基于机器学习的卒中预测模型的比较分析
机器学习
2025-05-16 v1
摘要
卒中仍然是最关键的全球健康挑战之一，是全球第二大死因和第三大致残原因。本研究探索了机器学习算法在利用卒中预测数据集中的流行病学、临床和生活方式数据预测卒中风险方面的有效性。通过解决类别不平衡和缺失数据等关键方法学挑战，我们评估了包括逻辑回归、随机森林和XGBoost在内的多种模型的性能。我们的结果表明，尽管这些模型实现了高准确率，但灵敏度仍然是实际临床应用中的限制因素。此外，我们识别了最具影响力的预测特征，并提出了改进基于机器学习的卒中预测的策略。这些发现有助于开发更可靠和可解释的卒中风险早期评估模型。
引用
@article{arxiv.2505.09812,
title = {Comparative Analysis of Stroke Prediction Models Using Machine Learning},
author = {Anastasija Tashkova and Stefan Eftimov and Bojan Ristov and Slobodan Kalajdziski},
journal= {arXiv preprint arXiv:2505.09812},
year = {2025}
}