目的 运用机器学习算法构建原发性高血压并发视网膜病变风险的预测模型.方法 选取2020年3月至2022年3月在中国人民解放军联勤保障部队第908医院体检中心确诊的原发性高血压患者402例,其中原发性高血压并发视网膜病变患者201例(观察组),单纯原发性高血压患者201例(对照组).收集2组患者34个相关研究指标作为原发性高血压并发视网膜病变的可能影响因素,并采用单因素分析、Spearman相关系数及最小绝对收缩和选择算子方法(Lasso回归)筛选变量后,将所有研究对象按7:3随机分为训练集和测试集,在训练集中运用机器学习算法构建支持向量机(SVM)、K邻近(KNN)、分类决策树(DecisionTree)、随机森林(RF)、极端随机树(Ex-traTrees)、XGBoost及LightGBM预测模型,在测试集中进行验证.运用准确率、AUC值、敏感性及特异性对模型进行评价.结果 经单因素分析、Spearman相关系数及Lasso回归筛选出19个变量,构建了 SVM、KNN、Deci-sionTree、RF、ExtraTrees、XGBoost、LightGBM预测模型.其中综合性能最高的为ExtraTrees模型,其准确率高达0.96,AUC值高达0.997.结论 基于机器学习算法构建的原发性高血压并发视网膜病变的SVM、KNN、Decision-Tree、RF、ExtraTrees、XGBoost及LightGBM预测模型中,ExtraTrees模型预测效果最好,可作为

作者：秦伟国；淦帆；殷波；徐婷；邓武昌；刘彬；朱良炎；龚攀；许国安；周水莲

来源：南昌大学学报（医学版） 2023 年 63卷 5期