利用先进数据挖掘工具研究心肌梗死及其对急症患者的效应
机器学习
2021-12-16 v1
摘要
在医学中，收集不同疾病的多种数据十分重要，而数据最重要的目的之一是研究疾病。心肌梗死是死亡率的重要危险因素，既往研究主要侧重于心脏病患者，并通过人口统计学特征、超声心动图和心电图衡量其心肌梗死可能性。相比之下，本研究旨在利用数据分析算法并比较其在心肌梗死患者中的准确率，以便在考虑紧急手术的前提下识别心肌梗死时的心肌收缩力，并进而预测心肌梗死。为此，收集了 105 份心肌梗死患者的医疗记录，含年龄、紧急手术时间、肌酸磷酸激酶（CPK）检测、心率、血糖和静脉等十四项特征，并通过随机决策森林、决策树、支持向量机（SVM）、k-近邻和有序逻辑回归等数据分析分类技术加以研究。最终，以平均评价指标计，准确率为 76% 的随机决策森林模型被选为最佳模型。此外，肌酸磷酸激酶检测、尿素、白细胞与红细胞计数、血糖、时间和血红蛋白七项特征被识别为射血分数变量的最有效特征。
引用
@article{arxiv.2112.07890,
title = {Investigating myocardial infarction and its effects in patients with urgent medical problems using advanced data mining tools},
author = {Tanya Aghazadeh and Mostafa Bagheri},
journal= {arXiv preprint arXiv:2112.07890},
year = {2021}
}