Resumen

La investigación en conjuntos de datos clínicos de la enfermedad de Alzheimer puede predecir y desarrollar tratamientos de intervención temprana. Los datos faltantes son un problema común en la investigación médica. La falta de manejo de más datos faltantes reducirá la eficiencia de la prueba, lo que resultará en pérdida de información y sesgo en los resultados. Para abordar estos problemas, este artículo diseña e implementa el método de interpolación de datos faltantes de interpolación mixta según columnas, combinando los cuatro métodos de interpolación de media, interpolación de regresión, interpolación de máquina de vectores de soporte (SVM) e interpolación múltiple. Al comparar los efectos del método de interpolación mixta con los cuatro métodos de interpolación mencionados y al proporcionar los resultados de la comparación, el experimento muestra que los resultados del método de interpolación mixta bajo diferentes tasas de datos faltantes tienen un mejor rendimiento en cuanto al error cuadrático medio (RMSE), error absoluto medio (MSE) y tasa de error, lo que demuestra la efect

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Investigación; Conjuntos de datos clínicos; Enfermedad de Alzheimer; Datos faltantes; Método de interpolación; Interpolación mixta.
• Keywords:Research; Clinical data sets; Alzheimers disease; Missing data; Interpolation method; Mixed interpolation.