基于Bagging结合LASSO回归的规则集成方法对骨质疏松症患者肾阳虚证的辨识研究

目的：研究骨质疏松症（OP）患者的肾阳虚证辨识,形成中医临床辨证规则。方法：纳入982例OP患者的基本信息、病因病机、临床症状等特征信息,通过统计检验筛选数据中与肾阳虚证相关的变量。以决策树为基础模型,应用引导聚集算法（Bagging算法）建立OP肾阳虚证分类模型,生成大量规则并去除冗余;结合最小绝对值收敛和选择算子（LASSO）回归筛选关键规则并集成规则建立辨识模型,实现对OP患者肾阳虚证的辨识。结果：筛选出了18条关键辨识规则,其中11条规则的回归系数>0,对辨识为肾阳虚证具有正向影响,系数最高的规则为畏寒（“有”）&手足心热（“无”）;7条规则的回归系数<0,对辨识为肾阳虚证具有负向影响,系数最低的规则为舌红（“有”）&大便溏（“无”）&禀赋不足（“无”）。根据各关键规则的回归系数计算得到重要性>0.2的变量依次为畏寒、舌红、手足心热、肢冷、小便清、大便溏、禀赋不足、久病。辨识模型的偏依赖性分析结果显示,畏寒取值为“有”相较取值为“无”的OP患者,被辨识为肾阳虚证的概率高0.266 8,该变量对辨识为肾阳虚证具有最高影响。舌红取值为“有”...