基于机器学习的住院患者压力性损伤分析与预测

• 作者: 李清 林英 苏强 邓国英
• 来源期刊: 同济大学学报（自然科学版）
• 学科: 工学
• 关键词: 压力性损伤 支持向量机 遗传算法 概率神经网络 广义回归神经网络
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 经济与管理科学
• 页码范围: 1530-1536
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11908/j.issn.0253-374x.20096

摘要

压力性损伤是护理工作的重点,也是评价护理质量的重要指标,设计合理的评估量表和科学预测是预防的关键措施.基于传统的12个指标,再新增3个风险指标,设计更全面的风险评估量表;据此收集一段时间内住院患者的信息,采用卡方检验分析对损伤有显著影响的指标,将患者分为人院时和院内获得性压力性损伤两类,分析其特征、产生部位和分布科室.基于支持向量机、概率神经网络和广义回归神经网络3种方法建立预测模型,在支持向量机中,采用高斯核函数构建模型,并使用遗传算法优化核函数参数.比较4种场景下3种方法的预测精度,支持向量机的预测准确率最高,达到84.68％,另外2种方法的准确率较低,均为82.78％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李清		12	27	4.0	5.0
2	苏强		32	323	11.0	17.0
3	林英		5	37	3.0	5.0
4	邓国英		1	0	0.0	0.0