首页 > 现代医药卫生 > 基于支持向量机算法的重症患者压力性损伤分级预测模型的构建及应用价值

基于支持向量机算法的重症患者压力性损伤分级预测模型的构建及应用价值

Construction and application value of the grading prediction model of pressure injury in critically ill patients based on support vector machine algorithm

二维码有效期 120s

摘要目的基于支持向量机算法构建并验证重症监护病房(ICU)患者压力性损伤(PI)分级预测模型.方法收集2020年12月至2022年12月157例在重庆市某三级甲等医院重症医学科住院患者的临床资料,采用x2检验和kruskal-Wallis H检验筛选PI分级的影响因素.再将数据以7∶3的比例随机分为训练组和验证组,基于训练组数据利用支持向量机算法建立ICU患者PI分级预测模型,并采用五折交叉验证法进行参数优化.训练好的模型在验证组数据集中进行内部验证,对前后结果进行混淆矩阵分析,采用准确率、精确率、召回率、F1值和受试者工作特征曲线的曲线下面积(AUC)评估模型的性能.结果初步确定10个影响PI分级的因素,在gamma=0.1、cost=2.2时模型的性能最佳,PI分级预测模型的准确率为81.25％,精确率为79.70％,召回率为80.30％,F1值为79.90％,受试者工作特征曲线的AUC为0.939.结论构建的PI分级预测模型预测性能良好,可为临床医护人员制订ICU患者预防PI的分级护理干预方案提供参考依据.

作者张晶 ^[1] 王亚玲 ^[2] 梁泽平 ^[3] 解浪浪 ^[4] 简福霞 ^[5] 艾山木 ^[6] 商璀 ^[5] 学术成果认领

作者单位 中国人民解放军陆军特色医学中心血液科,重庆 400042 ^[1] 中国人民解放军陆军特色医学中心护理部,重庆 400042 ^[2] 重庆市九龙坡西区医院重症医学科,重庆 400052 ^[3] 陆军军医大学临床护理学教研室,重庆 400038 ^[4] 中国人民解放军陆军特色医学中心重症医学科,重庆 400042 ^[5] 重庆市急救医疗中心急诊科,重庆 400015 ^[6]

关键词压力性损伤支持向量机高频超声分级预测模型 Pressure injury Support vector machine High frequency ultrasound Grading pre-diction model

分类号 R473.75（护理学）

栏目名称

论著·临床研究

DOI 10.3969/j.issn.1009-5519.2024.03.006

发布时间 2024-03-15（万方平台首次上网日期，不代表论文的发表时间）

基金项目

重庆市科卫联合医学科研项目（2020FYYX139）