| 摘要: |
| 目的构建基于机器学习的甲状腺功能异常智能诊断模型，并建立甲状腺功能核心标志物的三维复合参考区间以提高准确率。方法选取2018年1月1日至2022年12月31日在四川大学华西医院体检的18~70岁汉族成年人2055名，研究数据收集日期为2023年1月4日。数据集分为训练集和测试集。采用合成少数类过采样技术算法处理训练集的样本不平衡问题，同时通过结合方差阈值法、统计检验（Kruskal-Wallis检验或χ2检验）和互信息排序的多阶段筛选策略选择关键特征。结合顺序统计量法、核密度估计和高斯混合模型构建三维复合参考区间。结果轻量级梯度提升机（LightGBM）在测试集中的准确率为0.995，宏平均精确率、召回率和F1值分别为0.944、0.998和0.969；加权平均精确率、召回率和F1值分别为0.996、0.995和0.995。优化后的三维复合参考区间将传统促甲状腺激素参考区间从0.27~4.2mIU/L精炼至2.00~2.50mIU/L。结论本研究提出的LightGBM模型在内部测试集中表现良好；三维复合参考区间为甲状腺功能状态分层提供了探索性参考。 |
| 关键词: |
| DOI： |
| 分类号: |
| 基金项目:四川省保健科研项目（川健研2025-104） |
|
|
|
|
| Abstract: |
|
| Key words: |
