基于多因素回归分析和机器学习算法的冠心病预测模型构建及比较

摘要

本文旨在构建基于临床电子病历数据的冠心病预测模型.回顾性收集了2015年至2020年在宁波大学医学院附属医院住院期间,接受选择性冠状动脉造影的患者的临床数据,分别应用决策树、朴素贝叶斯和逻辑回归算法构建冠心病预测模型,比较3种模型的预测性能.共收集354例患者数据,其中冠心病患者140例,非冠心病患者214例,根据逻辑回归、朴素贝叶斯、决策树算法构建的3种预测模型的准确性分别为70.6%、89.5%、90.7%;曲线下面积分别为0.676、0.869、0.921.所构建的3种预测模型均具备较好的冠心病预测能力,具有用于冠心病筛查的潜在价值.