基于机器学习的CatBoost模型在预测重症手足口病中的应用

目的 通过机器学习算法,探究CatBoost模型在预测重症手足口病（HFMD）中的应用价值。方法 收集郑州市某医院2014年1月-2017年6月住院部诊治的2 983例HFMD患儿,使用R 3.4.3软件进行数据分析,构建CatBoost模型和其他普通模型,评估CatBoost模型的预测性能。结果 最终构建的CatBoost模型,预测正确率可达87.6%,人工神经网络模型位居第二（83.8%）,其他（决策树、支持向量机、logistic回归、贝叶斯网络）模型预测正确率<80%。CatBoost算法模型ROC曲线下面积、灵敏度、特异度均高（分别为0.866、80.80%、92.33%）,其中居前3位的预测变量依次为呕吐、肢体抖动和病原学结果。结论 CatBoost模型可以用于预测重症HFMD,相比于其他传统算法,具有较高的预测正确率和诊断价值。