基于随机森林算法构建首发脑梗死患者跌倒恐惧的预测模型
Development of arandom forest-based predictive model for fear of falling in patients with first-episode cerebral infarction
摘要目的 探讨首发脑梗死(CI)患者跌倒恐惧(FOF)的影响因素,并构建随机森林模型.方法 选取2022 年11 月至2023 年12 月山东第一医科大学第三附属医院收治的首发CI患者160 例为研究对象.依据FOF的发生情况将患者分为两组,分别为FOF组以及非FOF组,并收集所有受试者的临床资料,采用多因素Logistic回归筛选首发CI患者发生FOF的危险因素,采用R(R4.3.3)软件构建首发CI患者发生FOF的随机森林模型,并绘制受试者工作特征(ROC)曲线.结果 160 例首发脑梗死患者中,伴有跌倒恐惧的患者 68 例,跌倒恐惧的发生率为 42.50%.FOF组患者与非FOF患者的年龄、婚姻情况、步行能力、跌倒史、认知障碍等临床资料对比差异皆存在统计学意义(P<0.05);多因素Logistic回归分析结果显示,年龄 65~80 岁、认知障碍、辅助步行、无配偶、跌倒史为首发 CI患者发生 FOF的危险因素(P<0.05);随机森林模型结果显示,树的数目为 74 时错误率最低,本模型预测首发CI患者发生FOF的相对重要预测因子依次排序为年龄 65~80 岁、无配偶、认知障碍、辅助步行、跌倒史.同时,变量基尼系数的平均降低量与其在模型的重要性成正比;随机森林模型预测首发CI患者发生FOF的曲线下面积(AUC)为0.823,Logistic回归模型的AUC为 0.788,随机森林模型预测效能稍高于Logistic回归模型(Z=2.261,P=0.024).结论 年龄 65~80 岁、认知障碍、辅助步行、无配偶、跌倒史为首发CI患者发生FOF的危险因素.研究构建的随机森林模型预测效能高于Logistic回归模型,医护人员可根据首发CI患者发生FOF的随机森林模型的基因重要性排序,为患者提供更精准、个性化的干预方案.
更多相关知识
- 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


换一批



