换一批基于XGBoost算法的脑外伤后吞咽障碍预测模型构建
Construction of a predictive model for dysphagia after traumatic brain injury based on XGBoost algorithm
摘要目的 基于极限梯度提升(XGBoost)算法构建脑外伤患者发生吞咽障碍的预测模型.方法 通过文献学习、特征提取和病例回顾等方法选取243 例脑外伤后的住院患者作为研究对象,使用XGBoost机器学习算法构建模型并验证,从而得到预测模型,使用Shapley附加解释器(SHAP)工具对重要特征进行可视化呈现.结果 243 例脑外伤患者中建模组170 例,验证组73 例.建模组发生吞咽障碍的脑外伤患者有82 例.构建的XGBoost模型SHAP结果显示排名前3的预测因子是脑外伤病灶大小、ADL评分、肌力评定.该模型预测的概率与实际概率之间具有良好的一致性.其中建模组的受试者工作特征(ROC)曲线显示曲线下面积(AUC)值为0.96(95%CI 0.93～0.99),对应的临界值为0.71,灵敏度为90.20%,特异度为97.70%;验证组的AUC值为0.98(95%CI 0.95～1),曲线对应的临界值为0.55,灵敏度为91.70%,特异度为100%.结论 初步构建的脑外伤后发生吞咽障碍预测模型可以很好地帮助临床护理人员早期识别脑外伤后发生吞咽障碍的高危患者.
更多相关知识
栏目名称
DOI
10.13558/j.cnki.issn1672-3686.2025.007.009
发布时间
2025-08-07（万方平台首次上网日期，不代表论文的发表时间）
基金项目
浙江省医药卫生科技计划一般项目（2022KY1357）
- 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
