换一批基于机器学习建立热性惊厥复发的预测模型
Establish a predictive model for the recurrence of febrile seizures based on machine learning
摘要目的 基于机器学习方法,建立儿童热性惊厥(FS)复发的预测模型.方法 收集2017年10月至2022年10月贵州医科大学附属医院住院治疗的首次FS发作的321例患儿的临床资料,根据就诊时间将其分为训练集和验证集.所有患儿进行为期2年的随访,结局事件为再次发生FS.通过结合随机森林(RF)和LASSO筛选特征变量.使用逻辑回归、决策树、K最近邻、极端梯度提升、多层感知机、支持向量机进行模型构建,并比较6种模型的预测效能.结果 321例患儿中97例(30.2％)在随访期内复发.通过结合RF和LASSO回归筛选出的特征变量为年龄、二氧化碳结合力、血钠、C反应蛋白、合并中性粒细胞减少症、中性粒细胞与淋巴细胞比值、FS发作持续时间、FS发作前体温.6种算法中,逻辑回归建立的预测模型整体表现最佳.结论 基于机器学习算法构建的儿童FS复发的预测模型具有一定的临床价值,为临床医师识别高复发风险患儿提供了新的依据.
更多相关知识
- 浏览5
- 被引0
- 下载13
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
