首页 > 护理研究 > 基于随机森林算法的早产儿PICC导管继发性异位风险预测模型的构建与验证

基于随机森林算法的早产儿PICC导管继发性异位风险预测模型的构建与验证

Construction and validation of secondary ectopic risk prediction model for PICC catheters in preterm infants based on random forest algorithm

二维码有效期 120s

摘要目的:探讨早产儿经外周静脉置入中心静脉导管(PICC)后发生导管继发性异位的危险因素,基于随机森林算法构建并验证风险预测模型.方法:回顾性收集在山西省某三级甲等专科医院新生儿科住院且行PICC置管的590例早产儿资料,将数据按7∶3的比例随机分为训练集(n=413)和验证集(n=177).以早产儿PICC置管后尖端是否发生导管继发性异位为结局变量,选取首次X线定位结果、导管二次固定等18个临床指标为预测变量.在训练集内应用LASSO回归进行特征筛选,基于随机森林算法构建早产儿PICC导管继发性异位风险预测模型,对危险因素的重要性进行排序,并绘制沙普利可加解释图(SHAP),解释每个变量对模型输出预测的贡献.应用验证集数据对模型进行混淆矩阵分析,采用准确率、灵敏度、特异度和受试者工作特征(ROC)曲线评价预测模型的效能.结果:训练集413例早产儿中PICC导管继发性异位发生率为39.0%,随机森林算法筛选出的关键因素按重要性排序分别为首次 X 线定位结果、导管二次固定、机械通气、体重增长率等.验证集中,风险预测模型的准确率为 81.92%、灵敏度为71.21%、特异度为 88.29%、阳性预测值为 78.33%,阴性预测值为 83.76%,ROC曲线下面积(AUC)值为 0.870[95%CI(0.817,0.923)].结论:基于随机森林算法构建的风险预测模型的预测效能良好,可为早产儿临床安全、高效地使用PICC导管提供科学依据.