目的通過對2015年深圳市慢性病及其危險因素監(jiān)測調(diào)查,分析深圳市18～69歲居民高血壓的流行現(xiàn)狀及其影響因素,基于哈佛癌癥指數(shù)方法建立高血壓風險評估模型,通過機器學習算法構建高血壓風險預測模型,為我國高血壓防控工作提供科學依據(jù)和評價工具,也為慢性病的風險評估研究提供新思路。方法采用多階段隨機整群抽樣方法,在深圳市各個行政區(qū)中隨機抽取10個社區(qū),在抽取的社區(qū)中隨機抽取130戶居民家庭,對目標家庭選取1名18～69歲居民為調(diào)查對象。調(diào)查內(nèi)容包括人口學特征、行為生活方式、身體測量、實驗室檢測等,最終納入10058人。計量資料采用均數(shù)±標準差表示,兩組間比較采用t檢驗、秩和檢驗;計數(shù)資料采用頻數(shù)、構成比,描述高血壓的分布特征,運用χ2檢驗和Fiser’s確切概率比較組間的分布差異,趨勢分析采用趨勢卡方檢驗�；贚ogistic回歸分析篩選高血壓主要影響因素,利用哈佛癌癥指數(shù)方法建立高血壓風險評估模型。使用Logistic回歸、隨機森林和支持向量機三種機器學習算法建立高血壓風險預測模型。本研究主要采用SPSS25.0和Python3.6統(tǒng)計軟件進行數(shù)據(jù)分析,具體包括描述性分析,多因素分析。使用P... 

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 前言
    1.1 研究背景及意義
    1.2 研究目的與技術路線
        1.2.1 研究目的
        1.2.2 技術路線
第二章 對象與方法
    2.1 研究對象
    2.2 研究方法
        2.2.1 樣本量估計
        2.2.2 抽樣方法與步驟
        2.2.3 調(diào)查內(nèi)容
        2.2.4 研究變量定義及診斷標準
    2.3 質(zhì)量控制
        2.3.1 調(diào)查人員
        2.3.2 調(diào)查現(xiàn)場
        2.3.3 實驗室檢測
        2.3.4 資料整理
    2.4 統(tǒng)計分析方法
        2.4.1 資料錄入與統(tǒng)計分析
        2.4.2 哈佛癌癥指數(shù)方法
        2.4.3 機器學習建模方法
第三章 結(jié)果
    3.1 基本情況
        3.1.1 調(diào)查對象人口學特征
    3.2 調(diào)查對象高血壓流行現(xiàn)狀
        3.2.1 高血壓患病的人口學分布特征
        3.2.2 高血壓患病的行為生活方式分布特征
        3.2.3 高血壓患病的BMI和血糖血脂水平分布特征
    3.3 基于哈佛癌癥指數(shù)建立高血壓風險評估模型
        3.3.1 高血壓風險評估模型建立
        3.3.2 高血壓風險評估模型的驗證
        3.3.3 高血壓風險評估模型ROC曲線分析
    3.4 基于機器學習建立高血壓預測模型
        3.4.1 機器學習高血壓預測模型的特征選擇
        3.4.2 機器學習高血壓預測模型構建
        3.4.3 機器學習高血壓預測模型評估驗證
        3.4.4 機器學習高血壓預測模型的ROC曲線分析
第四章 討論
    4.1 深圳市高血壓流現(xiàn)狀及影響因素
        4.1.1 高血壓流行現(xiàn)狀
        4.1.2 高血壓影響因素
    4.2 哈佛癌癥指數(shù)建立高血壓風險評估模型
        4.2.1 哈佛癌癥指數(shù)模型評估驗證結(jié)果
        4.2.2 哈佛癌癥指數(shù)風險評估模型優(yōu)勢及局限性
    4.3 基于機器學習構建高血壓風險預測模型
    4.4 創(chuàng)新點與局限性
        4.4.1 創(chuàng)新點
        4.4.2 局限性
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻
綜述
    參考文獻
致謝
攻讀碩士學位期間發(fā)表的論文


【參考文獻】：
期刊論文
[1]甘肅省成年人高血壓患病狀況及影響因素研究[J]. 張琦,王冬冬,劉藝丹,李楊,李瀟,王百靈,余靜,藺文燕,劉靜.  中國全科醫(yī)學. 2019(10)
[2]機器學習算法在預測男男性行為人群中HIV感染的應用[J]. 郭長滿,郭敏,劉媛媛,李長平,崔壯,馬駿,.  中國衛(wèi)生統(tǒng)計. 2019(01)
[3]我國高血壓流行新特征——中國高血壓調(diào)查的亮點和啟示[J]. 王增武,楊瑛,王文,高潤霖.  中國循環(huán)雜志. 2018(10)
[4]北京市2013-2014年15歲及以上居民高血壓患病率、知曉率、治療率和控制率調(diào)查[J]. 王淳秀,吳曉光,劉宏軍,關紹晨,侯城北,李慧慧,顧鄉(xiāng),張仲迎,方向華.  中華流行病學雜志. 2018 (02)
[5]基于支持向量機的潛在高血壓預測研究[J]. 周飛,鄒寧,趙銀歌,黃倩雅,劉可盈.  無線互聯(lián)科技. 2018(01)
[6]成都市蘇坡社區(qū)老年人高血壓患病現(xiàn)狀及影響因素分析[J]. 王青青,萬紹平,韓亮,武文博,雍正平,李晉,溫敏,呂昉麗,裴姣,周維佳,王新.  實用醫(yī)院臨床雜志. 2018(01)
[7]重慶市居民膳食營養(yǎng)素攝入與高血壓關系的研究[J]. 沈鵬宇,范明月,冷冰,崔亞登,張銳,李革.  重慶醫(yī)學. 2017(34)
[8]肥胖型高血壓機制及中西醫(yī)治療進展[J]. 王丹,劉龍民,于洋.  醫(yī)學綜述. 2017(23)
[9]山東省成人高血壓患病現(xiàn)狀及危險因素分析[J]. 馬晨,吳炳義,董惠玲,王在翔,楊瑞貞.  現(xiàn)代預防醫(yī)學. 2017(21)
[10]遼寧省阜新農(nóng)村地區(qū)人群高血壓危險因素分析[J]. 張艷妮,曾繁慧,包研科,程奇峰,郭嗣琮,張利民,馮亮,景凱,張大義.  中華高血壓雜志. 2017(10)

博士論文
[1]深圳市社區(qū)居民腦卒中影響因素分析及風險評估模型研究[D]. 甘勇.華中科技大學 2017
[2]我國高血壓患病、知曉、治療和控制的多水平空間分析[D]. 李鎰沖.中國疾病預防控制中心 2016
[3]我國成人超重肥胖流行現(xiàn)狀、變化趨勢及健康危害研究[D]. 姜勇.中國疾病預防控制中心 2013

碩士論文
[1]基于機器學習的乳腺癌風險分析與預測研究[D]. 刁繼堯.南京郵電大學 2019
[2]基于機器學習算法的產(chǎn)后抑郁預測模型的構建[D]. 方曉敏.廣東藥科大學 2019
[3]常見慢性病危險因素分析及風險評估模型的建立[D]. 曹茜.山西醫(yī)科大學 2018
[4]江蘇省如皋市高血壓的控制情況及影響因素分析[D]. 李蓓蓓.蘇州大學 2017
[5]福建省高血壓患病情況及影響因素分析[D]. 林黛茜.福建醫(yī)科大學 2017
[6]重慶地區(qū)高血壓患病率、知曉率、治療率、控制率以及危險因素的相關性分析[D]. 宋小燕.重慶醫(yī)科大學 2017
[7]重慶市居民高血壓患者控制現(xiàn)狀及影響因素研究[D]. 范明月.重慶醫(yī)科大學 2017
[8]天津市城鄉(xiāng)居民心腦血管病患病率調(diào)查及高血壓發(fā)病風險評估[D]. 李慶奎.天津醫(yī)科大學 2017
[9]基于機器學習的“三高”風險評估的研究與實現(xiàn)[D]. 李玲.北京郵電大學 2017
[10]基于河南省某農(nóng)村人群的2型糖尿病風險評分模型研究[D]. 張紅艷.鄭州大學 2016



本文編號：3656370