WAP手机版 RSS订阅 加入收藏  设为首页
大发mg平台
当前位置:首页 > 大发mg平台

大发mg平台:最后在机器学习中使用随机森林来建立一个正确区分两组的模型

时间:2022/6/22 9:04:01   作者:   来源:   阅读:22   评论:0
内容摘要:贾伟平的研究团队使用了研究组于2014年至2018年在上海泥城社区建立的随访队列。他们以3个社区为基础,筛选出2014年非酒精性脂肪性肝病和2018年随访时非酒精性脂肪性肝病的超声诊断。获得2014-2018年一组酒精性脂肪性肝病病例组和一组无非酒精性脂肪性肝病的健康对照组2014年的临床指标、肠道菌群宏基因组学和代谢...
贾伟平的研究团队使用了研究组于2014年至2018年在上海泥城社区建立的随访队列。他们以3个社区为基础,筛选出2014年非酒精性脂肪性肝病和2018年随访时非酒精性脂肪性肝病的超声诊断。获得2014 - 2018年一组酒精性脂肪性肝病病例组和一组无非酒精性脂肪性肝病的健康对照组2014年的临床指标、肠道菌群宏基因组学和代谢组学数据。

随后,来自德国莱布尼茨汉斯-诺尔研究所的研究团队和合作者通过数据分析,发现患者的肠道菌群在疾病发病前(即超声诊断为非酒精性脂肪性肝病之前)就与健康受试者存在关联。是不同的。然后,他们使用统计分析来识别可预测的微生物群及其代谢物特征,大发mg平台、最后在机器学习中使用随机森林来建立一个正确区分两组的模型。

据完成上述研究结果的倪月琼博士、德国莱布尼茨汉斯-纳尔研究所、上海市第六人民医院介绍,该模型主要基于肠道菌群相关的14项指标,包括2项细菌相对丰富度、3项功能、9项细菌相关代谢物特征,以及年龄、体重指数(BMI)等4项简单临床指标。

“受试者工作特征曲线下的面积(AUC)通常被用来评估模型的性能。区域越接近1,模型区分两组人群的能力越好。模型的受试者工作特征曲线下面积为0.80。四个外部验证队列的诊断性能也相对稳定,AUC达到0.72-0.78,与以往的传统预警模型相比,其性能有了明显提高。”倪Yueqiong说。


本站所有站内信息仅供娱乐参考,不作任何商业用途,不以营利为目的,专注分享快乐,欢迎收藏本站!
所有信息均来自:百度一下(大发mg平台鲁ICP备11034464号-2