| 基于机器学习算法的NT-proBNP灰值患者心力衰竭判别模型评价 |
| |
| 引用本文： | 谢秋华,鲁作华,邓生琼,刘倩倩,徐莉敏,张登海,刘兴晖.基于机器学习算法的NT-proBNP灰值患者心力衰竭判别模型评价[J].同济大学学报(医学版),2021,42(3):375-380. |
| |
| 作者姓名： | 谢秋华 鲁作华 邓生琼 刘倩倩 徐莉敏 张登海 刘兴晖 |
| |
| 作者单位： | 上海市浦东新区公利医院检验科，上海200135;上海市浦东新区公利医院检验科，上海200136;上海市浦东新区公利医院检验科，上海200137;上海市浦东新区公利医院检验科，上海200138;上海市浦东新区公利医院检验科，上海200139;上海市浦东新区公利医院检验科，上海200140 |
| |
| 基金项目： | 浦东新区卫生系统重点学科群建设资助项目（PWZxq2017-15） |
| |
| 摘 要： | 目的应用机器学习算法构建氨基末端脑钠尿肽（N-terminal pro-brain natriuretic peptide, NT-proBNP）灰值患者心力衰竭判别模型并评价。方法收集2013年1月至2018年12月在上海市浦东新区公利医院进行NT-proBNP实验室检测的患者临床资料和实验室检测信息，数据清洗后纳入研究对象，并按7∶3的比例划分训练集和测试集。用L1范数正则化和递归特征消除方法对特征进行筛选。应用基于机器学习的Logistic回归、随机森林、梯度提升树和XGBoost算法构建模型，比较4种方法构建的模型对NT-proBNP灰值患者心力衰竭判别价值。结果按重要性筛选出模型因子年龄、性别、肌酸激酶同工酶、肌酐、肌红蛋白、肌钙蛋白Ⅰ、血红蛋白、白细胞计数。Logistic回归、随机森林、梯度提升树和XGBoost四种模型灵敏度分别为58.42%、56.83%、65.74%和60.04%；特异度分别为57.47%、68.18%、60.13%、65.93%。结论基于机器学习建立的NT-proBNP灰值患者心力衰竭判别模型有一定临床价值，本研究结果应用价值有待于更大样本进行验证。
|
| 关 键 词： | NT-proBNP 心力衰竭 机器学习算法 |
| 收稿时间： | 2020/10/10 0:00:00 |
Evaluation of heart failure discriminant model in patients with NT-proBNP gray value based on machine learning algorithm |
| |
| XIE Qiu-hu,LU Zuo-hu,DENG Sheng-qiong,LIU Qian-qian,XU Li-min,ZHANG Deng-hai,LIU Xing-hui.Evaluation of heart failure discriminant model in patients with NT-proBNP gray value based on machine learning algorithm[J].Journal of Tongji University(Medical Science),2021,42(3):375-380. |
| |
| Authors: | XIE Qiu-hu LU Zuo-hu DENG Sheng-qiong LIU Qian-qian XU Li-min ZHANG Deng-hai LIU Xing-hui |
| |
| Institution: | Dept. of Clinical Laboratory, Gongli Hospital of Shanghai Pudong New Area, Shanghai 200135, China;Dept. of Clinical Laboratory, Gongli Hospital of Shanghai Pudong New Area, Shanghai 200136, China;Dept. of Clinical Laboratory, Gongli Hospital of Shanghai Pudong New Area, Shanghai 200137, China;Dept. of Clinical Laboratory, Gongli Hospital of Shanghai Pudong New Area, Shanghai 200138, China;Dept. of Clinical Laboratory, Gongli Hospital of Shanghai Pudong New Area, Shanghai 200139, China; Dept. of Clinical Laboratory, Gongli Hospital of Shanghai Pudong New Area, Shanghai 200140, China |
| |
| Abstract: | |
| |
| Keywords: | NT-proBNP cardiac failure machine learning algorithm |
|
| 点击此处可从《同济大学学报(医学版)》浏览原始摘要信息 |
| 点击此处可从《同济大学学报(医学版)》下载免费的PDF全文 |
|
