目的:分析电子病历中的患者特征,实现冠心病患者亚型下危险因素的分层抽取.方法:提出改进的Labeled LDA模型,以多项分布生成冠心病亚型类别标签,然后从亚型类别标签生成危险因素分层这一隐含主题,构建冠心病亚型—患者—危险因素分层—患者特征的4层结构主题模型.该模型通过建立亚型类别标签与危险因素分层之间的映射关系,首先对冠心病亚型进行多分类预测,然后实现患者危险因素在不同亚型下的分层自动抽取.结果:使用真实临床环境采集的电子病历数据进行验证,准确率达到了83.23％,Macro-Fl值达到了82.31％.结论:实验结果表明,通过约束患者亚型类别与危险因素分层隐含主题之间的映射,改进的LabeleLDA模型具有较高的模型可解释性,且准确率均高于逻辑回归、支持向量机、随机森林和LightGBM等4种对比模型.
作者：余光雷；张琳琳；张颖；李昕遥；毕雪华
来源：中国数字医学 2022 年 17卷 3期
