换一批乳腺癌术后化疗病人感染风险预测模型的构建
Construction of an infection risk prediction model for breast cancer patients undergoing postoperative chemotherapy
摘要目的:构建乳腺癌术后化疗病人感染风险预测模型.方法:选取2020年10月—2023年6月于赣州市人民医院甲状腺乳腺外科收治的368例乳腺癌术后化疗病人作为研究对象.基于Logistic回归分析、分类回归树、反向传播神经网络算法分别构建乳腺癌术后化疗病人感染的风险预测模型,通过比较预测模型的受试者工作特征曲线分析预测价值.结果:62例乳腺癌术后化疗病人发生感染,主要分布于呼吸道.多因素Logistic回归分析结果显示,骨髓抑制、C-反应蛋白及降钙素原是乳腺癌术后化疗病人感染的独立影响因素(P<0.05);分类回归树模型显示,C-反应蛋白、降钙素原、引流时间及糖尿病是病人感染的影响因素;反向传播神经网络模型显示,乳腺癌术后化疗病人感染影响因素重要性排序为C-反应蛋白>降钙素原>合并糖尿病>住院时间>骨髓抑制>引流时间>血清白蛋白>化疗周期.3种模型中,反向传播神经网络模型预测效能最佳,受试者工作特征曲线下面积为0.996,敏感度为1.000,特异度为0.931.结论:乳腺癌术后化疗病人感染风险的影响因素包括C-反应蛋白、降钙素原、糖尿病、住院时间、骨髓抑制等,基于机器学习算法构建的乳腺癌术后化疗病人并发感染风险预测模型效能均较好,其中反向传播神经网络模型预测效能最佳.
更多相关知识
关键词
机器学习乳腺癌术后化疗感染预测模型Logistic回归分析分类回归树反向传播神经网络影响因素machine learningbreast cancerpostoperativechemotherapyinfectionpredictive modelLogistic regression analysisclassification regression treeback propagation neural networkinfluencing factor
栏目名称
DOI
10.12102/j.issn.1009-6493.2025.23.005
发布时间
2025-12-08（万方平台首次上网日期，不代表论文的发表时间）
基金项目
江西省卫生健康委科技计划项目（20194051,202311874）
- 浏览2
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
