用于登革热早期诊断的交替决策树

登革热是一种由受感染蚊子叮咬传播的流感样疾病，正迅速成为一个主要的健康问题。利用临床和实验室特征进行及时且具成本效益的诊断，除了为临床管理和疾病监测提供更好的基础外，还将降低死亡率。我们旨在开发一种基于决策树的稳健有效方法来预测登革热疾病。我们的分析基于患病个体的临床特征和实验室测量数据。我们开发并训练了一种带有提升 (boosting) 的交替决策树，并将其性能与用于登革热疾病诊断的 C4.5 算法进行了比较。在 65 份患者记录中，诊断确定有 53 人确诊患有登革热。与 C4.5 相比（正确分类实例为 78%，F-measure 为 0.738，ROC 为 0.617），基于交替决策树的算法能够利用临床和实验室数据区分登革热，其正确分类实例数为 89%，F-measure 为 0.86，受试者工作特征 (ROC) 为 0.826。使用简单临床和实验室特征的基于提升的交替决策树方法，在预测登革热方面比基于 C4.5 的决策树具有更高的准确度。需要进一步在更大数据集上进行分析，以提高交替决策树的敏感性和特异性。