Improving the performance of physiologic hot flash measures with support vector machines.
Improving the performance of physiologic hot flash measures with support vector machines.
复制标题
通过支持向量机，提高生理热闪光测量的性能。
DOI：
10.1111/j.1469-8986.2008.00770.x
复制
发表时间：
2009-03
期刊：
影响因子：
3.7
通讯作者：
De La Torre F
中科院分区：
文献类型：
--
作者：
Thurston RC;Matthews KA;Hernandez J;De La Torre F
70%的更年期妇女会出现潮热。根据生理信号对潮热进行分类的标准表现出不同的性能。主要目的是将传统标准与支持向量机（SVM）（一种先进的机器学习方法）进行比较，以将潮热与胸骨皮肤电导进行分类。30名每日潮热≥4次的女性接受了实验室潮热测试和皮肤电导测量。采用常规（≥2 μmho，30秒）和SVM方法定量潮热。传统方法在分类潮热时的敏感性较差（敏感性=0.41，特异性=1，阳性预测值（PPV）=0.94，阴性预测值（NPV）=0.85），在高体重指数或焦虑的女性中表现最差。SVM模型表现出改进的性能（灵敏度=0.89，特异性=0.96，PPV=0.96，NPV=0.85）。SVM可以改善潮热的皮肤电导测量的性能。
Hot flashes are experienced by 70% of menopausal women. Criteria to classify hot flashes from physiologic signals show variable performance. The primary aim was to compare conventional criteria to Support Vector Machines (SVMs), an advanced machine learning method, to classify hot flashes from sternal skin conductance. Thirty women with ≥4 hot flashes/day underwent laboratory hot flash testing with skin conductance measurement. Hot flashes were quantified with conventional (≥2 μmho, 30 sec) and SVM methods. Conventional methods had poor sensitivity (sensitivity=0.41, specificity=1, positive predictive value (PPV)=0.94, negative predictive value (NPV)=0.85) in classifying hot flashes, with poorest performance among women with high body mass index or anxiety. SVM models showed improved performance (sensitivity=0.89, specificity=0.96, PPV=0.96, NPV=0.85). SVM may improve the performance of skin conductance measures of hot flashes.
登录
查看更多内容
影响因子：
12.7
作者：
Gold, Ellen B.;Colvin, Alicia;Matthews, Karen
通讯作者：
Matthews, Karen
影响因子：
5
作者：
COHEN, S;KAMARCK, T;MERMELSTEIN, R
通讯作者：
MERMELSTEIN, R
影响因子：
7.2
作者：
Carpenter, JS;Monahan, PO
通讯作者：
Monahan, PO
DOI：
10.1097/00042192-199906030-00006
发表时间：
1999-09-01
影响因子：
2.7
作者：
Carpenter, JS;Andrykowski, MA;Munn, R
通讯作者：
Munn, R
影响因子：
5.8
作者：
FREEDMAN, RR;NORTON, D;CORNELISSEN, G
通讯作者：
CORNELISSEN, G