换一批多标签深度森林算法在构建冠心病患者PCI术后不良结局预测模型中的应用研究
The Prediction Model of Adverse Outcomes after PCI in Patients with Coronary Heart Disease based on Multi-label Deep Forest Algorithm
摘要目的 从经皮冠状动脉介入治疗(percutaneous coronary intervention,PCI)患者术后多维结局出发,结合多标签深度森林算法构建冠心病患者PCI术后多维不良结局的预测模型.方法 收集来自山西医科大学第二医院诊断为冠心病并进行PCI术的 521 名患者.利用多标签ReliefF算法筛选特征,用ML-ROS(multi-label-random oversampling)算法进行数据不平衡处理,最后利用多标签深度森林算法构建预测模型.结果 利用多标签ReliefF对特征进行筛选,显示B型钠尿肽、肌酸激酶同工酶、血红蛋白、同型半胱氨酸、C反应蛋白、血清间接胆红素等变量是影响PCI预后的重要因素.MLROS算法对多标签数据的不平衡情况进行了一定程度的改进,相比较不平衡前整体标签的不平衡程度(meanIR)由3.937 降低为 2.668.结论 本研究将多标签深度森林算法结合PCI术后患者的不良结局进行建模.同时考虑到多标签的特征选择和数据不平衡的问题,充分考虑到临床的实际情况PCI术后患者可能同时出现多种结局的情况,更符合现代医学的要求.
更多相关知识
关键词
冠心病经皮冠状动脉介入治疗多标签不平衡多标签深度森林Coronary heart diseasePercutaneous coronary interventionMulti-label imbalanceMulti-Label Deep Forest
分类号
R181.2（流行病学与防疫）
栏目名称
DOI
10.11783/j.issn.1002-3674.2025.03.007
发布时间
2025-07-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82173631）
山西省科技创新人才团队（202204051001026）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
