发热伴血小板减少综合征风险预测模型及其构建方法与应用

本发明提供了发热伴血小板减少综合征风险预测模型及其构建方法与应用，本发明通过机器学习算法分别选取了前10个较为重要的危险因素，两种算法重合的危险因素是Virus、MYO、UREA、AGE、DD、BNP。采用极端梯度提升树(XGBOOST)进行变量集评分，当选择前面5个变量时，模型评分最高，因此选择了5个预测指标Virus、MYO、UREA、AGE、DD用于构建SFTS发病风险预测模型。该模型对SFTS预后有较好的预测价值，或可将此模型应用于SFTS预后评估中。