共查询到14条相似文献,搜索用时 39 毫秒
1.
2.
3.
目的 建立基于机器学习的脑出血相关肺炎预测模型。
方法 选择中国国家卒中登记Ⅱ(China National Stoke Registry Ⅱ,CNSRⅡ)数据库中发病7 d内的急
性脑出血住院患者为研究对象,登记时间为2012年5月-2013年1月,研究覆盖我国219家医院。研究对
象按照8∶2比例随机分为训练集和测试集。采用多因素Logistic回归分析,筛选出候选预测因子。应用
基于机器学习的Logistic回归、CatBoost、XGBoost和LightGBM算法构建诊断预测模型,比较4种方法构建
的模型对脑出血相关肺炎的预测诊断价值。
结果 本研究共筛选2303例患者,平均年龄62.1±12.7岁,其中男性占62.1%。患者随机分为训
练集(n =1841)和测试集(n =462),两组脑出血相关肺炎发生率分别为15.6%和15.8%(χ 2=0.007,
P =0.934)。根据多因素Logistic回归分析,候选预测因子为年龄(OR 1.03,95%CI 1.02~1.04)、NIHSS
评分(OR 1.02,95%CI 1.00~1.04)、白细胞计数(OR 1.11,95%CI 1.07~1.16)和吞咽功能障碍(OR
6.85,95%CI 5.01~9.39)。Logistic回归、CatBoost、XGBoost和LightGBM四种模型灵敏度分别为75.34%、
50.68%、80.82%和80.82%;特异度分别为68.64%、86.12%、52.96%和57.33%;ROC曲线下面积分别
为0.776、0.692、0.736和0.767。Logistic回归和LightGBM模型诊断效果显著高于CatBoost和XGBoost模型
(DeLong test,P <0.05)。
结论 基于机器学习建立的脑出血相关肺炎风险预测模型有较高的诊断价值,年龄、NIHSS评分、白
细胞计数和吞咽功能障碍为模型的候选预测因子,可将模型纳入脑出血相关肺炎诊断决策。本研究
结果的临床应用价值有待于更大样本的外部队列进行验证。 相似文献
4.
5.
目的 基于Logistic回归和XGBoost方法构建缺血性卒中院内复发风险预测模型,并进行初步比较。
方法 利用中国国家卒中登记Ⅱ(China National Stoke Registry Ⅱ,CNSRⅡ)数据库中按医嘱离院的
缺血性卒中患者数据,分别基于Logistic回归和XGBoost方法构建缺血性卒中院内复发风险预测模型。
备选的预测因子包括人口学特征、卒中严重程度、既往病史、用药史以及临床测量指标。模型的评价
指标包括ROC曲线下面积(area under the cure,AUC)、校准截距、校准斜率以及Brier得分。所有统计
分析均在R(3.6.2版)中完成。
结果 最终纳入17 227例符合条件的患者,平均年龄64.72±11.84岁,女性6317例(36.7%),发病前
mRS评分为0或1分的病例14 482例(84.1%),入院NIHSS评分4(2~6)分,院内卒中复发444例(2.6%)。
预测模型识别的前三位强预测因子,在Logistic回归中为发病前mRS评分、心房颤动及卒中史;在
XGBoost中为发病前mRS评分、心房颤动及总胆固醇。Logistic回归预测模型与XGBoost预测模型的AUC无
显著差异(0.63,95%CI 0.58~0.68 vs 0.64,95%CI 0.59~0.68,P =0.9229)。Logistic预测模型校准截
距、校准斜率以及Brier得分分别为-0.81、0.76和0.03;XGBoost预测模型的校准截距、校准斜率以及
Brier得分分别为-1.37、1.20和0.38。Logistic预测模型校准度更好。
结论 利用CNSRⅡ数据构建的缺血性卒中院内复发风险预测模型应用中,基于XGBoost方法构建的
预测模型相比Logistic回归构建的预测模型的区分度没有显著差异,但校准度略低。 相似文献
6.
目的 分析无基础代谢性疾病急性缺血性卒中(acute ischemic stroke,AIS)患者短期营养不良的影响因素,并构建AIS短期营养不良的临床预测模型。方法 回顾性选取2019年3月—2021年6月在苏州市第九人民医院神经内科治疗的无基础代谢性疾病AIS患者作为建模队列,以患者入院2周时微型营养评定简表(mini-nutritional assessment short-form,MNA-SF)、BMI和白蛋白(albumin,Alb)指标作为综合评估,即MNA-SF评分<8分且BMI<18.5 kg/m2、Alb<35.0 g/L为营养不良,以此为依据划分营养不良组和无营养不良组。比较两组的人口学特征及入院时临床资料,将单因素分析具有统计学意义的变量纳入多因素logistic回归分析,基于多因素分析出的影响指标构建预测模型。用ROC曲线评价其区分度,用拟合优度检验评价其校准度。以2021年8月—2022年6月在苏州市第九人民医院神经内科治疗的无基础代谢性疾病AIS患者作为验证队列验证模型的效能。结果 建模队列共纳入924例无基础代谢性疾病AIS患者,平均(... 相似文献
7.
目的 基于机器学习算法对急性缺血性卒中(acuteischemicstroke,AIS)或TIA患者行rt-PA静脉溶栓治疗住院期间脑出血的发生情况进行预测,并探索影响rt-PA溶栓治疗后脑出血发生的危险因素。方法 纳入中国卒中中心联盟(ChineseStrokeCenterAlliance,CSCA)2016年1月—2020年12月登记的被初步诊断为AIS或TIA且接受rt-PA静脉溶栓治疗的患者74 654例,平均年龄为(65.55±12.14)岁,其中,男性患者48 493例(64.96%),住院期间发生脑出血患者2038例(2.73%)。将数据按年份划分为训练集和测试集,即2016—2019年登记患者划分为训练集,2020年登记患者划分为测试集,采用原型选择下采样技术对训练集数据正负样本进行77∶100平衡处理,构建了逻辑回归、极致梯度提升(extreme gradient boosting,XGBoost)、随机森林、梯度提升决策树(gradient boosting decision tree,GBDT)和分类梯度提升(categoricalboosting,CatBoos... 相似文献
8.
9.
目的 分析急性缺血性卒中患者随访1年血管源性死亡的相关影响因素,为早期评估高危急性缺血
性卒中患者、积极控制危险因素、降低死亡率提供临床依据。
方法 回顾性纳入2014年1月-2018年9月于河北省任丘康济新图医院神经内科住院的急性缺血性
卒中患者,收集患者临床基线资料及实验室检查结果。采用多因素Cox回归分析方法分析急性缺血性
卒中患者1年内血管源性死亡的危险因素。
结果 研究共纳入符合入排标准的急性缺血性卒中患者3 6 61例,随访1年内死亡患者16 0
例(4.4%),其中血管源性死亡136例(3.7%),其中包括缺血性血管性死亡3.1%(114例),出血
性血管性死亡0.1%(4例),心源性血管性死亡0.2%(8例),其他血管性死亡0.3%(10例),非血
管源性死亡0.7%(24例)。非血管源性死亡患者作为删失数据,最终共纳入急性缺血性卒中患者
3637例。多因素Cox回归分析显示年龄>60岁(OR 1.084,95%CI 1.062~1.105,P<0.001)、颈动脉
狭窄(OR 1.835,95%CI 1.288~2.614,P =0.001)、入院时NIHSS评分(OR 1.200,95%CI 1.164~1.237,
P <0.001)、脂蛋白a(OR 1.001,95%C I 1.000~1.001,P <0.001)、白细胞计数(OR 1.093,
95%CI 1.031~1.159,P =0.003)、纤维蛋白原水平(OR 1.092,95%CI 1.025~1.164,P =0.006)、血肌
酐(OR 1.004,95%CI 1.001~1.007,P =0.009)是血管源性死亡的独立危险因素。HDL-C(OR 0.378,
95%CI 0.208~0.686,P =0.001)是血管源性死亡的保护因素。
结论 急性缺血性卒中1年内血管源性死亡的危险因素为高龄、颈动脉狭窄、入院时NIHSS评分、脂
蛋白a水平、白细胞计数、纤维蛋白原及血肌酐水平。高密度脂蛋白为其保护因素。 相似文献
10.
目的 分析急性缺血性卒中患者随访1年血管源性死亡的相关影响因素,为早期评估高危急性缺血
性卒中患者、积极控制危险因素、降低死亡率提供临床依据。
方法 回顾性纳入2014年1月-2018年9月于河北省任丘康济新图医院神经内科住院的急性缺血性
卒中患者,收集患者临床基线资料及实验室检查结果。采用多因素Cox回归分析方法分析急性缺血性
卒中患者1年内血管源性死亡的危险因素。
结果 研究共纳入符合入排标准的急性缺血性卒中患者3 6 61例,随访1年内死亡患者16 0
例(4.4%),其中血管源性死亡136例(3.7%),其中包括缺血性血管性死亡3.1%(114例),出血
性血管性死亡0.1%(4例),心源性血管性死亡0.2%(8例),其他血管性死亡0.3%(10例),非血
管源性死亡0.7%(24例)。非血管源性死亡患者作为删失数据,最终共纳入急性缺血性卒中患者
3637例。多因素Cox回归分析显示年龄>60岁(OR 1.084,95%CI 1.062~1.105,P<0.001)、颈动脉
狭窄(OR 1.835,95%CI 1.288~2.614,P =0.001)、入院时NIHSS评分(OR 1.200,95%CI 1.164~1.237,
P <0.001)、脂蛋白a(OR 1.001,95%C I 1.000~1.001,P <0.001)、白细胞计数(OR 1.093,
95%CI 1.031~1.159,P =0.003)、纤维蛋白原水平(OR 1.092,95%CI 1.025~1.164,P =0.006)、血肌
酐(OR 1.004,95%CI 1.001~1.007,P =0.009)是血管源性死亡的独立危险因素。HDL-C(OR 0.378,
95%CI 0.208~0.686,P =0.001)是血管源性死亡的保护因素。
结论 急性缺血性卒中1年内血管源性死亡的危险因素为高龄、颈动脉狭窄、入院时NIHSS评分、脂
蛋白a水平、白细胞计数、纤维蛋白原及血肌酐水平。高密度脂蛋白为其保护因素。 相似文献
11.
12.
13.
14.
目的探讨Alberta卒中项目早期CT评分(Alberta stroke program early CT score,ASPECTS)、DRAGON评分和SEDAN评分对我国急性缺血性卒中患者静脉溶栓后急性期内出血转化的预测价值。方法回顾性连续收集2012年12月-2017年12月在同济大学附属同济医院神经内科急诊收入的接受静脉溶栓治疗的急性缺血性卒中患者的临床资料,记录有关基线资料,并使用ASPECTS、DRAGON和SEDAN3个量表进行评分。以住院期间出血转化作为观察终点。应用受试者工作特征(receiver operating characteristic,ROC)曲线评估量表对静脉溶栓后出血转化的预测诊断价值,ROC曲线下面积采用C值表示,通过C值比较3个量表的预测价值;使用Hosmer-Lemeshow(H-L)拟合优度[χ2(P)]检验法判断各模型与实际结果的拟合度;进行Logistic回归分析探讨各评分与溶栓后出血转化的关系。结果共纳入199例患者,ASPECTS、DRAGON和SEDAN评分在总体患者中C值分别为0.889、0.810和0.793;前循环中C值分别为0.889、0.823和0.788;男性组中C值分别为0.893、0.788和0.818;女性组中C值分别为0.882、0.808和0.720(均P0.05)。ASPECTS、DRAGON和SEDAN评分在总体患者中H-L拟合优度检验结果分别为8.253、2.685和7.511;在前循环中分别为9.875、4.330和6.441;在男性组中分别为8.966、1.697和3.049;在女性组中分别为4.284、6.548和7.669(仅前循环和男性组的ASPECTS评分P0.05,余P0.05)。Logistic回归分析ASPECTS、DRAGON和SEDAN评分的OR值在总体患者分别为0.588、1.839和2.229,在前循环分别为0.567、1.951和2.198,在男性组分别为0.595、1.969和2.675,在女性组分别为0.573、1.833和1.787(均P0.05)。结论 ASPECTS、DRAGON和SEDAN评分量表均可用于急性缺血性卒中患者静脉溶栓后出血转化风险的预测,ASPECTS评分要优于另外2种评分模型。 相似文献