高血压疾病预测模型构建研究与应用
高血压是一种常见的慢性疾病，具有发病率高、早期症状不明显、治疗过程缓慢、并发症严重、类型多的特点。据相关数据报道，2023年3月1日 据国家卫生健康委员会发布的数据，中国成年人的高血压患病率已经达到了27.9%，超过了2.6亿人。高血压的发生与众多因素相关，如（性别、体重、年龄、饮食、运动、遗传等），但是由于其早期症状不明显，确诊时通常具有不可逆的特点，往往采用吃降压药的方式来缓解症状。因此，通过采集患者与高血压相关的身体及生理指标，实现对高血压的患病风险进行早期预测对保障人民健康具有重要意义。
疾病预测模型在疾病诊断及管理领域扮演着越来越重要的角色，对于一些发病隐匿、进展缓慢的疾病来说，预测模型可以很好地协助临床进行诊断和管理。本项目拟采集多维的身体和生理指标，基于机器学习方法（BP神经网络、支持向量机和随机森林模型等）构建一个高血压疾病预测模型，实现对高血压的早期预测和分型，提示患病风险。
实施方法
1.多方采集高血压相关指标：①通过发放调查问卷的形式采集患者的性别、年龄、身高、体重、运动习惯、饮食习惯、生活环境、遗传因素等；②通过从患者体检数据中提取血液学指标、血压、血液粘度、心率等指标；
- 采用人工神经网络的BP神经网络模型、支持向量机模型和随机森林模型，对这三个模型的模拟及精度进行对比分析，以此分析以上各指标对于高血压患病风险的贡献程度；
- 建立高血压患病多维评价指标体系，运用熵权法与先验知识结合的二层权重分配法确定各指标的最终权重，并构建高血压疾病预测模型；
- 以综合评价法建模的原理方法对模型进行算法实现，利用K-均值聚类分析法确定综合评价值的分类情况，并以此作为评判依据；
- 在RStudio开发环境中，利用R语言中的开发Web界面的Shiny软件包建立高血压疾病风险预测平台。
