基于KNN和RF算法构建危重患者全因死亡预测模型的研究 |
| |
引用本文: | 李惠萍,胡安民.基于KNN和RF算法构建危重患者全因死亡预测模型的研究[J].中国卫生统计,2020(2):224-227. |
| |
作者姓名: | 李惠萍 胡安民 |
| |
作者单位: | 深圳市人民医院呼吸与危重症医学科;深圳市人民医院麻醉科 |
| |
基金项目: | 国家自然科学基金(81100189)。 |
| |
摘 要: | 目的评估机器学习算法对单中心危重患者全因死亡率的预测性能。方法采用美国大型重症医学数据库MIMIC-III作为数据来源,建立基于机器学习的K最近邻(KNN)和随机森林(RF)开发评估重症患者预后的预测模型,并与传统的简化急性生理评分-II(SAPS-II)进行比较。使用Boruta进行特征变量的筛选,通过交叉验证对模型性能进行评估,主要研究结局为危重患者90d死亡率。结果研究纳入30833例患者,SAPS-II评分中位数(四分位间距)]为33(25~43),其中5534例(17.9%)患者在进入ICU后90d内死亡。3种模型得到的AUC值分别为:SAPS-II模型0.75±0.03,KNN模型0.75±0.03,RF模型0.80±0.03。结论与传统的SAPS-II评分相比,机器学习算法中的RF模型可以更精准地预测危重患者的预后。
|
关 键 词: | 医疗大数据 重症监护室 预测模型 机器学习 |
本文献已被 CNKI 维普 等数据库收录! |
|