换一批基于机器学习算法构建缺血性脑卒中伴吞咽障碍患者卒中相关性肺炎模型并验证
A prediction model of stroke-associated pneumonia in ischemic stroke patients with dysphagia created by machine learning algorithms and its verification
摘要目的 基于不同机器学习算法构建缺血性脑卒中伴吞咽障碍患者卒中相关性肺炎(SAP)预测模型.方法 收集 2022年 6月至 2024年 2月收治的 620例缺血性脑卒中伴吞咽障碍患者的临床资料,采用最小绝对收缩和选择算子(LASSO)回归分析患者发生SAP的影响因素,按7∶3比例将患者随机分为训练集(n=434)和测试集(n=186),训练集基于机器学习算法分别构建极端梯度提升(XGBoost)、Logistic回归、随机森林(RF)、决策树(DT)、支持向量随机(SVM)、K最近邻(KNN)等 6种预测模型,对各模型性能进行评估,测试集进行验证,Shapley加法解释(SHAP)对各变量因素进行重要性排序.结果 采用LASSO回归筛选出8个变量特征,以此构建的XGBoost、Logistic回归、RF、DT、SVM、KNN等 6 个预测模型中,Logistic回归模型预测性能最优,在测试集中AUC为 0.872,灵敏度为 0.787,特异度为 0.839,在校准曲线中辨别能力与DCA曲线中临床效益表现良好.SHAP图显示SAP发生的影响因素重要性排序分别为NIHSS评分、Barthel指数、吸烟史、年龄、洼田饮水试验分级、高血压、糖尿病、留置胃管.结论 基于Logistic回归构建的缺血性脑卒中伴吞咽障碍患者发生SAP的预测模型具有良好的预测效果,可作为筛查SAP的辅助工具,为识别高风险人群提供便利.
更多相关知识
关键词
缺血性脑卒中吞咽障碍卒中相关性肺炎机器学习算法Ischemic strokeDysphagiaStroke-associated pneumoniaMachine learning algorithm
栏目名称
DOI
10.13517/j.cnki.ccm.2024.10.001
发布时间
2024-09-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河南省医学教育研究项目（Wjlx2022013）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
