“网格搜索+XGBoost”算法建立儿童脓毒性休克预测模型

目的筛选儿童脓毒性休克的危险因素,建立儿童脓毒性休克预测模型,以期为疾病发生提供早期预警。方法选取重庆医科大学7家附属医疗机构2015年1月1日-2019年8月31日收治的因脓毒血症就诊的年龄<14岁患儿1558例,根据住院期间是否发生脓毒性休克分为脓毒性休克组287例(研究组)与单纯性脓毒血症组1271例(对照组)。使用"单因素分析+logistic回归分析"筛选独立危险因素,以网格搜索算法搜寻XGBoost算法最优参数,XGBoost算法构建预测模型。结果共收集80项指标,排除缺失率>30%的14项指标,最终共纳入66项指标。单因素分析筛选出41项差异有统计学意义的指标,logistic回归分析筛选出10项独立危险因素,分别为尿微量白蛋白增加、便白细胞多见、尿蛋白阳性、低钙离子、高乳酸脱氢酶、高尿酸、低白蛋白、高肌红蛋白、高肌酸激酶同工酶MB及高降钙素原。网格搜索得出,当max_depth=6,eta=0.1时,XGBoost模型性能最佳,测试集中模型的曲线下面积(AUC)为0.757,灵敏度为0.727,特异度为0.768,模型性能较之前研究有所提...