换一批基于5种机器学习算法的经皮冠状动脉介入术术后恶心呕吐风险模型构建与比较
Construction and comparison of risk models for post-PCI nausea and vomiting based on five machine-learning algorithms
摘要目的 筛选经皮冠状动脉介入术(PCI)术后恶心、呕吐的相关因素,并建立预测模型评估系统.方法 收集 2023 年 9 月至 2025 年 8 月在连云港市第一人民医院行PCI手术的 250 例患者资料,采用Python编程语言构建一个全面的模型及预测评估系统.在模型构建过程中,采用支持向量机(SVM)、决策树(DT)、随机森林(RF)、逻辑回归(LR)和自适应增强(Adaboost)等 5 种机器学习方法.为确保模型的稳健性,从数据集中随机选取了 90%的数据组成训练集,并将剩余 10%的数据作为验证集进行验证.采用十折交叉验证方法对模型准确度进行评估.结果 250 例患者中术后出现恶心、呕吐症状为 70 例,无恶心、呕吐症状为 180例.单因素分析结果显示,两组患者在性别、吸烟史、晕动病史或恶心、呕吐史、造影剂注射量>100 ml、手术持续时间>120 min、术中低血压事件、术后疼痛评分(FPS评分)>3 分、合并疾病>3 之间比较差异均有统计学意义(P均<0.05).5 种机器学习算法构建了预测模型,发现LR算法构建的模型预测PCI术后恶心、呕吐准确度最佳(平均 AUC=0.871).结论 LR模型预测PCI术后恶心、呕吐准确度最佳,可开发软件应用于临床实践,根据预测结果采取有针对性的防治措施,有效预防术后恶心、呕吐的发生.
更多相关知识
关键词
机器学习经皮冠状动脉介入术术后恶心、呕吐Machine learningPercutaneous coronary intervention(PCI)Post-procedural nausea and vomiting
栏目名称
DOI
10.26939/j.cnki.CN11-9353/R.2025.09.005
发布时间
2026-03-13（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
