换一批三种机器学习算法对老年心力衰竭患者衰弱风险预测性能的比较
Comparison of predictive performance of three machine learning algorithms for frailty risk in elderly heart failure patients
摘要目的 旨在比较logistic回归分析、决策树和随机森林算法构建的3种老年心力衰竭患者衰弱风险预测模型的性能.方法 采用便利抽样法,选取2022年9月至2023年10月南通大学附属医院心血管内科收治的老年心力衰竭患者426例.根据衰弱评估结果分为衰弱组194例,非衰弱组232例,又按7∶3比例分为训练集299例和测试集127例.并在训练集中构建logistic回归分析模型、决策树模型及随机森林模型,在测试集中验证.采用ROC曲线分析计算曲线下面积(area under curve,AUC)及混淆矩阵对训练集和测试集模型进行评价,通过比较模型在测试集中的性能选出最佳模型.结果 Logistic回归模型、决策树模型和随机森林模型在测试集的AUC分别为0.898、0.825、0.903,分类正确率分别为 84.25％、77.95％、83.46％,敏感性分别为 82.76％、68.97％、82.76％,特异性分别为85.51％、85.51％、84.06％,阳性预测值分别为82.76％、80.00％、81.36％,阴性预测值分别为85.51％、76.62％、85.29％.影响因素分别为年龄、左心房内径、抑郁、白蛋白、身体活动水平和社会支持度.结论 Logistic回归模型预测老年心力衰竭患者衰弱风险性能较决策树模型和随机森林模型更好.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1009-0126.2025.10.010
发布时间
2025-10-16（万方平台首次上网日期，不代表论文的发表时间）
基金项目
南通市卫生健康委科研课题（MSZ2024001）
- 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
