基于TPE_XGBoost的冠心病风险评估与致病因素研究

当前,冠心病的患病率逐年攀升,年轻化趋势明显.为确定冠心病的高致病因素,提升诊断准确率,构建预测模型.选取南京中医药大学附属连云港中医院的体检数据作为模型输入,首先构建XGBoost冠心病预测模型,并与支持向量机、逻辑回归、随机森林等算法进行对比;然后采用贝叶斯优化算法优化模型参数,获得最优的TPE_XG?Boost预测模型;最后,利用SHAP算法对各特征进行分析解释,获得冠心病的高致病因素.结果显示,优化后的TPE_XGBoost模型在评价指标上表现较好,准确率达到0.9937,F1值达到0.9955,AUC达到0.9983,排名前四的危险因素为年龄、体重指数、低密度胆固醇、舒张压,可为冠心病的临床决策提供参考.