目的:使用数据挖掘技术建立社区获得性肺炎患病风险预测模型.方法:收集535例患者(326例社区获得性肺炎和209例支气管炎)的流行病学资料、临床症状和实验室检查指标共32个因素.535例按照7:3的比例随机分为训练集和测试集,基于训练集数据分别建立支持向量机(SVM)、人工神经网络(ANN)、C5.0决策树和Logistic回归模型,基于测试集数据比较4种模型的性能.结果:SVM模型预测社区获得性肺炎的准确率为78.75％,敏感度为75.00％,特异度为81.00％;ANN模型以上指标分别为80.62％、76.67％、83.00％;C5.0决策树模型分别为83.12％、76.67％、87.00％;Logistic回归模型分别为76.88％、75.00％、78.00％.结论:C5.0决策树模型预测社区获得性肺炎的整体性能优于SVM、ANN和Logistic回归模型.
作者：苗若琪；乔瑞萍；Clement Yaw EFFAH；郭诗琦；原慧洁；吴艳；谭龙龙；苗丽君；刘红；吴拥军
来源：郑州大学学报（医学版） 2023 年 58卷 3期
