[0]期刊文章%@ 1438-8871 %I JMIR出版物%V 21卡塔尔世界杯8强波胆分析% N 4 %P 12437 %T A卒中风险检测:改进混合特征选择方法%张a，周永来%A，姚健%A张a，宋东松%A，文爱%+中北大学软件学院医学大数据研究所，030051，中国太原学院街3号，86 3923450,zhouyj@nuc.edu.cn %K机器学习%K卒中%K风险%K特征选择%K WRHFS %D 2019 %7 02.04.2019 %9原文%J J医学互联网研究%G英文%X背景:卒中是导致死亡的最常见疾病之一。由于中风的风险因素很多，检测个人中风的风险是至关重要的，但也是具有挑战性的。目的:本研究旨在解决现有脑卒中风险检测研究中无效特征选择的局限性。我们提出了一种基于加权和排序的混合特征选择(WRHFS)方法来选择重要的危险因素来检测缺血性脑卒中。方法:WRHFS遵循包装器方法的原理，将各种过滤算法的优点集成在一起。我们采用多种基于滤波器的特征选择模型作为候选集，包括标准差、Pearson相关系数、Fisher评分、信息增益、Relief算法和卡方检验，并以灵敏度、特异性、准确性和Youden指数作为性能指标来评估所提出的方法。结果:本研究从某社区医院13421例患者的电子病历中选取792份样本。每个样本包括28个特征(24个血液检测特征和4个人口统计学特征)。评价结果表明，该方法从原来的28个特征中选择了9个重要特征，显著优于基线方法。 Their cumulative contribution was 0.51. The WRHFS method achieved a sensitivity of 82.7% (329/398), specificity of 80.4% (317/394), classification accuracy of 81.5% (645/792), and Youden index of 0.63 using only the top 9 features. We have also presented a chart for visualizing the risk of having ischemic strokes. Conclusions: This study has proposed, developed, and evaluated a new feature selection method for identifying the most important features for building effective and parsimonious models for stroke risk detection. The findings of this research provide several novel research contributions and practical implications. %M 30938684 %R 10.2196/12437 %U //www.mybigtv.com/2019/4/e12437/ %U https://doi.org/10.2196/12437 %U http://www.ncbi.nlm.nih.gov/pubmed/30938684

map