数据挖掘技术在嗜铬细胞瘤术中血流动力学不稳定性预测的应用研究

Application of Data Mining in Predicting Intraoperative Hemodynamic Instability in Pheochromocytoma Surgery

导出 LinkOut 学术成果认领

摘要目的嗜铬细胞瘤手术切除可能导致术中血流动力学不稳定这一高风险因素发生,会危及生命.本次研究试图通过数据挖掘方法,发现可以预测嗜铬细胞瘤术中发生血流动力学不稳定情况发生的危险因素,为患者术前准备最佳治疗方案提供依据,为临床提供帮助.方法分别使用朴素贝叶斯、决策树(CART、C4.5、C5.0、C5.0 boosted)、随机森林算法、支持向量机(Support Vector Machine,SVM)、Bootstrap-based Aggregate和AdaBoost九种模型,用交叉验证(Crossvalidation)、Hold-out方法和Bootstrap3种方法,对九种模型分别采取3种划分训练集和测试集的比例,计算准确率.并且计算sensitivity (recall)、specificity、precision、fl-score值进行比较.结果根据结果显示,采用hold out方法划分训练集和测试集,划分比例为6∶4时,AdaBoost模型的准确率最高,为0.859 6.而且该模型的specificity、sensitivity (recall)、precision和fl-score指标都是最高的.prevma、ctvalue、bmi、intratime、age、size这6个属性的重要性最大,可以作为预测影响血流动力学不稳定性发生的重要因素.结论数据挖掘技术用于预测嗜铬细胞瘤手术中的IHD风险因素是可行的.将来会越来越多地应用于临床和医学决策,为各种疾病的诊断,治疗和预防提供不断扩展的支持.