基于机器学习算法构建缺血性卒中3个月死亡预测模型研究

• 作者: 刘欢 姜勇 李皓琳 谷鸿秋 陈思玎 黄馨莹
• 来源期刊: 中国卒中杂志
• 关键词: 缺血性卒中 预测模型 机器学习 死亡
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 专题论坛:脑血管病大数据
• 页码范围: 595-599
• 页数: 5页
• 字数: 3053字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5765.2020.06.004

摘要

目的 探讨基于机器学习算法XGBoost构建缺血性卒中发病3个月死亡预测模型的应用价值.方法 选择中国国家卒中登记(China National Stoke Registry,CNSR)数据库中缺血性卒中患者为研究对象.按照7:3比例随机分为训练集和测试集,训练集用于构建预测模型,测试集用于评价模型效果.分别采用XGBoost和Logistic回归方法构建缺血性卒中发病3个月死亡预测模型,通过ROC曲线下面积(area under the curve,AUC)评价两种模型的预测价值.结果 共纳入10645例缺血性卒中患者,平均年龄65.18±12.23岁,女性4045例(38.0％),入院NIHSS评分4(2～9)分,3个月死亡患者447例(4.48％).XGBoost和Logistic回归预测模型的AUC分别为0.8539、0.8278(P=0.0835),灵敏度分别为0.7413、0.7133,特异度分别为0.8286、0.8040.结论 基于机器学习算法XGBoost构建的缺血性卒中死亡预测模型表现良好且稳定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈思玎		1	0	0.0	0.0
2	刘欢		1	0	0.0	0.0
3	黄馨莹		1	0	0.0	0.0
4	李皓琳		1	0	0.0	0.0
5	谷鸿秋		1	0	0.0	0.0