机构名称：
¥ 1.0
结核分枝杆菌会引起影响肺部和肝脏的病毒感染。结核病 (TB) 是发展中国家的一个重大公共卫生问题，在这些国家，结核病通常与贫困、恶劣的生活条件和有限的医疗服务有关。根据世界卫生组织 (2023) 的数据，结核病继续对全球公共卫生构成重大风险，每年有数百万人受到影响，2020 年约有 150 万人死亡。医疗保健提供者在应对结核病方面经常遇到重大挑战，导致治疗结果不确定。这项研究介绍了一种使用复杂的机器学习技术增强结核病治疗的新方法，特别强调在马来西亚槟城州应用 XGBoost 和各种预测模型，根据临床数据预测个体治疗结果。这些模型是使用 2017 年槟城数据进行训练的。比较预测准确度有助于确定最佳方法。临床数据是匿名化的并进行分析。使用 2017 年数据，决策树准确率为 63.7%。逻辑回归的准确率为 63.3%，而 XGBoost 的准确率为 66.3%。超参数调整的 XGBoost 表现最佳，为 68.1%。比较观察结果和预期结果可确定准确度。使用监督学习可以准确预测结核病结果。校准的集成模型（如 XGBoost）可以做出可靠的预测。其他临床特征可能会改善预测。主要目标是开发一种可靠的、经过临床验证的工具，以增强结核病治疗，同时优化不同医疗环境中的资源效率。关键词：分类；超参数；逻辑回归；预测；随机森林；结核病
优化结核病治疗预测
主要关键词
相关文件推荐
