基于随机森林算法的中医寒证和热证诊断模型研究

R241.3; 目的 从症状体征的角度,构建中医寒证和热证的诊断模型,为寒热辨证标准化提供依据.方法 从《证候规范与辨证方法体系的研究》构建的证候要素-症状数据表中分别筛选与"寒""热"有关的症状,基于随机森林算法特征筛选出排序前15的症状,随机划分为10份,按照7:3作为训练集和测试集,重新采样后以最佳参数分别构建寒证和热证的随机森林模型,以受试者工作特征(ROC)曲线下面积(AUC)、敏感度和特异度作为模型评价指标.结果 寒证的关键特征变量包括脉浮紧、恶寒、无汗、苔白、得温痛减、冷痛、舌淡、恶寒发热、口不渴、身痛、头痛、苔腻、食欲不振、便溏、肢冷,诊...

Full description

Saved in:
Bibliographic Details
Published in北京中医药大学学报 Vol. 44; no. 6; pp. 538 - 543
Main Authors 舒琛洁, 梁浩, 王耘
Format Journal Article
LanguageChinese
Published 北京中医药大学中药学院 北京102488 2021
Subjects
证候要素
诊断模型
随机森林算法
Online AccessGet full text

Cover

More Information
Summary:R241.3; 目的 从症状体征的角度,构建中医寒证和热证的诊断模型,为寒热辨证标准化提供依据.方法 从《证候规范与辨证方法体系的研究》构建的证候要素-症状数据表中分别筛选与"寒""热"有关的症状,基于随机森林算法特征筛选出排序前15的症状,随机划分为10份,按照7:3作为训练集和测试集,重新采样后以最佳参数分别构建寒证和热证的随机森林模型,以受试者工作特征(ROC)曲线下面积(AUC)、敏感度和特异度作为模型评价指标.结果 寒证的关键特征变量包括脉浮紧、恶寒、无汗、苔白、得温痛减、冷痛、舌淡、恶寒发热、口不渴、身痛、头痛、苔腻、食欲不振、便溏、肢冷,诊断模型AUC值为0.912,特异度和敏感度分别为0.89和0.80.热证的关键特征变量包括苔黄、口渴、脉滑数、发热、壮热、脉数、小便赤、舌红、脉弦数、口苦、苔腻、舌红绛、尿黄、心烦、头痛,诊断模型AUC值为0.891,特异度和敏感度分别为0.85和0.86.结论 基于变量筛选及随机森林算法,有效建立了寒热的辨证模型,显示出较好的分类效果,可以为标准化辨证提供方法学参考.
ISSN:1006-2157
DOI:10.3969/j.issn.1006-2157.2021.06.008