索引于
  • 学术期刊数据库
  • 打开 J 门
  • Genamics 期刊搜索
  • 期刊目录
  • 中国知网(CNKI)
  • 西马戈
  • 乌尔里希的期刊目录
  • 参考搜索
  • 哈姆达大学
  • 亚利桑那州EBSCO
  • OCLC-WorldCat
  • 普布隆斯
  • 米亚尔
  • 大学教育资助委员会
  • 日内瓦医学教育与研究基金会
  • 欧洲酒吧
  • 谷歌学术
分享此页面

抽象的

比较基于决策树的集成机器学习模型对 COVID-19 死亡概率的分析

卡洛斯·佩德罗·贡萨尔维斯*、何塞·鲁科

背景:年龄组、性别和潜在的合并症或疾病已被确定为 COVID-19 严重程度和死亡风险的主要风险因素。

目的:我们使用美国疾病控制和预防中心 (CDC) 的 COVID-19 病例监测数据集,比较基于主要决策树的集成机器学习模型在 COVID-19 死亡概率预测任务中的表现,条件是三个风险因素:年龄组、性别和潜在的合并症或疾病。

方法:为了评估三个风险因素对 COVID-19 死亡概率的影响,我们提取并分析了表现最佳的模型产生的条件概率概况。

结果:结果显示,COVID-19 死亡率随年龄组呈指数上升,男性的指数增长率高于女性,当存在潜在合并症或疾病时,这种影响会更明显,这也加速了男性和女性受试者的 COVID-19 死亡率上升。这些结果与医疗保健和流行病学问题有关,并在一定程度上证实了其他 COVID-19 研究的发现。

免责声明: 此摘要通过人工智能工具翻译,尚未经过审核或验证