基于多类分类的老年2型糖尿病患者分析与死亡率预测

制定管理糖尿病的适当治疗方案需要医疗从业者关注患者的剩余寿命以及影响他们的合并症。患有2型糖尿病的老年人容易过早死亡甚至发生低血糖。所使用的结构化数据集包含 275,190 名 65 岁及以上美国退伍军人糖尿病患者的 68 个潜在死亡率预测因子。通过结合两个原始目标变量，创建了一个新的目标变量。通过离散化连续变量来处理异常值。分类变量进行了哑变量编码。通过随机欠采样实现了类别平衡。使用带 LASSO 的多项逻辑回归构建了基准回归模型。所使用的基于过滤器的特征选择技术是卡方检验和信息增益。采用多项逻辑回归、随机森林、极端梯度提升和 One-vs-Rest 分类器等分类器构建了各种模型。与预期相反，所有模型的表现均持续不佳。XGBoost 结合卡方特征选择给出了 53.03% 的最高准确率。所有模型在类别 3（剩余寿命超过 10 年）中始终表现出可接受的性能，在类别 1（剩余寿命最多 5 年）中表现极低，在类别 2（剩余寿命超过 5 年但最多 10 年）中表现最差。特征分析推断出几乎所有输入变量都与多个目标类别相关联。哑变量编码后输入数据的高维度似乎使模型产生混淆，导致误分类。本研究采取的方法在产生高性能预测模型方面无效，但奠定了基础，因为该问题从未从多类分类的角度被审视过。