基于机器学习算法构建缺血性卒中3个月死亡预测模型研究_陈思玎
目的探讨基于机器学习算法XGBoost构建缺血性卒中发病3个月死亡预测模型的应用价值。方法选择中国国家卒中登记（China National Stoke Registry,CNSR）数据库中缺血性卒中患者为研究对象。按照7∶3比例随机分为训练集和测试集,训练集用于构建预测模型,测试集用于评价模型效果。分别采用XGBoost和Logistic回归方法构建缺血性卒中发病3个月死亡预测模型,通过ROC曲线下面积（area under the curve,AUC）评价两种模型的预测价值。结果共纳入10 645例缺血性卒中患者,平均年龄65.18±12.23岁,女性4045例（38.0%）,入院NIHSS评分4（2～9）分,3个月死亡患者447例（4.48%）。XGBoost和Logistic回归预测模型的AUC分别为0.8539、0.8278（P=0.0835）,灵敏度分别为0.7413、0.7133,特异度分别为0.8286、0.8040。结论基于机器学习算法XGBoost构建的缺血性卒中死亡预测模型表现良好且稳定。
- 2021-04-26
- 阅读500
- 下载0
- 5页
- pdf
