机器学习算法对危重患者死亡率预测效能的比较

• 作者: 李惠萍 胡安民
• 来源期刊: 广东医学
• 学科: 医学
• 关键词: 医疗大数据 重症患者 预测模型 机器学习
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 临床研究
• 页码范围: 1642-1646
• 页数: 5页
• 分类号: R181.2|O141.41
• 字数: 3571字
• 语种: 中文
• DOI: 10.13820/j.cnki.gdyx.20193897

摘要

目的 检测支持向量机(SVM)和随机森林(RF)两种机器学习算法对单中心重症患者30 d死亡率预测性能.方法 使用美国重症医学数据库(MIMIC-Ⅲ)作为数据来源,纳入波士顿贝斯以色列女执事医疗中心接受重症监护的成年患者,使用SVM和RF算法构建重症患者30 d死亡率的预测模型,通过与传统的简化急性生理评分-Ⅱ(SAPS-Ⅱ)模型比较,并使用十折交叉验证法对模型性能进行评估.结果 研究纳入30833例患者,SAPS-Ⅱ评分为33(25,43),其中2909例(9.4％)患者在进入ICU后30 d内死亡.传统SAPS-Ⅱ评分模型的曲线下面积为0.73±0.02,而机器学习算法的SVM、RF预测模型的AUC值分别为0.75±0.02和0.79±0.02.结论 SVM模型对危重患者30 d全因死亡率预测与传统的SAPS-Ⅱ评分效能相仿,而RF模型对危重患者的预后预测更加精准.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李惠萍	深圳市人民医院呼吸与危重症医学科	3	0	0.0	0.0
2	胡安民	深圳市人民医院麻醉科	4	0	0.0	0.0