换一批基于MALDI-TOF MS结合随机森林算法建立碳青霉烯耐药肺炎克雷伯菌分类检测模型
Carbapenem-resistant Klebsiella pneumoniae classification and detection model based on MALDI-TOF MS combined with ran-dom forest algorithm
摘要目的 基于基质辅助激光解吸电离飞行时间质谱仪(MALDI-TOF MS)鉴定数据,用随机森林算法建立碳青霉烯耐药肺炎克雷伯菌(CR-KP)的快速分类检测模型.方法 回顾性收集2022年6月至2023年12月浙江省荣军医院检测到的非重复肺炎克雷伯菌240株,同时收集了经MALDI-TOF MS鉴定且成功率90％以上的质谱峰图.根据药敏检测结果分为CR-KP 80株、碳青霉烯敏感肺炎克雷伯菌(CS-KP)160株.用K-means对质谱数据进行聚类并确定"质心"分类峰作为特征,构建随机森林分类模型,数据的70％作为训练集,30％作为测试集.分别用测试集分数、十倍交叉验证和ROC曲线评估模型的检测效能.结果 构建的随机森林分类模型在测试集上的分数为0.94,十倍交叉验证分数为0.84,AUC为0.986(95％CI:0.950～1.000),特异度为 0.980(95％CI:0.938～1.000),灵敏度为 0.905(95％CI:0.814～0.995).CR-KP和 CS-KP质谱峰图的最大差异特征峰为4 519 m/z.结论 基于MALDI-TOF MS构建随机森林分类模型对识别CR-KP有较高的效能,可以为临床早期干预及抗生素的合理使用提供依据.
更多相关知识
关键词
随机森林算法机器学习模型基质辅助激光解吸电离飞行时间质谱仪肺炎克雷伯菌Random forest algorithmMachine learning modelMatrix-assisted laser desorption ionization time-of-flight mass spectrometryKlebsiella pneumoniae
栏目名称
DOI
10.12056/j.issn.1006-2785.2025.47.4.2024-1247
发布时间
2025-05-09（万方平台首次上网日期，不代表论文的发表时间）
- 浏览22
- 被引0
- 下载15
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
