换一批基于极限梯度提升算法的脑卒中后吞咽障碍患者误吸发生预测模型的构建
Construction of a prediction model for the occurrence of aspiration in patients with post-stroke dysphagia based on the XGBoost algorithm
摘要目的 应用极限梯度提升(XGBoost)算法学习模型,构建脑卒中后吞咽障碍患者的误吸风险预测模型.方法 选取无锡市中心康复医院于2023 年7 月至2024 年7 月收治的 200 例脑卒中后吞咽障碍患者并回顾性分析患者的临床数据.按照7∶3比例随机分为建模组(140 例)和验证组(60 例).筛选误吸发生的危险因素,以单因素分析有统计学意义的变量建立XGBoost模型,并采用受试者工作特征曲线评价模型预测效能.结果 XGBoost模型预测的特征变量重要性排序按从大到小分别为美国国立卫生研究院卒中量表评分、Gugging吞咽功能评估表评分、脑干梗死、进食评估问卷调查工具10 评分、年龄、改良容积-黏度吞咽测试评分、超敏C反应蛋白、病灶部位、同型半胱氨酸和高血压,据此构建的XGBoost预测模型的曲线下面积、准确度、特异度、灵敏度分别为0.897、0.843、0.875、0.823,且预测模型的区分度和内部验证结果良好.结论 XGBoost模型能够有效预测脑卒中后吞咽障碍患者误吸的发生,可为临床早期预防误吸发生提供参考.
更多相关知识
关键词
脑卒中后吞咽障碍极限梯度提升算法误吸风险预测post-stroke dysphagiaextreme gradient boosting(XGBoost)algorithmaspirationrisk prediction
分类号
R473.74（护理学）
栏目名称
DOI
10.11997/nitcwm.202509052
发布时间
2025-12-29（万方平台首次上网日期，不代表论文的发表时间）
- 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
