利用 AI 语言模型识别冠状动脉疾病的预后因素：马什哈德居民研究
机器学习
2025-01-17 v1
摘要
背景：了解心血管动脉疾病的风险因素——全球死亡原因之一——对于影响其病因、流行病和治疗至关重要。本研究旨在评估马什哈德地区冠状动脉疾病的预后标记物。方法：使用 2009 年马什哈德研究的数据，通过 Naive Bayes、REP 树、J48、CART 和 CHAID 算法确定冠状动脉疾病的预后因素。使用 R 3.5.3 和 WEKA 3.9.4 进行建模。通过敏感性、特异性和准确率比较模型效率。案例为冠状动脉疾病患者；每个患者配三名对照者（总计 940 人）。结果：不同算法识别出的冠状动脉疾病预后因素各不相同。CHAID 识别出年龄、心肌梗死史和高血压。CART 包括抑郁评分和体力活动。REP 增加了受教育程度和焦虑评分。NB 包括糖尿病和家族史。J48 强调父亲的心脏病和体重下降。CHAID 的准确率最高（0.80）。结论：CART 和 CHAID 模型中的关键预后因素包括年龄、心肌梗死史、高血压、抑郁评分、体力活动和 BMI。NB、REP 树和 J48 识别了更多因素。CHAID 的准确率、敏感性和特异性最高。CART 提供了更简单的解释，有助于医生和 paramedic 根据具体情况选择模型。
引用
@article{arxiv.2501.09480,
title = {Utilizing AI Language Models to Identify Prognostic Factors for Coronary Artery Disease: A Study in Mashhad Residents},
author = {Bami Zahra and Behnampour Nasser and Doosti Hassan and Ghayour Mobarhan Majid},
journal= {arXiv preprint arXiv:2501.09480},
year = {2025}
}