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
  • 收藏0
  • 阅读194
  • 下载0
  • 5页
  • pdf
  • 1.97M

评价

评分 :
   *