基于英国生物样本库数据的心血管疾病识别机器学习模型
定量方法
2024-07-25 v1 机器学习
摘要
机器学习模型有潜力在初级医疗环境中准确地早期识别心血管疾病（CVD），这对于及时提供治疗和管理至关重要。尽管传统上已使用基于人群的CVD风险模型，但这些模型通常不考虑生活方式、社会经济条件或遗传倾向的变化。因此，我们旨在使用初级医疗数据开发CVD检测的机器学习模型，比较不同模型的性能，并确定最佳模型。我们使用来自英国生物样本库研究的数据，包含来自英国不同初级医疗中心的50多万中年受试者。本研究使用于2006--2010年基线阶段收集的数据，以及2014年后进行的影像学访问数据。包括性别、年龄和 Townsend 贫困指数在内的基线特征均被包括在内。若受试者报告至少一种以下条件，即视为患有CVD：心脏病发作、心绞绞痛、中风或高血压。心脏成像数据，如心电图和超声心动图数据，包括左心室大小和功能、心脏输出量和脉搏量，也被用于。我们使用了9种机器学习模型（LSVM、RBFSVM、GP、DT、RF、NN、AdaBoost、NB和QDA），这些模型是可解释且易于解释的。我们报告了准确率、精确率、召回率和 F-1 分数；混淆矩阵；以及受试者工作曲线下面积（AUC）曲线。
引用
@article{arxiv.2407.16721,
title = {Machine Learning Models for the Identification of Cardiovascular Diseases Using UK Biobank Data},
author = {Sheikh Mohammed Shariful Islam and Moloud Abrar and Teketo Tegegne and Liliana Loranjo and Chandan Karmakar and Md Abdul Awal and Md. Shahadat Hossain and Muhammad Ashad Kabir and Mufti Mahmud and Abbas Khosravi and George Siopis and Jeban C Moses and Ralph Maddison},
journal= {arXiv preprint arXiv:2407.16721},
year = {2024}
}
备注
19 pages, 3 figures