您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览111 | 下载0

目的:比较9种机器学习模型对幕上深部自发性脑出血(SICH)患者发生早期血肿扩张及预后不良情况的预测性能。方法:回顾性研究。纳入2015年1月—2019年5月4家医院幕上深部SICH患者420例。其中男275例、女145例,年龄25~90(61.0±12.9)岁。420例患者按照7∶3的比例,采用完全随机法分为训练集294例和验证集126例。患者在72 h内复查CT,若血肿体积比初始体积增长>6 mL或>33

作者:陈凯;佘华龙;吴涛;李涛;杨柳;刘飞;蒋亚思;张帆娟

来源:中华解剖与临床杂志 2022 年 27卷 9期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:111 | 下载:0
作者:
陈凯;佘华龙;吴涛;李涛;杨柳;刘飞;蒋亚思;张帆娟
来源:
中华解剖与临床杂志 2022 年 27卷 9期
标签:
脑出血 血肿扩张 预后 机器学习 预测模型 Intracerebral hemorrhage Hematoma expansion Prognosis Machine learning Prediction model
目的:比较9种机器学习模型对幕上深部自发性脑出血(SICH)患者发生早期血肿扩张及预后不良情况的预测性能。方法:回顾性研究。纳入2015年1月—2019年5月4家医院幕上深部SICH患者420例。其中男275例、女145例,年龄25~90(61.0±12.9)岁。420例患者按照7∶3的比例,采用完全随机法分为训练集294例和验证集126例。患者在72 h内复查CT,若血肿体积比初始体积增长>6 mL或>33