Die Anwendung von unüberwachtem Machine Learning in Clusteranalysen bei Patienten mit Rheumatoid Art
Die Idee des Gesundheitsmanagements wird immer tiefer, und wissenschaftliche Gesundheitskenntnisse werden immer weiter verbreitet, was eine große Aufmerksamkeit für die Öffentlichkeit wert ist. Patienten mit rheumatoid arthritis (RA) haben ein erhebliches erhöhtes Risiko für CVD, aber die bestehenden 10-jährigen Schätzungstools funktionieren häufig nicht gut. Die Studie bewertete, ob die UML-Gruppe die spezifischen Krankheitsmuster identifizieren kann, die mit den verschiedenen wichtigsten CVD-Vorfällen (MACE) zusammenhängen.
Diese Studie wurde im Januar 2019 mit RA-Patienten eingeschlossen, die den 2010 ACR/EULAR-Klassifizierungsstandards entsprechen, und deren MACE-Effektionsraten über 5 Jahre verfolgt wurden. Durch diese Studie bewerteten wir die Vorzüge von unüberwachtem maschinellem Lernen (uML) Cluster bei der Identifizierung bestimmter RA-Patienten-Effektionsmuster, während die MACE-Effektionsraten über 5 Jahre verfolgt wurden, um mehr wissenschaftliche Grundlage und Referenzmethoden zur Behandlung von RA-Patienten zu bieten. FAMD ist eine Erweiterung zur Verallgemeinerung der Hauptbestandteileanalyse von Mixed Data Types (PCA), die für die Ausnahme von fehlenden Datenbeobachtungsdaten verwendet wird, die in Python Version 3.
9 von Prince Version 0. 7. 1 verwendet werden.
Bootstrapized eigenvalue distribution determined the number of FAMD components for clustering, followed by Hierarchical Clustering on Principal Components using Ward's criterion and Euclidean distance . An XGBoost model a. Es ist notwendig, zu erläutern, dass dies auf der Grundlage internationaler öffentlicher Forschungsergebnisse erstellt wurde und als Referenz zur Gesundheitskoppe verwendet wird und keine klinischen Empfehlungen darstellt.
Wenn Sie Fragen zur Gesundheit haben, wenden Sie sich an professionelle Ärzte.
