摘要：對我院2016年1月至2018年1月127例健康體檢醫(yī)護(hù)人員通過雙盲法進(jìn)行慢性疲勞綜合征(chronic fatigue syndrome,CFS)相關(guān)問卷采集并收集體檢及心臟超聲數(shù)據(jù),建立回歸模型,采用回歸模型或交叉驗證進(jìn)行內(nèi)部驗證,并根據(jù)機器學(xué)習(xí)XGBoost提供的診斷模型增益值評估心臟超聲指標(biāo)在CFS診斷中的價值。結(jié)果顯示,127例醫(yī)務(wù)人員體檢數(shù)據(jù)進(jìn)行機器學(xué)習(xí)預(yù)計算,獲得的人工智能模型受試者95%CI為0.881 6(0.864 1,0.912 7),工作特征曲線(AUC)為0.902 1;非-CFS與CFS病人敏感性(0.618 9、0.892 1)、準(zhǔn)確性(0.892 1、0.618 9)、陽性預(yù)測值(0.924 2、0.835 6)、陰性預(yù)測值(0.835 6、0.924 2)、流行率(0.856 4、0.143 6)、檢測率(0.841 8、0.074 5)、檢測流行率(0.910 8、0.089 2)。提示基于心臟超聲等客觀體檢指標(biāo)的快速診斷模型有助于在臨床診療及體檢過程中優(yōu)化檢查項目、快速區(qū)分CFS人群,更好地進(jìn)行健康指導(dǎo)及后續(xù)醫(yī)療干預(yù)。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
