基于社区居民健康大数据预测高血压的患病风险.docxVIP

基于社区居民健康大数据预测高血压的患病风险 　　摘要：目的利用居民健康大數据预测高血压的患病风险，并分析高血压相关的重要因素。方法基于社区公共卫生系统数据集，利用机器学习中的logistic回归、随机森林和支持向量机算法建立高血压患病风险预测模型，并比较三者的预测性能，另通过随机森林中的基尼系数下降法分析高血压患病的影响因素。结果支持向量机模型的准确率（87.00%）、精确率（85.00%）、召回率（88.00%）、f1值（0.88）和roc曲线下面积（0.932）优于随机森林模型（85.00%、84.00%、87.00%、0.87和0.929）和logistic回归模型（83.00%、85.00%、81.00%、0.81和0.920）。gini系数分析显示，冠心病、年龄、糖尿病和教育水平在预测高血压患病风险中具有重要作用;现教育水平、职业类型、其他慢病、婚姻情况、体重指数、父亲患有高血压、母亲患有高血压、饮酒、饮食偏咸、吸烟、锻炼在预测高血压患病风险中具有一般作用;性别、饮食偏素、饮食偏甜、饮食偏油、饮食偏辣在预测高血压患病风险中作用不大。结论支持向量机预测模型的预测高血压患病风险最优。文化程度低、合并患有冠心病、糖尿病和其他慢病、有家族史和老年人为高血压易患人群，针对此类人群应重点关注体重指数、饮酒和饮食习惯（偏咸）方面。 　　关键词：高血压;机器学习;社区居民