3、慢性阻塞性肺疾病（COPD）临床决策支持系统及无线传感器网络容错模型研究

慢性阻塞性肺疾病（COPD）临床决策支持系统及无线传感器网络容错模型研究

1. COPD 临床决策支持系统相关研究

1.1 目标 2 实验结果

采用 Python 编码的随机森林分类器（Random Forest Classifier）设计分类模块。随机森林（RF）或随机决策树（random DTs）是集成学习方法，用于回归、分类等任务。它在训练时构建多个决策树，分类输出是类别众数或单个决策树平均预测值。RF 是有监督学习算法，“森林”是通过“装袋”方法训练的决策树集成，其理念是组合学习模型提升整体结果。

混淆矩阵能直观呈现特异性、召回率、精度和准确率等重要预测分析指标。而其他机器学习分类指标如“准确率”，在处理不平衡数据集时可能产生误导，因为它是正确预测数除以总预测数。混淆矩阵能直接对比假阳性、真阳性、假阴性和真阴性等数值，还能体现实际值和预测值的计数情况，因此更适合用于性能评估。

1.2 目标 3 相关内容

在设计和开发 COPD 诊断与治疗的临床决策支持系统（CDSS）之前，采用 GOLD 标准为 COPD 患者开吸入器、药物和药品。GOLD 标准是诊断、预防和管理 COPD 的实用指南，与全球公共卫生官员和医疗专业人员合作，提高对 COPD 的认识并改善患者生活。2021 年 GOLD 报告建议，COPD 诊断应基于气流阻塞和症状，通过肺功能测试显示支气管扩张剂后 FEV1/FVC 比值 < 0.7。

本研究提出 CDSS 模型用于早期检测和适当的 COPD 治疗，因为 COPD 在全球死亡率中排名第 4。CDSS 能帮助医生及时、更好地检测和治疗。该模型包含 COPD 治疗和管理策略模块，如饮食、