郑家浩 王爱民 于滨 冯超南 纪俊

摘要：  针对糖尿病风险预测中数据单一导致预测误差较大的问题，本研究基于体检电子病历数据分析搭建空腹血糖预测模型，探究适合进行空腹血糖预测建模的方法，预测血糖指标及糖尿病的患病风险。基于数据挖掘基本流程，进行数据预处理，采用序列后向算法进行特征选择，使用决策树、随机森林、SVM、逻辑回归及朴素贝叶斯分类5种机器学习算法进行建模预测，并验证所构建模型的效果。研究结果表明，五种算法的准确率均高于88%，其中SVM准确率最高，达96.7%;敏感度均高于66%，随机森林敏感度最高，为95.1%;特异度均高于88%，逻辑回归特异度最高，为97.0%;AUC的值均高于0.8，随机森林最高为0.942。综合比较序列后向选择算法，随机森林算法更适合搭建糖尿病风险预测模型。该研究对通过电子病历数据进行空腹血糖预测的准确度更高，具有很高的应用价值。

关键词：  体检数据; 空腹血糖; 机器学习算法; 糖尿病风险预测

中图分类号： TP181; R587.1 文献标识码： A

糖尿病是由多种复杂原因导致的终身代谢性疾病，以慢性高血糖为显著特征[1]，根据2019年第九版全球糖尿病地图显示，20～79岁的糖尿病成年患者约有4.63亿[2]。空腹血糖是糖尿病筛查的指标之一，对空腹血糖的预测可预测患病风险，为医生对体检人员身体发展情况提供建设性意见。2015年，ShafiHabibi等人[3]利用决策树算法对伊朗地区22 398例糖尿病患者的诊断数据进行分析，准确率达71.7%;2018年，López B等人[4]利用随机森林构建糖尿……