[发明专利]基于评分系统的糖尿病患病风险模型的构建方法

权利要求书

1.一种基于评分系统的糖尿病患病风险模型的构建方法，其特征在于，通过以下步骤训练获得：

S1：采集目标地区的体检数据，并进行预处理；

S2、对S1预处理后的数据进行特征提取，获得特征集；

S3、对S2获得的特征集进行特征筛选，获得筛选后的最优特征子集；

S4、对S3获得的最优特征子集里的每个特征进行分箱；

S5、计算各箱的WOE并映射到数据中；

S6、运用逻辑回归建模；

S7、运用评分模块制作糖尿病患病风险评分卡。

2.根据权利要求1所述的基于评分系统的糖尿病患病风险模型的构建方法，其特征在于：S1中，所述预处理为构建数据集，所述数据集分为正样本和负样本，分别对应健康人和糖尿病患者

S＝S⁺∪S^-。

3.根据权利要求1所述的基于评分系统的糖尿病患病风险模型的构建方法，其特征在于：S2中，所提取的特征包括人口统计学特征、临床变量特征和实验室数据特征。

4.根据权利要求3所述的基于评分系统的糖尿病患病风险模型的构建方法，其特征在于：所述人口统计学特征包括用户标识、年龄、出生日期、区县标识、乡镇标识、村标识；所述临床变量特征包括：慢性病、体检时间、脉率、呼吸、左侧收缩压、左侧舒张压、右侧收缩压、右侧舒张压、身高、体重、腰围、体质指标；所述实验室数据特征包括尿糖、空腹血糖、总胆固醇、甘油三酯、血清低密度脂蛋白胆固醇、血清高密度脂蛋白胆固醇、血清肌酐、血尿素氮。

5.根据权利要求3或4所述的基于评分系统的糖尿病患病风险模型的构建方法，其特征在于：对所提取的特征进行进一步抽提，方法为：WHtR＝腰围/身高

平均收缩压＝(左收缩压+右收缩压)/2

平均舒张压＝(左舒张压+右舒张压)/2

脉压差＝收缩压-舒张压。

6.根据权利要求1所述的基于评分系统的糖尿病患病风险模型的构建方法，其特征在于：S3中，所述特征筛选的方法为过滤法和包装法组合的方法。

7.根据权利要求6所述的基于评分系统的糖尿病患病风险模型的构建方法，其特征在于：所述过滤法包括卡方检验、F检验和互信息；所述包装法采用xgboost中不纯度的指标信息熵

其中，t代表给定的节点，i代表标签的任意分类，代表标签分类i在节点t上所占的比例。

8.根据权利要求1所述的基于评分系统的糖尿病患病风险模型的构建方法，其特征在于：所述分箱是将数据类型为连续变量的特征离散化，其步骤为：

1)首先把连续变量分成50-100组的分类型变量；

2)确保每一组中都包含所述的正样本和负样本两种类别的样本，

3)对相邻的组进行卡方检验，卡方检验的P值最大的两个组的组进行合并，直到数据中的组数小于设定的箱数为止；

4)将一个特征分别分成设定箱数，观察每个分箱个数下的IV值如何变化，找出最适合的分箱个数；

5)分箱完毕后，计算每个箱的WOE值，bad％，观察分箱效果；

6)按照前述对各个特征都进行分箱，然后观察各个特征的IV值，以此来挑选特征；

其中，所述WOE值是指证据权重：

IV是指证据价值：

N是该特征上箱子的个数，i代表每个箱子，good％是该箱内的健康人占整个特征中健康人的比例，bad％是该箱子里的糖尿病患者占整个特征中所有糖尿病患者的比例。

9.根据权利要求1所述的基于评分系统的糖尿病患病风险模型的构建方法，其特征在于：S5中，计算各箱的WOE，并且把WOE替换到S1的原始数据中，得到WOE覆盖后的数据。

10.根据权利要求1所述的基于评分系统的糖尿病患病风险模型的构建方法，其特征在于：S7中，所述评分卡中的分数，由以下公式计算：

Score＝A-B*log(odds)

其中A与B是常数，A为“补偿”，B为“刻度”，log(odds)代表一个人患病的可能性；

上述两个常数优选通过两个假设的分值带入公式求出，这两个假设分别是：

(1)某个特定的违约概率下的预期分值；

(2)指定的违约概率翻倍的分数(PDO)；

B＝PDO/np.log(2)

A＝PO+B*np.Log(odds)

Log(odds)＝WOE*系数+截距

带入以上线性表达式，得到A和B；

然后根据前述公式score计算评分卡分数；其中，不受评分卡中各特征影响的基础分，是将截距作为log(odds)带入公式进行计算，而其他各个特征各个分档的分数，是将逻辑回归的系数带入进行计算：通过循环，将所有特征的评分卡内容全部计算出来。