换一批基于随机森林算法预测急性脑梗死溶栓后血管再闭塞的临床研究
Clinical study of predicting vascular reocclusion after thrombolysis for acute cerebral infarction based on random forest algorithm
摘要目的 探讨急性脑梗死(ACI)溶栓后血管再闭塞的影响因素,并构建随机森林算法模型.方法 选取2022-01-2024-12首都医科大学附属北京友谊医院收治的252例ACI患者为研究对象,根据溶栓后血管再闭塞情况分为发生组和未发生组.比较2组一般资料,采用Logistic回归方程分析ACI溶栓后血管再闭塞的影响因素,并构建Logistic回归模型,采用R软件建立ACI溶栓后血管再闭塞的随机森林算法模型,绘制受试者工作特征(ROC)曲线和校准曲线分析两种模型的预测效能.结果 发生组入院美国国立卫生研究院卒中量表(NIHSS)评分、全身炎症反应指数(SIRI)、微小核糖核苷酸-127(miR-127)、微小核糖核苷酸-320(miR-320)及高血糖占比均高于未发生组(P<0.05).Logistic回归方程显示,入院NIHSS评分、SIRI、miR-127、miR-320及高血糖是ACI患者溶栓后血管再闭塞的影响因素(P<0.05).随机森林模型显示,ntree=300时可获得最优模型,ACI患者溶栓后血管再闭塞的影响因素重要性排序为入院NIHSS评分、miR-320、SIRI、miR-127、高血糖.随机森林算法模型预测ACI患者溶栓后血管再闭塞的曲线下面积(AUC)高于Logistic回归方程模型,且校准曲线围绕对角线波动.结论 入院NIHSS评分、SIRI、miR-127、miR-320及高血糖是ACI患者溶栓后血管再闭塞的影响因素,基于随机森林算法开发得到的ACI溶栓后血管再闭塞预警模型具有较好的预测效能,有助于及早制定相关防治措施,降低血管再闭塞风险.
更多相关知识
关键词
急性脑梗死溶栓血管再闭塞随机森林算法Logistic回归模型Acute cerebral infarctionThrombolysisVascular reocclusionRandom forest algorithmLogis-tic regression model
栏目名称
DOI
10.12083/SYSJ.250632
发布时间
2026-01-27（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
