ISSN 1674-3865  CN 21-1569/R
主管:国家卫生健康委员会
主办:中国医师协会
   辽宁省基础医学研究所
   辽宁中医药大学附属医院

中国中西医结合儿科学 ›› 2024, Vol. 16 ›› Issue (2): 130-136.

• 临床研究 • 上一篇    下一篇

基于机器学习的注意力缺陷多动障碍风险预测研究

  

  • 出版日期:2024-04-25 发布日期:2024-04-25

  • Online:2024-04-25 Published:2024-04-25

摘要: 目的 探讨基于机器学习算法对儿童注意力缺陷多动障碍(ADHD)预测的可行性。方法 回顾性分析我院于2022年11月至2023年8月儿科门诊就诊患者358例,其中ADHD患儿119例,非ADHD患儿239例,以人口学基本信息、儿童个人生活情况、母亲孕期情况、家庭生活情况及遗传因素等31个变量作为危险因素,采用单因素分析筛选出具有明显差异的变量,然后分别建立决策树模型、随机森林模型、自适应提升算法及K近邻算法模型,采用受试者工作特征(ROC)曲线的面积(AUC)、特异度、准确性、F1分数及ROC曲线等进行模型预测效能评估。结果 4种机器学习算法建立的ADHD的预测模型以随机森林算法最优,其AUC为0.955,特异度、准确性、F1分值分别为0.903、0.898、0.853;同时,根据随机森林模型筛选出的前五位特征变量为:教育方式、情绪稳定情况、每日看电子产品时长、学习困难情况、近期反复呼吸道感染。结论 初步构建出基于机器学习算法建立儿童ADHD的预测模型,该模型对ADHD有良好的预测能力。

关键词: 注意力缺陷多动障碍, 危险因素, 机器学习, 预测模型, 儿童,