及列线图模型构建

引用

临床误诊误治 2025年第5期38卷 59-65页

作者：周怿朱恒波汪浩鹏丁耀昆南京医科大学第四附属医院消化内科南京210000 南京医科大学附属南京医院(南京市第一医院)急诊科南京210000

目的基于lasso-logistic回归模型探讨胆总管结石患者内镜逆行胰胆管造影(ERCP)术后并发胰腺炎的影响因素及列线图模型,为预防ERCP术后并发胰腺炎提供依据。方法选取2021年1月至2024年1月收治的ERCP术后并发胰腺炎患者80例和ERCP术后未... 详细信息

目的基于lasso-logistic回归模型探讨胆总管结石患者内镜逆行胰胆管造影(ERCP)术后并发胰腺炎的影响因素及列线图模型,为预防ERCP术后并发胰腺炎提供依据。方法选取2021年1月至2024年1月收治的ERCP术后并发胰腺炎患者80例和ERCP术后未发生胰腺炎患者160例。比较2组一般资料、实验室指标,采用lasso-logistic回归分析胆总管结石患者ERCP术后并发胰腺炎的影响因素;构建列线图模型,并通过受试者工作特征(ROC)曲线、校准曲线及决策曲线分析(DCA)对列线图模型进行验证。结果lasso-logistic回归分析显示,急慢性胰腺炎史、Oddi括约肌功能障碍(SOD)史、Toll样受体4(TLR4)、插管困难、ERCP时间、miR-25-3p、胰管显影、miR-181a-5p是胆总管结石患者ERCP术后并发胰腺炎的影响因素(P<0.01);列线图模型预测ERCP术后并发胰腺炎的曲线下面积为0.851(95%CI:0.801,0.901),校正曲线与理想曲线基本一致,DCA提示该模型具有较好的临床净获益。结论胆总管结石患者ERCP术后并发胰腺炎的影响因素涉及急慢性胰腺炎史、SOD史、miR-25-3p、miR-181a-5p、TLR4、插管困难、ERCP时间、胰管显影,据此构建列线图模型预测效能较好,有助于指导临床诊疗。

关键词：胆总管结石内镜逆行胰胆管造影胰腺炎列线图 lasso-logistic回归模型影响因素分析

来源：评论

学校读者我要写书评

暂无评论

基于列线图构建脑卒中半失能老年患者坠床跌倒风险预测模型

引用

河北医药 2024年第6期46卷 924-929,934页

作者：任斯诗叶菲郑涛詹凡杨莉湖北省武汉市红十字会医院 430015

目的探讨脑卒中半失能老年患者坠床跌倒相关因素,构建列线图预测模型,制定针对性防治措施,以降低坠床跌倒风险。方法回顾性收集2020年1月至2022年12月374例脑卒中半失能老年患者临床资料,按7∶3比例随机分为建模组、验证组。采用单因素... 详细信息

目的探讨脑卒中半失能老年患者坠床跌倒相关因素,构建列线图预测模型,制定针对性防治措施,以降低坠床跌倒风险。方法回顾性收集2020年1月至2022年12月374例脑卒中半失能老年患者临床资料,按7∶3比例随机分为建模组、验证组。采用单因素、多因素logistic回归方程筛选脑卒中半失能老年患者坠床跌倒风险。建立逐步logistic回归、lasso-logistic回归模型进行参数估计。基于lasso-logistic回归方程筛选高危因素构建列线图预测模型并进行内部验证,评价该预测模型预测效能及临床效用。结果374例调查问卷,有效回收369份,369例脑卒中半失能患者按73比例随机分配样本量,最终建模组258例,验证组111例;跌倒史、睡眠障碍、抑郁状态、衰弱、夜尿≥3次/晚、Morse跌倒风险评分是坠床跌倒的危险因素,且经逐步logistic回归证实其拟合、预测效果相对较好(P<0.05);列线图预测模型在建模组、验证组的C-index分别为0.813、0.842,AUC分别为0.813、0.842,且校准曲线、DCA曲线证实该模型校准能力、净获益值较高。结论跌倒史、睡眠障碍、抑郁状态、衰弱、夜尿≥3次/晚、Morse跌倒风险评分升高为脑卒中半失能老年患者坠床跌倒的危险因素,基于上述危险因素建立列线图预测模型对预测坠床跌倒风险具有临床应用价值,可为临床工作者提供可预见性的干预措施,减少坠床跌倒发生。

关键词：老年脑卒中半失能坠床跌倒列线图预测模型 lasso-logistic回归模型

来源：评论

学校读者我要写书评

暂无评论

妊娠糖尿病发病风险预测模型的建立与验证

妊娠糖尿病发病风险预测模型的建立与验证

引用

作者：王霞遵义医科大学

学位级别：硕士

目的:基于“遵义出生队列”,了解遵义地区孕妇妊娠期糖尿病（Gestaional Diabetes Mellitus,GDM）发生情况并识别其关键的影响因素;建立GDM可视化预测模型,为高危孕妇筛选、GDM发生预测及其一级预防策略制定提供支持。方法:本研究纳入... 详细信息

目的:基于“遵义出生队列”,了解遵义地区孕妇妊娠期糖尿病（Gestaional Diabetes Mellitus,GDM）发生情况并识别其关键的影响因素;建立GDM可视化预测模型,为高危孕妇筛选、GDM发生预测及其一级预防策略制定提供支持。方法:本研究纳入年龄介于20至45岁之间,单胎妊娠,无严重疾病和传染病,以及未生育过出生缺陷的婴儿的孕妇,并采用该队列中2020年9月到2021年5月的孕妇人群为建模人群,2021年6月到2021年12月的孕妇人群为内部验证人群,武汉地区队列孕妇为外部验证人群进行模型验证。研究根据孕妇个人史与家族史、社会生活行为方式以及环境污染物暴露情况几方面进行预测模型的建立,并根据是否纳入环境污染物暴露情况分别建立人口学-行为生活方式模型（demographic-lifestyle factors model,DLFM）和人口学-行为生活方式-环境污染物暴露模型（demographic-lifestyle-environmental pollution factor model,DLEFM）,并分别评估模型的预测效能以确定最终的研究模型,采用列线图进行模型的可视化展示。模型采用套索（the least absolute shringage and selection operator,lasso）方法筛选变量结合logistic回归建立,模型的区分度和校准度评价分别采用曲线下面积（area under the receiver operating characteristic curve,AUC）和校准曲线分析评价,模型的净效益采用决策曲线评价。结果:1.本研究纳入了2020年9月到2021年5月的孕妇1756名,2021年6月到2021年12月的孕妇1234名,并纳入同期武汉地区的孕妇人群1200名孕妇,各人群GDM发病率分别为15.5%、12.6%、16.3%。2.基于模型预测结果的评价,本研究选择了纳入DLEFM为最终模型,基于lassologistic回归分析共纳入了七个预测因素,包括GDM病史、糖尿病家族史、孕妇孕前BMI、高血压病史、久坐时间、MBz P和MEP暴露情况。结果显示孕妇孕前BMI偏轻（BMI≤18.5）是GDM发生的保护因素,偏瘦的孕妇发生GDM的风险可降低10%,OR值为0.90（95%CI:0.54,1.42）;孕妇孕前属于超重或者肥胖人群时会增加GDM发生风险性,其发病风险是正常BMI孕人群的1.71（95%CI:1.27,2.29）倍;有GDM病史的孕妇发生GDM的风险是没有GDM病史孕妇的4.22（95%CI:1.89,9.41）倍;有糖尿病家族史的孕妇发生GDM的风险是没有糖尿病家族史孕妇的2.28（95%CI:1.05,4.71）倍;有高血压病史的孕妇发生GDM的风险是没有高血压病史孕妇的2.61（95%CI:1.41,4.72）倍;久坐时间每增加一个小时,GDM发生风险性就增加16%;MBz P有检出的孕妇GDM发生风险是未检出孕妇的1.95（95%CI:1.45,2.67）倍;MEP暴露浓度处于Q4的孕妇发生GDM的风险性是处于Q1孕妇的1.85（95%CI:1.26,2.73）倍,随着MEP浓度的增高,GDM发病风险性呈递增的趋势。3.本研究构建的DLEFM中GDM风险预测模型外部和内部验证的AUC值分别为0.827（95%CI:0.791,0.862）和0.801（95%CI:0.765,0.838）,而DLFM的内部验证和外部验证的AUC值分别为0.783（95%CI:0.743,0.824）和0.760（95%CI:0.720,0.798）;校准曲线结果显示DLEFM的预测概率和实际概率较为一致,DLEEM的决策曲线的净效益优于DLFM。4.本研究基于DLEFM构建可视化GDM风险评分列线图,纳入了包括孕妇孕前BMI,GDM病史,高血压病史,糖尿病家族史,久坐时间,MBz P和MEP浓度的七个预测因素,可基于这些预测因素的情况进行GDM发生风险的快速评估。结论:研究发现遵义地区孕妇GDM发生率较高,模型结果显示有高血压病史、糖尿病家族史及GDM病史的孕妇是GDM发生的高危人群,需采取相应的措施进行干预和控制;孕妇通过保持较低或正常的BMI,减少久坐时间,且在孕期尽量少接触PAEs类的物质有望降低GDM发生风险,可视化的列线图可供临床医生作更直观参考并为孕妇人群提供预防策略。

关键词：妊娠糖尿病（GDM） lasso-logistic回归模型预测模型模型评价列线图

来源：评论

学校读者我要写书评

暂无评论

机器学习算法建立妊娠期高血压疾病预测模型

机器学习算法建立妊娠期高血压疾病预测模型

引用

作者：黄喜儒汕头大学

学位级别：硕士

背景及目的：　　妊娠期高血压疾病(hypertensive disorders of pregnancy, HDP)是妊娠期特有的疾病，也是孕产妇和围生儿死亡的主要原因之一。早期诊断并干预可减少不良事件的发生。本研究采用不同的机器学习算法建立妊娠期高血压疾病... 详细信息

背景及目的：　　妊娠期高血压疾病(hypertensive disorders of pregnancy, HDP)是妊娠期特有的疾病，也是孕产妇和围生儿死亡的主要原因之一。早期诊断并干预可减少不良事件的发生。本研究采用不同的机器学习算法建立妊娠期高血压疾病预测模型，比较各模型的预测效能，获得最佳妊娠期高血压疾病预测模型。通过建立妊娠期高血压疾病预测模型，筛选出早期高危人群，达到重点监测和干预、改善疾病预后的效果。　　方法：　　建立妊娠期高血压疾病前瞻性队列，入选2014年3月至2018年12月汕头大学医学院第一附属医院妇产科门诊产检的早期(孕7-18周)孕妇，在孕24周、32周、36周及产后12周进行随访。随访内容包括：问卷填写、血压测量、生化指标检测及其他产科检查，登记妊娠期高血压疾病发生情况。对数据缺失超过30%的连续变量进行删失处理，数据缺失小于30%的连续变量，用多重填补法预处理。按7:3的比例将入选者随机分入建模组和验证组，以建模组数据进行模型拟合，验证组数据进行模型内部验证。本研究进行两次模型拟合，第一次：采取lasso(Least absolute shrinkage and selection operator)算法对建模组数据变量进行筛选，继而采用lasso-logistic、随机森林、神经网络及支持向量机四种机器学习算法分别建立四个妊娠期高血压疾病预测模型，用ROC曲线评估各模型的优劣，筛选出预测准确度最佳的模型。第二次：依据最佳模型中各预测指标系数权重，将预测指标组合成线性方程，计算出模型评分。将“年龄”和“初产妇”指标强制纳入分析，与模型评分一起构建列线图。　　分别采用Hosmer-Lemeshow拟合优度检验、校准曲线和ROC曲线对构建的列线图模型进行评估。用决策曲线评估模型的临床效能。最后，将模型设计成网页小程序，以提高模型的临床操作性。　　结果：　　1.研究共纳入5067例妊娠早期妇女，3773例孕妇完成随访。对数据进行多重填补后，3197例纳入分析，其中建模组2258例，59例(2.61%)诊断为妊娠期高血压疾病。验证组939例，31例(3.30%)诊断妊娠期高血压疾病(妊娠期高血压疾病包括妊娠期高血压?子痫或子痫前期)。　　***算法筛选出妊娠期高血压疾病的预测指标：高体重指数、高收缩压、高舒张压、高白细胞、高血小板、高空腹血糖、有尿红细胞、有妊娠期高血压疾病、有妊娠期高血压疾病家族史、孕早期重度生活压力及重体力活动量。将预测指标分别纳入lasso-logistic、随机森林、神经网络和支持向量机算法运算，建立四个妊娠期高血压疾病预测模型，通过ROC曲线评估每个模型的预测准确度。其中lasso-logistic回归算法建立预测模型的预测准确度最佳(lasso-logistic、随机森林、支持向量机和神经网络算法建立的模型进行ROC分析：建模组中AUC分别为0.816,95%Cl:0.754-0.879;0.780,95%Cl:0.716-0.844;0.816,95%Cl:0.750-0.882和0.780,95%Cl:0.711-0.848。验证组中AUC分别为0.795,95%Cl:0.709-0.881;0.516,95%Cl:0.485-0.548;0.638,95%Cl:0.528-0.747和0.719,95%Cl:0.621-0.817)。　　3．依据筛选出的lasso-logistic模型系数权重，将预测指标组合成线性方程，计算出模型评分。将年龄、初产妇、模型评分构建列线图模型，在建模组及验证组AUC分别为0.847,95%Cl:0.805-0.889和0.753,95%Cl:0.653-0.853。　　4．列线图模型校准曲线和Hosmer-Lemeshow拟合优度检验提示模型预测准确度高。用决策曲线评估预测模型的临床效益，当妊娠期高血压疾病发病率在0-13%时，该预测模型具有较好临床预测效果。　　结论：　　lasso-logistic回归算法建立妊娠期高血压疾病模型是4个预测模型中预测准确性最佳的模型，适合临床运用。高体重指数、高收缩压、高舒张压、高白细胞、高血小板、高空腹血糖、有尿红细胞、有妊娠期高血压疾病、有妊娠期高血压疾病家族史、孕早期重度生活压力及重体力活动量是妊娠高血压发生的危险因素，共同组合成模型评分。高模型评分、高龄、初产妇是妊娠期高血压疾病的独立危险因素。本研究建立的模型预测准确性高、临床操作性强。

关键词：妊娠期高血压疾病预测模型机器学习算法 lasso-logistic回归模型

来源：评论

学校读者我要写书评

暂无评论

基于lasso-logistic与SVM的组合模型在个人信用评估中的应用

基于Lasso-Logistic与SVM的组合模型在个人信用评估中的应用

引用

作者：蔡梓煜对外经济贸易大学

学位级别：硕士

~随着经济的发展与人民生活水平的提高，银行或其他金融机构逐渐推出了消费信贷业务。然而,在发放贷款前，金融机构所能掌握的仅仅是申请人所提供的个人信息，很容易因为信息不对称导致违约风险的增加，因此个人信用评估技术仍亟待发展... 详细信息

~随着经济的发展与人民生活水平的提高，银行或其他金融机构逐渐推出了消费信贷业务。然而,在发放贷款前，金融机构所能掌握的仅仅是申请人所提供的个人信息，很容易因为信息不对称导致违约风险的增加，因此个人信用评估技术仍亟待发展和完善。其中，如何选择合理、稳定且高效的评估模型则显得十分必要。而本文的研究内容即是尝试在银行个人贷款信用评估领域应用lasso-logistic和SVM的组合模型，以期更有效地识别可能会发生违约的贷款申请人，从而降低银行所面临的信用风险。本文首先综述与分析了国内外专家学者针对个人信用评估模型的研究现状，详细阐述了lasso-logistic与SVM的理论模型，并运用最小方差法构建了lasso-logistic与SVM的组合模型。其次，结合国内外已经形成的个人信用评估原则和所选取数据集本身的变量特点构建了一套本文的个人信用评估指标体系。在实证分析中，本文首先对样本数据进行了标准化处理，并在R语言中运用交叉验证法对模型进行了训练与测试。其中，在lasso-logistic回归模型中，应用交叉验证法选取了最优参数；在SVM模型中，选择了高斯核函数并利用网格搜索法确定了最优参数。最后基于最小方差法求解了lasso-logistic和SVM的权重系数，并以此建立了线性组合模型。在模型验证时，选取了混淆矩阵、ROC曲线及K-S曲线等指标对模型预测结果进行了评估，同时基于Bootstrap方法进一步检验了模型的稳健性。最终发现在预测准确率和预测误差方面，组合模型的预测结果显著优于两个单一模型。同时，组合模型的灵敏度虽低于lasso-logistic回归模型，但其特异度较另两个模型有较大提升，且其AUC和K-S值也明显高于两个单一模型。而从稳健性检验结果来看，lasso-logistic回归模型的稳健性稍高于SVM模型，且组合模型的稳健性最好。由此可以看出，无论从预测准确性还是稳定性角度出发，组合模型都比两个单一模型表现更好。

关键词： lasso-logistic回归模型 SVM模型组合模型个人信用评估

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：