Page 99 - 中国全科医学2022-01

·224· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn

表 5 不同缺失值处理方法在外部验证的结果
Table 5 The results of external validation of different missing value processing methods
AUC 准确率 精确率 召回率 F1 值
处理方法
（ ±s） 95%CI （ ±s） 95%CI （ ±s） 95%CI （ ±s） 95%CI （ ±s） 95%CI
Not 0.724±0.070 （0.723，0.725） 0.689±0.070 （0.688，0.691） 0.676±0.083 （0.674，0.677） 0.751±0.098 （0.749，0.753） 0.707±0.073 （0.705，0.708）
Random Forest 0.682±0.068 （0.681，0.684） 0.640±0.063 （0.638，0.641） 0.630±0.074 （0.628，0.631） 0.722±0.101 （0.720，0.724） 0.668±0.072 （0.667，0.669）
Random Forest Improve 0.681±0.069 （0.680，0.683） 0.642±0.063 （0.640，0.643） 0.632±0.076 （0.631，0.634） 0.720±0.101 （0.718，0.722） 0.669±0.073 （0.667，0.670）
Simple 0.679±0.068 （0.677，0.680） 0.642±0.064 （0.641，0.644） 0.634±0.079 （0.633，0.636） 0.720±0.104 （0.718，0.722） 0.669±0.073 （0.668，0.671）
P 值 <0.000 1 <0.000 1 <0.000 1 <0.000 1 <0.000 1
注：Not= 不填充，Random Forest= 随机森林填充，Random Forest Improve= 改良的随机森林填充，Simple= 简单填充

表 6 不同特征筛选方法在外部验证的结果
Table 6 The results of external validation of different feature screening methods
AUC 准确率 精确率 召回率 F1Score
筛选方法
（ ±s） 95%CI （ ±s） 95%CI （ ±s） 95%CI （ ±s） 95%CI （ ±s） 95%CI
Boruta 0.681±0.072 （0.680，0.682） 0.652±0.068 （0.650，0.653） 0.643±0.081 （0.641，0.644） 0.722±0.100 （0.721，0.724） 0.676±0.073 （0.674，0.677）
Lasso 0.703±0.069 （0.701，0.704） 0.651±0.069 （0.649，0.652） 0.643±0.082 （0.642，0.644） 0.717±0.110 （0.715，0.719） 0.672±0.079 （0.671，0.674）
Not 0.691±0.071 （0.690，0.692） 0.658±0.068 （0.656，0.659） 0.643±0.078 （0.642，0.645） 0.745±0.094 （0.743，0.746） 0.687±0.071 （0.686，0.688）
Pvalue <0.000 1 <0.000 1 0.534 4 <0.000 1 <0.000 1
注：Not= 不筛选，Lasso=Lasso 筛选，Boruta=Boruta 筛选

表 7 5 个最佳的 COPD 患者气流受限程度风险预警模型汇总
Table 7 Summary of 5 best risk prediction models for airflow limitation in patients with COPD
气流受限程度
风险预警模型 模型类型 填充方式 筛选方式 变量个数 AUC 准确率 精确率 召回率 F1 值
model 1 集成学习 Not Not 23 0.790 9 0.759 0 0.750 0 0.785 7 0.767 4
model 2 集成学习 Not Boruta 16 0.787 5 0.759 0 0.739 1 0.809 5 0.772 7
model 3 逻辑回归 Not Not 23 0.776 4 0.747 0 0.723 4 0.809 5 0.764 0
model 4 自适应增强 Not Lasso 4 0.773 8 0.698 8 0.680 9 0.761 9 0.719 1
model 5 集成学习 Not Lasso 4 0.773 8 0.698 8 0.680 9 0.761 9 0.719 1

图 4 5 个最佳风险预警模型的 ROC 曲线 图 5 5 个最佳风险预警模型的 P-R 曲线
Figure 4 ROC curves of the five optimal risk prediction models Figure 5 P-R curves of the five optimal risk prediction models