一种数字化评估出入境人员亚健康风险的方法

摘要

目的建立一种数字化评估出入境人员亚健康风险的方法。方法收集2008—2014年出入境人员的鹰演电子扫描系统的检查数据与临床体检数据,经数据预处理后,采用极限学习机（ELM）和支持向量机（SVM）同时进行数据挖掘,建立数学模型,并对两种方法的评估效果进行比较。结果 ELM对出入境人员呼吸系统、泌尿生殖系统、免疫系统、内分泌系统、神经系统、消化系统、循环系统和运动系统的训练准确率分别为99.6%、99.4%、99.9%、99.8%、99.7%、97.8%、98.5%和99.0%,SVM的训练准确率均为100.0%。ELM对8个系统的预测准确率分别为87.2%、91.7%、92.8%、93.6%、81.7%、84.7%、87.0%和84.4%,而SVM的预测准确率依次为69.4%、95.7%、81.5%、87.8%、71.1%、82.3%、85.9%和66.0%。结论采用ELM能够准确地对出入境人员亚健康情况进行数字化评估,对实现出入境人员的亚健康早期干预和健康管理有重要意义。