| 特征选择技术在江西地区缺血性脑卒中合并肺部感染风险预测模型中的应用 |
| |
| 引用本文： | 罗颢文1,涂江龙2,刘建模1,俞鹏飞1,葛艳秋3,易应萍1. 特征选择技术在江西地区缺血性脑卒中合并肺部感染风险预测模型中的应用[J]. 现代预防医学, 2020, 0(22): 4038-4041 |
| |
| 作者姓名： | 罗颢文1 涂江龙2 刘建模1 俞鹏飞1 葛艳秋3 易应萍1 |
| |
| 作者单位： | 1.南昌大学第二附属医院信息处,江西 南昌 330006;2.南昌大学第二附属医院神经内科,江西 南昌 330006;3.南昌大学医学部公共卫生学院,江西 南昌 330006 |
| |
| 摘 要： | 目的 采用不同特征选择技术构建基于机器学习的预测模型,探讨江西地区缺血性脑卒中患者发生肺部感染的风险因素,为江西地区缺血性脑卒中合并肺部感染的控制和预防提供参考。方法 分别采用互信息、Lasso回归、决策树对特征进行筛选,比较XGboost、SVM、随机森林、MLP、logistic回归在缺血性脑卒中合并肺部感染模型中的效果。结果 Lasso回归优于其他两种特征选择方法,筛选的侵入性操作、NIHSS评分、中性粒细胞计数等15个特征纳入最终模型,与其他分类算法相比,MLP分类性能最好,AUC与约登指数分别是0.8740（95%CI:0.8694～0.8804）和0.6267。结论 Lasso回归可以限制多重共线性带来的影响,并输出高风险因素,结合MLP分类算法,能够较好的预测缺血性脑卒中患者是否会发生肺部感染,为其精准防控提供借鉴,具有一定的临床实践意义。
|
| 关 键 词： | 缺血性脑卒中 肺部感染 Lasso回归 MLP |
Application of feature selection technique in risk prediction model of ischemic stroke complicated with pulmonary infection in Jiangxi Province |
| |
| LUO Hao-wen,TU Jiang-long,LIU Jian-mo,YU Peng-fei,GE Yan-qiu,YI Ying-ping. Application of feature selection technique in risk prediction model of ischemic stroke complicated with pulmonary infection in Jiangxi Province[J]. Modern Preventive Medicine, 2020, 0(22): 4038-4041 |
| |
| Authors: | LUO Hao-wen TU Jiang-long LIU Jian-mo YU Peng-fei GE Yan-qiu YI Ying-ping |
| |
| Affiliation: | *Department of Information, Second Affiliated Hospital of Nanchang University, Nanchang, Jiangxi 330006, China |
| |
| Abstract: | Objective |
| |
| Keywords: | Ischemic stroke Pulmonary infection Lasso regression MLP |
|
| 点击此处可从《现代预防医学》浏览原始摘要信息 |
|
点击此处可从《现代预防医学》下载免费的PDF全文 |
|
