System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 菊粉营养强化干预效果预测方法、电子设备及介质技术_技高网

菊粉营养强化干预效果预测方法、电子设备及介质技术

技术编号:44460256 阅读:1 留言:0更新日期:2025-02-28 19:08
本申请公开了一种菊粉营养强化干预效果预测方法、电子设备及介质。该方法可以包括:根据患者信息,确定初始变量;针对初始变量进行分析,筛选训练变量;建立机器学习模型,根据训练变量训练机器学习模型,计算SHAP值;将患者的训练变量输入至训练后的模型中,预测该患者对于菊粉营养强化干预的效果。本发明专利技术在干预前即可预测并筛选适合菊粉干预的糖尿病患者。

【技术实现步骤摘要】

本专利技术涉及医疗,更具体地,涉及一种菊粉营养强化干预效果预测方法、电子设备及介质


技术介绍

1、近年来,2型糖尿病(t2dm)的发病率呈上升趋势,除了传统的药物治疗外,营养疗法已成为治疗t2dm的重要方法。菊粉是一种果聚糖类可溶性纤维,能促进益生菌双歧杆菌和乳酸杆菌的增殖,现已被广泛应用于t2dm的营养干预治疗中,但是目前并没有预测菊粉营养强化干预效果的方案。

2、因此,有必要开发一种菊粉营养强化干预效果预测方法、电子设备及介质。

3、公开于本专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术的一般
技术介绍
的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。


技术实现思路

1、本专利技术提出了一种菊粉营养强化干预效果预测方法、电子设备及介质,在干预前即可预测并筛选适合菊粉干预的糖尿病患者。

2、第一方面,本公开实施例提供了一种菊粉营养强化干预效果预测方法,包括:

3、根据患者信息,确定初始变量;

4、针对所述初始变量进行分析,筛选训练变量;

5、建立机器学习模型,根据所述训练变量训练所述机器学习模型,计算shap值;

6、将患者的训练变量输入至训练后的模型中,预测该患者对于菊粉营养强化干预的效果。

7、优选地,所述初始变量包括患者的性别、年龄、身体质量指数、2型糖尿病史、空腹血糖、餐后30分钟、60分钟、120分钟、180分钟的血糖值、餐后血糖变化曲线的曲线下面积、糖化血红蛋白、总胆固醇、甘油三酯、低密度脂蛋白、高密度脂蛋白、菊粉营养强化干预后的糖化血红蛋白。

8、优选地,针对所述初始变量进行分析包括:

9、通过“cbcgrps”包进行所述初始变量的单独分析,利用“corrplot”包分析这些变量之间的关联性;

10、根据“glmnet”包中的lasso回归筛选所述初始变量。

11、优选地,所述训练变量包括糖化血红蛋白、空腹与餐后120分钟的血糖差异值、空腹血糖、高密度脂蛋白、年龄、身体质量指数、菊粉营养强化干预后的糖化血红蛋白。

12、优选地,通过xgboost构建机器学习模型。

13、优选地,建立机器学习模型,根据所述训练变量训练所述机器学习模型包括:

14、将训练变量转化为dmatrix格式,设置学习率、最大深度与迭代轮数,获得训练后的模型。

15、优选地,将患者的训练变量输入至训练后的模型中,预测该患者对于菊粉营养强化干预的效果包括:

16、设定shap阈值,将患者的训练变量输入至训练后的模型中,计算该患者的shap值,若shap值小于shap阈值,则菊粉营养强化干预对该患者无效,若shap值大于shap阈值,则菊粉营养强化干预对该患者有效。

17、第二方面,本公开实施例还提供了一种电子设备,该电子设备包括:

18、存储器,存储有可执行指令;

19、处理器,所述处理器运行所述存储器中的所述可执行指令,以实现所述的菊粉营养强化干预效果预测方法。

20、第三方面,本公开实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现所述的菊粉营养强化干预效果预测方法。

21、本专利技术的方法和装置具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本专利技术的特定原理。

本文档来自技高网...

【技术保护点】

1.一种菊粉营养强化干预效果预测方法,其特征在于,包括:

2.根据权利要求1所述的菊粉营养强化干预效果预测方法,其中,所述初始变量包括患者的性别、年龄、身体质量指数、2型糖尿病史、空腹血糖、餐后30分钟、60分钟、120分钟、180分钟的血糖值、餐后血糖变化曲线的曲线下面积、糖化血红蛋白、总胆固醇、甘油三酯、低密度脂蛋白、高密度脂蛋白、菊粉营养强化干预后的糖化血红蛋白。

3.根据权利要求1所述的菊粉营养强化干预效果预测方法,其中,针对所述初始变量进行分析包括:

4.根据权利要求1所述的菊粉营养强化干预效果预测方法,其中,所述训练变量包括糖化血红蛋白、空腹与餐后120分钟的血糖差异值、空腹血糖、高密度脂蛋白、年龄、身体质量指数、菊粉营养强化干预后的糖化血红蛋白。

5.根据权利要求1所述的菊粉营养强化干预效果预测方法,其中,通过XGBoost构建机器学习模型。

6.根据权利要求1所述的菊粉营养强化干预效果预测方法,其中,建立机器学习模型,根据所述训练变量训练所述机器学习模型包括:

7.根据权利要求1所述的菊粉营养强化干预效果预测方法,其中,将患者的训练变量输入至训练后的模型中,预测该患者对于菊粉营养强化干预的效果包括:

8.一种电子设备,其特征在于,所述电子设备包括:

9.一种计算机可读存储介质,其特征在于,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现权利要求1-7中任一项所述的菊粉营养强化干预效果预测方法。

...

【技术特征摘要】

1.一种菊粉营养强化干预效果预测方法,其特征在于,包括:

2.根据权利要求1所述的菊粉营养强化干预效果预测方法,其中,所述初始变量包括患者的性别、年龄、身体质量指数、2型糖尿病史、空腹血糖、餐后30分钟、60分钟、120分钟、180分钟的血糖值、餐后血糖变化曲线的曲线下面积、糖化血红蛋白、总胆固醇、甘油三酯、低密度脂蛋白、高密度脂蛋白、菊粉营养强化干预后的糖化血红蛋白。

3.根据权利要求1所述的菊粉营养强化干预效果预测方法,其中,针对所述初始变量进行分析包括:

4.根据权利要求1所述的菊粉营养强化干预效果预测方法,其中,所述训练变量包括糖化血红蛋白、空腹与餐后120分钟的血糖差异值、空腹血糖、高密度脂蛋白、年龄、身体质量指数、菊...

【专利技术属性】
技术研发人员:王华林杨书恒邹爱标熊欢
申请(专利权)人:武汉轻工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1