基于多种算法对冠心病不稳定型心绞痛肾虚血瘀证诊断模型的研究

目的 基于多种算法构建冠心病不稳定型心绞痛(Unstable angina,UA)肾虚血瘀证诊断模型.方法 采用横断面调查的方法,收集199名UA患者的基本资料、四诊信息及临床常规检测指标并进行综合分析.在t检验、非参数检验及Χ2分析的基础上,进一步采用BP神经网络、RBF神经网络、C5.0决策树、C&RT决策树、CHAID决策树、随机森林、逐步Logistic回归和贝叶斯网络8种算法构建UA肾虚血瘀证诊断模型,并比较不同模型的准确度.结果 以BP神经网络形成的UA肾虚血瘀证诊断模型较其它算法性能更优,训练集的准确率、灵敏度和特异度分别为:96.33%、96.39%和96.15%,ROC曲线下面积为0.993;测试集的准确率、灵敏度和特异度分别为94.44%、98.39%和85.71%,ROC曲线下面积为0.967.年龄、腰膝酸软、夜尿多、胖大舌、GRACE评分、收缩压、口唇紫暗、齿松、失眠、健忘等在模型中共贡献度较大,可较好地反应UA肾虚血瘀证的临床特征.结论 与其它算法相比,基于BP神经网络构建的UA肾虚血瘀证诊断模型效果最佳,可行性较好.